一种群体行为识别方法技术

本发明专利技术涉及图像处理技术领域，具体涉及一种群体行为识别方法，包括从监控视频数据中获取运动目标；在监控视频数据中的监测区域内设置跟踪区域，并在跟踪区域内设定计数线；对跟踪区域内的运动目标进行跟踪，得到目标运动路线；对通过计数线的运动目标进行计数，得到运动目标数量；基于目标运动路线和目标数量从监控视频数据中获取群体行为表示；将群体行为表示输入异常行为监测模型，得到目标预测位置和目标活动异常情况，解决现有的群体行为识别方法对群体行为识别的精确度较低的问题。法对群体行为识别的精确度较低的问题。法对群体行为识别的精确度较低的问题。

【技术实现步骤摘要】
一种群体行为识别方法


[0001]本专利技术涉及图像处理
，尤其涉及一种群体行为识别方法。

技术介绍

[0002]发展城市公共交通，实现公交调度智能化，是解决城市交通问题的有效途径。快速高效的公交数据采集分析技术，对建立高效合理的城市公交系统具有决定作用。同时，公交场所属于典型的群体活动地点。群体活动越频繁，与之相关的公共安全问题就越突出，为此需要群里行为识别方法来对公交场所内的目标进行行为异常情况进行获取。
[0003]现有的群体行为识别方法主要是通过提取单个目标的行为特征来对群体的行为进行识别。
[0004]但在复杂的场景下，目标之间相互遮挡或者阻塞给单个目标的目标分割、目标追踪带来了巨大的困难，从而降低了对群体行为识别的精确度。

技术实现思路

[0005]本专利技术的目的在于提供一种群体行为识别方法，旨在解决现有的群体行为识别方法对群体行为识别的精确度较低的问题。
[0006]为实现上述目的，本专利技术提供了一种群体行为识别方法，包括以下步骤：
[0007]从监控视频数据中获取运动目标；
[0008]在所述监控视频数据中的监测区域内设置跟踪区域，并在所述跟踪区域内设定计数线；
[0009]对所述跟踪区域内的所述运动目标进行跟踪，得到目标运动路线；
[0010]对通过所述计数线的所述运动目标进行计数，得到运动目标数量；
[0011]基于所述目标运动路线和所述目标数量从所述监控视频数据中获取群体行为表示；
[0012]将所述群体行为表示输入异常行为监测模型，得到目标预测位置和目标活动异常情况。
[0013]其中，所述从监控视频数据中获取运动目标的具体方式为：
[0014]获取监控视频数据；
[0015]获取所述监控视频数据中的视频序列，得到视频图像；
[0016]从所述视频图像中分割监测区域；
[0017]使用卷积神经网络求取所述监测区域的特征，得到运动目标。
[0018]其中，所述对所述跟踪区域内的所述运动目标进行跟踪，得到目标运动路线的具体方式为：
[0019]获取所述跟踪区域内的所述运动目标的边缘信息；
[0020]从所述边缘信息中确定质心，并对所述质心进行跟踪，得到频移信号；
[0021]对所述频移信号进行峰值检测和跟踪，得到目标运动路线。
[0022]其中，所述将所述群体行为表示输入异常行为监测模型，得到目标预测位置和目标活动异常情况的具体方式为：
[0023]获取训练集；
[0024]分析所述训练集的属性和本质，得到群体运动行为特征；
[0025]根据所述群体运动行为特征建立分类模型；
[0026]使用所述训练集对所述分类模型进行训练，得到输出结果；
[0027]基于所述输出设定所述分类模型判断群体正常行为和群体异常行为的准则，得到异常行为监测模型；
[0028]将所述群体行为表示输入异常行为监测模型，得到目标预测位置和目标活动异常情况。
[0029]其中，所述异常行为监测模型为长短时记忆网络。
[0030]本专利技术的一种群体行为识别方法，通过从监控视频数据中获取运动目标；在所述监控视频数据中的监测区域内设置跟踪区域，并在所述跟踪区域内设定计数线；对所述跟踪区域内的所述运动目标进行跟踪，得到目标运动路线；对通过所述计数线的所述运动目标进行计数，得到运动目标数量；基于所述目标运动路线和所述目标数量从所述监控视频数据中获取群体行为表示；将所述群体行为表示输入异常行为监测模型，得到目标预测位置和目标活动异常情况，本专利技术通过对所述运动目标进行提取和最终，得到目标运动路线和运动目标数量，并将基于所述目标运动路线和所述目标数量从所述监控视频数据中获取的群体行为表示输入所述异常行为监测模型可预测目标的目标预测位置和目标活动异常情况，解决现有的群体行为识别方法对群体行为识别的精确度较低的问题。
附图说明
[0031]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0032]图1是本专利技术提供的一种群体行为识别方法的流程图。
[0033]图2是从监控视频数据中获取运动目标的流程图。
[0034]图3是对所述跟踪区域内的所述运动目标进行跟踪，得到目标运动路线的流程图。
[0035]图4是将所述群体行为表示输入异常行为监测模型，得到目标预测位置和目标活动异常情况的流程图。
具体实施方式
[0036]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其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。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。
[0037]请参阅图1至图4，本专利技术提供一种群体行为识别方法，包括以下步骤：
[0038]S1从监控视频数据中获取运动目标；
[0039]具体方式为：
[0040]S11获取监控视频数据；
[0041]具体的，根据移动区域获取摄像头的安装点及倾斜角度；将所述摄像头安装在所述安装点，并基于所述倾斜角度转动所述摄像头；通过安装完成的所述摄像头获取监控视频数据。
[0042]S12获取所述监控视频数据中的视频序列，得到视频图像；
[0043]具体的，获取所述监控视频数据中的视频序列；将所述时瓶序列的关键帧提取，得到视频图像。
[0044]S13从所述视频图像中分割监测区域；
[0045]具体的，从所述视频图像中分割监测区域，避免检测区域以外的移动物体和复杂背景对所述运动目标的追踪造成影响。
[0046]S14使用卷积神经网络求取所述监测区域的特征，得到运动目标。
[0047]具体的，所述卷积神经网络通过目标检测算法求取所述监测区域的特征，所述目标检测算法包括对称帧差法、背景更新法和背景帧差法。针对图像环境以及人体移动目标的移动帧特点，得出基于背景帧差法的目标检测的良好适应性的结论。
[0048]S2在所述监控视频数据中的监测区域内设置跟踪区域，并在所述跟踪区域内设定计数线；
[0049]S3对所述跟踪区域内的所述运动目标进行跟踪，得到目标运动路线；
[0050]具体方式为：
[0051]S32获取所述跟踪区域内的所述运动目标的边缘信息；
[0052]具体的，获取所述跟踪区域内的所述运动目标的整体的边缘特征，得到边缘信息。
[0053]S33从所述边缘信息中确定质心，并对所述质心进行跟踪，得到频移信号；
[0054]具体的，通过对所述质心的追踪可增加对所述运动目标的追踪精确度。
[0055]S34对所述频移信号进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种群体行为识别方法，其特征在于，包括以下步骤：从监控视频数据中获取运动目标；在所述监控视频数据中的监测区域内设置跟踪区域，并在所述跟踪区域内设定计数线；对所述跟踪区域内的所述运动目标进行跟踪，得到目标运动路线；对通过所述计数线的所述运动目标进行计数，得到运动目标数量；基于所述目标运动路线和所述目标数量从所述监控视频数据中获取群体行为表示；将所述群体行为表示输入异常行为监测模型，得到目标预测位置和目标活动异常情况。2.如权利要求1所述的群体行为识别方法，其特征在于，所述从监控视频数据中获取运动目标的具体方式为：获取监控视频数据；获取所述监控视频数据中的视频序列，得到视频图像；从所述视频图像中分割监测区域；使用卷积神经网络求取所述监测区域的特征，得到运动目标。3.如权利要求2所述的群体行为识别方法，其特征在于，所述对所述跟踪区域内的所述运动目标进...

【专利技术属性】
技术研发人员：蓝秀琼，邓皓，陈建华，
申请(专利权)人：重庆工业职业技术学院，
类型：发明
国别省市：