本发明专利技术公开了一种基于局部二值模式的视频中人群运动模式识别定位方法，主要解决了现有技术中存在的缺少一种对人群密集地不同局部区域内人群的运动模式进行分析识别的定位方法，使得不能对人群密集地的突发事件进行及时处理，不能满足实际需求的问题。该基于局部二值模式的视频中人群运动模式识别定位方法，通过将局部二值模式和光流法相结合，采用从下往上的思路，逐级识别人群视频中各局部区域的运动模式，并确定其空间位置及相关信息。通过上述方案，本发明专利技术达到了有效地描述具有一致运动模式的场景和多种运动模式并存的场景，进而更加细致和完善地分辨和提取复杂场景中人群的运动特征目的，具有很高的实用价值和推广价值。
【技术实现步骤摘要】
本专利技术涉及一种识别定位方法，具体地说，是涉及一种。
技术介绍
随着社会的发展，全球各地的人口数量飞速增长，据不完全统计，截止2013年全球人口数量已超过70亿，人口数量的剧增也伴随着人口密度的加大，各商圈、景区等地已成为高密度人群聚集地，同时也成为突发性事件的高发地。人群聚集流动模式的突变往往是突发性公共安全事件发生的先兆，当局部的群体聚集密度、流动速度及加速度超过一定极限时，微小的外力就会破坏群流平衡，造成碰撞、阻塞、拥挤等失控场面，进而导致群体性踩踏伤亡事件的发生。因而，如何对公共场合的密集人群进行有效管制，不仅涉及到人群个体安全，也将影响到社会的和谐稳定。现今，为避免群体活动中由于人群过分集中或运动模式突变而造成伤亡事件发生，相应的处置预案多以静态风险评估方法为主，从先期的主观预判出发，对预期的瓶颈区域进行事先改造、布置警力进行人工协调等。但当出现突发情况，如密集人群中个体摔倒，人群或人群中个体因惊吓发生恐慌，因激动出现骚乱等情况时，由于突发事件的不确定性，发生地并非总是在静态预期瓶颈区，预先的警力部署及资源配置反而会对遏制行动产生负作用，可见，先验性的静态评估手段已远远落后于社会的现实需求。视频监控技术的出现使动态风险评估方法逐步用于人群的管理和控制。利用摄像头实拍场景中的活动群体，通过人工实时观察监控场景中各区域人群的密集程度和运动模式，判断是否存在人群过分集中或人群运动模式的突变。与静态风险评估方法相比，监控系统+人工判断的人群监控模式能更快速合理地部署警力，分配资源，避免事故发生或控制事态扩大。然而，对监控场景的人工观察判断方式劳动强度大，主观随意性强，漏判和误判的几率较高，更重要的是无法对运动速度、运动模式等反映人群动态行为特点的参量给出量化分析与实时记录，不利于事故的客观调查分析。因此，如何利用图像/视频处理和模式识别技术自动准确的分类标记复杂场景中具有时空不确定性的人群运动模式及其随时空的演变就成为智能人群监控和管理领域的一个关键问题。但是迄今为止，相对于视频监控系统的迅速发展和普及，相应的人群视频中运动模式的自动准确分类定位技术却相对滞后，远不能满足智能视频监控领域对人群视频中人群运动模式进行自动分类与空间定位的要求。目前仅有的人群视频中运动模式分类识别技术是将整个监控场景作为一个整体，通过提取全局特征来识别整个场景属于哪种运动模式，尽管这种全局分析方法具有简单、直观等优点，但是将其用于复杂场景的人群视频时却存在严重的弊端，即这种基于整体的分析方法只能描述整个场景的平均运动模式，其判别结果包含位于各局部空间位置的所有运动模式的共同贡献，却忽略了场景中不同局部区域可能出现不同运动模式的现象，更无法准确定位各运动模式的具体空间位置，从而难以捕捉场景中的高危敏感点。从根本上来说，产生这些弊端的主要原因在于这种基于整体的分析方法缺乏人群运动的空间位置分辨能力，不具备局部人群运动的辨识优势。
技术实现思路
本专利技术的目的在于提供一种，主要解决现有技术中存在的缺少一种对人群密集地不同局部区域内人群的运动模式进行分析识别的定位方法，使得不能对人群密集地的突发事件进行及时处理，不能满足实际需求的问题。为了实现上述目的，本专利技术采用的技术方案如下: ，包括以下步骤: (1)使用摄像头获取一段人群场景视频； (2)利用光流法计算视频中每帧图像，即每一副静止的图像的密集光流图像； (3)将每帧密集光流图像划分为一个以上NXN大小的不重叠单元；(4)基于全局运动和局部相对运动计算每一NXN大小的单元中心点的局部二值模式LBP ； (5)根据所得的局部二值模式LBP将各单元识别为无运动、同方向运动、反方向运动、从中心散开、汇聚至中心、绕中心转动六种不同的运动模式； (6)以步骤(5)的结果为基础，对步骤(2)中的密集光流图像做下采样，即将一个单元看做一个像素点，构建一幅宽和高分别为原始图像N分之一的新光流图像； (7)重复步骤(3)?步骤(6)—次以上，获得最终的运动图； (8)使用区域增长算法分割运动光流场中的各运动模式所占区域，并获取各运动模式的位置和面积信息。所述步骤(2)中的光流法为Horn&Schunck算法、Lucas&Kanade算法、GunnarFarneback算法和Simple Flow算法中的任意一种。考虑到实际情况，所述步骤(3)中，若密集光流图像的高或宽不是N的整数倍，则采用补零、反折或边界拷贝法将光流场的宽或高扩展到N的整数倍。进一步地，所述步骤(4)中，全局运动采用单元中各点的光流值，局部相对运动采用单元中各点的速度在该点与中心点连线方向的投影，并采用旋转不变均匀模式作为最终的局部二值模式LBP的计算方法。更进一步地，所述步骤(5)中，采用分类器对各单元的运动模式进行分类，所述分类器采用的分类方法为近邻法、K-近邻法、贝叶斯决策法、神经网络算法和支撑向量机算法中的任意一种。作为优选，所述步骤(7)中，步骤(3)?步骤(6)的重复次数为广8次。所述步骤(7)中，步骤(3)?步骤(6)的重复次数为3?4次。具体地说，所述步骤(8)中，各运动模式的处理原则为:两个相邻的无运动单元划归为同一区域；两个相邻的同方向运动单元若运动方向一致，则划归为同一区域；两个相邻的反方向运动单元若运动方向一致或相反，则归并至同一区域；其他模式不执行归并操作。与现有技术相比，本专利技术具有以下有益效果: (I)本专利技术克服了目前人群运动行为模式分类技术的缺点与不足，通过自下而上的方式对人群在场景中多种运动模式进行更为细致的分析与描述，精细地揭示了人群在局部空间位置的运动状况，从而为自动化、客观化的人群安全管理与监控系统提供更有力的技术支持。【附图说明】图1为本专利技术的流程示意图。【具体实施方式】下面结合附图和实施例对本专利技术作进一步说明，本专利技术的实施方式包括但不限于下列实施例。实施例为了解决现有技术中存在的缺少一种对人群密集地不同局部区域内人群的运动模式进行分析识别的定位方法，使得不能对人群密集地的突发事件进行及时处理，不能满足实际需求的问题，如图1所示，本专利技术公开了一种，通过将局部二值模式和光流法相结合，采用从下往上的思路，逐级识别人群视频中各局部区域的运动模式，并确定其空间位置及相关信息，其具体实现步骤如下: 步骤一 使用摄像头获取一段人群场景视频，在视频的获取过程中，帧率、帧分辨率以及场景中行人的尺寸由摄像头的技术参数和安装位置确定； 步骤二 利用光流法(如 Horn&Schunck 算法、Lucas&Kanade 算法、Gunnar Farneback 算法或Simple Flow算法等)计算视频中每巾贞图像的运动光流场,这里也称之为密集光流场； 步骤三 将步骤二中获得的运动光流场划分为NXN大小的不重叠单元，单元划分过程中，单元的大小由原始帧的分辨率、摄像头的拍摄焦距及摄像头和拍摄场景的距离决定(一般为3-7)，如果图像的高或宽不是N的整数倍，则用边界拓展法(如补零、反折或边界拷贝)将光流场的宽或高扩展到N的整数倍； 步骤四 基于全局运动和局部相对运动计算每一 NXN大小的单元中心点的局部二值模式(Local Bin本文档来自技高网...
【技术保护点】
基于局部二值模式的视频中人群运动模式识别定位方法，其特征在于，包括以下步骤：（1）使用摄像头获取一段人群场景视频；（2）利用光流法计算视频中每帧图像，即每一副静止的图像的密集光流图像；（3）将每帧密集光流图像划分为一个以上N×N大小的不重叠单元；（4）基于全局运动和局部相对运动计算每一N×N大小的单元中心点的局部二值模式LBP；??（5）根据所得的局部二值模式LBP将各单元识别为无运动、同方向运动、反方向运动、从中心散开、汇聚至中心、绕中心转动六种不同的运动模式；（6）以步骤（5）的结果为基础，对步骤（2）中的密集光流图像做下采样，即将一个单元看做一个像素点，构建一幅宽和高分别为原始图像N分之一的新光流图像；（7）重复步骤（3）~步骤（6）一次以上，获得最终的运动图；（8）使用区域增长算法分割运动光流场中的各运动模式所占区域，并获取各运动模式的位置和面积信息。
【技术特征摘要】
1.基于局部二值模式的视频中人群运动模式识别定位方法，其特征在于，包括以下步骤: (1)使用摄像头获取一段人群场景视频； (2)利用光流法计算视频中每帧图像，即每一副静止的图像的密集光流图像； (3)将每帧密集光流图像划分为一个以上NXN大小的不重叠单元； (4)基于全局运动和局部相对运动计算每一NXN大小的单元中心点的局部二值模式LBP ； (5)根据所得的局部二值模式LBP将各单元识别为无运动、同方向运动、反方向运动、从中心散开、汇聚至中心、绕中心转动六种不同的运动模式； (6)以步骤(5)的结果为基础，对步骤(2)中的密集光流图像做下采样，即将一个单元看做一个像素点，构建一幅宽和高分别为原始图像N分之一的新光流图像； (7 )重复步骤(3 )?步骤(6 ) —次以上，获得最终的运动图； (8)使用区域增长算法分割运动光流场中的各运动模式所占区域，并获取各运动模式的位置和面积信息。2.根据权利要求1所述的基于局部二值模式的视频中人群运动模式识别定位方法，其特征在于，所述步骤(2)中的光流法为Horn&Schunck算法、Lucas&Kanade算法、GunnarFarneback算法和Simple Flow算法中的任意一种。3.根据权利要求1所述的基于局部二值模式的视频中人群运动模式识别定位方法，其特征在于，所述步骤(3)中，若密集光流图像的...
【专利技术属性】
技术研发人员：李晓华，张卫华，周激流，
申请(专利权)人：四川大学，
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。