[發(fā)明專利]視頻監(jiān)控中人群行為分析的方法及裝置

無效

• 申請?zhí)枺?/td>: 201510540230.1
• 申請日: 2015-08-28
• 公開（公告）號: CN105160313A
• 公開（公告）日: 2015-12-16
• 發(fā)明（設(shè)計）人: 匡金駿;顏?zhàn)?/a>;周曦;王秀英;賀光明;周祥東;石宇;易敏;魯江坤
• 申請（專利權(quán)）人: 中國科學(xué)院重慶綠色智能技術(shù)研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/02;H04N7/18
• 代理公司: 上海光華專利事務(wù)所 31219
• 代理人: 尹麗云

1.一種視頻監(jiān)控中人群行為分析的方法，其特征在于，包括：

獲取監(jiān)控區(qū)域內(nèi)的視頻流；

根據(jù)所述視頻流中每幀圖像的行人身高作為尺度基準(zhǔn)，將每幀圖像分成若干不同透視程度的圖像子塊；

提取所述圖像子塊的特征描述子，其中，所述特征描述子包含深層神經(jīng)網(wǎng)絡(luò)特征；

分類優(yōu)化所述深層神經(jīng)網(wǎng)絡(luò)特征，得到所述圖像子塊的向量特征集；

根據(jù)所述圖像子塊中向量特征集與圖像人數(shù)，建立不同核函數(shù)的SVR的數(shù)學(xué)模型；

根據(jù)所述圖像子塊中人群擁擠程度與稀疏程度，調(diào)用相應(yīng)的核函數(shù)到數(shù)學(xué)模型中，統(tǒng)計所述圖像子塊的人數(shù)；

采用攝像機(jī)標(biāo)定方法，獲取所述深層神經(jīng)網(wǎng)絡(luò)特征的坐標(biāo)向量；

對比前后兩幀所述圖像子塊的深層神經(jīng)網(wǎng)絡(luò)特征的位移，根據(jù)所述位移計算人群的移動方向與移動速度。

2.根據(jù)權(quán)利要求1所述的視頻監(jiān)控中人群行為分析的方法，其特征在于，所述提取所述圖像子塊的特征描述子，其中，所述特征描述子包括深層神經(jīng)網(wǎng)絡(luò)特征，具體包括：

將待分析的每幀圖像子塊縮放為同一大小的N×N像素的圖像；

再將每幀圖像分成2N個1/8N×1/8N像素的子圖像區(qū)域，每1/8N個相鄰的子圖像區(qū)域可組成1個1/4N×1/4N的圖像，每幀圖像子塊共包括2N-15個子圖像子塊；

根據(jù)15°的精度統(tǒng)計每個子圖像子塊在0-180°內(nèi)的深層神經(jīng)網(wǎng)絡(luò)特征，并將歸一化后的深層神經(jīng)網(wǎng)絡(luò)特征作為12維的局部特征；

串聯(lián)所有子圖像子塊的局部特征為12×(2N-15)維的圖像深層神經(jīng)網(wǎng)絡(luò)特征，以得到待分析的所述每幀圖像子塊的特征描述子。

3.根據(jù)權(quán)利要求1所述的視頻監(jiān)控中人群行為分析的方法，其特征在于，所述分類優(yōu)化所述深層神經(jīng)網(wǎng)絡(luò)特征，得到所述圖像子塊的向量特征集，具體包括：

調(diào)用分類器對所述圖像子塊中深層神經(jīng)網(wǎng)絡(luò)特征進(jìn)行分類優(yōu)化，其中，所述分類器包括WFS分類器與Simile分類器，所述WFS分類器對所述圖像子塊中深層神經(jīng)網(wǎng)絡(luò)特征進(jìn)行分類，所述Simile分類器對所述圖像子塊中深層神經(jīng)網(wǎng)絡(luò)特征進(jìn)行優(yōu)化；

當(dāng)所述WFS分類器對所述圖像子塊中深層神經(jīng)網(wǎng)絡(luò)特征進(jìn)行分類時，根據(jù)預(yù)先調(diào)測的WFS分類器按照K近鄰分類算法進(jìn)行分類，并用向量表示生成相應(yīng)的分類結(jié)果；

當(dāng)所述Simile分類器對所述圖像子塊中深層神經(jīng)網(wǎng)絡(luò)特征進(jìn)行優(yōu)化時，根據(jù)分類結(jié)果中的圖像特征與預(yù)先設(shè)置的參考圖像特征相似性，生成向量特征集。

4.根據(jù)權(quán)利要求1所述的視頻監(jiān)控中人群行為分析的方法，其特征在于，所述根據(jù)所述圖像子塊中向量特征集與圖像人數(shù)，建立不同核函數(shù)的SVR的數(shù)學(xué)模型，具體包括：

采用支撐向量回歸機(jī)制，建立所述圖像子塊中向量特征集與圖像人數(shù)之間的SVR數(shù)學(xué)模型，獲取不同核函數(shù)的SVR數(shù)學(xué)模型，其中，所述核函數(shù)包括線性函數(shù)與基核函數(shù)。

5.根據(jù)權(quán)利要求1所述的視頻監(jiān)控中人群行為分析的方法，其特征在于，所述根據(jù)所述圖像子塊中人群擁擠程度與稀疏程度，調(diào)用相應(yīng)的核函數(shù)到數(shù)學(xué)模型中，統(tǒng)計所述圖像子塊的人數(shù)，具體包括：

當(dāng)所述圖像子塊的人群表示為擁擠程度時，調(diào)用基核函數(shù)到數(shù)學(xué)模型中，計算所述圖像子塊中人群人數(shù)；當(dāng)所述圖像子塊的人群表示為稀疏程度時，調(diào)用線性函數(shù)到數(shù)學(xué)模型中，計算所述圖像子塊中人群人數(shù)。

6.根據(jù)權(quán)利要求1所述的視頻監(jiān)控中人群行為分析的方法，其特征在于，所述采用攝像機(jī)標(biāo)定方法，獲取所述深層神經(jīng)網(wǎng)絡(luò)特征的坐標(biāo)向量，具體包括：

采用攝像機(jī)標(biāo)定方法，將同一所述圖像子塊中的同一深層神經(jīng)網(wǎng)絡(luò)特征，通過所述轉(zhuǎn)換矩陣，將所述深層神經(jīng)網(wǎng)絡(luò)特征由攝像機(jī)坐標(biāo)系轉(zhuǎn)換為世界坐標(biāo)系，獲取所述深層神經(jīng)網(wǎng)絡(luò)特征的坐標(biāo)向量。

7.根據(jù)權(quán)利要求1所述的視頻監(jiān)控中人群行為分析的方法，其特征在于，對比前后兩幀所述圖像子塊的深層神經(jīng)網(wǎng)絡(luò)特征的位移，根據(jù)所述位移計算人群的移動方向與移動速度，具體包括：

獲取前后兩幀同一所述圖像子塊中同一深層神經(jīng)網(wǎng)絡(luò)特征坐標(biāo)向量，將所述深層神經(jīng)網(wǎng)絡(luò)特征的坐標(biāo)向量進(jìn)行差分運(yùn)算，獲取深層神經(jīng)網(wǎng)絡(luò)特征的位移；

根據(jù)所述位移的大小與方向、以及前后兩幀圖像子塊之間的時間差，計算所述圖像子塊中行人的移動速度與移動方向。