人群异常聚集预警方法、装置、电子设备及介质制造方法及图纸

本发明专利技术提供了一种人群异常聚集预警方法、装置、电子设备及介质，包括：获取人群聚集场所的实时视频流数据，并对实时视频流数据进行预处理得到标准图像；基于标准图像和预先构建的点对点网络模型得到标准图像人群中每个人体的定位信息；对每个人体的定位信息进行特征提取和特征融合，得到人群多维融合特征；基于人群多维融合特征和预先构建的人群状态预测模型得到人群状态信息，并基于人群状态信息进行预警。本发明专利技术提高了人群聚集检测的准确性和时效性，同时能够及时对异常人群和危险人群进行预警。预警。预警。

【技术实现步骤摘要】
人群异常聚集预警方法、装置、电子设备及介质


[0001]本专利技术涉及人工智能
，尤其是涉及一种人群异常聚集预警方法、装置、电子设备及介质。

技术介绍

[0002]随着经济水平的不断发展，城市建设也越来越迅速，导致城市密集场所的数量和规模也在不断增长，如车站、商场、医院、大型活动现场和学校周边等。由于人群过度聚集而引发的危险乃至灾难频频不断，聚集人群的安全问题被各个领域广泛讨论，自动预警和提前干预是最有效的处理人群过度聚集和防止安全事故发生的措施。
[0003]目前针对人群聚集检测的研究主要有基于检测的方法、基于回归的方法和基于密度图的方法。基于检测的方法主要是通过对图像行人检测或人头检测来统计人数，主要用于稀疏的人群计数，随着人群密度的提升，人与人之间的遮挡变得越来越严重，此时会导致较大误差；基于回归的方法只能得到场景整体的一个拥挤指数，不能获知人群人体的具体位置，而且这种方法对图像分辨率很敏感；基于密度图的方法无法给出准确的人的位置信息。此外，这类方法都是在聚集行为已经发生后才能实现检测，时效性较差，也无法实现人群异常状态的预测及人群危险行为预警。综上所述，现有的人群聚集检测方法准确率较低，时效性较差，无法实现异常预警。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种人群异常聚集预警方法、装置、电子设备及介质，以提高了人群聚集检测的准确性和时效性，同时能够及时对异常人群和危险人群进行预警。
[0005]为了实现上述目的，本专利技术实施例采用的技术方案如下：第一方面，本专利技术实施例提供了一种人群异常聚集预警方法，包括：获取人群聚集场所的实时视频流数据，并对实时视频流数据进行预处理得到标准图像；基于标准图像和预先构建的点对点网络模型得到标准图像人群中每个人体的定位信息；对每个人体的定位信息进行特征提取和特征融合，得到人群多维融合特征；基于人群多维融合特征和预先构建的人群状态预测模型得到人群状态信息，并基于人群状态信息进行预警。
[0006]在一种实施方式中，对实时视频流数据进行预处理得到标准图像，包括：依次对实时视频流数据进行抽帧处理、解码处理和图像变换处理，得到标准图像。
[0007]在一种实施方式中，基于标准图像和预先构建的点对点网络模型得到标准图像人群中每个人体的定位信息，包括：将标准图像输入到预先构建的点对点网络模型中，输出每个人体头部的中心点坐标和中心点坐标的置信度。
[0008]在一种实施方式中，对每个人体的定位信息进行特征提取和特征融合，得到人群多维融合特征，包括：基于每个人体的定位信息提取人群的距离特征、密度特征、聚类特征、分布特征和行为特征；对距离特征、密度特征、聚类特征、分布特征和行为特征进行归一化
处理和离散化处理；采用全连接对归一化处理和离散化处理后的距离特征、密度特征、聚类特征、分布特征和行为特征进行特征融合，得到人群多维融合特征。
[0009]在一种实施方式中，距离特征包括：人群人体间像素距离和人群平均像素距离；基于每个人体的定位信息提取人群的距离特征、密度特征、聚类特征、分布特征和行为特征，包括：基于每个人体头部的中心点坐标计算每个人体头部中心点之间的欧式距离得到人群人体间像素距离，并基于人群人体间像素距离计算人群平均像素距离；基于标准图像中人群的人体数量确定密度特征；基于人群人体间像素距离，采用密度峰值聚类进行聚类分析得到聚类特征；基于人群人体间像素距离，计算人群分布熵得到分布特征；基于标准图像中人群的异常行为确定危险行为等级，并对危险行为等级进行编码得到行为特征。
[0010]在一种实施方式中，基于人群人体间像素距离，采用密度峰值聚类进行聚类分析得到聚类特征，包括：基于人群人体间像素距离，采用密度峰值聚类进行聚类分析得到聚类中心点；获取聚类中心点的聚类中心密度；如果聚类中心密度大于密度阈值，则对聚类中心密度进行编码得到聚类特征。
[0011]在一种实施方式中，基于人群人体间像素距离，计算人群分布熵得到分布特征，包括：将人群人体间像素距离进行归一化处理，并将归一化处理后的人群人体间像素距离划分为多个像素距离区间；基于像素距离区间计算人群分布熵得到分布特征。
[0012]第二方面，本专利技术实施例提供了一种人群异常聚集预警装置，包括：图像处理模块，用于获取人群聚集场所的实时视频流数据，并对实时视频流数据进行预处理得到标准图像；人群定位模块，用于基于标准图像和预先构建的点对点网络模型得到标准图像人群中每个人体的定位信息；特征提取模块，用于对每个人体的定位信息进行特征提取和特征融合，得到人群多维融合特征；人群状态判别模块，用于基于人群多维融合特征和预先构建的人群状态预测模型得到人群状态信息，并基于人群状态信息进行预警。
[0013]第三方面，本专利技术实施例提供了一种电子设备，包括处理器和存储器，存储器存储有能够被处理器执行的计算机可执行指令，处理器执行计算机可执行指令以实现上述第一方面提供的任一项的方法的步骤。
[0014]第四方面，本专利技术实施例提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述第一方面提供的任一项的方法的步骤。
[0015]本专利技术实施例带来了以下有益效果：本专利技术实施例提供的上述人群异常聚集预警方法、装置、电子设备及介质，首先获取人群聚集场所的实时视频流数据，并对实时视频流数据进行预处理得到标准图像；然后基于标准图像和预先构建的点对点网络模型得到标准图像人群中每个人体的定位信息；接着对每个人体的定位信息进行特征提取和特征融合，得到人群多维融合特征；最后基于人群多维融合特征和预先构建的人群状态预测模型得到人群状态信息，并基于人群状态信息进行预警。上述方法能够使用点对点网络模型准确获得人群中每个人体的定位信息，然后根据人群多维融合特征和人群状态预测模型实时预测人群状态，更能表现人群的状态，从而提高了人群聚集检测的准确性和时效性，同时能够及时对异常人群和危险人群进行判断和预警，达到提前预防安全事故的目的。
[0016]本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变
得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
[0017]为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0018]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本专利技术的一些实施方式，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。
[0019]图1为本专利技术实施例提供的一种人群异常聚集预警方法的流程图；图2为本专利技术实施例提供的一种特征聚类的流程图；图3为本专利技术实施例提供的基于点对点网络和多维特征融合的人群异常聚集预警方法的流程本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人群异常聚集预警方法，其特征在于，包括：获取人群聚集场所的实时视频流数据，并对所述实时视频流数据进行预处理得到标准图像；基于所述标准图像和预先构建的点对点网络模型得到所述标准图像人群中每个人体的定位信息；对所述每个人体的定位信息进行特征提取和特征融合，得到人群多维融合特征；基于所述人群多维融合特征和预先构建的人群状态预测模型得到人群状态信息，并基于所述人群状态信息进行预警。2.根据权利要求1所述的方法，其特征在于，对所述实时视频流数据进行预处理得到标准图像，包括：依次对所述实时视频流数据进行抽帧处理、解码处理和图像变换处理，得到标准图像。3.根据权利要求1所述的方法，其特征在于，基于所述标准图像和预先构建的点对点网络模型得到所述标准图像人群中每个人体的定位信息，包括：将所述标准图像输入到预先构建的点对点网络模型中，输出每个人体头部的中心点坐标和所述中心点坐标的置信度。4.根据权利要求3所述的方法，其特征在于，对所述每个人体的定位信息进行特征提取和特征融合，得到人群多维融合特征，包括：基于所述每个人体的定位信息提取人群的距离特征、密度特征、聚类特征、分布特征和行为特征；对所述距离特征、所述密度特征、所述聚类特征、所述分布特征和所述行为特征进行归一化处理和离散化处理；采用全连接对归一化处理和离散化处理后的所述距离特征、所述密度特征、所述聚类特征、所述分布特征和所述行为特征进行特征融合，得到人群多维融合特征。5.根据权利要求4所述的方法，其特征在于，所述距离特征包括：人群人体间像素距离和人群平均像素距离；基于所述每个人体的定位信息提取人群的距离特征、密度特征、聚类特征、分布特征和行为特征，包括：基于每个人体头部的中心点坐标计算每个人体头部中心点之间的欧式距离得到人群人体间像素距离，并基于所述人群人体间像素距离计算人群平均像素距离；基于所述标准图像中人群的人体数量确定密度特征...

【专利技术属性】
技术研发人员：李亚洲，刘宏炜，张永帅，刘贺，翟葆朔，
申请(专利权)人：中电信数字城市科技有限公司，
类型：发明
国别省市：