一种地铁环境中行人异常行为检测方法及装置制造方法及图纸

本申请提供了一种地铁环境中行人异常行为检测方法以及装置。所述地铁环境中行人异常行为检测方法包括：获取车站图像组；提取车站图像组的轨迹特征；获取训练后的局部轨迹特征模型以及训练后的全局轨迹特征模型；将所述轨迹特征输入至所述局部轨迹特征模型以及全局轨迹特征模型以获取行人异常情况。本申请的地铁环境中行人异常行为检测方法通过局部轨迹特征模型以及全局轨迹特征模型两种模型进行车站的预测，通过局部轨迹特征模型来判断个体的异常情况，通过全局轨迹特征模型来判断群体事件，实现了一种鲁棒的实时地铁环境行人异常行为检测方法。

【技术实现步骤摘要】
一种地铁环境中行人异常行为检测方法及装置
本申请属于轨道交通
，特别涉及一种地铁环境中行人异常行为检测方法以及地铁环境中行人异常行为检测装置。
技术介绍
目前，随着视频监控数据不断海量化，产品市场规模不断拓展，对智能化视频处理技术提出了越来越高的要求。尤其在轨道交通这一领域，由于地铁环境下客流密集，一旦发生踩踏、拥挤和暴乱等异常事件，后果将十分严重。尽管目前地铁车站及列车中大多布设视频监控，但仍然存在诸多局限性。地铁环境下的视频监控系统普遍只能记录，无法进行智能分析，需要通过人工查看视频并分析，往往错过最佳处理时间，造成不必要的资源损失。而且面对冗长的视频录像进行人工分析，往往又会带来事件的漏报或误报。因此，亟需运用智能化的视频识别技术及时发现隐患，保障安全运营。在地铁环境中，通过智能视频分析技术和人体行为识别算法能够实时对视频中行人的行为做出响应，当检测到异常行为时及时进行报警，降低事故发生的损失率，减小存在隐患。但由于地铁环境复杂，现有针对地铁环境下的行人的异常行为智能检测的能力不足，对行人异常行为检测研究不够深入。因此研究对行人行为的理解、行人异常行为的智能检测具有很大意义。异常事件检测方法可分为基于定义规则的方法、基于概率的统计学方法、机器学习方法和基于目标检测轨迹跟踪的方法，核心思想是对异常行为进行划分并对其建模，从视频序列中提取运动特征代入模型，并与阈值相比较，判断是否出现异常事件。在现有的异常事件检测技术中，基于规则的方法使用一些预定义的规则来定义正常或异常活动。这些方法只能对预定义的特定异常行为进行检测。对于未出现过的异常行为缺乏可扩展性。基于概率的统计学方法来构建行为模型，这类方法是以数据驱动的方法，准确度较差，对有些相似行为无法进行准确判断。因此，希望有一种技术方案来克服或至少减轻现有技术的至少一个上述缺陷。
技术实现思路
本申请的目的是提供了一种地铁环境中行人异常行为检测方法，以解决上述至少一方面的问题。在本申请的第一方面，一种地铁环境中行人异常行为检测方法，所述地铁环境中行人异常行为检测方法包括：获取车站图像组；提取车站图像组的轨迹特征；获取训练后的局部轨迹特征模型以及训练后的全局轨迹特征模型；将所述轨迹特征输入至所述局部轨迹特征模型以及全局轨迹特征模型以获取行人异常情况。可选地，所述提取车站图像组的轨迹特征包括：分别获取每帧的车站图像中的各个行人的目标位置以及与每个行人的目标位置对应的置信度；根据每帧的车站图像中的各个行人的目标位置以及与每个行人的目标位置对应的置信度获取各个行人运动轨迹；获取每个行人运动轨迹的轨迹特征，各个所述轨迹特征组成所述车站图像组的轨迹特征。可选地，所述分别获取每帧的车站图像中的各个行人的目标位置以及与每个行人的目标位置对应的置信度包括：对各个原始图像通过自动色彩均衡算法进行图像增强；获取各个图像的相应的特征图；获取行人目标获取模型；将所述特征图输入至所述行人目标获取模型，从而获取每帧的车站图像中的各个行人的目标位置以及与每个行人的目标位置对应的置信度。可选地，所述根据每帧的车站图像中的各个行人的目标位置以及与每个行人的目标位置对应的置信度获取各个行人运动轨迹包括：根据连续的各个多帧图像间的行人的目标位置以及与每个行人的目标位置对应的置信度生成至少一种行人运动假设轨迹；计算每一种行人运动假设轨迹的先验概率；获取先验概率高的行人运动假设轨迹作为行人运动轨迹。可选地，所述局部轨迹特征模型包括个人逆行异常模型、个人越界异常模型和个人奔跑异常模型中的一个或多个。可选地，所述个人逆行异常模型为：(Center[i].y-Center[0].y)＜0；其中，Center[i]为具有每帧车站图像的行人运动轨迹的坐标的数组；y为y轴，y轴定义为在该车站图像所在的场景下标定的行人应该行走的方向，其中，y轴向下为正方向，当轨迹方向为y轴向上时则为逆向轨迹。可选地，所述个人越界异常模型为：以及其中，P1(x1,y1)和P2(x2,y2)为警戒线的两个端点坐标，(x3,y3)、(x4,y4)为每个行人运动轨迹的起点和终点。可选地，所述个人奔跑异常模型包括：判断行人运动轨迹对应的行人的真实的运动速度，若运动速度超过阈值，则判断为该对应的行人处于奔跑状态。本申请还提供了一种地铁环境中行人异常行为检测装置，所述地铁环境中行人异常行为检测装置包括：车站图像组获取模块，所述车站图像组获取模块用于获取车站图像组；轨迹特征提取模块，所述轨迹特征提取模块用于提取车站图像组的轨迹特征；模型获取模块，所述模型获取模块用于获取训练后的局部轨迹特征模型以及训练后的全局轨迹特征模型；行人异常情况获取模块，所述行人异常情况获取模块用于将所述轨迹特征输入至所述局部轨迹特征模型以及全局轨迹特征模型以获取行人异常情况。本申请还提供了一种电子设备，包括存储器、处理器以及存储在存储器中并能够在处理器上运行的计算机程序，处理器执行计算机程序时实现如上的地铁环境中行人异常行为检测方法。本申请还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时能够实现如上的地铁环境中行人异常行为检测方法。本申请至少存在以下有益技术效果：本申请的地铁环境中行人异常行为检测方法通过局部轨迹特征模型以及全局轨迹特征模型两种模型进行车站的预测，通过局部轨迹特征模型来判断个体的异常情况，通过全局轨迹特征模型来判断群体事件，实现了一种鲁棒的实时地铁环境行人异常行为检测方法。附图说明图1是本申请一个实施方式提供的地铁环境中行人异常行为检测方法的流程示意图。图2是本申请一个实施方式提供的行人运动轨迹的流程示意图。图3是本申请一个实施方式提供的个人逆行异常的逻辑示意图。图4是本申请一个实施方式提供的个人越界异常的逻辑示意图。图5是本申请一个实施方式提供的训练局部轨迹特征模型以及训练全局轨迹特征模型的逻辑示意图。图6是本申请一个实施方式提供的地铁环境中行人异常行为检测方法的全流程示意图。图7是能够实现根据本申请一个实施例提供的地铁环境中行人异常行为检测方法的电子设备的示例性结构图。具体实施方式为使本申请实施的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行更加详细的描述。在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本申请一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有本文档来自技高网...

【技术保护点】
1.一种地铁环境中行人异常行为检测方法，其特征在于，所述地铁环境中行人异常行为检测方法包括：/nS1:获取车站图像组；/nS2:提取车站图像组的轨迹特征；/nS3:获取训练后的局部轨迹特征模型以及训练后的全局轨迹特征模型；/nS4:将所述轨迹特征输入至所述局部轨迹特征模型以及全局轨迹特征模型以获取行人异常情况。/n

【技术特征摘要】
1.一种地铁环境中行人异常行为检测方法，其特征在于，所述地铁环境中行人异常行为检测方法包括：
S1:获取车站图像组；
S2:提取车站图像组的轨迹特征；
S3:获取训练后的局部轨迹特征模型以及训练后的全局轨迹特征模型；
S4:将所述轨迹特征输入至所述局部轨迹特征模型以及全局轨迹特征模型以获取行人异常情况。


2.如权利要求1所述的地铁环境中行人异常行为检测方法，其特征在于，所述提取车站图像组的轨迹特征包括：
分别获取每帧的车站图像中的各个行人的目标位置以及与每个行人的目标位置对应的置信度；
根据每帧的车站图像中的各个行人的目标位置以及与每个行人的目标位置对应的置信度获取各个行人运动轨迹；
获取每个行人运动轨迹的轨迹特征，各个所述轨迹特征组成所述车站图像组的轨迹特征。


3.如权利要求2所述的地铁环境中行人异常行为检测方法，其特征在于，所述分别获取每帧的车站图像中的各个行人的目标位置以及与每个行人的目标位置对应的置信度包括：
对各个原始图像通过自动色彩均衡算法进行图像增强；
获取各个图像的相应的特征图；
获取行人目标获取模型；
将所述特征图输入至所述行人目标获取模型，从而获取每帧的车站图像中的各个行人的目标位置以及与每个行人的目标位置对应的置信度。


4.如权利要求3所述的地铁环境中行人异常行为检测方法，其特征在于，所述根据每帧的车站图像中的各个行人的目标位置以及与每个行人的目标位置对应的置信度获取各个行人运动轨迹包括：
根据连续的各个多帧图像间的行人的目标位置以及与每个行人的目标位置对应的置信度生成至少一种行人运动假设轨迹；
计算每一种行人运动假设轨迹的先验概率；
获取先验概率高的行人运动假设轨迹作为行人运动轨迹。


5.如权利要求4所述的地铁环境中行人异常行为检测方法，其特征在于，所述局部轨迹特征模型包括个人逆行异常模型、个人越界异常模型和个人奔跑异常模型中的一个或多个。


6.如权利要求...

【专利技术属性】
技术研发人员：龙育才，高国飞，李璐，王爱丽，王子腾，田青，郑宣传，孙喜利，刘宇，
申请(专利权)人：中铁信北京网络技术研究院有限公司，中铁信息工程集团有限公司，深圳市地铁集团有限公司，北京城建设计发展集团股份有限公司，
类型：发明
国别省市：北京;11