[发明专利]一种群体突发异常事件检测与定位方法

摘要

一种群体突发异常事件检测与定位方法。该方法分为两个阶段：1)群体异常事件检测；2)异常事件中心实时定位。本发明优点：①针对公共场所(如机场航站楼)的常见突发事件(如由于火灾、暴乱、斗殴等而引起的恐慌、逃逸、聚集等)进行检测，克服了传统检测算法中人群行为特征不明显以及检测过程中对环境噪声干扰敏感性较大等问题，对上述异常事件类型的检测率高、实时性高。②所设计的突发异常事件的危险源位置定位方法，解决了现有方法中只对异常事件类型检测，并没有对事件中心定位以及后续处理的问题，该方法可适用于多种环境，可对场景中多危险源位置同时检测，准确性高，鲁棒性强。

主权项

一种群体突发异常事件检测与定位方法，其特征在于：所述的群体突发异常事件检测与定位方法包括按顺序进行的下列步骤：(1)从待检测的公共场所原始视频图像中选取多帧视频图像，每一帧视频图像作为一个训练样本，然后提取出每个训练样本的前景图像并计算出前景图像光流矢量的幅值和方向信息；(2)利用步骤(1)中获得的前景图像光流矢量的幅值和方向信息提取每个训练样本的光流幅值直方图特征；(3)将步骤(2)中提取出的训练样本的光流幅值直方图特征利用支持向量机分类器进行训练，得到支持向量机模型，然后，将训练样本截成多段训练样本视频图像序列，并对每段训练样本视频图像序列进行转化而生成群体行为特征序列，最后，利用隐马尔可夫模型对训练样本的群体行为特征序列进行训练，得到对应的隐马尔可夫模型；(4)采用与步骤(1)相同的方法，从原始视频图像中选取多帧视频图像，每一帧视频图像作为一个测试样本，然后提取出每个测试样本的前景图像并计算出前景图像光流矢量的幅值和方向信息；(5)采用与步骤(2)相同的方法，利用步骤(4)中获得的前景图像光流矢量的幅值和方向信息提取每个测试样本的光流幅值直方图特征；(6)将上述测试样本截成多段测试样本视频图像序列，利用步骤(3)中训练得到的支持向量机模型对多段测试样本视频图像序列进行分类，并根据分类结果对应生成测试样本的群体行为特征序列，最后用步骤(3)中已经过训练的隐马尔可夫模型进行群体行为检测，以得到测试样本的群体行为检测结果；(7)若步骤(6)中测试样本的检测结果为具有异常行为，则采用随机采样一致性算法对该帧视频图像中的危险源位置进行定位，否则输出检测结果为正常行为；(8)由步骤4)得到的优化估计交点q'即为突发事件的危险源位置，继续将其余外点重复步骤1)—3)再次计算，如果获得的最多内点集数目大于某一内点集数目阈值Ti，则认为存在多个危险源，重复步骤4)，由此计算出危险源位置。