[發明專利]地理環境下的群體行為模式分析與異常行為檢測方法

無效

• 申請號: 201310298084.7
• 申請日: 2013-07-16
• 公開（公告）號: CN103413321A
• 公開（公告）日: 2013-11-27
• 發明（設計）人: 宋宏權;劉學軍;閭國年;張興國
• 申請（專利權）人: 南京師范大學
• 主分類號: G06T7/20
• 分類號: G06T7/20
• 代理公司: 南京知識律師事務所 32207
• 代理人: 李媛媛

技術領域

本發明涉及一種地理環境下的群體行為模式分析與異常行為檢測方法，具體說，是一種利用視頻數據在地理環境下對人群運動狀態進行分析，并可在地理環境下檢測相關群體異常行為的方法。

背景技術

隨著社會經濟的快速發展，娛樂活動、展覽活動、體育賽事等大規模人群聚集活動頻繁出現，人群過于聚集時常導致擁擠踩踏等突發事件。視頻本身兼具時空、表達直觀、信息豐富、動態實時等特點，近年來，監控探頭已遍布城市的各個角落，利用視頻監控進行群體行為理解已成為研究熱點。因此，利用視頻數據實時監控人群的行為模式，可較好把握人群流動發展態勢，為安防部門有效管理人群提供科學依據。

群體行為理解指通過人群分析對人群的運動模式與規律進行分析與識別，近年來已成為被廣泛關注的研究熱點。人群行為理解研究一般遵循運動特征提取與描述、行為識別、高層行為與場景理解等基本流程（Video?understanding?framework?for?automatic?behavior?recognition,Behavior?Research?Methods?Journal,2006,38(3):416-426;基于視頻的行為自動識別框架，行為研究方法雜志，2006年，第38卷第3期，416-426）。運動特征提取與描述是在對動態目標檢測、分類與跟蹤的基礎上，利用圖像的相關特征描述目標的運動特征信息；行為識別是利用圖像序列提取目標的運動特征，并將其與參考圖像序列的特征進行匹配，根據匹配結果分析動態目標的行為模式；高層行為與場景理解是將行為模式的相關知識與場景信息相結合，判斷人群的復雜行為模式，從而實現對時間與場景的理解。對于特定環境下的人群，通常利用主要方向、速度、異常運動等信息檢測人群異常行為。近年來，國內外學者提出了很多用于人群分析與理解的方法，總體來講，可將其劃分為基于人群個體分析和人群整體分析兩種方法。

基于人群個體的分析方法是通過分割或檢測人群中的個體，并對個體間的運動模式進行分析實現對人群行為的理解。如若存在某個行人的運動方向與人群運動主方向相反，則可判斷存在潛在危險。Bobick等提出利用模板匹配法識別人體運動，模板匹配法首先對輸入圖像序列進行特征提取，并將提取的特征與訓練階段預先保存的模板進行相似度比較，將與測試序列距離最小的模板所屬類別，作為被測試序列的識別結果（The?recognition?of?human?movement?using?temporal?templates,IEEE?Transactions?on?Pattern?Analysis?and?Machine?Intelligence,2001,23(3):257-267；基于時間模板的人體運動識別，模式分析與機器智能（IEEE?Transactions），2001年，第23卷第3期，257-267）。Jacques等提出了一種利用計算機視覺技術主動/被動式人群檢測與分類算法，采用Voronoi圖對俯視攝像機的監控場景進行人群個體跟蹤，定量化描述個體空間這一社會學概念（Understanding?people?motion?in?video?sequences?using?voronoi?diagrams,Pattern?Analysis&Applications,2007,10(4):321-332;序列視頻中利用Voronoi圖的人體運動理解，模式分析與應用，2007年，第10卷第4期，321-332）。Cheriyadat等利用光流技術提取場景中的人群運動場，通過聚類分析挖掘出了運動軌跡與人群主體運動方向，并實現了對與主體運動方向不一致的異常行為檢測（Detecting?dominant?motions?in?dense?crowds,IEEE?Journal?of?Selected?Topics?in?Signal?Processing,2008,2(4):568-581；稠密人群的主體運動檢測，信號處理IEEE雜志精選，2008年，第2卷第4期，568-581）。Wang等提出了基于非監督學習的復雜場景中人群行為與相互作用建模方法，可用于檢測監控場景中的異常行為，可將人群運動分割為不同類型的行為狀態等。基于個體的分析方法只適用于低密度人群場景，對于人群密度較高的監控場景，由于遮擋與重疊等現象，采用基于個體分析方法無法實現對人群行為的分析與理解（Unsupervised?activity?perception?in?crowded?and?complicated?scenes?using?hierarchical?Bayesian?models,IEEE?Transactions?on?Pattern?Analysis?and?Machine?Intelligence,2009,31(3):539-555;擁擠復雜場景下基于層次貝葉斯模型的非監督行為識別，模式分析與機器智能（IEEETransactions），2009年，第31卷第3期，539-555）。