[发明专利]基于多线索信息的行为集体度衡量方法

说明书

技术领域

本发明涉及一种行为集体度衡量方法，特别是涉及一种基于多线索信息的行为集体度衡量方法。

背景技术

随着人口增长，拥挤现象日益增加，针对拥挤场景的视频分析也变得格外重要。在人类社会和自然界的拥挤场景中，个体往往倾向于组成集体，并表现出一些集体行为，如鱼群效应、动物迁徙等。对于集体运动的研究可以应用于很多领域，如集体行为分析、群体仿真、拥挤场景分析等。为了对集体运动进行定量分析，Zhou等人在文献“B.Zhou,X.Tang,H.Zhang,and X.Wang.Measuring Crowd Collectiveness.IEEE Transactions on Pattern Analysis and Machine Intelligence,36,1586-1599,2014.”中首次提出了行为集体度的概念。行为集体度是指多个个体的运动可以被视为集体运动的程度，对于跨场景研究集体运动具有重要意义。

目前衡量行为集体度的方法有两种：第一种是Zhou等人在文献“B.Zhou,X.Tang,H.Zhang,and X.Wang.Measuring Crowd Collectiveness.IEEE Transactions on Pattern Analysis and Machine Intelligence,36,1586-1599,2014.”中提出的方法，这种方法通过跟踪提取个体，并使用流形学习方法计算个体行为相似度，进而衡量行为集体度。第二种是Shao等人在文献“J.Shao,C.Loy,and X.Wang.Scene-independent group profiling in crowd.IEEE Conference on Computer Vision and Pattern Recognition,2227-2235,2014.”中提出的方法，通过跟踪提取个体后，对于所有个体的空间位置变化计算出一个变换矩阵，通过变换误差衡量行为集体度。以上两种方法存在提取个体时，从视频中检测并追踪特征点，进而直接把特征点当作个体，但是特征点并不能很好地代表个体，因为同一个体上不可避免地存在多个特征点。因此，这两种方法不能够准确衡量行为集体度。

发明内容

为了克服现有行为集体度衡量方法准确性差的不足，本发明提供一种基于多线索信息的行为集体度衡量方法。该方法检测并跟踪视频中的特征点，得到初始特征点集合。采用分割算法将视频帧分割为图像块。在同一图像块中，找出速度相近的特征点，保留其中速度变化最小的点，将其他特征点视为冗余点并移除，得到新的特征点集合，将其中特征点视为个体；根据个体之间的空间距离、速度相关度以及前一帧中的相似度，求出个体在当前帧的相似度；衡量个体的速度稳定度以及与邻域个体速度偏差，去除稳定度低的个体；通过流形学习，计算个体之间的拓扑相似度。对于某一个体，根据其与其他个体的拓扑相似度，衡量其个体行为集体度。所有个体行为集体度的均值，即为整体行为的集体度。本发明通过对多线索信息的利用，挖掘更多信息，使行为集体度计算的准确性得到提升。

本发明解决其技术问题所采用的技术方案是：一种基于多线索信息的行为集体度衡量方法，其特点是采用以下步骤：

步骤一、检测并追踪拥挤视频中的特征点，选取出最有代表性的特征点，用于代表拥挤场景中的个体。

1)检测并跟踪视频中的特征点，得到初始特征点集合；

2)采用分割算法将视频中每一帧图像分割为图像块；

3)在第t帧图像中，对于同一图像块中的特征点i和j，计算速度相似度：

式中i和j分别代表两个特征点，t为图像帧数，v_i和v_j代表特征点速度，C_t(i,j)代表i和j在第t帧中的速度相似度。

若C_t(i,j)高于一定值，则认为i和j来自同一个体，只保留其中一个。反复迭代，直至找到保留的特征点属于不同个体。得到筛选后的特征点集合，将其中的特征点视为个体。

步骤二、利用多线索信息，计算个体相似度。

1)计算在每一帧图像t中个体之间的空间距离，找到每个个体i的多个近邻，记为N(i)，计算个体空间相似度矩阵：

式中x_i,y_i代表i的空间坐标，x_j,y_j代表j的空间坐标，D_t(i,j)代表i和j在第t帧中的空间位置相似度。