[發明專利]視頻監控中人群行為分析的方法及裝置

無效

• 申請號: 201510540230.1
• 申請日: 2015-08-28
• 公開（公告）號: CN105160313A
• 公開（公告）日: 2015-12-16
• 發明（設計）人: 匡金駿;顏卓;周曦;王秀英;賀光明;周祥東;石宇;易敏;魯江坤
• 申請（專利權）人: 中國科學院重慶綠色智能技術研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/02;H04N7/18
• 代理公司: 上海光華專利事務所 31219
• 代理人: 尹麗云

技術領域

本發明屬于視頻監控技術領域，特別是涉及一種視頻監控中人群行為分析的方法及裝置。

背景技術

視頻監控是安全防范系統的重要組成部分，它是一種防范能力較強的綜合系統。視頻監控以其直觀、準確、及時和信息內容豐富而廣泛應用于許多場合。近年來，隨著計算機、網絡以及圖像處理、傳輸技術的飛速發展，視頻監控技術也有了長足的發展。通過視頻監控對“人群整體特征”進行分析，實現對“人群異常聚集”和“特殊人群特征”等的實時監測和預警，及時發現人群擁堵和預防群體性事件、非法集會等具有重要的意義，是維護公共場所人員安全的重要手段。

然而，現有的針對人群密度與人數統計的方法主要為兩種，其中，一種是基于像素統計的人群特征提取，通過對全局特征和內部邊緣特征的研究，分析人群的數量和遮擋關系；另一種是基于紋理分析的人群特征提取，通過對不同密度人群所體現出來的模式不同進行人群密度分析，同時結合基于人體分割技術進行人數統計，獲取人數信息。上述兩種方法通過前景像素提取、前景像素邊緣分析及像素紋理特征分析的人群密度和人數統計分析技術只適合分析低密度人群或者高密度人群。究其原因在于：在視頻監控錄像時，會隨著時間的不同，導致在不同時間段內出現不同程度的人群擁擠，現有的監控方法不能既適合低密度人群也適合高密度人群的行為分析，同時，不能通過視頻監控準確獲取人群的特征信息。

發明內容

鑒于以上所述現有技術的缺點，本發明的目的在于提供一種視頻監控中人群行為分析的方法及裝置，用于解決低密度人群與高密度人群的視頻監控中通用人群行為分析；同時，輸出視頻監控中人群數目、人群移動速度與移動方向。

為實現上述目的及其他相關目的，本發明提供一種視頻監控中人群行為分析的方法，包括：

獲取監控區域內的視頻流；

根據所述視頻流中每幀圖像的行人身高作為尺度基準，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網絡特征；

分類優化所述深層神經網絡特征，得到所述圖像子塊的向量特征集；

根據所述圖像子塊中向量特征集與圖像人數，建立不同核函數的SVR的數學模型；

根據所述圖像子塊中人群擁擠程度與稀疏程度，調用相應的核函數到數學模型中，統計所述圖像子塊的人數；

采用攝像機標定方法，獲取所述深層神經網絡特征的坐標向量；

對比前后兩幀所述圖像子塊的深層神經網絡特征的位移，根據所述位移計算人群的移動方向與移動速度。

發明的另一目的還在于提供一種視頻監控中人群行為分析的裝置，所述裝置包括：

獲取模塊，適用于獲取監控區域內的視頻流；

分塊模塊，適用于根據所述視頻流中每幀圖像的行人身高作為尺度基準，將每幀圖像分成若干不同透視程度的圖像子塊；

提取模塊，適用于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卷積神經網絡；

分類優化模塊，適用于分類優化所述深層神經網絡特征，得到所述圖像子塊的向量特征集；

模型建立模塊，適用于根據所述圖像子塊中向量特征集與圖像人數，建立不同核函數的SVR的數學模型；

統計模塊，適用于根據所述圖像子塊中人群擁擠程度與稀疏程度，調用相應的核函數到數學模型中，統計所述圖像子塊的人數；

轉換模塊，適用于采用攝像機標定方法，獲取所述深層神經網絡特征的坐標向量；

計算模塊，適用于對比前后兩幀所述圖像子塊的深層神經網絡特征的位移，根據所述位移計算人群的移動方向與移動速度。

如上所述，本發明為一種視頻監控中人群行為分析的方法及裝置，具有以下有益效果：

根據從監控視頻中獲取視頻流，將所述視頻流中每幀圖像按照行人身高作為尺度基準，將每幀圖像分成若干不同透視程度的圖像子塊，提取所述圖像子塊中深層神經網絡特征，采用WFS分類器與Simile分類器分類優化所述深層神經網絡特征，得到對應的特征向量集，調用預先建立不同核函數的SVR的數學模型，根據所述圖像子塊中人群擁擠程度與稀疏程度，調用相應的核函數到數學模型中，統計所述圖像子塊的人數；采用攝像機標定方法，獲取所述深層神經網絡特征的坐標向量，對比前后兩幀所述圖像子塊的深層神經網絡特征的位移，根據所述位移計算人群的移動方向與移動速度。通過對視頻圖像中的進行人群運動的分析跟蹤，獲取監控區域內量化地的人群移動速度、密度、人數等特征信息，同時與歷史數據分析比較，對人群態勢做出判斷，對異常事件報警。