[发明专利]一种大规模人群视频分析系统和方法

说明书

技术领域

本公开涉及计算机视觉领域，特别是一种大规模人群视频分析系统和方法。

背景技术

在人群比较容易密集的场所，比如火车站、汽车站、电影院、大型超市等，经常发生由于人群踩踏引起的伤亡事件。虽然我国现有的视频监控系统已具备一定程度的规模，这些视频监控系统在及时响应公共安全事件和治安保障中起着重要作用，且各种视频监控系统被广泛地应用于各种场景中，但是现在大多监控依靠人工监控，亟需探索和研究智能视频监控用于安防，帮助监控人员完成智能趋势预测、特征事件定位等任务，为突发事件预防、可疑线索追查等提供有效帮助。

发明内容

针对上述部分问题，本公开提供了一种大规模人群视频分析系统和方法。

一种大规模人群视频分析系统，所述系统包括人群密度计算模块、人群前景分割模块、人群跟踪模块、人群状态分析模块、事件判定模块；其中：

所述人群密度计算模块用于获取监控视频图像数据中某帧图像所覆盖视野范围内的人群数量；

所述人群前景分割模块用于获取监控视频图像数据中某帧图像所覆盖视野范围内的前景和背景分割后、前景中的人群区域；

所述人群跟踪模块用于获取监控视频图像数据中某帧图像所覆盖视野范围内的人群运动方向与速度；

所述人群状态分析模块基于得到的人群数量、人群区域、人群运动方向与速度进行处理分析，并将分析结果送入事件判定模块；

所述事件判定模块用于判定人群事件是否异常；

所述人群事件是指在监控区域内，达到一定规模的人群出现某种群体特征性行为。

一种用于实现大规模人群视频分析系统的方法，所述方法包括下述步骤：

本公开能够帮助监控人员完成智能趋势预测、特征事件定位等任务，为突发事件预防、可疑线索追查等提供有效帮助。

附图说明

图1本公开一个实施例中关于大规模人群视频分析系统数据处理流示意图；

图2本公开系统的一个实施例中完全卷积神经网络的网络结构示意图；

图3本公开方法的一个实施例中完全卷积神经网络的网络结构示意图。

具体实施方式

在一个基础的实施例中提供了一种大规模人群视频分析系统，所述系统包括人群密度计算模块、人群前景分割模块、人群跟踪模块、人群状态分析模块、事件判定模块；其中：

所述人群密度计算模块用于获取监控视频图像数据中某帧图像所覆盖视野范围内的人群数量；

所述人群前景分割模块用于获取监控视频图像数据中某帧图像所覆盖视野范围内的前景和背景分割后、前景中的人群区域；

所述人群跟踪模块用于获取监控视频图像数据中某帧图像所覆盖视野范围内的人群运动方向与速度；

所述人群状态分析模块基于得到的人群数量、人群区域、人群运动方向与速度进行处理分析，并将分析结果送入事件判定模块；

所述事件判定模块用于判定人群事件是否异常；

所述人群事件是指在监控区域内，达到一定规模的人群出现某种群体特征性行为。

在这个实施例中，所述系统能够为监控人员完成智能趋势预测、特征事件定位等任务提供数据支持，为突发事件预防、可疑线索追查等提供有效帮助。所述图像数据可以直接是一帧完整的视频截图，也可以是已处理成方便相应模块进行进一步处理的图像数据，还可以是为方便传输进行压缩处理后的图像数据，然后在接收该图像数据的模块中进行相应的解压缩处理，等等。在人群状态分析模块中，其进行的处理分析主要是基于得到的人群数量、人群区域、人群运动方向与速度来分析确定监控区域的人群所处的人群事件是什么类型的人群事件，进而将该人群事件的结论发送给事件判定模块，通过事件判定模块根据制定的判断规则来判断该人群事件是否存在异常。所述人群事件的类型可能因不同系统对人群事件的分类不同而不同。

在一个实施例中，提供了人群密度计算模块计算人群数量的优选计算模型，即：所述人群密度计算模块采用深度卷积神经网络(DCNN，DeepConvolutionalNeuralNetwork)模型来进行人群密度估计进而得到人群数量。

所述深度卷积神经网络模型的学习目标为映射F：X→D，其中X表示训练集中图像的像素特征，D表示人群密度图像。该模型具有如下特点：在学习人群特征上具有良好的有效性和鲁棒性，不需要额外的标识工作，并且与图像前景分割是独立的，因此能够获得更合理的计算结果。在人群密度计算模块使用该模型，可以为后续的分析提供可靠的数据支持，进而在发生异常的人群事件时，能为监控者的决策提供帮助。