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; ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。