一種基于fast的人群異常行為識(shí)別方法
【專(zhuān)利摘要】本發(fā)明屬于屬于計(jì)算機(jī)視覺(jué)領(lǐng)域，公開(kāi)了一種基于FAST的人群異常行為識(shí)別方法，包括：將視頻流圖像轉(zhuǎn)換為圖片數(shù)據(jù)；對(duì)圖像進(jìn)行增強(qiáng)預(yù)處理；建立混合高斯背景模型；進(jìn)行FAST角點(diǎn)檢測(cè)；計(jì)算角點(diǎn)協(xié)方差矩陣，根據(jù)矩陣行列式的值I得到人群面積變化曲線S；將每一個(gè)I值及曲線S上與該I值對(duì)應(yīng)的斜率值構(gòu)成的特征向量輸入支持向量機(jī)中，進(jìn)行人群行為分析和模型訓(xùn)練得到人群行為預(yù)測(cè)值P；根據(jù)P值得到人群行為結(jié)果，并對(duì)人群的異常行為進(jìn)行分類(lèi)識(shí)別。本發(fā)明針對(duì)傳統(tǒng)方法的不足，將人群角點(diǎn)特征作為一個(gè)整體的特征來(lái)研究不同人群情況，通過(guò)協(xié)方差矩陣的計(jì)算，建立人群行為模型，得到不同人群的行為情況?？捎糜诎卜辣O(jiān)控、資源管理等領(lǐng)域。
【專(zhuān)利說(shuō)明】—種基于FAST的人群異常行為識(shí)別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于計(jì)算機(jī)視覺(jué)領(lǐng)域，涉及一種基于FAST (features from acceleratedsegment test，加速分割檢測(cè)特征）的人群異常行為識(shí)別方法。
【背景技術(shù)】
[0002]隨著經(jīng)濟(jì)技術(shù)的飛速發(fā)展，旅游景點(diǎn)及火車(chē)站、地鐵站等公共交通系統(tǒng)中常常出現(xiàn)人流高峰，高密度人群給交通安全帶來(lái)了極大的隱患。因此，對(duì)人群進(jìn)行監(jiān)控，識(shí)別人群異常行為，并采取適當(dāng)?shù)陌踩胧┮韵鹿孰[患顯得尤為重要。
[0003]通常情況下，以人作為目標(biāo)的異常行為分析包括兩個(gè)方面：一是對(duì)目標(biāo)個(gè)體或少量目標(biāo)的異常行為分析；二是對(duì)人數(shù)較多的群體異常事件分析。
[0004]目前，人群的行為分析方法有基于整體特征的分析方法、基于個(gè)體特征的分析方法、光流法等。
[0005]Shah利用拉格朗日粒子動(dòng)態(tài)系統(tǒng)對(duì)人流進(jìn)行行為分析，是典型的基于整體特征的分析方法。利用整體特征分析方法對(duì)高密度人群的分割分析可以取得理想的效果，但實(shí)時(shí)性較差。Tom Drummond等人提出利用FAST角點(diǎn)特征對(duì)目標(biāo)整體進(jìn)行分析，F(xiàn)AST角點(diǎn)是一種啟發(fā)式的、簡(jiǎn)單快速的角點(diǎn)探測(cè)算法即FAST角點(diǎn)檢測(cè)，F(xiàn)AST算法檢測(cè)速度快?？蓱?yīng)用于實(shí)時(shí)視頻處理。
[0006]Antonio等利用基于個(gè)體特征的分析方法，提出一種以角點(diǎn)為特征，結(jié)合角點(diǎn)之間的聯(lián)合運(yùn)動(dòng)向量，對(duì)人群運(yùn)動(dòng)的行為速度進(jìn)`行分析。該方法的優(yōu)點(diǎn)是對(duì)與低密度人群可以取得理想的效果，缺點(diǎn)是只能應(yīng)用于人群速度的分析。
[0007]在光流法的研究中，Ihaddadene利用每幀圖像的光流向量聚類(lèi)程度來(lái)描述擁擠場(chǎng)景的位置重疊程度，對(duì)人群的行為進(jìn)行分析，該方法在單一性方向的情況下應(yīng)用效果較好。Andrade等人結(jié)合主成分分析、HMM、譜聚類(lèi)等方法對(duì)圖像光流向量進(jìn)行分析，檢測(cè)人群的異常行為。Utasi等人利用統(tǒng)計(jì)濾波器對(duì)密集光流向量場(chǎng)進(jìn)行聚類(lèi)，對(duì)人群的行為進(jìn)行分析。光流法的缺點(diǎn)主要體現(xiàn)在計(jì)算速度相對(duì)于其它方法較慢，很多場(chǎng)合不能滿(mǎn)足實(shí)時(shí)需求。
[0008]目前，用于監(jiān)測(cè)系統(tǒng)的大多是單一視頻傳感器，圖像信息往往會(huì)受到除復(fù)雜背景、各類(lèi)噪聲、光照等因素的影響外，還存在射影畸形、攝像機(jī)角度變換等因素帶來(lái)的影響，對(duì)環(huán)境依賴(lài)性強(qiáng)，不能實(shí)現(xiàn)監(jiān)測(cè)全天候、低錯(cuò)率等。因此，高密度人群動(dòng)態(tài)監(jiān)測(cè)系統(tǒng)監(jiān)測(cè)實(shí)時(shí)性差；運(yùn)動(dòng)群體的分割是高密度人群研究的難點(diǎn)。

【發(fā)明內(nèi)容】

[0009]針對(duì)現(xiàn)有技術(shù)存在的高密度人群難分割，受復(fù)雜背景、各類(lèi)噪聲、光照等影響問(wèn)題，本發(fā)明提出了一種基于FAST的人群異常行為識(shí)別方法，根據(jù)人群運(yùn)動(dòng)的實(shí)時(shí)性和不同密度的準(zhǔn)確性，利用角點(diǎn)特征的協(xié)方差矩陣快速進(jìn)行人群行為識(shí)別。
[0010]為了實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案。
[0011]一種基于FAST的人群異常行為識(shí)別方法，其特征在于包括以下步驟：[0012]步驟一，將監(jiān)控的視頻流圖像數(shù)據(jù)轉(zhuǎn)換為圖片數(shù)據(jù)。
[0013]步驟二，對(duì)圖像進(jìn)行增強(qiáng)預(yù)處理。
[0014]對(duì)圖像進(jìn)行直方圖均衡化，借助直方圖變換實(shí)現(xiàn)灰度映射，從而達(dá)到圖像增強(qiáng)的目的。在角點(diǎn)檢測(cè)中，進(jìn)行直方圖均衡化的目的是保證每個(gè)灰度級(jí)的概率密度相等。對(duì)那些對(duì)比度比較大的圖像，先對(duì)其進(jìn)行直方圖均衡化，再進(jìn)行特征點(diǎn)檢測(cè)，使特征點(diǎn)分布更加均勻。對(duì)離散數(shù)字圖像Iz}，灰度為i的像素的出現(xiàn)概率為:
【權(quán)利要求】
1.一種基于FAST的人群異常行為識(shí)別方法，其特征在于包括以下步驟： 步驟一，將監(jiān)控的視頻流圖像數(shù)據(jù)轉(zhuǎn)換為圖片數(shù)據(jù)； 步驟二，對(duì)圖像進(jìn)行增強(qiáng)預(yù)處理； 對(duì)圖像進(jìn)行直方圖均衡化，借助直方圖變換實(shí)現(xiàn)灰度映射，從而達(dá)到圖像增強(qiáng)的目的；對(duì)離散數(shù)字圖像{z}，灰度為i的像素的出現(xiàn)概率為：
P 人
η 式中，η,表示灰度i出現(xiàn)的次數(shù)，O ^L, L是圖像中所有的灰度數(shù)，η是圖像中所有的像素?cái)?shù)，PxQ)為灰度為i的像素的歸一化直方圖； 步驟三，建立混合高斯背景模型，方法如下： (O建立背景像素序列 應(yīng)用多高斯模型法對(duì)每個(gè)像素用K個(gè)高斯模型進(jìn)行建模；步驟二處理后視頻幀序列為： 式中，/&/)為每一個(gè)單態(tài)高斯模型； Xt幀中每個(gè)像素點(diǎn)的概率為：

式中，K是所采用混合多高斯模型的具體個(gè)數(shù)，K值越大，處理像素值波動(dòng)的能力越強(qiáng)，但處理效率也相應(yīng)降低，因此，K 一般取3~5 ; ω i t是第i個(gè)高斯模型在t時(shí)刻的權(quán)重，U和Uut為第i個(gè)高斯模型在t時(shí)刻的均值和方差，G是高斯分布概率密度函數(shù)，其表達(dá)式為： (2)修正背景圖像 模型參數(shù)更新模型初始化任務(wù)完成后，在時(shí)刻t對(duì)視頻幀Xt的每個(gè)像素點(diǎn)的值與它對(duì)應(yīng)的混合高斯模型進(jìn)行匹配檢測(cè)： O如果像素值與混合高斯模型中第i個(gè)高斯分布均值[的差值的絕對(duì)值小于其標(biāo)準(zhǔn)差的2. 5倍，則定義該高斯分布與像素值匹配，采用標(biāo)準(zhǔn)差的2. 5倍這個(gè)閾值可有效地降低周期性的光線變化所帶來(lái)的影響； 2)如果該像素至少與混合高斯模型中的一個(gè)高斯分布匹配，混合高斯模型的參數(shù)更新規(guī)則為：對(duì)于不匹配的高斯分布，它們的均值和協(xié)方差矩陣Tm保持不變；匹配的高斯分布的均值；和協(xié)方差矩陣Tiit的表達(dá)式為：μ =(丨丨 +PxtTu = (1 - p)1., + ciiag[p (X, -J (X: - a., )p = aG,(xt/Ju_lJu_iy002 ;MJaA%t WM =
wi,t = (1-Q ) wi,t-1+a (Mi;t)W?it?{?EK,SP^Mi;tiêu ;^PJMi;tmo ;
pm 0, M FAST ? ?Ma, Tj 'ììittT:FAST #|iE? & M*tftfc￡ilí￡##íIJí￡zjíJ @ UFAST;?l^fH^?l Bresenham |I|,1 ~ 16 ;^?Jür? 16:
N = iKx)-1(p) I > e d (1)￡dM^?^tMSt ; e d 0< e d<100, ?XI^JMit e d nT^fêifrjilMmüm? ;d );ifmt
D, D %—iii?^éKJ?v*/(x, y),: w P? (*<>’) s.MyJ
X,y S?,(x,y) S}y(x,y)_ ?43- sxxX éKj^jil, syyy éKj^jü, Sxyfe(x, y) m^Tl^ ;
I = I Sxx (x, y) X Syy (x, y) -Sxy (x, y)2mmxmmP?mm s ;i f--M s iit:
P= (T, D)式中，D為攝像機(jī)與人群的距離，P為人群行為預(yù)測(cè)值，P的取值范圍為-100~100 ；步驟七，根據(jù)步驟六的P值得到人群行為結(jié)果pbdwi.，根據(jù)pbdwi_對(duì)人群的異常行為進(jìn)行分類(lèi)識(shí)別。
2.根據(jù)權(quán)利要求1所述的一種基于FAST的人群異常行為識(shí)別方法，其特征在于，步驟七中的Pb—為所述人群行為預(yù)測(cè)值P的差值，取差值的序列幀范圍一般在10~80幀之間。
3.根據(jù)權(quán)利要求1或2所述的一種基于FAST的人群異常行為識(shí)別方法，其特征在于，人群的各種不同行為對(duì)應(yīng)的Pb-值為: 人群是正常行走時(shí)，Pbehaviour 一般在2~10之間； 人群原地活動(dòng)時(shí)，Pbehaviour 一般在-2~2之間； 人群聚集時(shí)，Pbehaviour 一般在-2~-70之間； 人群疏散時(shí)，Pbehaviour 一般在8~100之間； 根據(jù)Pb—的取值范圍可對(duì)以下的人群行為進(jìn)行分類(lèi)識(shí)別: (1)人群是正常行走還是聚集或疏散的識(shí)別； (2)人群聚集后原地活動(dòng)的識(shí)別； (3)人群聚集后正常行走的識(shí)別； (4)人群聚集后突然疏散的識(shí)別。
【文檔編號(hào)】G06K9/62GK103488993SQ201310437367
【公開(kāi)日】2014年1月1日 申請(qǐng)日期:2013年9月22日 優(yōu)先權(quán)日:2013年9月22日
【發(fā)明者】鮑泓, 劉宏哲, 徐成, 張璐璐, 趙文仙 申請(qǐng)人:北京聯(lián)合大學(xué)