[发明专利]一种基于模糊推理的人群情绪识别方法

权利要求书

1.一种基于模糊推理的人群情绪识别方法，其特征在于，利用不同的人群特征归一化后的结果作为输入，构建模糊推理系统，推理得出激励度、愉悦度的模糊值，去模糊化后得到对应的精确值，包括以下两个步骤：

步骤1、从视频中提取出人群运动焓值和人群运动幅度方差这两个人群特征，构建两输入一输出的激励度模糊推理系统，输入是人群运动焓值和人群运动幅度方差这两个人群特征，输出是激励度；

步骤2、从视频中提取人群运动混乱程度和人群密度这两个特征，构建两输入一输出的愉悦度模糊推理系统，输入是人群运动混乱程度和人群密度这两个特征，输出是愉悦度。

2.如权利要求1所述的一种基于模糊推理的人群情绪识别方法，其特征在于，所述步骤1具体如下：

1.1、选取场景中人群运动焓值和人群运动幅度方差作为输入变量，激励度作为输出变量，构建人群激励度模糊推理系统；

1.2、将人群运动焓值、人群运动幅度方差和人群激励度利用高斯型隶属度函数进行模糊化处理；

1.3、人群激励度模糊推理系统有2个输入变量，1个输出变量，使用if-then规则，输入变量之间采用and连接，得到模糊推理规则，使用Mamdani推理算法，对人群激励度模糊推理系统进行推理；

1.4、通过将场景视频中的人群运动焓值和人群运动幅度方差输入到人群激励度模糊推理系统中得到场景中的人群激励度模糊值，将推理得到的模糊值使用重心法去模糊化，得到人群激励度的精确值，作为衡量场景人群情绪的值，激励值越大，人群情绪越激烈。

3.如权利要求1所述的一种基于模糊推理的人群情绪识别方法，其特征在于，所述步骤2具体如下：

步骤2.1，利用LK光流法跟踪FAST特征点，求出光流大小，特征点运动幅度阈值在0.01到0.1之间的被认为是静态特征点，将其剔除，不进入下一步骤的计算；

步骤2.2，求出运动特征点的维诺图，计算每一个单人维诺多边形面积S_i：代表单人可活动范围，其中x_j和y_j是多边形顶点坐标。依此求出整个人群图像的密度D：其中D代表人群密度，为图像单人Voronoi多边形平均面积，即图像内平均每人的可活动范围，n是图像中检测到的运动特征点数，以图像中可出现最多特征点时的维诺密度作为最大值进行归一化；

2.3、选取场景中人群运动混乱程度和人群密度作为输入变量，愉悦度作为输出变量，构建人群愉悦度模糊推理系统；

2.4、将人群运动混乱程度、人群密度和人群愉悦度利用高斯型隶属度函数进行模糊化处理；

2.5、人群愉悦度模糊推理系统有2个输入变量，1个输出变量，使用if-then规则，输入变量之间采用and连接，得到模糊推理规则，使用Mamdani推理算法，对人群愉悦度模糊推理系统进行推理；

2.6、通过将场景视频中的人群运动混乱程度和人群密度输入到人群愉悦度模糊推理系统中得到场景中的人群愉悦度模糊值，将推理得到的模糊值使用重心法去模糊化，得到人群愉悦度的精确值，作为衡量场景人群情绪的值，愉悦值越大，人群情绪越愉悦。