本申请实施例公开了一种识别人群聚集的方法、装置及计算机可读存储介质，用于提高效率。本申请实施例方法包括：获取目标摄像头拍摄的视频流数据；将所述视频流数据输入预先训练完成的人头识别模型，得到标注人头框后的待检测图像序列，所述人头识别模型用于标注图像中的人头；获取所述待检测图像序列中的人头框的中心点坐标；计算所述待检测图像序列中各个人头框的面积；将所述中心点坐标和所述各个人头框的面积输入预先训练好的聚类模型，利用所述聚类模型对所述待检测图像序列逐张进行关于人头框的中心点的聚类，得到聚类结果；根据所述聚类结果确定是否发生人群聚集。
【技术实现步骤摘要】
本申请实施例涉及图像处理，尤其涉及一种识别人群聚集的方法、装置及计算机可读存储介质。
技术介绍
1、城市中聚集的人群一般存在这许多的安全隐患，诸如恐怖袭击、踩踏事件、暴力事件等，时刻威胁着人们的生命财产安全。如今，视频监控系统已经广泛分布在城市的各个角落，利用视频监控数据进行人群聚集识别，是监督人群聚集态势并采取合理措施减少人群聚集隐患发生的有效方法之一。
2、现有技术中，通常是人工观察视频监控画面，需要大量的人力监控是否发生了人群聚集的行为效率十分低下。
技术实现思路
1、本申请实施例提供了一种识别人群聚集的方法、装置及计算机可读存储介质，可以提高效率。
2、本申请实施例第一方面提供了一种识别人群聚集的方法，包括：
3、获取目标摄像头拍摄的视频流数据；
4、将所述视频流数据输入预先训练完成的人头识别模型，得到标注人头框后的待检测图像序列，所述人头识别模型用于标注图像中的人头；
5、获取所述待检测图像序列中的人头框的中心点坐标；
6、计算所述待检测图像序列中各个人头框的面积；
7、将所述中心点坐标和所述各个人头框的面积输入预先训练好的聚类模型，利用所述聚类模型对所述待检测图像序列逐张进行关于人头框的中心点的聚类，得到聚类结果；
8、根据所述聚类结果确定是否发生人群聚集。
9、可选的，所述利用所述聚类模型对所述待检测图像序列逐张进行关于人头框的中心点的聚类，得到聚类结果包括：</p>10、根据时间先后顺序获取所述待检测图像序列中的一张图像作为目标图像；
11、获取所述目标图像中的任意一个人头框的中心点作为目标点；
12、利用所述目标图像中各人头框的面积确定所述目标点的聚类目标点；
13、分别计算所述目标点与每个聚类目标点的距离；
14、基于所述目标点与每个聚类目标点的距离，利用所述聚类模型进行聚类，得到所述目标点的聚类结果；
15、重复执行获取目标点至利用所述聚类模型进行聚类的步骤，得到所述目标图像的聚类结果；
16、重复执行获取目标图像至利用所述聚类模型进行聚类的步骤，得到所述待检测图像序列的聚类结果。
17、可选的，所述将所述中心点坐标和所述各个人头框的面积输入预先训练好的聚类模型之前，所述方法还包括：
18、获取标注好人头框以及聚类结果的第一图像集；
19、利用所述第一图像集对初始化的聚类模型训练，并通过轮廓系数评估每次训练结束后的聚类模型，当训练结束后，得到训练完成的聚类模型。
20、可选的，所述根据所述聚类结果确定是否发生人群聚集包括：
21、判断所述聚类结果中是否存在大于或等于聚集阈值的类；
22、若是，则确定发生人群聚集。
23、可选的，所述确定发生人群聚集之后，所述方法还包括：
24、将大于或等于聚集阈值的类与聚集程度阈值比较，确定聚集程度。
25、可选的，所述确定发生人群聚集之后，所述方法还包括：
26、根据所述待检测图像序列中发生人群聚集的图像从所述视频流数据中截取出人群聚集片段；
27、将所述人群聚集片段保存。
28、可选的，所述将所述视频流数据输入预先训练好的人头识别模型之前，所述方法还包括：
29、获取目标检测区域的视频监控数据；
30、对所述视频监控数据进行预处理，得到标注好的人头帧图像集；
31、获取行业的人头标记图像集；
32、将所述人头帧图像集与所述人头标记图像集混合，得到第二图像集；
33、利用所述第二图像集对初始化的人头识别模型进行迭代训练，当训练结束后，得到训练完成的人头识别模型。
34、本申请实施例第二方面提供了一种识别人群聚集的装置，包括：
35、第一获取单元，用于获取目标摄像头拍摄的视频流数据；
36、标注单元，用于将所述视频流数据输入预先训练完成的人头识别模型，得到标注人头框后的待检测图像序列，所述人头识别模型用于标注图像中的人头；
37、第二获取单元，用于获取所述待检测图像序列中的人头框的中心点坐标；
38、计算单元，用于计算所述待检测图像序列中各个人头框的面积；
39、聚类单元，用于将所述中心点坐标和所述各个人头框的面积输入预先训练好的聚类模型，利用所述聚类模型对所述待检测图像序列逐张进行关于人头框的中心点的聚类，得到聚类结果；
40、确定单元，用于根据所述聚类结果确定是否发生人群聚集。
41、本申请实施例第三方面提供了一种识别人群聚集的装置，包括：
42、处理器、存储器、输入输出单元以及总线；
43、所述处理器与所述存储器、所述输入输出单元以及所述总线相连；
44、所述存储器中保存有程序，所述处理器调用所述程序执行第一方面及第一方面任意一种可能的实施方式中的方法。
45、本申请实施例第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质上保存有程序，所述程序在计算机上执行时使得所述计算机执行第一方面及第一方面任意一种可能的实施方式中的方法。
46、从以上技术方案可以看出，本申请实施例具有以下优点：
47、本申请实施例提供的方法，利用人头识别模型标注视频流数据中的图像帧的人头，得到待检测图像序列，再利用聚类模型进行聚类，得到聚类结果，通过聚类结果确定是否发生人群聚集。通过人工智能的方式检测视频流数据中是否发生人群聚集，不需要花费大量的人力进行监控，因此可以提高效率。并且，聚类模型是根据中心点坐标和人头框面积进行聚类的，可以减少将远处和近处的人误判为人群聚集的情况，有利于提高准确性。
本文档来自技高网...
【技术保护点】
1.一种识别人群聚集的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述利用所述聚类模型对所述待检测图像序列逐张进行关于人头框的中心点的聚类，得到聚类结果包括：
3.根据权利要求1所述的方法，其特征在于，所述将所述中心点坐标和所述各个人头框的面积输入预先训练好的聚类模型之前，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述聚类结果确定是否发生人群聚集包括：
5.根据权利要求4所述的方法，其特征在于，所述确定发生人群聚集之后，所述方法还包括：
6.根据权利要求4所述的方法，其特征在于，所述确定发生人群聚集之后，所述方法还包括：
7.根据权利要求1至6中任一项所述的方法，其特征在于，所述将所述视频流数据输入预先训练好的人头识别模型之前，所述方法还包括：
8.一种识别人群聚集的装置，其特征在于，包括：
9.一种识别人群聚集的装置，其特征在于，包括：
10.一种计算机可读存储介质，所述计算机可读存储介质上保存有程序，所述程序在计算机上执行时，使得所述计算机执行如权利要求1至7中任一项所述的方法。
...
【技术特征摘要】
1.一种识别人群聚集的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述利用所述聚类模型对所述待检测图像序列逐张进行关于人头框的中心点的聚类，得到聚类结果包括：
3.根据权利要求1所述的方法，其特征在于，所述将所述中心点坐标和所述各个人头框的面积输入预先训练好的聚类模型之前，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述聚类结果确定是否发生人群聚集包括：
5.根据权利要求4所述的方法，其特征在于，所述确定发生人群聚集之后，所述方...
【专利技术属性】
技术研发人员：洒科进，支婷，蔡惠民，丁洪鑫，谢红韬，
申请(专利权)人：中电科大数据研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。