[發明專利]一種基于行人自組織理論的人群異常檢測方法

在審

• 申請號: 202111525073.9
• 申請日: 2021-12-14
• 公開（公告）號: CN114170571A
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 張旭光;王有浪;柳旺
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V10/80;G06V10/26;G06V10/762;G06K9/62
• 代理公司: 杭州浙科專利事務所(普通合伙) 33213
• 代理人: 孫孟輝

1.一種基于行人自組織理論的人群異常檢測方法，其特征在于，包括如下步驟：

步驟1，人群一致性組分割；

步驟1.1，結合光流法和背景差法分割人群；

步驟1.2，利用行人自組織理論對運動區域進一步做一致性組分割；

步驟1.3，對一致性組進行噪聲組合并；

步驟2，得到一致性組后，提取每個組的外觀特征和傾向流特征，檢測異常行為；

步驟2.1，提取每個一致性組的LBP特征；

步驟2.2，計算圖像的傾向流場U_s；

步驟3，利用支持向量機訓練得到的人群正常模式的參數得到異常幀的ACU曲線。

2.根據權利要求1所述的基于行人自組織理論的人群異常檢測方法，其特征在于，所述步驟1.1包括如下具體步驟：

首先利用光流法得到人群視頻序列的速度場，根據光流法，分別求出各運動粒子在水平方向和垂直方向的速度，結合光流法和背景差法分割人群。

3.根據權利要求2所述的基于行人自組織理論的人群異常檢測方法，其特征在于，所述步驟1.2包括如下具體步驟：

運動人群分割后，將連通區域進一步分為大連通區域和小連通區域，根據車道的定義可知，自組織理論已經對人群在空間上進行了預處理，將小連通區域進行聚類，得到空間的一致性組，然后利用速度信息對大連通區域聚類，將大連通區域進一步分割成不同的一致性組；

先對空間進行分組，面積大于η₁的連通區域被認為是大連通區域，對于小連通區域直接將其看成一個完整的一致性組：

其中Con為人群分割結果，Con_small為小連通區域，Con_big為大連通區域，η₁為實驗設定的閾值，代表連通區域的面積，值取340；大連通區域根據速度特征，使用均值聚類成兩類，計算兩個聚類中心的距離r，如果r小于L則將這個大連通區域看成一個一致性組，L為本實驗設定參數，表示聚類中心距離，值為0.78；否則進入下一步，除去雜質之后，判斷兩個類中是否有多個連通區域，如果一個類只有一個連通區域就認定它是一個一致性組，否則重新判斷該類中是否有大連通區域，進入迭代中，直到所有像素全部被分類。

4.根據權利要求3所述的基于行人自組織理論的人群異常檢測方法，其特征在于，所述步驟1.3包括如下具體步驟：

提出一種噪聲群合并方法，公式如下：

其中，G_noise是噪聲組，G_normal是聚類的正常組，Con是整個連通區域，β是當前類別像素值占總像素的比例，取值為0.146；當判斷為噪聲組時，將其與最近的正常組集合，其公式為：

其中，d(G_noise,G_normal)是噪聲組和正常組之間的距離，d_min是最短距離。

5.根據權利要求4所述的基于行人自組織理論的人群異常檢測方法，其特征在于，所述步驟2.1包括如下具體步驟：

局部二值化模式是一種有效的描述圖像紋理的特征，它的計算流程如下：LBP算子定義一個3×3的窗口，以窗口內中心點的像素值為標準，對比窗口內另8個點的像素值大小，大于為1，否則為0，8個點形成一個二進制數字即為中心點的LBP特征值，用公式表達為：

其中(x_c,y_c)是中心像素，i_p是灰度值，i_c是相鄰像素的灰度值，s是一個符號函數：

使用具有旋轉不變特性的LBP特征，在確定半徑大小和采樣點數目后，不斷旋轉圓形鄰域內采樣點的位置，得到一系列的LBP特征值，從這些LBP特征值中選擇最小的值作為LBP中心像素點的LBP特征值，采用PCA對LBP特征進行降維，取分值超過90％的特征值；降維之后的LBP特征，第一個特征值能夠刻畫91％的原特征，采用降維后特征的第一列。