一种人群异常事件检测方法、电子设备和存储介质技术

本发明专利技术公开了一种人群异常事件检测方法，包括获取第一图像和第二图像；根据第一图像和第二图像计算第一图像的多个光流点；根据各光流点之间的横坐标关系与纵坐标关系计算光流点邻接矩阵；根据光流点邻接矩阵以及聚类条件将光流点划分至相应的区域集合；根据光流点之间的距离关系将各区域集合划分为至少一个区域子集；根据历史分组信息对各区域子集进行修正，得到修正子集；根据各修正子集内光流点的平均运动距离判断是否发生人群异常事件。采用光流来表示场景的运动特征，通过对光流点进行聚类分组，然后计算每一个组内的光流信息来统计出每一组的运动情况，从而能检测人群出现的异常事件，能够适用于不同的场景，实时性好。

A method for detecting crowd abnormal events, electronic equipment and storage medium

The present invention discloses a method for detecting the abnormal event of a crowd, including obtaining a first image and a second image, calculating a plurality of optical flow points of the first image according to the first image and the second image, and calculating the adjacent matrix of the light stream point according to the transverse coordinate relation between the different optical flow points and the ordinate relation; and according to the adjacency matrix of the light flow point and the aggregation. The class condition divides the light stream points to the corresponding region set; according to the distance relation between the light flow points, each region set is divided into at least one region subset. According to the historical grouping information, the subsets are corrected and the revised subset is obtained. A group of abnormal events. The optical flow is used to represent the motion features of the scene. By clustering and grouping the light stream points, the flow information in each group is calculated to determine the movement of each group, so that the abnormal events of the crowd can be detected, which can be applied to different scenes and have good real-time performance.

【技术实现步骤摘要】
一种人群异常事件检测方法、电子设备和存储介质
本专利技术涉及视频应用领域，尤其涉及一种人群异常事件检测方法、电子设备和存储介质。
技术介绍
随着人口的增加和人类活动的多样性，拥挤的场面已经越来越频繁，大规模人群意外发生频率以及带来的损伤也越来越多，给公共管理以及公共安全带来巨大的挑战，因此，需要通过监控人群，对异常行为进行检测和报警，从而避免发生人和财产的损失。现有技术提供了以下三种人群异常行为检测方法：1)基于模型的人群异常行为检测方法：例如流体动力学模型和混合动态纹理模型。由于建模与场景相关，因此这种模型在某些场景下会失效，缺乏广泛的适用性。2)基于深度学习的人群异常行为检测方法：例如SVM、神经网络。由于异常事件在较短时间内可能会造成较高的危害，这要求算法应具备实时在线处理能力，现有算法均未考虑到实时性要求，复杂度较高，实时性较差。3)基于密度(层次聚类)的人群异常检测。这种手段对于噪音数据效果不好，存在若密度差别较大时聚类效果差的问题。
技术实现思路
为了克服现有技术的不足，本专利技术的目的之一在于提供一种人群异常事件检测方法，采用光流来表示场景的运动特征，通过对光流点进行聚类分组，然后根据每一个组内的光流信息来统计出每一组的运动情况，从而能检测人群出现的异常事件；并进一步利用历史分组信息对各分组进行修正，来改善本次聚类的效果；对不同的场景适用性好，且实时性好，检测更精确。本专利技术的目的之二在于提供一种电子设备，采用光流来表示场景的运动特征，通过对光流点进行聚类分组，然后根据每一个组内的光流信息来统计出每一组的运动情况，从而能检测人群出现的异常事件；并进一步利用历史分组信息对各分组进行修正，来改善本次聚类的效果；对不同的场景适用性好，且实时性好，检测更精确。本专利技术的目的之三在于提供一种存储介质，存储有计算机程序，采用光流来表示场景的运动特征，通过对光流点进行聚类分组，然后根据每一个组内的光流信息来统计出每一组的运动情况，从而能检测人群出现的异常事件；并进一步利用历史分组信息对各分组进行修正，来改善本次聚类的效果；对不同的场景适用性好，且实时性好，检测更精确。本专利技术的目的之一采用以下技术方案实现：一种人群异常事件检测方法，包括以下步骤：获取第一图像和第二图像，所述第二图像的事件时间晚于所述第一图像的事件时间；根据所述第一图像和第二图像计算所述第一图像的多个光流点；根据各光流点之间的横坐标关系与纵坐标关系计算光流点邻接矩阵；根据所述光流点邻接矩阵以及聚类条件将所述光流点划分至相应的区域集合；根据光流点之间的距离关系将各区域集合划分为至少一个区域子集；根据历史分组信息对各区域子集进行修正，得到修正子集；根据各修正子集内光流点的平均运动距离判断是否发生人群异常事件。进一步地，所述根据所述第一图像和第二图像计算所述第一图像的多个光流点，具体包括以下步骤：检测第一图像中的第一角点，以及检测第二图像中的第二角点；通过光流法匹配所述第一角点和第二角点，并获取所述第一图像的多个光流点。进一步地，所述根据各光流点之间的横坐标关系与纵坐标关系计算光流点邻接矩阵，具体为根据以下规则计算：其中，M表示所述光流点邻接矩阵，p表示第p个光流点，q表示第q个光流点，Mp,q表示M中的元素(p,q)，xp表示p的横坐标，yp表示p的纵坐标，xq表示q的横坐标，yq表示q的纵坐标，为第一坐标参数，δ为第二坐标参数。进一步地，所述根据所述光流点邻接矩阵以及聚类条件将所述光流点划分至相应的区域集合，具体为根据以下聚类条件划分：对于任一p∈D，若满足且|Rp|>β，则Rp为以p为中心点的区域集合；其中，D为所有光流点的集合，|Rp|表示Rp中光流点的数量，β为区域预设参数。进一步地，所述根据光流点之间的距离关系将各区域集合划分为至少一个区域子集，具体为根据以下规则划分：若所述区域集合中的p和q满足distancep,q<γ且cosp,q<θ，则p和q被划分至同一个区域子集；其中，distancep,q表示p与q之间的几何距离，cosp,q表示p与q之间的夹角关系，γ为距离预设参数，θ为夹角预设参数。进一步地，所述根据历史分组信息对各区域子集进行修正，得到修正子集，具体为根据以下规则修正：对于若满足C(Groupi∩pre_Groupi)>C(Groupi)*μ，则p被划分至Groupi；其中，Groupi表示第i个所述区域子集，pre_Groupi表示所述历史分组信息中的第i个区域子集，C(G)表示集合G中光流点的数量，μ∈[0,1]为交集预设参数。进一步地，所述修正子集内光流点的平均运动距离averDist具体为根据下式计算：其中，xi1、yi1分别表示所述修正子集内第i个光流点的横坐标、纵坐标，ρ为适应系数，n表示所述修正子集内光流点的数量；xi0、yi0分别表示历史分组信息中相应区域子集内第i个光流点的横坐标、纵坐标；所述根据各修正子集内光流点的平均运动距离判断是否发生人群异常事件，具体为：若所述修正子集内光流点的平均运动距离大于异常阈值，则所述修正子集表示发生人群异常事件。进一步地，所述获取第一图像和第二图像，所述第二图像的事件时间晚于所述第一图像的事件时间，具体包括以下步骤：获取第一原始图像和第二原始图像，所述第二原始图像的事件时间晚于所述第一原始图像的事件时间；对所述第一原始图像进行人群背景分割，得到所述第一图像；对所述第二原始图像进行人群背景分割，得到所述第二图像。本专利技术的目的之二采用以下技术方案实现：一种电子设备，包括存储器、处理器以及存储在存储器中的程序，所述程序被配置成由处理器执行，处理器执行所述程序时实现上述人群异常事件检测方法的步骤。本专利技术的目的之三采用以下技术方案实现：一种存储介质，所述介质存储有计算机程序，所述计算机程序被处理器执行时实现上述人群异常事件检测方法的步骤。相比现有技术，本专利技术的有益效果在于：采用光流来表示场景的运动特征，通过对光流点进行聚类分组，然后根据每一个组内的光流信息来统计出每一组的运动情况，从而能检测人群出现的异常事件；并进一步利用历史分组信息对各分组进行修正，来改善本次聚类的效果；对不同的场景适用性好，且实时性好，检测更精确。附图说明图1为本专利技术实施例一的人群异常事件检测方法的流程示意图；图2为本专利技术实施例二的电子设备的结构示意图。具体实施方式下面，结合附图以及具体实施方式，对本专利技术做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。实施例一如图1为一种人群异常事件检测方法，包括以下步骤：步骤S110、获取第一图像和第二图像，所述第二图像的事件时间晚于所述第一图像的事件时间。事件事件指的是图像拍摄时的时刻。作为优选的实施方式，步骤S110获取第一图像和第二图像，所述第二图像的事件时间晚于所述第一图像的事件时间，具体包括以下步骤：步骤S111、获取第一原始图像和第二原始图像，所述第二原始图像的事件时间晚于所述第一原始图像的事件时间。在本实施例中，第一原始图像和第二原始图像为视频中相邻的两帧图像或者从视频中抽取的图像中相邻的两帧。由于原始图像中有背景信息，可能会对人群异常本文档来自技高网...

【技术保护点】
1.一种人群异常事件检测方法，其特征在于，包括以下步骤：获取第一图像和第二图像，所述第二图像的事件时间晚于所述第一图像的事件时间；根据所述第一图像和第二图像计算所述第一图像的多个光流点；根据各光流点之间的横坐标关系与纵坐标关系计算光流点邻接矩阵；根据所述光流点邻接矩阵以及聚类条件将所述光流点划分至相应的区域集合；根据光流点之间的距离关系将各区域集合划分为至少一个区域子集；根据历史分组信息对各区域子集进行修正，得到修正子集；根据各修正子集内光流点的平均运动距离判断是否发生人群异常事件。

【技术特征摘要】
1.一种人群异常事件检测方法，其特征在于，包括以下步骤：获取第一图像和第二图像，所述第二图像的事件时间晚于所述第一图像的事件时间；根据所述第一图像和第二图像计算所述第一图像的多个光流点；根据各光流点之间的横坐标关系与纵坐标关系计算光流点邻接矩阵；根据所述光流点邻接矩阵以及聚类条件将所述光流点划分至相应的区域集合；根据光流点之间的距离关系将各区域集合划分为至少一个区域子集；根据历史分组信息对各区域子集进行修正，得到修正子集；根据各修正子集内光流点的平均运动距离判断是否发生人群异常事件。2.如权利要求1所述的人群异常事件检测方法，其特征在于：所述根据所述第一图像和第二图像计算所述第一图像的多个光流点，具体包括以下步骤：检测第一图像中的第一角点，以及检测第二图像中的第二角点；通过光流法匹配所述第一角点和第二角点，并获取所述第一图像的多个光流点。3.如权利要求1所述的人群异常事件检测方法，其特征在于，所述根据各光流点之间的横坐标关系与纵坐标关系计算光流点邻接矩阵，具体为根据以下规则计算：其中，M表示所述光流点邻接矩阵，p表示第p个光流点，q表示第q个光流点，Mp,q表示M中的元素(p,q)，xp表示p的横坐标，yp表示p的纵坐标，xq表示q的横坐标，yq表示q的纵坐标，为第一坐标参数，δ为第二坐标参数。4.如权利要求3所述的人群异常事件检测方法，其特征在于，所述根据所述光流点邻接矩阵以及聚类条件将所述光流点划分至相应的区域集合，具体为根据以下聚类条件划分：对于任一p∈D，若满足且|Rp|>β，则Rp为以p为中心点的区域集合；其中，D为所有光流点的集合，|Rp|表示Rp中光流点的数量，β为区域预设参数。5.如权利要求4所述的人群异常事件检测方法，其特征在于，所述根据光流点之间的距离关系将各区域集合划分为至少一个区域子集，具体为根据以下规则划分：若所述区域集合中的p和q满足distancep,q<γ且cosp,q<θ，则p和q被划分至同一个区域子集；其中，distancep...

【专利技术属性】
技术研发人员：吴育春，杨延生，
申请(专利权)人：深圳市深网视界科技有限公司，
类型：发明
国别省市：广东,44