[发明专利]一种基于方向-集群性模型的人群逃散事件检测方法及系统

摘要

本发明公开了一种基于方向‑集群性模型的人群逃散事件检测方法及系统。为解决人群逃散事件检测方法存在检测的准确率低的问题，其技术方案为从人群监控视频中提取运动轨迹从而得到轨迹坐标矩阵，进而通过轨迹坐标矩阵计算出运动轨迹上运动粒子的速度和方向；基于运动粒子的速度以及方向的无序性，建立表征人群的运动状态的方向‑集群性模型；根据方向‑集群性模型来计算每帧人群监控视频的方向‑集群性指数；从得到的所有方向‑集群性指数中自适应提取事件检测阈值，再通过事件检测阈值与每一帧人群监控视频的方向‑集群性指数相比较，最终检测出人群监控视频的人群逃散事件。该方法广泛应用到中高密度人群中且检测准确率高。

主权项

1.一种基于方向‑集群性模型的人群逃散事件检测方法，其特征在于，包括：步骤(1)：从人群监控视频中提取运动轨迹从而得到轨迹坐标矩阵，进而通过轨迹坐标矩阵计算出运动轨迹上运动粒子的速度和方向；步骤(2)：基于运动粒子的速度以及方向的无序性，建立表征人群的运动状态的方向‑集群性模型；步骤(3)：根据方向‑集群性模型来计算每帧人群监控视频的方向‑集群性指数，方向‑集群性指数越大表示人群集群度越低，人群运动方向越混乱；步骤(4)：从得到的所有方向‑集群性指数中自适应提取事件检测阈值，再通过事件检测阈值与每一帧人群监控视频的方向‑集群性指数相比较，最终检测出人群监控视频的人群逃散事件；所述步骤(4)中从得到的所有方向‑集群性指数中自适应提取阈值的过程包括：步骤(4.1)：初始化阈值，设定初始阈值为包含每帧人群监控视频方向‑集群性指数的矩阵中最大值与最小值的平均数；步骤(4.2)：对人群监控视频帧进行分类，将大于初始阈值的帧数归为异常帧，小于或等于初始阈值的帧数归为正常帧；步骤(4.3)：分别计算归类后的正常帧与异常帧方向‑集群性指数的平均值和步骤(4.4)：更新阈值，使得更新后的阈值为和的平均值；步骤(4.5)：重复以上步骤直至阈值不再变化，得到事件检测阈值。