The invention belongs to the field of group behavior management and control, and discloses an early detection and prediction method and system for special group aggregation behavior. Using the aggregation behavior detection algorithm based on the sliding average distance between effective active members, the effective active members in a group are defined, and the interference of noise members to aggregation behavior detection is eliminated. For special groups with aggregation behavior, the aggregation tendency is detected and early warning is issued. The potential aggregation members are screened out and the aggregation sites are predicted by the algorithm based on the least square fitting line of the moving trajectory of the potential aggregation members. The invention does not rely on video surveillance system, only uses the historical movement track data of group members to realize the rapid judgment of the aggregation behavior of special groups, gives timely warning to the groups with aggregation behavior, and can accurately predict their aggregation sites.
【技术实现步骤摘要】
一种特殊群体聚集行为早期检测及聚集地预测方法和系统
本专利技术属于群体行为管控领域,尤其涉及一种特殊群体聚集行为早期检测及聚集地预测方法和系统。
技术介绍
目前,业内常用的现有技术是这样的:某些特殊群体(比如潜在的恐怖分子、毒贩团伙、邪教组织等)的聚集行为很可能会威胁到公共安全,甚至导致非法事件的发生,因此对特殊群体聚集行为的早期发现和预防尤为重要。针对某些特殊的群体,相关部门需要密切关注群体的聚集行为,一旦发现存在聚集倾向,应及时采取防范措施。由于对特殊群体的监控周期可能较长,依靠人工监控和判断是不现实的,且人工的监控和判断存在对聚集行为的发现不及时、对聚集地的预测不精确的缺陷。这就迫切需要提出自动化的监控技术,快速及时地检测出特殊群体的聚集行为,并对聚集地进行精确预测。以下是与之相关的已有研究情况:(1)人群聚集检测:基于视频监控系统,根据前景图像的空间分布情况,采用分布熵衡量视频场景中人群的密集程度,实现对视频场景中人群聚集行为的检测;(2)热点区域预测:基于城市基站手机接入量数据,建立人群聚集量阈值计算模型,并利用马尔科夫链构建人群密度预测模型,实现对热点区域的预测;(3)聚集地预测:对于已知存在聚集行为的特殊群体,利用群体成员的位置数据,求质心,以质心的位置作为群体的聚集中心。综上所述,现有技术存在的问题是:(1)依赖于视频监控系统,且只能对视频图像中呈现的特定地点进行人群聚集行为判断。而对于特殊群体来说,首先不太可能有完善的视频监控系统对群体一直进行监控,其次,聚集地事先是不知道的;(2)基于城市基站手机接入量数据对热点区域进行预测,只能站在宏 ...
【技术保护点】
1.一种特殊群体聚集行为早期检测及聚集地预测方法,其特征在于,所述特殊群体聚集行为早期检测及聚集地预测方法包括:利用基于有效积极成员间滑动平均距离的聚集行为检测算法,定义群体中的有效积极成员,排除噪声成员对聚集行为检测的干扰;对于存在聚集行为的特殊群体,在群体活动早期检测出群体的聚集倾向,发出预警;利用基于潜在聚集成员移动轨迹最小二乘拟合直线的聚集地预测算法,筛选出潜在聚集成员,进行聚集地预测。
【技术特征摘要】
1.一种特殊群体聚集行为早期检测及聚集地预测方法,其特征在于,所述特殊群体聚集行为早期检测及聚集地预测方法包括:利用基于有效积极成员间滑动平均距离的聚集行为检测算法,定义群体中的有效积极成员,排除噪声成员对聚集行为检测的干扰;对于存在聚集行为的特殊群体,在群体活动早期检测出群体的聚集倾向,发出预警;利用基于潜在聚集成员移动轨迹最小二乘拟合直线的聚集地预测算法,筛选出潜在聚集成员,进行聚集地预测。2.如权利要求1所述的特殊群体聚集行为早期检测及聚集地预测方法,其特征在于,所述特殊群体聚集行为早期检测及聚集地预测方法具体包括:A.首先对群体进行聚集行为检测;从初始时刻开始,找出群体中的积极成员;B.当前时刻积极成员的数量达不到αn,则跳到下一个时刻继续求群体中的积极成员;n表示群体中成员总数量,αn是假设相关部门只关注群体中不少于αn成员数的聚集,0<α≤1;C.重复步骤B直到某时刻积极成员的数量不少于αn,求出该时刻群体中的有效积极成员,如果有效积极成员的数量达不到αn,则跳到下一个时刻求群体中的积极成员;D.循环执行步骤B和步骤C,直到某时刻有效积极成员的数量不少于αn,计算该时刻有效积极成员间的平均距离;E.当得到一段连续时刻的有效积极成员间的平均距离后,计算当前时刻对应的有效积极成员间的滑动平均距离;如果有效积极成员间的滑动平均距离出现连续若干次递减,并且减小率达到给定的阈值,发出预警;F.接下来进行聚集地预测;从预警时刻开始,求出有效积极成员的集合;G.对于每一个有效积极成员,求出他截止到当前时刻的移动轨迹的最小二乘拟合直线,并求出任意两条拟合直线间的交点;H.求出当前时刻所有的前向交点,并筛选出有效前向交点,然后基于有效前向交点,求出当前时刻的潜在聚集成员;I.建立无约束非线性规划模型[P1],求当前时刻的一个最优位置,到所有潜在聚集成员对应的最小二乘拟合直线的距离之和最小;引入新的非负变量,将无约束非线性规划模型[P1]转化为等价的有约束的线性规划模型[P2];求解线性规划模型[P2],得到当前时刻的最优位置Pt*;J.当得到一段连续时刻的最优位置后,计算潜在聚集成员间的平均距离在固定长时段内的下降率;如果在这个固定长的时段内Pt*位置的变动不超过给定的阈值,且聚集成员间的平均距离的下降率也达到了给定的阈值,就计算该时段内一系列Pt*的质心,将其作为聚集中心输出。3.如权利要求2所述的特殊群体聚集行为早期检测及聚集地预测方法,其特征在于,所述步骤A中,t时刻群体中的积极成员为:对于群体中某个成员i,其中,i=1,...,n,t时刻的积极成员为:d(Pit,Pi1)≥r其中Pit表示第i个成员在t时刻的位置坐标,d(Pit,Pi1)表示Pit,Pi1两个位置间的距离,r是距离阈值;记t时刻积极成员的集合为At,用|At|表示集合At中元素的个数;步骤C中,t时刻群体中的有效积极成员为:对于某个积极成员i,其中,i∈At,|At|≥2;t时刻的有效积极成员为:其中,β0<1表示积极成员间的平均距离下降率的阈值;记t时刻有效积极成员的集合为EAt;所述步骤D中,t时刻群体中有效积极成员间的平均距离的计算公式为:其中,是一个组合数;所述步骤E中,t时刻群体中有效积极成员间的滑动平均距离的计算公式为:其中,m是一个正整数,表示滑动平均的项数;所述步骤E中,有效积极成员间的滑动平均距离在l0次连续时刻内的减小率的计算公式为:其中,l0是一个正整数,表示滑动平均距离下降次数的阈值;所述步骤H中,t时刻的前向交点为表示直线和直线之间的交点;表示有效积极成员i在t时刻之前的移动轨迹的最小二乘拟合直线,其中,i,j∈EAt,i≠j;所述步骤H中,筛选出有效前向交点方法包括:对于每个前向交点与t时刻其他所有前向交点间的平均距离为:将这些平均距离从大到小排序,取排在前个的平均距离对应的前向交点为有效前向交点;其中,表示向上取整,γ是有效前向交点的比例阈值,满足0<γ<1;所述步骤H中,求出当前时刻的潜在聚集成员方法为:对于t时刻的某个有效积...
【专利技术属性】
技术研发人员:高随祥,王赛楠,刘敏涛,谭屯子,姜志鹏,桂继宏,尚康禹,杨文国,
申请(专利权)人:中国科学院大学,
类型:发明
国别省市:北京,11
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。