基于Langevin流体驱动模型的人群运动显著性检测方法技术

本发明专利技术属于视频分析与图像处理技术领域，公开了一种基于Langevin模型和方向自信息的大规模场景下人群运动显著性区域检测算法。通过Langevin模型可以构建粒子间的相互作用关系。将人群粒子看作为流体中的粒子运动，利用Langevin模型获得粒子所受的合外力，以及基于相干矢量场提取粒子的方向自信息并融合两个特征构建粒子的显著性值，根据各个位置显著性值的不同进行二值分割，最后根据图像基本处理后能够检测出人群中的显著性区域。本发明专利技术具有良好的适用性，能够应用于大规模的人群视频场景，同时由于通过构建人群相干流场使得算法更鲁棒，此外，特征融合机制使得方法能够适应更广泛的人群运动场景。广泛的人群运动场景。广泛的人群运动场景。

【技术实现步骤摘要】
基于Langevin流体驱动模型的人群运动显著性检测方法


[0001]本专利技术属于视频分析与图像处理
，尤其涉及一种基于Langevin流体驱动模型的人群运动显著性检测方法。

技术介绍

[0002]人群行为分析是计算机视觉领域研究的热点和难点。以往对于公共场所的监督大都依赖于现场安保人员，然而仅仅依靠工作人员监控这些区域往往不能满足需求。首先依靠人工监督需要耗费大量的人力资源；而且人的注意力会随着时间而下降，容易产生疲劳监督心理，导致监控效率大大降低；再有人的监督区域范围较有限，尤其在大规模人群场景中，当某个区域发生人群安全事件时工作人员之间不能实现实时交流互动，最终可能会导致不利的人群安全事件。因此，为了弥补人工监控的不足并最大限度地降低人群安全事件发生的概率，自动实时监控系统已经变成了全球各国的迫切需求。得益于计算机技术的不断发展，人群安全已经变成计算机视觉领域一个研究的热点问题，其旨在实时监控并发现人群中显著性区域并及时报警，以达到降低人们人身和财产安全的目的。
[0003]由于动态场景中人群运动的相互遮挡及人群密度分布的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Langevin流体驱动模型的人群运动显著性检测方法，其特征在于，包括如下步骤：步骤1：用Horn
‑
Schunck光流算法提取人群运动光流场；步骤2：借鉴物理“热扩散”思想规整光流场；步骤3：求解粒子特征；步骤4：特征阈值化及特征融合。2.根据权利要求1所述的基于Langevin流体驱动模型的人群运动显著性检测方法，其特征在于，所述步骤1包括如下具体步骤：步骤1.1：用Horn
‑
Schunck光流算法处理所选视频提取的帧序列；在输入的视频序列中，提取连续的两帧，通过同一个像素点(在局部邻域内像素值不变的点)在两帧之间的位置变化提取出来粒子的运动场，设p
i
为二维运动中的一个点，其坐标为(x,y)，光流大小为(u,v),那么p
i
处的光流表示为(x,y,u,v)，最后将所有点的光流组成的集合称为光流场，光流场能够提供视频中像素点的运动信息；步骤1.2：由步骤1.1可以得到大规模人群场景中粒子的光流场集合为速度方向集合为n是人群粒子总数。3.根据权利要求2所述的基于Langevin流体驱动模型的人群运动显著性检测方法，其特征在于，所述步骤2包括如下具体步骤：步骤2.1：借鉴物理“热扩散”思想，构建公式(1)获取位置p处的粒子收到来自位置q处的粒子扩散的相干矢量相干矢量构建如下：其中，代表在位置p处的粒子经过时间间隔l后获得来自位置q处的粒子扩散的相干矢量，表示位于p处的粒子光流，λ＝(x,y)，dist(p,q)表示粒子间的像素距离，k
p
为能量扩散系数，k
t
为光流扩散系数，k
t
＝0.2，分别表示位置p和q处的光流方向向量，表示p、q位置光流的相似程度，Q是一个阈值；步骤2.2：在获得粒子的运动相干矢量之后，同时在时空域上对粒子的相干矢量进行均值化处理，以获取相干流场矢量，处理过程由公式(2)描述：其中，ε2为邻域粒子数量，分别代表t时刻的水平和垂直流场矢量。4.根据权利要求3所述的基于Langevin流体驱动模型的人群运动显著性检测方法，其特征在于，所述步骤3包括如下具体步骤：步骤3.1：将人群粒子运动看作为理想流体，借助斯托克斯定律来描述流体的粘滞阻力
F
r
(t)，斯托克斯粘滞阻力公式为：其中，为t时刻粒子所受的粘滞力，a为粒子的体积，令a＝1，ζ为流体的粘度，取为t时刻粒子所受的粘滞力，a为粒子的体积，令a＝1，ζ为流体的粘度，取为粒...

【专利技术属性】
技术研发人员：张旭光，柳旺，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：