[發(fā)明專利]一種基于FAST的人群異常行為識別方法

有效

• 申請?zhí)枺?/td>: 201310437367.5
• 申請日: 2013-09-22
• 公開（公告）號: CN103488993A
• 公開（公告）日: 2014-01-01
• 發(fā)明（設計）人: 鮑泓;劉宏哲;徐成;張璐璐;趙文仙
• 申請（專利權）人: 北京聯(lián)合大學
• 主分類號: G06K9/54
• 分類號: G06K9/54;G06K9/62
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 張慧

技術領域

本發(fā)明屬于計算機視覺領域，涉及一種基于FAST(features?from?accelerated?segment?test，加速分割檢測特征)的人群異常行為識別方法。

背景技術

隨著經濟技術的飛速發(fā)展，旅游景點及火車站、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了極大的隱患。因此，對人群進行監(jiān)控，識別人群異常行為，并采取適當?shù)陌踩胧┮韵鹿孰[患顯得尤為重要。

通常情況下，以人作為目標的異常行為分析包括兩個方面：一是對目標個體或少量目標的異常行為分析；二是對人數(shù)較多的群體異常事件分析。

目前，人群的行為分析方法有基于整體特征的分析方法、基于個體特征的分析方法、光流法等。

Shah利用拉格朗日粒子動態(tài)系統(tǒng)對人流進行行為分析，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高密度人群的分割分析可以取得理想的效果，但實時性較差。Tom?Drummond等人提出利用FAST角點特征對目標整體進行分析，F(xiàn)AST角點是一種啟發(fā)式的、簡單快速的角點探測算法即FAST角點檢測，F(xiàn)AST算法檢測速度快?？蓱糜趯崟r視頻處理。

Antonio等利用基于個體特征的分析方法，提出一種以角點為特征，結合角點之間的聯(lián)合運動向量，對人群運動的行為速度進行分析。該方法的優(yōu)點是對與低密度人群可以取得理想的效果，缺點是只能應用于人群速度的分析。

在光流法的研究中，Ihaddadene利用每幀圖像的光流向量聚類程度來描述擁擠場景的位置重疊程度，對人群的行為進行分析，該方法在單一性方向的情況下應用效果較好。Andrade等人結合主成分分析、HMM、譜聚類等方法對圖像光流向量進行分析，檢測人群的異常行為。Utasi等人利用統(tǒng)計濾波器對密集光流向量場進行聚類，對人群的行為進行分析。光流法的缺點主要體現(xiàn)在計算速度相對于其它方法較慢，很多場合不能滿足實時需求。

目前，用于監(jiān)測系統(tǒng)的大多是單一視頻傳感器，圖像信息往往會受到除復雜背景、各類噪聲、光照等因素的影響外，還存在射影畸形、攝像機角度變換等因素帶來的影響，對環(huán)境依賴性強，不能實現(xiàn)監(jiān)測全天候、低錯率等。因此，高密度人群動態(tài)監(jiān)測系統(tǒng)監(jiān)測實時性差；運動群體的分割是高密度人群研究的難點。

發(fā)明內容

針對現(xiàn)有技術存在的高密度人群難分割，受復雜背景、各類噪聲、光照等影響問題，本發(fā)明提出了一種基于FAST的人群異常行為識別方法，根據(jù)人群運動的實時性和不同密度的準確性，利用角點特征的協(xié)方差矩陣快速進行人群行為識別。

為了實現(xiàn)上述目的，本發(fā)明采用以下技術方案。

一種基于FAST的人群異常行為識別方法，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)轉換為圖片數(shù)據(jù)。

步驟二，對圖像進行增強預處理。

對圖像進行直方圖均衡化，借助直方圖變換實現(xiàn)灰度映射，從而達到圖像增強的目的。在角點檢測中，進行直方圖均衡化的目的是保證每個灰度級的概率密度相等。對那些對比度比較大的圖像，先對其進行直方圖均衡化，再進行特征點檢測，使特征點分布更加均勻。對離散數(shù)字圖像{z}，灰度為i的像素的出現(xiàn)概率為：

px(i)=nin]]>

式中，n_i表示灰度i出現(xiàn)的次數(shù)，0≤i≤L，L是圖像中所有的灰度數(shù)，n是圖像中所有的像素數(shù)，p_x(i)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。

（1）建立背景像素序列

多高斯模型法對每個像素用K個高斯模型進行建模。步驟二處理后視頻幀序列為：

式中，為每一個單態(tài)高斯模型。

X_t幀中每個像素點的概率為：