[發(fā)明專利]一種大規(guī)模人群顯著性區(qū)域檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810163902.5
• 申請(qǐng)日: 2018-02-27
• 公開（公告）號(hào): CN108470154B
• 公開（公告）日: 2021-08-24
• 發(fā)明（設(shè)計(jì)）人: 張旭光;鄭娟;唐英干
• 申請(qǐng)（專利權(quán)）人: 燕山大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00
• 代理公司: 北京科迪生專利代理有限責(zé)任公司 11251
• 代理人: 楊學(xué)明;顧煒

本發(fā)明公開了一種大規(guī)模人群顯著性區(qū)域檢測(cè)方法，將二維人群速度矢量場(chǎng)中的每一個(gè)速度矢量看作人群網(wǎng)絡(luò)節(jié)點(diǎn)，基于速度矢量點(diǎn)積公式求取速度矢量夾角，從而確定速度矢量間關(guān)聯(lián)關(guān)系，并用該值定量評(píng)估速度矢量之間關(guān)聯(lián)程度，從而構(gòu)造速度矢量夾角加權(quán)復(fù)雜網(wǎng)絡(luò)模型；分析人群加權(quán)復(fù)雜網(wǎng)絡(luò)特征參數(shù)，提取能理解并表達(dá)人群顯著性運(yùn)動(dòng)區(qū)域與主流人群運(yùn)動(dòng)區(qū)域的特征值，構(gòu)建特征矩陣檢測(cè)大規(guī)模人群顯著性運(yùn)動(dòng)區(qū)域。

技術(shù)領(lǐng)域

本發(fā)明涉及視頻分析與圖像理解領(lǐng)域，尤其是涉及一種基于速度矢量夾角加權(quán)網(wǎng)絡(luò)的大規(guī)模人群顯著性區(qū)域檢測(cè)。

背景技術(shù)

人群行為分析是計(jì)算機(jī)視覺領(lǐng)域的前沿課題與研究難點(diǎn)。在成百上千的稠密人群聚集的場(chǎng)景中，大量視頻數(shù)據(jù)需要人工處理，使得監(jiān)控人員工作效率十分低下。因此我們急需一種能自動(dòng)分析視頻信息的智能監(jiān)控系統(tǒng)，幫助視頻監(jiān)控人員更多留意人群顯著性區(qū)域，當(dāng)有異常行為發(fā)生時(shí)能及時(shí)準(zhǔn)確地向工作人員發(fā)出警報(bào)，從而避免不必要的損失。

在人群場(chǎng)景中，對(duì)什么是顯著性區(qū)域在科學(xué)界引起了廣大科研工作者的熱烈討論。有的研究者認(rèn)為只要與一般觀察到的事件有所背離就是顯著性行為；有的則認(rèn)為罕見或突出的事件為顯著性行為。目前存在的很多顯著性檢測(cè)的方法幾乎都針對(duì)于靜態(tài)圖像的顯著性檢測(cè)，而對(duì)于視頻中的動(dòng)態(tài)運(yùn)動(dòng)場(chǎng)景(特別是稠密人群運(yùn)動(dòng)場(chǎng)景)的顯著性檢測(cè)方法需要進(jìn)一步發(fā)展與完善。

發(fā)明內(nèi)容

為了實(shí)現(xiàn)對(duì)動(dòng)態(tài)運(yùn)動(dòng)場(chǎng)景中的顯著性區(qū)域進(jìn)行有效檢測(cè)，本發(fā)明提出了一種構(gòu)建復(fù)雜網(wǎng)絡(luò)的思路，即強(qiáng)調(diào)系統(tǒng)的結(jié)構(gòu)并從結(jié)構(gòu)角度分析系統(tǒng)的功能。主要思路是：如果將系統(tǒng)內(nèi)部的各個(gè)元素作為節(jié)點(diǎn)，元素之間的關(guān)系視為連接，那么系統(tǒng)就構(gòu)成了一個(gè)網(wǎng)絡(luò)。節(jié)點(diǎn)及其連接關(guān)系可以描述人群微觀特性，網(wǎng)絡(luò)的特征參數(shù)則可以描述人群宏觀特性。因此按照這個(gè)思路構(gòu)建的復(fù)雜網(wǎng)絡(luò)在人群顯著性區(qū)域檢測(cè)中是一個(gè)可以用微觀信息反映宏觀信息的有力工具。

本發(fā)明的目的是通過構(gòu)造加權(quán)復(fù)雜網(wǎng)絡(luò)模型，利用加權(quán)復(fù)雜網(wǎng)絡(luò)模型參數(shù)，對(duì)大規(guī)模人群中顯著性區(qū)域進(jìn)行檢測(cè)。

本發(fā)明所采用的技術(shù)方案是：將二維人群速度矢量場(chǎng)中的每一個(gè)速度矢量看作人群網(wǎng)絡(luò)節(jié)點(diǎn)，基于速度矢量點(diǎn)積公式求取速度矢量夾角，從而確定速度矢量間關(guān)聯(lián)關(guān)系，并用該值定量評(píng)估速度矢量之間關(guān)聯(lián)程度，從而構(gòu)造速度矢量夾角加權(quán)復(fù)雜網(wǎng)絡(luò)模型。分析人群加權(quán)復(fù)雜網(wǎng)絡(luò)特征參數(shù)，提取能理解并表達(dá)人群顯著性運(yùn)動(dòng)區(qū)域與主流人群運(yùn)動(dòng)區(qū)域的特征值，構(gòu)建特征矩陣檢測(cè)大規(guī)模人群顯著性運(yùn)動(dòng)區(qū)域。

與現(xiàn)有技術(shù)相比，本發(fā)明具有設(shè)計(jì)合理、方便實(shí)用、計(jì)算簡(jiǎn)單、準(zhǔn)確度高的優(yōu)點(diǎn)。

本發(fā)明提供的一種大規(guī)模人群顯著性區(qū)域檢測(cè)方法，包括如下步驟：

步驟1，經(jīng)過光流算法對(duì)視頻序列幀圖像進(jìn)行處理，得到一系列能清楚展現(xiàn)人群運(yùn)動(dòng)流向的規(guī)整的二維人群速度矢量場(chǎng)；

步驟2，將二維人群速度矢量場(chǎng)中每一個(gè)速度矢量看作節(jié)點(diǎn)，基于速度矢量點(diǎn)積公式求取速度矢量的夾角，并用該值定量評(píng)估節(jié)點(diǎn)之間的關(guān)聯(lián)程度，構(gòu)造描述人群行為的加權(quán)復(fù)雜網(wǎng)絡(luò)模型；

步驟3，通過對(duì)加權(quán)復(fù)雜網(wǎng)絡(luò)模型的特征參數(shù)進(jìn)行分析，構(gòu)建特征矩陣；通過分析特征矩陣中特征參數(shù)的變化來分析人群行為，檢測(cè)大規(guī)模人群場(chǎng)景中顯著性區(qū)域。

進(jìn)一步的，步驟1中，使用金字塔Lucas-Kanade光流算法處理視頻序列幀圖像，并對(duì)得到的光流場(chǎng)中的速度數(shù)值進(jìn)行取整操作，最終得到一系列能清楚展現(xiàn)人群運(yùn)動(dòng)流向的規(guī)整的人群速度矢量場(chǎng)。

進(jìn)一步的，步驟2具體包括如下步驟：

步驟2.1，將二維人群速度矢量場(chǎng)中每一個(gè)速度矢量看作節(jié)點(diǎn)，速度矢量間的關(guān)系視為連邊；

任選一個(gè)速度矢量以該速度矢量為中心選取一個(gè)鄰域δ，鄰域大小為(x₀±ε,y₀±ε)，速度矢量與鄰域內(nèi)其他速度矢量q_xy的連邊關(guān)系由公式(1)判定：