[發明專利]基于子群組劃分與動量特征融合的人群運動行為識別方法

有效

• 申請號: 201810236397.2
• 申請日: 2018-03-21
• 公開（公告）號: CN109064484B
• 公開（公告）日: 2022-02-08
• 發明（設計）人: 陳志;陳璐;岳文靜;周傳;劉玲;龔凱;掌靜
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06V20/52;G06V10/82;G06N3/04
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 沈廉

1.一種基于子群組劃分與動量特征融合的人群運動行為識別方法，其特征在于，該方法包括以下步驟：

步驟1)：用戶輸入連續的視頻，將視頻劃分成連續的視頻幀，將上述每一個視頻幀每單個行人作為一個特征跟蹤點P，點P的運動信息用一個四維向量P＝(P_x,P_y,P_v,P_d)來表示，所述P_x、P_y表示特征跟蹤點的空間坐標，P_v表示該點的位移大小，P_d表示該點的運動方向，P_d值為圖像幀所有特征跟蹤點的點集記為O_I＝{P₁,P₂,P₃,P₄}；

步驟2)：子群體的移動特征由動量特征決定，以子群體和子群體內的特征跟蹤點為基礎，定義三種不同的動量特征：運動方向一致性、空間穩定性、人群摩擦沖突性；每個子群體中包含H個特征跟蹤點，即C_k＝(P₁,P₂,...,P_H)；

步驟3)：計算連續5幀內的描述因子的平均值，用三個平均值構造一個向量(ω(C),ρ(C))，共同組成一個三通道的圖像，形成224×224×3維數據輸入至微分遞歸卷積神經網絡DRCNN進行訓練，轉化為4096維特征向量，所述微分遞歸卷積神經網絡是將VGG—16模型和3層堆疊的長短期記憶遞歸神經網絡LSTM連接到端對端的模型中，最后采用輸出函數將特征向量轉化為人群行為標簽，采用人工標記的方法將訓練視頻片段根據行為發生主體，行為發生地點，行為本身的不同，標記為不同的描述詞匯，用帶標記的數據調整微分循環卷積神經網絡的結果，實現人群運動行為識別；

所述的步驟1)具體為：

步驟1.1)：通過哈里斯角點檢測算法得到連續視頻幀中特征跟蹤點的位置信息，獲取目標群組的前景特征，哈里斯角點跟蹤算法是使用一個固定窗口在圖像上進行任意方向上的滑動，比較滑動前與滑動后兩種情況，窗口中的像素灰度變化程度，當存在任意方向上的滑動時灰度變化程度較大，則認為該窗口中存在角點，將連續視頻幀中每個特征跟蹤點的位置串聯起來，得到每個特征跟蹤點的運動軌跡T，所有特征跟蹤點運動軌跡集合為T_I＝{T₁,T₂,T₃,T₄}；

步驟1.2)：利用混合高斯背景建模方法進行前景提取，對于當前視頻幀中像素的灰度值，當高斯混合背景中第S個高斯分布的均值的差值滿足公式：就認為匹配成功，即該像素為背景，其中I(x,y,t)表示該像素點(x,y)在t時刻的像素值，表示第S個高斯分布t時刻的平均灰度值，λ表示標準差的倍數系數，表示第S個高斯分布t時刻灰度值的方差，通過前景提取獲取目標群體的空間大小以及和周圍群體的距離關系，稱為前景斑塊，斑塊集合記為B_I＝{B₁,B₂,B₃,...,B_k}，通過空間上的關系變化劃分出空間上臨近的個體；

步驟1.3)：利用劃分出的兩種時空信息，對密集群體進行劃分。