一种实时检测人群聚集的预警系统及应用方法技术方案

一种实时检测人群聚集的预警系统，包括摄像头和上位机，还具有安装在上位机内的数据输入模块、视频分析模块、临时数据存储模块、行人检测模块、聚类判定模块和预警上报模块，一种实时检测人群聚集的预警系统的应用方法包括五个步骤。本发明专利技术使用更为丰富的多场景下人群聚集数据集，进行行人检测模型的训练，使用的大量的夜间数据集对检测模型进行训练，使其在夜间光线昏暗的条件下，也能保持超越同类系统的准确度，并分析分钟单位内的人群聚集情况，动态统计出当前单位分钟内行人数的平均值和最大聚类人数的平均值，数据发送给相关人员，对可能发生的危险人群聚集情况进行控制，并对户外活动人员安全起到了保障。综上，本发明专利技术具有好的应用前景。有好的应用前景。有好的应用前景。

【技术实现步骤摘要】
一种实时检测人群聚集的预警系统及应用方法


[0001]本专利技术涉及监测
，特别是一种实时检测人群聚集的预警系统及应用方法。

技术介绍

[0002]现有技术中，一般是通过人为方式判断人群是否聚集，然后在人群聚集过多时通过人力进行疏通。上述方式，严重造成了人力资源的浪费、且增加了管理成本，特别在相关人员没有工作责任心，及时上报人群聚集情况时，会对相关部门的有效管理带来不利影响。
[0003]随着科技的发展，通过摄像头采集现场的视频数据，然后通过上位机等内的应用软件对是否发生人群聚集进行分析的技术得到了一定发展。现有的人群检测技术由于功能限制，对于稀疏行人(也就是说人与人之间间隔相对较大)检测有着良好的检测能力，但当人群出现遮挡时(人与人之间在摄像头视野范围内出现重叠等)，由于现有技术，画面统计的人数主要依靠模型的检测能力，无法准确的检测到被遮挡的行人，导致行人聚集检测数量会出现较大误差；特别当检测环节是在傍晚光线昏暗的情况下时，检测判断错误率也会更高。还有就是，现有技术，当监测画面人数达到一定阈值后，即产生报警响应，实际上，人群聚集现象需要一定的时空性，既聚集的时间必须达到一定长度，才能被称为聚集，短暂的聚集并不能视作聚集现象，由于现有的技术在判定时，直接取的是某一时刻、某一点位的聚集状态，聚集的判定条件较为粗略，因此得到的数据可信性偏低。综上，提供一种能实时监测相应区域的人群聚集数据，且能减少误报的系统显得尤为必要。

技术实现思路

[0004]为了克服现有人群聚集监测系统由于技术所限，存在如背景所述弊端，本专利技术提供了在相关软件单元等共同作用下，批量检测单位时间内，相关区域的人群数量和人群的相对位置关系；使用更为丰富的多场景下人群聚集数据集，进行行人检测模型的训练，在遮挡场景和昏暗环境下也能保持其检测准确率，并分析分钟单位内的人群聚集情况，动态统计出当前单位分钟内行人数的平均值和最大聚类人数的平均值，出现异常时并发送给相关人员，对可能发生的危险人群聚集情况进行控制，并对户外活动人员安全起到了保障的一种实时检测人群聚集的预警系统及应用方法。
[0005]本专利技术解决其技术问题所在用的技术方案是：
[0006]一种实时检测人群聚集的预警系统，包括摄像头和上位机，上位机信号输入端和摄像头视频输出端经数据线连接，其特征在于，还具有数据输入模块、视频分析模块、临时数据存储模块、行人检测模块、聚类判定模块和预警上报模块；所述数据输入模块、视频分析模块、临时数据存储模块、行人检测模块、聚类判定模块和预警上报模块是安装在上位机内的应用软件；一种实时检测人群聚集的预警系统的应用方法，包括如下步骤，S1：数据输入模块经摄像头次采集现场的人群视频数据，并将数据初步处理后传输到视频分析模块；S2：视频分析模块对输入的视频流数据进行解码、获取视频帧，再将若干量视频帧传递给临
时数据存储模块；S3：临时数据存储模块按照基于AI的行人检测算法、对输入的若干量视频帧按行人检测模块的输入格式进行保存，并输出到行人检测模块；S4：行人检测模块调用基于AI对应的行人检测算法，对图片进行批量检测、获取到图片中所有行人的数量和对应行人的位置信息数据，再将检测结果传递给聚类判定模块；S5：聚类判定模块调用基于AI的聚类算法进行聚类判定，并记录图片中的行人平均数和最大聚类平均数，上述数据输出到预警上报模块；S6：预警上报模块判定聚类判定模块输入的行人总数平均数和最大聚类人数的平均数，与自身预警阈值的大小关系，进行判定是预警上报还是直接忽略，具体的，当数据超过阈值数据时上报到相关管理部门的系统，反之忽略，预警内容包含报警位置、聚集人数、聚集时间和聚集图片，来达到在特定场景，特别是在晚上的人群聚集现象的预警作用。
[0007]进一步地，所述数据输入模块主要功能是从摄像头由上至下采集现场的视频流数据。
[0008]进一步地，所述行人检测模块，应用的行人检测算法模型公式如下，式中，c
x
,c
y
表示人工框选的区域位置左上角坐标，t
x
,t
y
,t
w
,t
h
表示预测框坐标和宽高的偏移量；为了使得计算损失最小，模型在训练时使用了如下损失函数，式中，L
cls
,L
reg
,L
obj
分别表示分类损失、定位损失、对象损失，λ表示定位损失的平衡系数，N
pos
表示正样本的预测框数量，Loss越小，模型所学习到的特征就会越多，模型的检测准确率就会越高。
[0009]进一步地，所述聚类判定模块，主要接收行人检测模块输入的行人数和行人位置数据信息，其进行聚类判定的公式如下，式中，x
i
,y
i
,w
i
,h
i
表示第i个行人检测框左上角的位置信息和检测框的宽高，l
i
表示第i个检测框和i+1个检测框是否聚集。
[0010]进一步地，所述聚类判定模块，其进行聚类判定的公式还包括，进一步地，所述聚类判定模块，其进行聚类判定的公式还包括，式中，表示行人总数平均值，表示聚集人数平均值，p
i
表示第i个行人检测框。
[0011]本专利技术有益效果是：本专利技术在相关软件单元等共同作用下，批量检测单位分钟内，相关区域的人群数量和人群的相对位置关系；使用更为丰富的多场景下人群聚集数据集，进行行人检测模型的训练，为增加夜间对于人群聚集的检测能力，本系统使用的大量的夜间数据集对检测模型进行训练，使其在夜间光线昏暗的条件下，也能保持超越同类系统的准确度，并分析分钟单位内的人群聚集情况，动态统计出当前单位分钟内行人数的平均值和最大聚类人数的平均值，数据发送给相关人员，对可能发生的危险人群聚集情况进行控制，并对户外活动人员安全起到了保障。综上，本专利技术具有好的应用前景。
附图说明
[0012]图1是一种实时检测人群聚集的预警系统的应用方法流程图。
具体实施方式
[0013]图1所示，一种实时检测人群聚集的预警系统，包括摄像头和上位机，上位机信号输入端和摄像头视频输出端经数据线连接，还具有数据输入模块、视频分析模块、临时数据存储模块、行人检测模块、聚类判定模块和预警上报模块；所述数据输入模块、视频分析模块、临时数据存储模块、行人检测模块、聚类判定模块和预警上报模块是安装在上位机内的应用软件。
[0014]图1所示，一种实时检测人群聚集的预警系统的应用方法，包括如下步骤，S1：数据输入模块经摄像头次采集现场的人群视频数据，并将数据初步处理后传输到视频分析模块，实际应用中，数据输入模块主要功能是从摄像头由上至下采集现场的视频流数据。S2：视频分析模块对输入的视频流数据进行解码、获取视频帧(视频流解析为若干张图片)，再将若干量视频帧图片传递给临时数据存储模块。S3：临时数据存储模块按照基于AI的行人检测算法、对输入的若干量视频帧按行人检测模块的输入格式本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种实时检测人群聚集的预警系统，包括摄像头和上位机，上位机信号输入端和摄像头视频输出端经数据线连接，其特征在于，还具有数据输入模块、视频分析模块、临时数据存储模块、行人检测模块、聚类判定模块和预警上报模块；所述数据输入模块、视频分析模块、临时数据存储模块、行人检测模块、聚类判定模块和预警上报模块是安装在上位机内的应用软件；一种实时检测人群聚集的预警系统的应用方法，包括如下步骤，S1：数据输入模块经摄像头次采集现场的人群视频数据，并将数据初步处理后传输到视频分析模块；S2：视频分析模块对输入的视频流数据进行解码、获取视频帧，再将若干量视频帧传递给临时数据存储模块；S3：临时数据存储模块按照基于AI的行人检测算法、对输入的若干量视频帧按行人检测模块的输入格式进行保存，并输出到行人检测模块；S4：行人检测模块调用基于AI对应的行人检测算法，对图片进行批量检测、获取到图片中所有行人的数量和对应行人的位置信息数据，再将检测结果传递给聚类判定模块；S5：聚类判定模块调用基于AI的聚类算法进行聚类判定，并记录图片中的行人平均数和最大聚类平均数，上述数据输出到预警上报模块；S6：预警上报模块判定聚类判定模块输入的行人总数平均数和最大聚类人数的平均数，与自身预警阈值的大小关系，进行判定是预警上报还是直接忽略，具体的，当数据超过阈值数据时上报到相关管理部门的系统，反之忽略，预警内容包含报警位置、聚集人数、聚集时间和聚集图片，来达到在特定场景，特别是在晚上的人群聚集现象的预警作用。2.根据权利要求1所述的一种实时检测人群聚集的预警系统，其特征在于，数据输入模块...

【专利技术属性】
技术研发人员：张德祥，黄文，罗青青，
申请(专利权)人：成都数字家园科技有限公司，
类型：发明
国别省市：