[发明专利]基于当前帧粒子加权社会力总和的群体异常事件检测方法

权利要求书

1.一种基于当前帧粒子加权社会力总和的群体异常事件检测方法,其特征在于,包括以下几个步骤：

步骤1：将彩色视频帧图片转化为灰度帧图片，将群体中的行人考虑成质量相等的运动的粒子，在灰度帧图片上放置一系列粒子，并对每个粒子进行标记；

步骤2:使用光流法对视频序列中的光流粒子进行跟踪，由两帧间的粒子位移计算出粒子的速度场；

步骤3：根据所述速度场计算改进的加权社会力模型中，每个粒子处受到的交互作用力；

步骤4：对所述每个粒子处受到的交互作用力设定阀值以去除噪声，将去除噪声后的所述交互作用力定义当前帧粒子的加权社会力总和；

步骤5：对所述当前帧粒子的加权社会力总和设定阀值，若当前帧粒子加权社会力总和大于某一阀值并持续一段时间，则当前帧判断为异常，否则为正常。

2.根据权利要求1所述的一种基于当前帧粒子加权社会力总和的群体异常事件检测方法,其特征在于,

步骤1中，通过网格状采样标记将一系列光流粒子均匀平铺在灰度帧图片上，然后在视频图像中平铺光流粒子，即每隔m个像素放置一个粒子p_i，m＝5～10，i∈(1，N′)，N′为总粒子数；其中，放置粒子的规则为：对视频图片中感兴趣的像素点进行标记。

3.根据权利要求2所述的一种基于当前帧粒子加权社会力总和的群体异常事件检测方法,其特征在于：

步骤3中，所述改进的加权社会力模型中，每个粒子处受到的交互作用力为：

Fint=mi{dVidt-1τ(<Viavg>-Vi)}---(1)]]>

其中，τ是松弛时间系数，粒子i的质量为m_i＝1，粒子当前的实际速度V_i定义为粒子连续3帧的速度场均值；期望速度为K表示在P_i移动时近邻的总个数，V_j表示粒子P_j在位置(x_j,y_j)上实际速度；

其中，

fij=wijcwijφexp(-dij2(t)2σd2)---(2)]]>

f_ij表示粒子P_j对粒子P_i的影响程度；

dij2=argmin(||xi+tVi-(xj+tVj)||2)---(3)]]>

wijc=1dij2<dc0otherwise---(4)]]>

wijφ=1φij≤φview0otherwise---(5)]]>

其中，表示粒子P_i和P_j分别以当前速度不变进行运动所能达到的最小距离，对设定阀值d_c，当表示P_i会对P_j产生影响；

φ_ij表示P_i当前速度方向和指向相邻点P_j方向的夹角，对φ_ij设定阀值φ_view，当φ_ij＜φ_view时，表示P_i在P_j的视野中，即P_i会对P_j产生影响；当φ_ij＞φ_view时，表示P_i不会对P_j产生影响。

4.根据权利要求3所述的一种基于当前帧粒子加权社会力总和的群体异常事件检测方法,其特征在于：

步骤4中，所述当前帧粒子的加权社会力总和F_t为：

Ft=KM*N*Σi=1KFint---(6)]]>

其中，K表示当前帧去除噪音点后粒子的总数，M*N表示视频帧的分辨率，表示提取粒子的数目规模。