中高密度人群的异常状态检测方法技术

本发明专利技术公开了一种中高密度人群的异常状态检测方法，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，然后采用图分析得到特征点间的行为一致性，基于行为一致性剔除离散点，对剩余特征点进行聚类，然后计算聚类中所有特征点的人群聚集度、人群运动强度、人群运动方向方差，然后根据若干帧监控视频图像中这三个参数以及人群聚类数量的大小和增幅判断人群的异常状态。本发明专利技术基于图分析法进行人群状态分析，实现对人群疏散状态、人群聚集状态和人群骚乱状态三种人群状态的检测。

【技术实现步骤摘要】

本专利技术属于人群聚集状态检测领域，更为具体地讲，涉及一种中高密度人群的异 常状态检测方法。
技术介绍
随着人们生活水平的提高以及精神文化需求的发展，规模大而高度密集的人群随 处可见：商场、寺庙、火车站以及各种各样庆祝活动中。这些公共场所具有的空间有限，却常 常出现人山人海、熙熙攘攘的景象，其背后隐藏着巨大的安全隐患，其中，游行、群殴、踩踏 等性质严重的人群异常状态发生频率更是在迅速增加，给人们的生命财产安全带来了严重 的损害。因此面对严峻的形势，如何有效的预防人群异常状态的发生、控制事故发展是一个 重大的科研课题和社会课题，此外，中高密度人群异常状态的检测具有极大的现实意义，可 以应用到公共安全领域中，及时发现检测区域的异常状态，最大限度减少公众的人身与财 产损失。 中高密度人群的异常状态检测与低密度或个体的异常行为检测有着显著的不同。 中高密度场景中大量的人相互影响导致冲突、碰撞发生的频率更高，运动目标目标模糊、相 互遮挡，并且不同人员的行为方式也更为复杂，这些都使得中高密度人群状态的检测更为 复杂。 目前，传统的人群异常状态检测算法主要存在以下不足：1)检测的群体本文档来自技高网...

【技术保护点】
一种中高密度人群的异常状态检测方法，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i个特征点pi的速度m的取值范围为i＝1,2,…,n；S3：对步骤S2得到的特征点进行图分析，得到特征点的行为一致性，具体步骤为：S3.1：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...

【技术特征摘要】

【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