【技术实现步骤摘要】
—种基于微行为分析的密集人群异常行为检测方法
本专利技术属于视频中密集人群行为识别领域，特别是涉及到一种基于微行为分析的密集人群共同行为的识别和异常处理方法，该方法可以应用于车站、商场以及应急入、出口等人群流动比较大的地方。
技术介绍
密集人群场景的视频分析对计算机视觉技术提出了巨大的挑战。现实生活中高密度的环境使得单个物体的识别和跟踪不切实际。在不清楚个体行为的情况下理解密集人群行为是非常危险的。密集人群行为智能检测技术有着广泛的应用，比如说，可以预言拥塞状况，避免悲剧的发生。目前视频监控技术(应用于车站、道路、商场等等场合)注意力主要集中在检测或者跟踪单个目标，人数的计算，识别或分割不同区域的运动，或者是人群异常检测，缺乏具体分析密集人群行为的能力。由于其复杂性，对于高密度人群场景分析中所遇到的问题的处理能力是有限的。因此如何有效识别密集人群行为是值得学者深入研究的技术问题。按照常理，行为分析和场景理解涉及到目标识别、跟踪和行为识别。这种方法要求运用底层运动信息，表观特征，或者目标轨迹，在低密度的人群场景中有较好的性能，但是在现实生活中高密度场景中并不适用。目标跟踪也是一个棘手的问题，由于计算开销或者不可靠性，所适用的方法通常不适用于多目标跟踪。因此，研究者提出了一个整体方法来进行行为分析和场景理解，这样可以避免了跟踪和直接利用特征，不需要处理呈现出来的运动的轨迹。这种方法需要多分辨率直方图、时空立方体、表观或者运动描述子等等特征。另一个方法是基于动态纹理的表示方法，在这种方法中，将表观和动态性相结合建立模型，以此来检测人群场景中异常现象。虽然...
【技术保护点】
一种基于微行为的密集人群异常行为检测方法，包括如下步骤：（1）输入视频序列，根据视频中人所占据的空间的大小????????????????????????????????????????????????，按照比例将原大小为的视频图像分割成个块，其中，代表横向分割块数，代表纵向分割块数，将每一个图像块的中心像素作为采样点，组成尺寸大小为的采样图像；（2）通过计算粒子流定义的动态系统，获得特定位置粒子的速度信息，该特定位置粒子能够反映密集人群实际场景中不同的个体的采样点，其中，，在这里x,?y指的是粒子的位置，u和v分别代表在x,?y方向上的速度，表示时间；（3）利用动态系统提供的信息，计算采样点的梯度矩阵：：其中为特征方程，?和是其特征值，，?，，其中，?是矩阵的迹，?是矩阵的行列式，通过适当的采样，梯度矩阵能够很好的描述局部人群聚合离散趋势；（4）通过?和?分析每个采样点的梯度矩阵的特征值，根据特征值谱和公差将采样点着色；并且根据特征值谱将对应的采样点标记成对应的人群微行为；?（5）构建时空立方体：整个视频被统一分为不重叠的小片段，每个长度间隔I帧，将大小为的采样图像分为块，每一块的大...
【技术特征摘要】
1.一种基于微行为的密集人群异常行为检测方法，包括如下步骤:(1)输入视频序列，根据视频中人所占据的空间的大小mχ β ,按照比例将原大小为K ?的视频图像分割成F U个块，其中， 2.如权利要求1所述的基于微行为的密集人...
【专利技术属性】
技术研发人员：章东平，徐娇，李世忠，彭怀亮，
申请(专利权)人：中国计量学院，
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。