一种基于贝叶斯网络的监控盲区人群状态推演方法技术

本发明专利技术公开了一种基于贝叶斯网络的监控盲区人群状态推演方法，其步骤为：捕获视频监控信号，设置各监控场景中的人群活动区域，获取视频监控人群图像并对人群活动区域进行地理空间映射处理；在地理参考下提取各监控场景的人群特征，包括人群密度、人群运动速度、人群流量，并分析地理环境下的群体运动趋势；利用人群特征、群体运动趋势与地理空间数据的关系，构建人群状态推演贝叶斯网络模型；基于已有的人群特征数据与贝叶斯网络模型，推演监控盲区的人群状态数据，包括人群流量、人群密度、人群运动速率，得到整个监控区域的人群状态空间格局。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了，其步骤为：捕获视频监控信号，设置各监控场景中的人群活动区域，获取视频监控人群图像并对人群活动区域进行地理空间映射处理；在地理参考下提取各监控场景的人群特征，包括人群密度、人群运动速度、人群流量，并分析地理环境下的群体运动趋势；利用人群特征、群体运动趋势与地理空间数据的关系，构建人群状态推演贝叶斯网络模型；基于已有的人群特征数据与贝叶斯网络模型，推演监控盲区的人群状态数据，包括人群流量、人群密度、人群运动速率，得到整个监控区域的人群状态空间格局。【专利说明】
本专利技术涉及，具体说，是在离散、稀疏布设有监控探头的露天道路型公众聚集场所，利用已有人群监控数据推演监控盲区的人群状态数据，得到该人群活动区域人群状态的空间格局。
技术介绍
公众聚集场所人群高度聚集、流动性大，构成了具有动态性、不确定性等特点的复杂地理场景。高密度聚集、流动的人群隐藏着巨大的安全隐患，时常发生拥挤踩踏等突发公共事件。随着社会的发展，世界各国政府已将视频监控技术的研究与应用上升到战略高度，在城市的各个角落安装了大量监控探头，所以，利用视频监控快速感知与监控突发公共事件是国内外公共安全保障重点关注的热点问题。现有利用视频的人群监控可分为人群密度监测和群体行为理解。目前利用视频对人群密度的研究，可分为基于像素的方法、基于纹理分析的方法和基于人体分割的方法三类。基于像素的方法最早由Davies在文章“基于图像处理的人群监控，，(Crowd monitoring using image processing, Electronics&Communication Engineering Journal, 1995, 7 (I): 37-47;《电子与通信工程杂志》，1995年，第7卷第I期，37-47)中提出，通过背景减提取人群前景，运用边缘检测法提取前景边缘像素数目，根据标定的人数拟合人群数量估计线性模型，将提取的前景边缘像素数输入估计模型可获得对应的人群数量。由于透视畸变效应的影响，人群前景像素与边缘像素数目随着其真实点距摄像机的远近产生近大远小现象。为消除透视效应，Ma等提出一种对人群前景图像进行透视校正处理进而估计人群数量的方法。该方法建立了透视校正后前景像素数和人群数量间的线性关系(On pixel count based crowd density estimation for visualsurveillance, Cybernetics and Intelligent Systems Proceedings，Singapore，l_3December2004;基于像素数的视频监控人群密度估计，2004年(国际控制与智能系统)学术会议论文集，新加坡，2004年12月1-3日)。基于像素的方法在人群密度较低时效果较好，随着密度增大，因行人间遮挡使得此类方法的线性关系不再成立。Marana等提出了基于纹理分析的人群密度估计方法(Automatic estimation of crowd density using texture, SafetyScience, 1998，28 (3): 165-175;基于纹理的人群密度自动估计，安全科学杂志，1998年，第28卷第3期，165-175)，此类方法认为:高密度人群在纹理上表现为细模式，低密度人群表现为粗模式。提取人群图像感兴趣区域的纹理特征，基于图像纹理分析，训练人群密度等级分类器，并使用分类器实现对人群密度的等级分类。人体分割法是在图像或视频序列中识别人群个体，进而统计人群数量。Lin等提出一种利用Haar小波变换和支持向量机相结合的人群密度估计方法(Estimation of numberof people in crowded scenes using perspective transformation, IEEE Transactionson Systems, Man and Cybernetics, Part A:Systems and Humans, 2001, 31(6):645 - 654;基于透视变换的人群数量估计，IEEE系统、人和控制论汇刊，A辑:系统与人类，2001年第31卷第6期，645-654)。此类方法的精度高于基于像素的方法和基于纹理分析的方法，但只能应用于人群密度很低的场景，当人群密度较高时，由于遮挡和聚集导致很难识别分割出人群个体。群体行为理解指通过人群分析对人群的运动模式与规律进行分析与识别，近年来已成为被广泛关注的研究热点。人群行为理解研究一般遵循运动特征提取与描述、行为识另丨J、高层行为与场景理解等基本流程(Video understanding framework for automaticbehavior recognition, Behavior Research Methods Journal,2006，38(3):416-426;基于视频的行为自动识别框架，行为研究方法杂志，2006年，第38卷第3期，416-426)。近年来，国内外学者提出了很多用于人群分析与理解的方法，总体来讲，可将其划分为基于人群个体分析和人群整体分析两种方法。基于人群个体的分析方法是通过分割或检测人群中的个体，并对个体间的运动模式进行分析实现对人群行为的理解。Bobick等提出利用模板匹配法识别人体运动，模板匹配法首先对输入图像序列进行特征提取，并将提取的特征与训练阶段预先保存的模板进行相似度比较，将与测试序列距离最小的模板所属类别，作为被测试序列的识别结果(The recognition of human movement using temporal templates, IEEE Transactionson Pattern Analysis and Machine Intelligence, 2001，23 (3): 257-267 ;基于时间模板的人体运动识别，模式分析与机器智能(IEEE Transactions), 2001年，第23卷第3期，257-267)。Cheriyadat等利用光流技术提取场景中的人群运动场，通过聚类分析挖掘出了运动轨迹与人群主体运动方向，并实现了对与主体运动方向不一致的异常行为检测(Detecting dominant motions in dense crowds, IEEE Journal of Selected Topics inSignal Processing, 2008, 2 (4):568-581;稠密人群的主体运动检测，信号处理ffiEE杂志精选，2008年，第2卷第4期，568-581)。基于人群整体的分析方法是把场景中人群作为一个整体，从整体角度出发分析与理解人群的行为模式。此类方法无需分割人群中的个体，较适合于拥挤复杂的高密度人群。Davies等将离散余弦变换与线性变换相结合，判断人群的静止与运动，并通过像素或图像块的移动特征来描述人群总体运动速度(包括方向和大小)(Crowdmonitoring using image processing,Electronics&Communication EngineeringJournal本文档来自技高网...

【技术保护点】
一种基于贝叶斯网络的监控盲区人群状态推演方法，其步骤为：第一步、捕获视频监控信号，设置各监控场景中的人群活动区域，获取视频监控人群图像并对人群活动区域进行地理空间映射处理；第二步、在地理参考下对各监控场景提取人群特征，包括人群密度、人群运动速度和人群流量，并分析地理环境下的群体运动趋势；第三步、根据人群特征、群体运动趋势与地理空间数据的关系，构建人群状态推演贝叶斯网络模型；第四步、基于已有的人群特征数据与贝叶斯网络模型，推演监控盲区的人群状态数据，包括人群流量、人群运动速率和人群密度，得到整个监控区域的人群状态空间格局。

【技术特征摘要】

【专利技术属性】
技术研发人员：宋宏权，刘学军，闾国年，张兴国，
申请(专利权)人：南京师范大学，
类型：发明
国别省市：