一种基于能级分布变化的人群异常检测方法技术

本发明专利技术公开了一种基于能级分布变化的人群异常检测方法，获取视频图像，将图像中每个像素点看成一个运动粒子，并根据粒子的速度以及质量信息，建立粒子的动能模型。根据动能模型求取视频中每个运动粒子的动能，并对动能进行量化分级得到粒子的能级分布，求得粒子能级共生矩阵。以共生矩阵的一致性、熵、对比度三个描绘子对图像中粒子的能级分布进行描述。通过分析三个参数的变化来分析人群行为，检测人群异常行为以及确定异常发生的时间，并进行报警提醒。本发明专利技术具有设计合理、应用广泛、计算快速准确等优点。

A population anomaly detection method based on energy level distribution change

The invention discloses an energy distribution method for anomaly detection based on the change of population, access to video images, each pixel in the image as a particle, and according to the velocity and quality information, to establish the model of particle kinetic energy. According to the kinetic model, the kinetic energy of each particle in the video is obtained, and the kinetic energy is quantized and graded. The energy level distribution of the particle is obtained, and the energy level co-occurrence matrix is obtained. The energy levels of the particles in the image are described by three descriptors, namely the consistency of the co-occurrence matrix, the entropy and the contrast. By analyzing the change of the three parameters, we can analyze the crowd behavior, detect the abnormal behavior of the crowd, and determine the time of the abnormal occurrence, and make an alarm call. The invention has the advantages of reasonable design, wide application, fast and accurate calculation and the like.

【技术实现步骤摘要】
一种基于能级分布变化的人群异常检测方法
本专利技术涉及视频分析与图像理解领域，尤其是一种基于能级分布变化的人群异常检测方法。
技术介绍
近年来，发生在公共场合下的危害人民群众生命财产安全和危害社会秩序的事件日益增多。监控系统是一种维护公共场合下安全与秩序的有效方法，因此异常人群行为检测作为智能视频监控技术的一个研究热点吸引了越来越多人的关注。目前，人群行为分析的方法主要分为两类。(1)微观分析：人群被看为个体的集合，因此需要检测和跟踪每个个体并通过个体目标的轨迹和姿态来识别人群行为，这类方法适合处理小规模稀疏人群，当人数众多且个体间相互遮挡时，难以精确定位目标；(2)宏观分析：将人群看作一个整体，从人群的全局外部表现入手分析其行为，通过提取场景特征对人群行为进行建模。如光流法是通过估算人群的速度信息来判断行人是否发生奔跑异常；社会力是通过计算两个粒子之间的吸引力以及排斥力的大小，用来作为判断人群是否异常的依据。从研究现状来看，由于人群中的单个个体很难被直接识别出来，并且误差可能会非常大，因此大多数人在处理这个问题时通常不再对人群中单个个体进行识别统计，而是直接以图像中粒子代替行人来进行研究。但是由于摄像机的透视效应的影响，行人离摄像机远近所占有的粒子数是有差别的，如果只是以前景粒子的运动来完全代替行人运动是不公平的。
技术实现思路
本专利技术目的在于提供一种设计合理、计算简便快速、准确度高的基于能级分布变化的人群异常检测方法。为实现上述目的，采用了以下技术方案：本专利技术所述方法步骤如下：步骤1，获取视频图像，将图像中每个像素点看成一个运动粒子，并求取每个粒子的速度以及质量，建立粒子的动能模型；步骤2，根据动能模型求取视频中每个运动粒子的动能，并对运动粒子动能进行量化分级得到粒子的能级分布，求取粒子能级共生矩阵；步骤3，以共生矩阵的一致性、熵、对比度三个描绘子描述图像中粒子的能级分布；通过分析一致性、熵、对比度的变化来分析人群行为，检测人群异常行为以及确定异常发生的时间，并进行报警提醒。进一步的，步骤1中，求取粒子质量的具体方法如下：用矩形选取距离相机最近和最远的行人作为参考人并提取其前景，假设行人在场景中的面积为其前景图像所占像素的数目，令场景中参考人所占的面积为S；式中，w、h分别为矩形的宽和高，Mij∈{0,1},1表示前景，0表示背景；找到两个参考人质心所在位置，并过参考人的质心画一条水平线作为参考线；记距离摄像机近的参考线为记距离摄像机远的参考线为当一个人从运动到时，该人在场景中的面积的变化率如下式所示：假设直线上像素的质量为mab＝1，直线上像素的质量mcd＝1/k；若直线li(0≤i≤H,H为图像的高)上的点距和的距离分别为d1和d2，由线性插值法可知直线li上的粒子质量为：因为对于同一直线上的粒子的质量相同，所以图像中坐标为(i,j)的点的质量mij＝mi(0≤j≤W,W为图像的宽)。进一步的，建立动能模型的具体方法如下：根据粒子的质量，结合粒子的速度构建粒子动能模型为：式中，mij代表坐标(i,j)粒子的质量，(uv)ij表示此粒子水平和垂直方向的合速度。进一步的，所述步骤2的具体方法如下：步骤2.1，将图像中粒子的运动看成电子的运动，并根据氢原子能级公式可得到某一能量的粒子所对应的能级为：Eexcited为激发态的动能，Eground为基态的动能，并对能级l进行向下取整，以确保粒子所对应的能级都为整数；在正常状态下，人群运动速度较慢，运动粒子能量较低，因此粒子大多处在基态；异常状态下，人群发生跑动，粒子能量突然增大，粒子会跃迁到较高能级；步骤2.2，由于灰度共生矩阵可以对图像中的像素分布进行很好的描述，因此得到每帧图像运动粒子的能级分布后，根据图像灰度共生矩阵的概念求得能级共生矩阵，以此对人群运动粒子的能级分布进行描述；首先，令Q是定义两个粒子能级彼此相对位置的一个算子；其次，选取一段视频中的某一帧图像f，计算出每个运动粒子所对应的能级；然后，定义一个矩阵A，并令其元素aij是能级li和lj的像素对出现在f中由Q所指的位置处的次数，1<i,j<Lmax(Lmax为次帧图像中运动粒子的最大能级数)，则A为所求的能级共生矩阵。进一步的，所述步骤3的具体方法如下：步骤3.1，计算所求能级共生矩阵的一致性描述算子的值：计算所求能级共生矩阵的熵描述算子的值：计算所求能级共生矩阵的对比度描述算子的值：其中，N是方阵A的行(或列)数；pij是满足Q所定义的关系的一个值为(li,lj)的点对的概率估计，其定义为：pij＝aij/n(9)n是满足Q的能级对的总数，等于A的元素之和；这些概率的值域为[0,1]，且它们的和为1：步骤3.2，通过分析一致性、熵、对比度的变化来分析人群行为，设定阈值来检测人群异常行为以及获得异常发生的时间。与现有技术相比，本专利技术方法具有如下优点：设计合理、方便实用、操作简单、计算精确快速。附图说明图1为本专利技术方法的整体框图。图2为本专利技术方法的具体实现步骤框图。图3为本专利技术方法的线性插值标记图。图4为本专利技术方法的实例结果图。具体实施方式下面结合附图对本专利技术做进一步说明：如图1、图2所示，所述方法包括以下步骤：步骤1，获取视频图像，将图像中每个像素点看成一个运动粒子，并求取粒子的速度以及质量，建立粒子的动能模型。步骤1.1，对距离相机最近和最远的行人面积进行插值计算，计算不同位置处粒子的质量。首先用矩形选取距离相机最近和最远的行人作为参考人，然后用LIC矢量场可视化来提取视频中的运动目标，并假设人在场景中的面积为其前景图像所占像素的数目，令场景中参考人所占的面积为S。w、h分别为矩形的宽和高，Mij∈{0,1},1表示前景，0表示背景。找到两个参考人质心所在位置，并过参考人的质心画一条水平线作为参考线。记距离摄像机近的参考线为记距离摄像机远的参考线为其具体标注过程如图3所示。当一个人从运动到时，该人在场景中的面积的变化率如下式所示。假设直线上像素的质量为mab＝1，直线上像素的质量mcd＝1/k。若直线li(0≤i≤H,H为图像的高)上的点距和的距离分别为d1和d2，由线性插值法可知直线li上的粒子质量为：因为对于同一直线上的粒子的质量相同，所以图像中坐标为(i,j)的点的质量mij＝mi(0≤j≤W,W为图像的宽)。步骤1.2，首先用光流法求取粒子的水平以及垂直方向的速度u和v，然后根据步骤1.1求得粒子的质量信息，最后构建粒子动能模型为：mij代表坐标(i,j)粒子的质量，(uv)ij表示此粒子水平和垂直方向的合速度，其定义为：步骤2，根据动能模型求取视频中每个运动粒子的动能，并对动能进行量化分级得到粒子的能级分布，然后求取粒子能级共生矩阵。步骤2.1，将图像中粒子的运动看成电子的运动，并根据氢原子能级公式可得到某一能量的粒子所对应的能级为：Eexcited为激发态的动能，Eground为基态的动能。并对能级l进行向下取整，以确保粒子所对应的能级都为整数。在正常状态下，人群运动速度较慢，运动粒子能量较低，因此粒子大多处在基态；异常状态下，人群发生跑动，粒子能量突然增大，粒子会跃迁到较高能级。步骤2.2，由于灰度共生矩阵可以对图像中的像素分布进行很好的描述，因此得到本文档来自技高网...

【技术保护点】
一种基于能级分布变化的人群异常检测方法，其特征在于：所述方法步骤如下：步骤1，获取视频图像，将图像中每个像素点看成一个运动粒子，并求取每个粒子的速度以及质量，建立粒子的动能模型；步骤2，根据动能模型求取视频中每个运动粒子的动能，并对运动粒子动能进行量化分级得到粒子的能级分布，求取粒子能级共生矩阵；步骤3，以共生矩阵的一致性、熵、对比度三个描绘子描述图像中粒子的能级分布；通过分析一致性、熵、对比度的变化来分析人群行为，检测人群异常行为以及确定异常发生的时间，并进行报警提醒。

【技术特征摘要】
1.一种基于能级分布变化的人群异常检测方法，其特征在于：所述方法步骤如下：步骤1，获取视频图像，将图像中每个像素点看成一个运动粒子，并求取每个粒子的速度以及质量，建立粒子的动能模型；步骤2，根据动能模型求取视频中每个运动粒子的动能，并对运动粒子动能进行量化分级得到粒子的能级分布，求取粒子能级共生矩阵；步骤3，以共生矩阵的一致性、熵、对比度三个描绘子描述图像中粒子的能级分布；通过分析一致性、熵、对比度的变化来分析人群行为，检测人群异常行为以及确定异常发生的时间，并进行报警提醒。2.根据权利要求1所述的一种基于能级分布变化的人群异常检测方法，其特征在于，步骤1中，求取粒子质量的具体方法如下：用矩形选取距离相机最近和最远的行人作为参考人并提取其前景，假设行人在场景中的面积为其前景图像所占像素的数目，令场景中参考人所占的面积为S；式中，w、h分别为矩形的宽和高，Mij∈{0,1},1表示前景，0表示背景；找到两个参考人质心所在位置，并过参考人的质心画一条水平线作为参考线；记距离摄像机近的参考线为记距离摄像机远的参考线为当一个人从运动到时，该人在场景中的面积的变化率如下式所示：假设直线上像素的质量为mab＝1，直线上像素的质量mcd＝1/k；若直线li(0≤i≤H,H为图像的高)上的点距和的距离分别为d1和d2，由线性插值法可知直线li上的粒子质量为：因为对于同一直线上的粒子的质量相同，所以图像中坐标为(i,j)的点的质量mij＝mi(0≤j≤W,W为图像的宽)。3.根据权利要求2所述的一种基于能级分布变化的人群异常检测方法，其特征在于，建立动能模型的具体方法如下：用光流法求取粒子的水平以及垂直方向的速度u和v，再根据粒子的质量，结合粒子的速度构建粒子动能模型为：式中，mij代表坐标(i,j)粒子的质量，(uv)ij表示此粒子水平和垂直方向的合速度。4.根据权利要求1所述的一种基于能...

【专利技术属性】
技术研发人员：张旭光，张倩，
申请(专利权)人：燕山大学，
类型：发明
国别省市：河北,13