[發明專利]基于深度卷積神經網絡的人群異常行為視覺檢測及分析預警系統

在審

• 申請號: 201710441026.3
• 申請日: 2017-06-13
• 公開（公告）號: CN107729799A
• 公開（公告）日: 2018-02-23
• 發明（設計）人: 湯一平;柳展;溫曉岳;錢小鴻
• 申請（專利權）人: 銀江股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08;G06T7/20;G06T7/80;H04N5/232
• 代理公司: 杭州斯可睿專利事務所有限公司33241
• 代理人: 王利強

技術領域

本發明涉及人工智能、卷積神經網絡和計算機視覺在人群密度檢測方面的應用，屬于公共安防領域。

背景技術

隨著人口的高速增長，社會利益沖突不斷，人群事件越來越常見。在一些一線城市中，人口密度非常之高，在這些地方發生群體性事件的概率很高。特別是在繁華大街、大型商場、體育場和大型工廠等地段，經常發生重大人群事故，引起人員傷亡和財產損失。所以大量人群聚集會增大意外事件發生的概率。

在我國大中城市里，視頻監控系統在安防工作中發揮了十分重要的作用。目前，視頻監控系統已經遍布各種公共場合，包括商場、大街、公園、廣場等。傳統視頻監控主要通過安排專人職守視頻監控室來達到監測目的。由于每個監控室監控場景眾多，而職守工作人員的精力和積極性都是有限的，遺漏一些重要信息也是在所難免的。鑒于上述原因，大量的監控視頻在實際應用中僅僅只起到“事后查詢”的作用，沒有起到實時預警的作用。

近年來，智能視頻監控技術通過結合計算機視覺、圖像處理、模式識別等領域的知識到視頻監控中，提高了視頻監控系統的智能化水平。

對于人群行為方面的研究，主要涉及到人群信息提取、人群建模和事件分析。人群信息提取主要涉及人群密度與數量估計、人群識別和跟蹤等方面。人群密度與數量估計主要使用的方法有基于人群像素數和目標邊緣的估計方法和基于紋理的估計方法。人群識別包括人群個體的人臉和頭識別，以及行人和人群識別。人群建模又可分基于視覺和非基于視覺的建模方法。

中國發明專利申請號為201510435563.8公開了一種公共場所密集人群檢測及預警方法，利用模式識別和安全技術建立人群聚集風險監測與預警系統，通過實時監控人群分布百分比和運動區域百分比，及時對行人的聚集狀態進行判斷。

中國發明專利申請號為201610873483.5公開了一種人群聚集的智能監控方法和系統，包括：實時采集視頻監控數據；提取實時采集的視頻監控數據中的目標設施；實時提取所述視頻監控數據中聚集在目標設施范圍內人群的人群聚集特征信息；以及根據所述目標設施和聚集在目標設施范圍內人群的人群聚集特征信息確定所述視頻監控數據對應監控場景的人群聚集管控信息。

中國發明專利申請號為201610975962.8公開了一種基于機器視覺的人群密度智能監測系統及方法，包括依次相連的攝像頭、嵌入式設備以及計算機客戶端，其中，攝像頭用于實時采集人群視頻信息并發送至嵌入式設備；嵌入式設備用于提取視頻信息且進行分析處理，并將處理結果發送至計算機客戶端；計算機客戶端用于判斷人口密度是否處于安全區間和上傳采集的實時人群視頻信息到服務器。

中國發明專利申請號為200710047838.6公開了一種基于視頻圖像的密集客流密度自動檢測方法，其中視頻圖像采集設備通過閉路電視系統(CCTV)采集監控視頻圖像,通常采用置于客流通道的出入口頂端的攝像機,實時采集客流出入的視頻圖像。處理器采用計算機視覺算法對采集到的視頻圖像進行處理,在人群密度較低時,采用計算量較小但較準確的像素數統計,并應用時間軸的信息進行背景生成；在人群密度較高時應用小波包分解來對人群圖像進行多角度分析,然后提取小波包分解系數矩陣的計盒維數作為特征,送入分類器進行分類,得到人群密度等級,達到對密集客流密度實時檢測的目的。

中國發明專利申請號為201210071625.8公開了一種人群聚集檢測的方法與裝置，屬于圖像處理領域。所述方法包括：獲取視頻數據中的角點和前景區域；根據所述角點和前景區域，進行計算得到聚類；根據所述聚類構建人群聚集的區域。所述裝置包括：獲取模塊、聚類模塊和構建模塊。

上述發明技術所采用的都屬于傳統的計算機視覺方法，這種傳統的人群視頻分析系統存在以下幾個方面的問題：

1、規模上的局限性：無法針對大規模，極端密集情況下的人群進行分析；采用背景建模和運動分割的方法魯棒性并不十分適合人體對象的提取和跟蹤；

2、特征提取問題：識別精度的高低很大程度上取決于前景對象的建模，建模的核心問題是特征的描述與表達，其難點就是特征選擇；精度上的局限性：基于像素統計和紋理的人群特征獲取，在描述精度和復雜度方面精度不夠；

3、魯棒性問題：由于復雜多變的環境給視頻分析提出了環境適應要求，如光照改變，即白天、晚上、黃昏、多云、晴天；風引起的攝像機微小抖動；雨、雪、霧，陰影，遮擋情況，這些都會影響人體對象目標分割的精度。

由于上述視覺檢測技術還是屬于前深度學習時代的視覺檢測技術，檢測的魯棒性和精度是該領域發展的一個瓶頸。