一種基于能級分布變化的人群異常檢測方法技術(shù)

本發(fā)明專利技術(shù)公開了一種基于能級分布變化的人群異常檢測方法，獲取視頻圖像，將圖像中每個像素點看成一個運動粒子，并根據(jù)粒子的速度以及質(zhì)量信息，建立粒子的動能模型。根據(jù)動能模型求取視頻中每個運動粒子的動能，并對動能進行量化分級得到粒子的能級分布，求得粒子能級共生矩陣。以共生矩陣的一致性、熵、對比度三個描繪子對圖像中粒子的能級分布進行描述。通過分析三個參數(shù)的變化來分析人群行為，檢測人群異常行為以及確定異常發(fā)生的時間，并進行報警提醒。本發(fā)明專利技術(shù)具有設(shè)計合理、應(yīng)用廣泛、計算快速準確等優(yōu)點。

A population anomaly detection method based on energy level distribution change

The invention discloses an energy distribution method for anomaly detection based on the change of population, access to video images, each pixel in the image as a particle, and according to the velocity and quality information, to establish the model of particle kinetic energy. According to the kinetic model, the kinetic energy of each particle in the video is obtained, and the kinetic energy is quantized and graded. The energy level distribution of the particle is obtained, and the energy level co-occurrence matrix is obtained. The energy levels of the particles in the image are described by three descriptors, namely the consistency of the co-occurrence matrix, the entropy and the contrast. By analyzing the change of the three parameters, we can analyze the crowd behavior, detect the abnormal behavior of the crowd, and determine the time of the abnormal occurrence, and make an alarm call. The invention has the advantages of reasonable design, wide application, fast and accurate calculation and the like.

【技術(shù)實現(xiàn)步驟摘要】
一種基于能級分布變化的人群異常檢測方法
本專利技術(shù)涉及視頻分析與圖像理解領(lǐng)域，尤其是一種基于能級分布變化的人群異常檢測方法。
技術(shù)介紹
近年來，發(fā)生在公共場合下的危害人民群眾生命財產(chǎn)安全和危害社會秩序的事件日益增多。監(jiān)控系統(tǒng)是一種維護公共場合下安全與秩序的有效方法，因此異常人群行為檢測作為智能視頻監(jiān)控技術(shù)的一個研究熱點吸引了越來越多人的關(guān)注。目前，人群行為分析的方法主要分為兩類。(1)微觀分析：人群被看為個體的集合，因此需要檢測和跟蹤每個個體并通過個體目標的軌跡和姿態(tài)來識別人群行為，這類方法適合處理小規(guī)模稀疏人群，當人數(shù)眾多且個體間相互遮擋時，難以精確定位目標；(2)宏觀分析：將人群看作一個整體，從人群的全局外部表現(xiàn)入手分析其行為，通過提取場景特征對人群行為進行建模。如光流法是通過估算人群的速度信息來判斷行人是否發(fā)生奔跑異常；社會力是通過計算兩個粒子之間的吸引力以及排斥力的大小，用來作為判斷人群是否異常的依據(jù)。從研究現(xiàn)狀來看，由于人群中的單個個體很難被直接識別出來，并且誤差可能會非常大，因此大多數(shù)人在處理這個問題時通常不再對人群中單個個體進行識別統(tǒng)計，而是直接以圖像中粒子代替行人來進行研究。但是由于攝像機的透視效應(yīng)的影響，行人離攝像機遠近所占有的粒子數(shù)是有差別的，如果只是以前景粒子的運動來完全代替行人運動是不公平的。
技術(shù)實現(xiàn)思路
本專利技術(shù)目的在于提供一種設(shè)計合理、計算簡便快速、準確度高的基于能級分布變化的人群異常檢測方法。為實現(xiàn)上述目的，采用了以下技術(shù)方案：本專利技術(shù)所述方法步驟如下：步驟1，獲取視頻圖像，將圖像中每個像素點看成一個運動粒子，并求取每個粒子的速度以及質(zhì)量，建立粒子的動能模型；步驟2，根據(jù)動能模型求取視頻中每個運動粒子的動能，并對運動粒子動能進行量化分級得到粒子的能級分布，求取粒子能級共生矩陣；步驟3，以共生矩陣的一致性、熵、對比度三個描繪子描述圖像中粒子的能級分布；通過分析一致性、熵、對比度的變化來分析人群行為，檢測人群異常行為以及確定異常發(fā)生的時間，并進行報警提醒。進一步的，步驟1中，求取粒子質(zhì)量的具體方法如下：用矩形選取距離相機最近和最遠的行人作為參考人并提取其前景，假設(shè)行人在場景中的面積為其前景圖像所占像素的數(shù)目，令場景中參考人所占的面積為S；式中，w、h分別為矩形的寬和高，Mij∈{0,1},1表示前景，0表示背景；找到兩個參考人質(zhì)心所在位置，并過參考人的質(zhì)心畫一條水平線作為參考線；記距離攝像機近的參考線為記距離攝像機遠的參考線為當一個人從運動到時，該人在場景中的面積的變化率如下式所示：假設(shè)直線上像素的質(zhì)量為mab＝1，直線上像素的質(zhì)量mcd＝1/k；若直線li(0≤i≤H,H為圖像的高)上的點距和的距離分別為d1和d2，由線性插值法可知直線li上的粒子質(zhì)量為：因為對于同一直線上的粒子的質(zhì)量相同，所以圖像中坐標為(i,j)的點的質(zhì)量mij＝mi(0≤j≤W,W為圖像的寬)。進一步的，建立動能模型的具體方法如下：根據(jù)粒子的質(zhì)量，結(jié)合粒子的速度構(gòu)建粒子動能模型為：式中，mij代表坐標(i,j)粒子的質(zhì)量，(uv)ij表示此粒子水平和垂直方向的合速度。進一步的，所述步驟2的具體方法如下：步驟2.1，將圖像中粒子的運動看成電子的運動，并根據(jù)氫原子能級公式可得到某一能量的粒子所對應(yīng)的能級為：Eexcited為激發(fā)態(tài)的動能，Eground為基態(tài)的動能，并對能級l進行向下取整，以確保粒子所對應(yīng)的能級都為整數(shù)；在正常狀態(tài)下，人群運動速度較慢，運動粒子能量較低，因此粒子大多處在基態(tài)；異常狀態(tài)下，人群發(fā)生跑動，粒子能量突然增大，粒子會躍遷到較高能級；步驟2.2，由于灰度共生矩陣可以對圖像中的像素分布進行很好的描述，因此得到每幀圖像運動粒子的能級分布后，根據(jù)圖像灰度共生矩陣的概念求得能級共生矩陣，以此對人群運動粒子的能級分布進行描述；首先，令Q是定義兩個粒子能級彼此相對位置的一個算子；其次，選取一段視頻中的某一幀圖像f，計算出每個運動粒子所對應(yīng)的能級；然后，定義一個矩陣A，并令其元素aij是能級li和lj的像素對出現(xiàn)在f中由Q所指的位置處的次數(shù)，1<i,j<Lmax(Lmax為次幀圖像中運動粒子的最大能級數(shù))，則A為所求的能級共生矩陣。進一步的，所述步驟3的具體方法如下：步驟3.1，計算所求能級共生矩陣的一致性描述算子的值：計算所求能級共生矩陣的熵描述算子的值：計算所求能級共生矩陣的對比度描述算子的值：其中，N是方陣A的行(或列)數(shù)；pij是滿足Q所定義的關(guān)系的一個值為(li,lj)的點對的概率估計，其定義為：pij＝aij/n(9)n是滿足Q的能級對的總數(shù)，等于A的元素之和；這些概率的值域為[0,1]，且它們的和為1：步驟3.2，通過分析一致性、熵、對比度的變化來分析人群行為，設(shè)定閾值來檢測人群異常行為以及獲得異常發(fā)生的時間。與現(xiàn)有技術(shù)相比，本專利技術(shù)方法具有如下優(yōu)點：設(shè)計合理、方便實用、操作簡單、計算精確快速。附圖說明圖1為本專利技術(shù)方法的整體框圖。圖2為本專利技術(shù)方法的具體實現(xiàn)步驟框圖。圖3為本專利技術(shù)方法的線性插值標記圖。圖4為本專利技術(shù)方法的實例結(jié)果圖。具體實施方式下面結(jié)合附圖對本專利技術(shù)做進一步說明：如圖1、圖2所示，所述方法包括以下步驟：步驟1，獲取視頻圖像，將圖像中每個像素點看成一個運動粒子，并求取粒子的速度以及質(zhì)量，建立粒子的動能模型。步驟1.1，對距離相機最近和最遠的行人面積進行插值計算，計算不同位置處粒子的質(zhì)量。首先用矩形選取距離相機最近和最遠的行人作為參考人，然后用LIC矢量場可視化來提取視頻中的運動目標，并假設(shè)人在場景中的面積為其前景圖像所占像素的數(shù)目，令場景中參考人所占的面積為S。w、h分別為矩形的寬和高，Mij∈{0,1},1表示前景，0表示背景。找到兩個參考人質(zhì)心所在位置，并過參考人的質(zhì)心畫一條水平線作為參考線。記距離攝像機近的參考線為記距離攝像機遠的參考線為其具體標注過程如圖3所示。當一個人從運動到時，該人在場景中的面積的變化率如下式所示。假設(shè)直線上像素的質(zhì)量為mab＝1，直線上像素的質(zhì)量mcd＝1/k。若直線li(0≤i≤H,H為圖像的高)上的點距和的距離分別為d1和d2，由線性插值法可知直線li上的粒子質(zhì)量為：因為對于同一直線上的粒子的質(zhì)量相同，所以圖像中坐標為(i,j)的點的質(zhì)量mij＝mi(0≤j≤W,W為圖像的寬)。步驟1.2，首先用光流法求取粒子的水平以及垂直方向的速度u和v，然后根據(jù)步驟1.1求得粒子的質(zhì)量信息，最后構(gòu)建粒子動能模型為：mij代表坐標(i,j)粒子的質(zhì)量，(uv)ij表示此粒子水平和垂直方向的合速度，其定義為：步驟2，根據(jù)動能模型求取視頻中每個運動粒子的動能，并對動能進行量化分級得到粒子的能級分布，然后求取粒子能級共生矩陣。步驟2.1，將圖像中粒子的運動看成電子的運動，并根據(jù)氫原子能級公式可得到某一能量的粒子所對應(yīng)的能級為：Eexcited為激發(fā)態(tài)的動能，Eground為基態(tài)的動能。并對能級l進行向下取整，以確保粒子所對應(yīng)的能級都為整數(shù)。在正常狀態(tài)下，人群運動速度較慢，運動粒子能量較低，因此粒子大多處在基態(tài)；異常狀態(tài)下，人群發(fā)生跑動，粒子能量突然增大，粒子會躍遷到較高能級。步驟2.2，由于灰度共生矩陣可以對圖像中的像素分布進行很好的描述，因此得到本文檔來自技高網(wǎng)...

【技術(shù)保護點】
一種基于能級分布變化的人群異常檢測方法，其特征在于：所述方法步驟如下：步驟1，獲取視頻圖像，將圖像中每個像素點看成一個運動粒子，并求取每個粒子的速度以及質(zhì)量，建立粒子的動能模型；步驟2，根據(jù)動能模型求取視頻中每個運動粒子的動能，并對運動粒子動能進行量化分級得到粒子的能級分布，求取粒子能級共生矩陣；步驟3，以共生矩陣的一致性、熵、對比度三個描繪子描述圖像中粒子的能級分布；通過分析一致性、熵、對比度的變化來分析人群行為，檢測人群異常行為以及確定異常發(fā)生的時間，并進行報警提醒。

【技術(shù)特征摘要】
1.一種基于能級分布變化的人群異常檢測方法，其特征在于：所述方法步驟如下：步驟1，獲取視頻圖像，將圖像中每個像素點看成一個運動粒子，并求取每個粒子的速度以及質(zhì)量，建立粒子的動能模型；步驟2，根據(jù)動能模型求取視頻中每個運動粒子的動能，并對運動粒子動能進行量化分級得到粒子的能級分布，求取粒子能級共生矩陣；步驟3，以共生矩陣的一致性、熵、對比度三個描繪子描述圖像中粒子的能級分布；通過分析一致性、熵、對比度的變化來分析人群行為，檢測人群異常行為以及確定異常發(fā)生的時間，并進行報警提醒。2.根據(jù)權(quán)利要求1所述的一種基于能級分布變化的人群異常檢測方法，其特征在于，步驟1中，求取粒子質(zhì)量的具體方法如下：用矩形選取距離相機最近和最遠的行人作為參考人并提取其前景，假設(shè)行人在場景中的面積為其前景圖像所占像素的數(shù)目，令場景中參考人所占的面積為S；式中，w、h分別為矩形的寬和高，Mij∈{0,1},1表示前景，0表示背景；找到兩個參考人質(zhì)心所在位置，并過參考人的質(zhì)心畫一條水平線作為參考線；記距離攝像機近的參考線為記距離攝像機遠的參考線為當一個人從運動到時，該人在場景中的面積的變化率如下式所示：假設(shè)直線上像素的質(zhì)量為mab＝1，直線上像素的質(zhì)量mcd＝1/k；若直線li(0≤i≤H,H為圖像的高)上的點距和的距離分別為d1和d2，由線性插值法可知直線li上的粒子質(zhì)量為：因為對于同一直線上的粒子的質(zhì)量相同，所以圖像中坐標為(i,j)的點的質(zhì)量mij＝mi(0≤j≤W,W為圖像的寬)。3.根據(jù)權(quán)利要求2所述的一種基于能級分布變化的人群異常檢測方法，其特征在于，建立動能模型的具體方法如下：用光流法求取粒子的水平以及垂直方向的速度u和v，再根據(jù)粒子的質(zhì)量，結(jié)合粒子的速度構(gòu)建粒子動能模型為：式中，mij代表坐標(i,j)粒子的質(zhì)量，(uv)ij表示此粒子水平和垂直方向的合速度。4.根據(jù)權(quán)利要求1所述的一種基于能...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：張旭光，張倩，
申請(專利權(quán))人：燕山大學(xué)，
類型：發(fā)明
國別省市：河北,13