[發明專利]基于余弦角距離加權復雜網絡的小規模人群行為識別方法

在審

• 申請號: 201710125203.7
• 申請日: 2017-03-03
• 公開（公告）號: CN106934358A
• 公開（公告）日: 2017-07-07
• 發明（設計）人: 張旭光;郭江利
• 申請（專利權）人: 燕山大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 秦皇島一誠知識產權事務所(普通合伙)13116
• 代理人: 李合印

技術領域

本發明涉及智能監控與視頻分析領域，尤其是一種采用余弦角距離構成加權復雜網絡來識別小規模人群行為的方法。

背景技術

人群行為識別漸漸成為計算機視覺領域和智能監控領域的研究熱點與難點。根據人群規模的程度把人群行為分析的方法分為兩類。一類是從微觀角度分析，即通過檢測個體的姿勢或個體的相關特征量如軌跡、位置等來分析極小規模人群行為。另一類是從宏觀角度入手，即將大規模含有共同行為的人群看成一個整體，提取整體的特性(如人流密度，人流速度，人流方向等)來理解和表達大規模人群行為。

這兩類人群行為分析方法都有各自的缺點。第一類方法對整個人群場景的理解和表達整個宏觀層次存在不足；第二類方法忽略了對人和人之間的交互及單獨個人的分析，在微觀方面的研究略有欠缺。而識別小規模人群行為既包括了分析人與人之間的交互也包含了理解和表達整體人群的行為，巧妙的消除了這兩方面的缺陷，達到宏觀和微觀這兩者優勢的結合。

復雜網絡是由節點和連接節點的邊組成地圖論，節點和邊反映的是微觀信息，網絡的特征參數反映的是宏觀信息，因此復雜網絡是一個用微觀信息來反映宏觀信息的有力工具。用復雜網絡識別小規模人群行為是用節點和邊理解人群行為中個體與個體間的關系，用復雜網絡的特征參數分析小規模人群的整體行為。

發明內容

本發明目的是提供一種設計合理、計算簡單、準確度高的基于余弦角距離加權復雜網絡的小規模人群行為識別方法。

為實現上述目的，采用了以下技術方案：本發明所述方法步驟如下：

步驟1，依據向量模型衡量余弦角，表達人群個體的運動狀態和構建余弦角距離模型；

步驟2，定量評估余弦角距離，表達人群個體與個體間的關聯程度，從而構建余弦角距離加權復雜網絡；

步驟3，分析人群加權復雜網絡的特征參數，提取能理解與表達人群行為的特征值，構建特征向量識別小規模人群行為。

進一步的，步驟1中，用余弦角來表達人群個體與個體間的相互運動狀態，余弦角由向量模型來衡量，而向量模型是在運動軌跡信息的基礎上由參考向量和位移向量構成。位移向量是軌跡位移矢量，參考向量所在的直線是由兩個目標的軌跡起點相連構成。

運動目標i的參考向量是運動目標i軌跡起點指向運動目標j軌跡起點，公式如下：

N_i＝(x_j(0)，y_j(0))-(x_i(0)，y_i(0))

其中，(x_j(0)，y_j(0))表示0時刻運動目標j在視頻場景中二維平面的位置坐標。(x_i(0)，y_i(0))表示0時刻運動目標i在視頻場景中二維平面的位置坐標。

運動目標i的位移向量是運動目標i軌跡起點指向軌跡終點，具體公式如下：

S_i＝(x_i(n)，y_i(n))-(x_i(0)，y_i(0))

其中，(x_i(n)，y_i(n))表示n時刻運動目標i在視頻場景中二維平面的位置坐標。(x_i(0)，y_i(0))表示0時刻運動目標i在視頻場景中二維平面的位置坐標。

運動目標i的余弦角用弧度制表示結果如下：

對于運動目標j而言，其參考向量是運動目標j軌跡起點指向運動目標i軌跡起點，其它量與運動目標i一樣，余弦角弧度制表示結果如下：

進一步的，在余弦角衡量人群個體與個體間相互運動狀態的基礎上用余弦角距離表達人群個體與個體間相互關聯程度。余弦角距離計算公式如下：

d_ij＝δ×(θ_i+θ_j)

其中，θ_i為目標i運動狀態的余弦角，θ_j為目標j運動狀態的余弦角，δ為受兩個目標軌跡方向影響的方向系數。

為了確定方向系數，將運動軌跡方向分為兩類：若兩個運動目標的軌跡方向相對于參考向量同向，那么δ取值較小；若兩個運動目標的軌跡方向相對于參考向量異向，那么δ取值較大；