[發(fā)明專利]一種基于深度學(xué)習(xí)的全天候視頻監(jiān)控方法

有效

• 申請?zhí)枺?/td>: 201410557880.2
• 申請日: 2014-10-20
• 公開（公告）號: CN104320617B
• 公開（公告）日: 2017-09-01
• 發(fā)明（設(shè)計）人: 黃凱奇;康運(yùn)鋒;曹黎俊;張旭
• 申請（專利權(quán)）人: 中國科學(xué)院自動化研究所
• 主分類號: H04N7/18
• 分類號: H04N7/18;G06T7/00
• 代理公司: 中科專利商標(biāo)代理有限責(zé)任公司11021
• 代理人: 宋焰琴

技術(shù)領(lǐng)域

本發(fā)明屬于模式識別技術(shù)領(lǐng)域，特別涉及一種基于深度學(xué)習(xí)的全天候視頻監(jiān)控方法，尤其適用于大流量人群狀態(tài)的分析。

背景技術(shù)

目前我國城市化水平已超過50％，大量流動人口的涌入使城市人口的密度越來越大，大規(guī)模人群活動變得日益頻繁，由于人流擁擠踩踏而發(fā)生重大事故的現(xiàn)象屢見不鮮。因此，如何對人群進(jìn)行監(jiān)控管理，在群體性事件發(fā)生的初期進(jìn)行主動識別和及時預(yù)警，成為當(dāng)前各個國家視頻監(jiān)控領(lǐng)域的研究熱點(diǎn)之一。為了更好地對群體性異常事件進(jìn)行識別和預(yù)警，從而減少災(zāi)難的發(fā)生，實時對人群規(guī)模變化的掌握是一個關(guān)鍵的因素?；谥悄芤曨l監(jiān)控的人群分析，是對特定監(jiān)控場景內(nèi)的運(yùn)動物進(jìn)行行為分析，可以對其行為規(guī)律作出描述，從而實現(xiàn)利用機(jī)器智能進(jìn)行異常事件自動檢測，還可以學(xué)習(xí)建立相關(guān)行為模型，為公共空間設(shè)計、智能環(huán)境等提供參考。然而，由于監(jiān)控場景的不同、攝像機(jī)安裝角度的差異、天氣以及日照強(qiáng)度的變化，使得智能監(jiān)控系統(tǒng)在全天候監(jiān)控時，發(fā)揮作用甚小。

卷積神經(jīng)網(wǎng)絡(luò)，作為一種深度學(xué)習(xí)方法，是為二維圖像處理而特別設(shè)計的一個多層感知器。它具有一些傳統(tǒng)技術(shù)所沒有的優(yōu)點(diǎn)：良好的容錯能力、并行處理能力和自學(xué)能力，可處理環(huán)境信息復(fù)制，背景知識不清楚，推理規(guī)則不明確情況下的問題，允許有較大的缺損、畸變，運(yùn)行速度快，自適應(yīng)性能好，具有較高的分辨能力。因此，卷積神經(jīng)網(wǎng)絡(luò)，可以解決全天候監(jiān)控中的問題，可以保證智能監(jiān)控系統(tǒng)在各種情況下的較高的穩(wěn)定的準(zhǔn)確率。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于深度學(xué)習(xí)的全天候視頻監(jiān)控方法，可以全天候的分析視頻中人群狀態(tài)，尤其是人群的數(shù)量。

為了實現(xiàn)上述目的，本發(fā)明提出的一種基于深度學(xué)習(xí)的全天候視頻監(jiān)控方法包括以下步驟：

步驟1，實時采集視頻流，基于得到的視頻流通過線采樣獲得多幅原始采樣圖樣本，以及速度采樣圖樣本；

步驟2，對于得到的速度采樣圖樣本進(jìn)行時空矯正；

步驟3，基于原始采樣圖和速度采樣圖，離線訓(xùn)練得到深度學(xué)習(xí)模型，所述深度學(xué)習(xí)模型包括分類模型和統(tǒng)計模型；

步驟4，利用所述步驟3得到的深度學(xué)習(xí)模型對于實時視頻流進(jìn)行人群狀態(tài)分析。

本發(fā)明與目前國內(nèi)外最新方法相比具有幾個明顯的優(yōu)點(diǎn)：1)對不同環(huán)境、光照強(qiáng)度、天氣情況以及攝像頭角度的不同設(shè)置，均具有良好的適應(yīng)性；2)對大流量人群涌出等人群擁擠環(huán)境，可以保證較高的準(zhǔn)確率；3) 計算量小，可以滿足實時視頻處理的要求。

附圖說明

圖1是本發(fā)明基于深度學(xué)習(xí)的全天候視頻監(jiān)控方法的流程圖；

圖2是本發(fā)明幾何校正的示意圖。

具體實施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，以下結(jié)合具體實施例，并參照附圖，對本發(fā)明進(jìn)一步詳細(xì)說明。

本發(fā)明的思想要點(diǎn)是：1)人進(jìn)出門(或虛擬門)行為，可以通過固定位置采樣將動態(tài)行為轉(zhuǎn)換成靜態(tài)圖片，以方便人群的分析；2)通過透視矯正以及速度矯正，使得該方法在不同攝像頭角度設(shè)置下保證較高的準(zhǔn)確率；3)深度學(xué)習(xí)模型有助于自動發(fā)現(xiàn)最有效的特征，并通過串聯(lián)多特征保證人群狀態(tài)分析的準(zhǔn)確率在不同場景下的穩(wěn)定性。下面對于本發(fā)明中所涉及到的技術(shù)細(xì)節(jié)予以說明。

本發(fā)明基于深度學(xué)習(xí)的全天候視頻監(jiān)控方法的流程圖如圖1所示，如圖1所示，所述基于深度學(xué)習(xí)的全天候視頻監(jiān)控方法包括以下步驟：

步驟1，實時采集視頻流，基于得到的視頻流通過線采樣獲得多幅原始采樣圖樣本，以及速度采樣圖樣本；

在本發(fā)明一實施例中，為了統(tǒng)計的方便，首先，對于所述視頻流中的每幀圖像，在行人進(jìn)出門的位置處，設(shè)置一個寬度固定為n像素(在本發(fā)明一實施例中，n＝3)、長度覆蓋整個門的標(biāo)定線l_n，作為人進(jìn)出的虛擬門界限，其中，所述標(biāo)定線的位置根據(jù)視頻場景中需要統(tǒng)計人數(shù)的位置而定，其可以是任意角度，優(yōu)選為與門的長度方向垂直，比如，如果門正對著攝像頭，則標(biāo)定線可設(shè)置為橫向放置，如果門與攝像頭的拍攝方向垂直，則標(biāo)定線可設(shè)置為縱向放置；然后，提取所述視頻流中每隔f(在本發(fā)明一實施例中，f＝2)幀的圖像F中所述標(biāo)定線覆蓋的像素，由于標(biāo)定線的寬度是n像素，因此每完成一次采樣，就會得到n行的像素數(shù)據(jù)，經(jīng)過固定時間間隔t(在本發(fā)明一實施例中，t＝300幀)，采樣得到的所有像素累積組成原始采樣圖像I，進(jìn)而對于視頻流可以得到多幅原始采樣圖樣本。在本發(fā)明一實施例中，按照時間采樣的順序，將采樣得到的每行圖像像素數(shù)據(jù)，由上到下按行填充，得到原始采樣圖像I。