[發明專利]一種群體異常事件的檢測方法、裝置、設備及存儲介質

在審

• 申請號: 202210160376.3
• 申請日: 2022-02-22
• 公開（公告）號: CN114529855A
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 林勝楠
• 申請（專利權）人: 中國農業銀行股份有限公司
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V20/52
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 駱文欣

本發明公開了一種群體異常事件的檢測方法、裝置、設備及存儲介質。該方法包括：針對視頻數據中的每個圖像幀，獲取當前圖像幀對應的圖像光流場數據和至少一個對象區域圖像；針對每個對象區域圖像，確定所述對象區域圖像對應的至少一個運動粒子點；其中，所述運動粒子點用于表征所述對象區域圖像對應的運動單元；針對每個運動粒子點，基于所述圖像光流場數據，確定所述運動粒子點對應的交互功率；其中，所述交互功率用于表征所述運動粒子點的運動穩定狀態；基于至少一個交互功率，確定所述當前圖像幀是否屬于存在群體異常事件的圖像幀。本發明解決了現有的群體異常事件的檢測方法不準確的問題，提高了群體異常事件的檢測效率。

技術領域

本發明涉及視頻監控技術領域，尤其涉及一種群體異常事件的檢測方法、裝置、設備及存儲介質。

背景技術

群體異常事件檢測是指從監控視頻數據中發現能刻畫人群異常行為的特有的信息，如人群密度、人群行為特征等。通過對這些表征人群的信息進行分析，來提醒人們及時對異常事件進行處理，維護公共安全。

目前的群體異常事件檢測方法主要分為兩類，一類是基于個體目標的檢測方法，通過分析每個個體的運動特征，例如運動軌跡、姿勢等，來得到整個人群的行為特征。另一類是基于群體特征的檢測方法，通過提取視頻中每幀圖像中的人群特征信息，基于人群特征信息訓練學習模型，實現正常和異常情況的分類。

現有的基于個體目標的檢測方法不適用于人群密度大和場景復雜的環境，檢測效果較差。現有的基于群體特征的檢測方法依賴于訓練數據集的采集以及模型訓練過程耗時較長。

發明內容

本發明提供了一種群體異常事件的檢測方法、裝置、設備及存儲介質，以提高群體異常事件的檢測效率和檢測效果的準確度。

根據本發明的一方面，提供了一種群體異常事件的檢測方法，該方法包括：

針對視頻數據中的每個圖像幀，獲取當前圖像幀對應的圖像光流場數據和至少一個對象區域圖像；

針對每個對象區域圖像，確定所述對象區域圖像對應的至少一個運動粒子點；其中，所述運動粒子點用于表征所述對象區域圖像對應的運動單元；

針對每個運動粒子點，基于所述圖像光流場數據，確定所述運動粒子點對應的交互功率；其中，所述交互功率用于表征所述運動粒子點的運動穩定狀態；

基于至少一個交互功率，確定所述當前圖像幀是否屬于存在群體異常事件的圖像幀。

根據本發明的另一方面，提供了一種群體異常事件的檢測裝置，該裝置包括：

對象區域圖像獲取模塊，用于針對視頻數據中的每個圖像幀，獲取當前圖像幀對應的圖像光流場數據和至少一個對象區域圖像；

運動粒子點確定模塊，用于針對每個對象區域圖像，確定所述對象區域圖像對應的至少一個運動粒子點；其中，所述運動粒子點用于表征所述對象區域圖像對應的運動單元；

交互功率確定模塊，用于針對每個運動粒子點，基于所述圖像光流場數據，確定所述運動粒子點對應的交互功率；其中，所述交互功率用于表征所述運動粒子點的運動穩定狀態；

群體異常事件的確定模塊，用于基于至少一個交互功率，確定所述當前圖像幀是否屬于存在群體異常事件的圖像幀。

根據本發明的另一方面，提供了一種電子設備，所述電子設備包括：

至少一個處理器；以及

與所述至少一個處理器通信連接的存儲器；

其中，所述存儲器存儲有可被所述至少一個處理器執行的計算機程序，所述計算機程序被所述至少一個處理器執行，以使所述至少一個處理器能夠執行本發明任一實施例所述的群體異常事件的檢測方法。