行为预测处理方法、装置及电子设备制造方法及图纸

本申请提供一种行为预测处理方法、装置及电子设备，涉及计算机数据处理技术领域。该方法包括：从监控视频中获取不同时刻对应的多个监控图像，以及与监控视频的时段对应的航班信息；从多个监控图像中采集并确定多个监控图像中的人物在预设场景模型中的宏观特征及微观特征，其中，宏观特征包括人物在预设场景模型中的位置信息、预设场景模型中人物的数量、人密度、人物的运动速度及运动方向，微观特征包括监控图像中的纹理信息；基于航班信息将分布信息输入预设概率转移模型，得到预设概率转移模型输出的预测结果，实现旅客行为状态的预测，能够改善现有技术中无法通过监控视频对异常状况进行预防与及时处理的技术问题。

Behavior Prediction Processing Method, Device and Electronic Equipment

【技术实现步骤摘要】
行为预测处理方法、装置及电子设备
本专利技术涉及计算机数据处理
，具体而言，涉及一种行为预测处理方法、装置及电子设备。
技术介绍
在机场中的航站楼这类公共场合下，人口密度大、流动快。目前的视频监控中，通常是由监控的工作人员利用监控器历史采集或实时采集的监控画面发现异常状况，在异常状况发生且被发现后，才进行处理，不便于对异常状况进行预防与及时处理。
技术实现思路
本申请提供一种行为预测处理方法、装置及电子设备，能够改善现有技术中无法通过监控视频对异常状况及时处理与预防的技术问题。为了实现上述目的，本申请实施例所提供的技术方案如下所示：第一方面，本申请实施例提供一种行为预测处理方法，所述方法包括：从监控视频中获取不同时刻对应的多个监控图像，以及与所述监控视频的时段对应的航班信息；建立所述监控视频中关键区域场景物品的拓扑图，划定前景人物位置；从所述多个监控图像中采集并确定所述多个监控图像中的人物在预设场景模型中的时空特征集，所述时空特征集包括在同一监控图像中各个人物在所述预设场景模型中的宏观特征及微观特征，其中，所述宏观特征包括人物在所述预设场景模型中的位置信息、所述预设场景模型中人物的数量、人密度、人物的运动速度及运动方向，所述微观特征包括监控图像中的纹理信息；确定所述时空特征集中的各特征在时间维度、空间维度上的分布信息；基于所述航班信息将所述分布信息输入预设概率转移模型，得到所述预设概率转移模型输出的预测结果，所述预设概率转移模型用于根据所述分布信息预测在当前时刻之后的各个人物在所述预设场景模型中的行为状态，所述预测结果包括表征至少部分人物群体的行为状态的第一描述信息。基于此，因为是基于当前的监控视频与航班信息相结合来对预测各人物在后期的人物的群体行为，所以预测的结果能够根据航班信息的变化而灵活变动，可以根据航班信息进行修正，一方面能够改善现有技术中无法通过监控视频对异常状况进行预防与及时处理的技术问题，另一方面还有助于提高预测结果的准确性及时效性。结合第一方面，在一些可选的实施方式中，从所述多个监控图像中采集并确定所述多个监控图像中的人物在预设场景模型中的时空特征集，包括：基于所述多个监控图像中固定物体的拓扑结构确定人物在所述监控视频对应的环境中的活动区域；在所述活动区域中采集并确定所述多个监控图像中的人物在所述预设场景模型中的所述时空特征集，其中，所述预设场景模型与所述活动区域相对应。基于此，通过对人物群体活动区域对应的图像进行识别与特征的提取，而无需对人物群体非活动区域进行识别处理，有助于减少需要识别处理的图像面积，从而降低数据处理的计算量，并提高特征提取精度。结合第一方面，在一些可选的实施方式中，在所述活动区域中采集所述多个监控图像的人物在所述预设场景模型中的所述时空特征集，包括：基于每个监控图像，利用卷积神经网络识别关键区域物品，建立相应物品之间拓扑图，提取人物活动区域；根据人物的位置信息，利用前景联通区域、光流法、密度图确定所述预设场景中人物的形状、面积、速度、方向、密度、数量；采集所述监控图像中的纹理信息；将所确定的人物形状信息、人密度、人物的数量、平均运动速度、运动方向及纹理信息等确定为时空特征集所包括的特征。基于此，利用人物在预设场景模型中的位置，能够将人物在实际环境中的相对位置在预设场景模型中数据化，方便时空特征集的提取，以实现结果的预测。结合第一方面，在一些可选的实施方式中，所述方法还包括：根据所述形状及人物在所述形状对应的区域中的人物密度、平均运动速度及运动方向，确定表征所述形状内对应的人物群体的行为状态的第二描述信息。基于此，通过对时空特征集中的特征进行聚类拟合，将具有相似的特征聚类分析，从而能够根据人群的形状、密度、平均运动速率确定人群的行为。基于此，通过自动识别监控视频中的监控图像所反映的人群的行为，方便管理人员掌握人群的行为状态信息。结合第一方面，在一些可选的实施方式中，确定所述时空特征集中的各特征在时间维度、空间维度上的分布信息，包括：根据最近邻比率的设置，挖掘不同粒度的空间的近邻模式及共现模式信息，判断各个特征在空间维度上的分布信息；利用时间内聚性强度，挖掘特征点在时间维度上的周期性；定义各个要素在时间和空间上的相似度，利用相似度对提取的时空特征数据进行聚类拟合，得到所述时空特征集的各个特征在时间维度、空间维度上的分布信息。基于此，通过在空间维度及时间维度上的聚类拟合，能够更全面地表述特征的分布信息，有助于提高预测结果的准确性。结合第一方面，在一些可选的实施方式中，所述方法还包括：根据监控图像确定的周边环境的类型、当前的人物的数量、所述第二描述信息，或者根据监控图像确定的周边环境的类型、预测结果中的人物的数量、所述第一描述信息，确定所述周边环境内是否存在异常状况，所述类型包括表征周边环境为值机区域的第一类型，或表征周边环境为安检区域的第二类型，或表征周边环境为候机区域的第三类型；在存在异常状况时发出警示信号。基于此，通过在监控存在异常状况时发出警示信号，有助于管理人员及时发现当前的异常状况、预测的异常状况，并及时进行处理，从而降低或避免因异常状况导致的损失。第二方面，本申请实施例还提供一种行为预测处理装置，所述装置包括：获取单元，从监控视频中获取不同时刻对应的多个监控图像，以及与所述监控视频的时段对应的航班信息；特征采集单元，从所述多个监控图像中采集并确定所述多个监控图像中的人物在预设场景模型中的时空特征集，所述时空特征集包括在同一监控图像中各个人物在所述预设场景模型中的宏观特征及微观特征，其中，所述宏观特征包括人物在所述预设场景模型中的位置信息、所述预设场景模型中人物的数量、人密度、人物的运动速度及运动方向，所述微观特征包括监控图像中的纹理信息；分布确定单元，用于确定所述时空特征集中的各特征在时间维度、空间维度上的分布信息；预测处理单元，用于基于所述航班信息将所述分布信息输入预设概率转移模型，得到所述预设概率转移模型输出的预测结果，所述预设概率转移模型用于根据所述分布信息预测在当前时刻之后的各个人物在所述预设场景模型中的行为状态，所述预测结果包括表征至少部分人物群体的行为状态的第一描述信息。结合第二方面，在一些可选的实施方式中，所述特征采集单元还用于：基于所述多个监控图像中固定物体的拓扑结构确定人物在所述监控视频对应的环境中的活动区域；在所述活动区域中采集并确定所述多个监控图像中的人物在所述预设场景模型中的所述时空特征集，其中，所述预设场景模型与所述活动区域相对应。结合第二方面，在一些可选的实施方式中，所述特征采集单元还用于：基于每个监控图像，基于每个监控图像，利用卷积神经网络识别关键区域的物品，建立相应物品之间拓扑图，提取人物的活动区域；根据人物的位置信息，利用前景联通区域、光流法、密度图确定所述预设场景中人物的形状、面积、速度、方向、密度、数量；采集所述监控图像中的纹理信息；将所确定的人物形状信息、人密度、人物的数量、平均运动速度、运动方向及纹理信息确定为时空特征集所包括的特征。第三方面，本申请实施例还提供一种电子设备，包括相互耦合的存储器和处理器，所述存储器内存储有计算机程序，当所述计算机程序被所述处理器执行时，使得所述电子设备执行上述的方法。第四本文档来自技高网...

【技术保护点】
1.一种行为预测处理方法，其特征在于，所述方法包括：从监控视频中获取不同时刻对应的多个监控图像，以及与所述监控视频的时段对应的航班信息；从所述多个监控图像中采集并确定所述多个监控图像中的人物在预设场景模型中的时空特征集，所述时空特征集包括在同一监控图像中各个人物在所述预设场景模型中的宏观特征及微观特征，其中，所述宏观特征包括人物在所述预设场景模型中的位置信息、所述预设场景模型中人物的数量、人密度、人物的运动速度及运动方向，所述微观特征包括监控图像中的纹理信息；确定所述时空特征集中的各特征在时间维度、空间维度上的分布信息；基于所述航班信息将所述分布信息输入预设概率转移模型，得到所述预设概率转移模型输出的预测结果，所述预设概率转移模型用于根据所述分布信息预测在当前时刻之后的各个人物在所述预设场景模型中的行为状态，所述预测结果包括表征至少部分人物群体的行为状态的第一描述信息。

【技术特征摘要】
1.一种行为预测处理方法，其特征在于，所述方法包括：从监控视频中获取不同时刻对应的多个监控图像，以及与所述监控视频的时段对应的航班信息；从所述多个监控图像中采集并确定所述多个监控图像中的人物在预设场景模型中的时空特征集，所述时空特征集包括在同一监控图像中各个人物在所述预设场景模型中的宏观特征及微观特征，其中，所述宏观特征包括人物在所述预设场景模型中的位置信息、所述预设场景模型中人物的数量、人密度、人物的运动速度及运动方向，所述微观特征包括监控图像中的纹理信息；确定所述时空特征集中的各特征在时间维度、空间维度上的分布信息；基于所述航班信息将所述分布信息输入预设概率转移模型，得到所述预设概率转移模型输出的预测结果，所述预设概率转移模型用于根据所述分布信息预测在当前时刻之后的各个人物在所述预设场景模型中的行为状态，所述预测结果包括表征至少部分人物群体的行为状态的第一描述信息。2.根据权利要求1所述的方法，其特征在于，从所述多个监控图像中采集并确定所述多个监控图像中的人物在预设场景模型中的时空特征集，包括：基于所述多个监控图像中固定物体的拓扑结构确定人物在所述监控视频对应的环境中的活动区域；在所述活动区域中采集并确定所述多个监控图像中的人物在所述预设场景模型中的所述时空特征集，其中，所述预设场景模型与所述活动区域相对应。3.根据权利要求2所述的方法，其特征在于，在所述活动区域中采集所述多个监控图像的人物在所述预设场景模型中的所述时空特征集，包括：基于每个监控图像，利用卷积神经网络识别关键区域的物品，建立相应物品之间拓扑图，提取人物的活动区域；根据人物的位置信息，利用前景联通区域、光流法、密度图确定所述预设场景中人物的形状、面积、速度、方向、密度、数量；采集所述监控图像中的纹理信息；将所确定的人物形状信息、人密度、人物的数量、平均运动速度、运动方向及纹理信息确定为时空特征集所包括的特征。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：根据所述形状及人物在所述形状对应的区域中的人物密度、平均运动速度及运动方向，确定表征所述形状内对应的人物群体的行为状态的第二描述信息。5.根据权利要求1所述的方法，其特征在于，确定所述时空特征集中的各特征在时间维度、空间维度上的分布信息，包括：根据最近邻比率的设置，挖掘不同粒度的空间的近邻模式及共现模式信息，判断各个特征在空间维度上的分布信息；利用时间内聚性强度，挖掘特征点在时间维度上的周期性；定义各个要素在时间和空间上的相似度，利用相似度对提取的时空特征数据进行聚类拟合，得到所述时空特征...

【专利技术属性】
技术研发人员：罗谦，党婉丽，邓锐，邓睿，耿龙，陈肇欣，杜雨弦，周杨，
申请(专利权)人：中国民用航空总局第二研究所，
类型：发明
国别省市：四川,51