基于图像的人群聚集状态检测方法技术

本发明专利技术公开了一种基于图像的人群聚集状态检测方法，首先对特征点提取和跟踪，根据特征点在前一帧和当前帧监控视频图像的坐标计算特征点的速度，根据速度对特征点进行聚类，对每个聚类分别计算群体聚集度，然后计算整体群体聚集度，最后根据预设的速度阈值和群体聚集度阈值得到当前人群聚集状态。本发明专利技术可以用于不同场景的人群聚集状态检测，利用时变拓扑网络图与图论模型分析人群聚集状态，能够定量衡量聚集度，并且通过结合人群聚集度和人群速度协同判断人群聚集状态，便于应对处理。

【技术实现步骤摘要】
基于图像的人群聚集状态检测方法
本专利技术属于人群聚集状态检测领域，更为具体地讲，涉及一种基于图像的人群聚集状态检测方法。
技术介绍
随着经济持续稳定发展，城市公共场所作为经济文化的主要载体承担着越来越多的商业活动、娱乐活动、文化活动、交通运输活动，体育活动、宗教活动等，每一次活动都伴随着大量的人群聚集。近年来，城市公共场所事故、灾害、突发重大事件的风险性逐步增大已成为一种客观趋势，其中，由人群聚集引发的事故发生频率也在迅速增加。面对严峻的形势，如何有效地减少事故发生，控制事故发展，降低事故伤亡后果是一个重大的科研课题和社会课题。通过对人群聚集与人群动力学属性的研究，可以为公共场所大型人群聚集活动中的人群管理和人群疏散提供理论指导，达到预防、控制和减缓人群聚集事故的目的。因此，对该问题进行深入的研究具有重要的现实意义，同时其应用前景也十分广泛，比如公共安全领域的人群示威游行、暴乱、踩踏事故、火灾等。聚集是指具有一定数量个体的群体同时趋向于某一地点，构成人群聚集状态需要满足两个条件，第一，要求每个个体运动趋向性保持一致，运动趋向性保持一致包括个体从四周向同一地点聚集，或个体以同样的速度本文档来自技高网...

【技术保护点】
一种基于图像的人群聚集状态检测方法，其特征在于，包括以下步骤：S1：获取被检测场所的监控视频图像作为检测样本，将其中若干张图像的平均图像作为背景图像；S2：根据步骤S1得到的背景图像对每帧监控视频图像提取特征点并进行跟踪，记当前监控视频图像t中和前一帧监控视频图像t‑1匹配的有效特征点数量为n，特征点集C＝[p1,p2…pn]；根据n个特征点在监控视频图像t和前一帧监控视频图像t‑1中的坐标计算得到第m个特征点的速度m的取值范围为m＝1,2,…,n；根据各个特征点的速度计算得到人群的平均速度V；S3：根据每个特征点的速度(υx,i,υy,i)进行聚类，记聚类数量为c；S4：对步骤S3得到的每个...

【技术特征摘要】
1.一种基于图像的人群聚集状态检测方法，其特征在于，包括以下步骤：S1：获取被检测场所的监控视频图像作为检测样本，将其中若干张图像的平均图像作为背景图像；S2：根据步骤S1得到的背景图像对每帧监控视频图像提取特征点并进行跟踪，记当前监控视频图像t中和前一帧监控视频图像t-1匹配的有效特征点数量为n，特征点集C＝[p1,p2…pn]；根据n个特征点在监控视频图像t和前一帧监控视频图像t-1中的坐标计算得到第m个特征点的速度其中Δxm＝xm,t-xm,t-1，Δym＝ym,t-ym,t-1，Δt表示两帧监控视频图像的时间间隔，(xm,t,ym,t)、(xm,t-1,ym,t-1)分别表示特征点在监控视频图像t和前一帧监控视频图像t-1中的坐标，m的取值范围为m＝1,2,…,n；根据各个特征点的速度计算得到人群的平均速度V；S3：根据每个特征点的速度(υx,m,υy,m)进行聚类，记聚类数量为c；S4：对步骤S3得到的每个聚类分别计算群体聚集度，群体聚集度的计算包括以下步骤：S4.1：根据特征点坐标之间的距离，采用KNN算法得到聚类中每个特征点的K个邻接特征点集合；S4.2：根据步骤S4.1中得到的各个特征点的邻接特征点集合建立当前聚类的人群网络图Gk，k是聚类的序号，取值范围为k＝1,2,…,c，每个特征点作为人群网络图中的节点，特征点与其邻接特征点连接，与其非邻接特征点不连接；S4.3：计算各个特征点之间的行为相似度，对于特征点i，特征点j与其行为相似度ωt(i,j)的计算公式为：其中，Ct(i,j)是特...

【专利技术属性】
技术研发人员：于力，张鸽，邹见效，徐红兵，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51