[发明专利]一种拥挤场景监控视频中人群流异常事件的检测方法

说明书

本发明提供一种拥挤场景监控视频中人群流异常事件的检测方法，涉及计算机视觉技术领域。首先，通过关联连续多帧间的光流，得到粒子运动的短时轨迹片段；然后，采用层次聚类算法对不稳定的光流轨迹片段进行聚类，使相邻且相似的轨迹片段聚成具有统计意义的小区域，提高运动描述的可靠性；最后，通过计算小区域中粒子运动的主方向和活动范围来检测人群流异常，为可能发生的安全事故提供预警。本发明粒子轨迹片段的聚类使单条不可靠的粒子轨迹能够与周围相似的粒子轨迹一起用于人群流运动描述，提高了运动描述的稳定性。在真实场景的监控视频上进行了测试，结果表明该方法能够有效检测人群流异常，且对过分割的轨迹片段聚类结果具有较强的适应性。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种拥挤场景监控视频中人群流异常事件的检测方法。

背景技术

随着我国经济的持续发展，城市化水平得到了显著提高，很多大型公共场所，如：大型商场、影剧院、体育场馆、展览馆等随之建设。相应的文化、体育等方面的大型社会活动也日益增多，带来了拥堵、踩踏等公共安全事故在大型活动中频频发生。

从人群拥挤踩踏事故的发生过程可以看出，人流量大的场所和活动的安全管理除了需要对人群的密度和流量进行监控以外，还需要对人群的流向和对冲情况做出分析判断，及时合理地采取限流、分流、单向通行等管控措施，减少堵塞、预防踩踏等恶性事故的发生。检测异常的人群流，即不规则涌动的人群流(包括对流和乱流等)，其目的就是自动地发现踩踏等安全事故的前兆，以便提前采取应对措施、防止事态进一步恶化。然而，目前尚未检索到用于异常事件预警的与人群流异常检测相关的文献报道。这里要检测的异常人群流并不一定与正在发生的安全事故相对应，但是其中却蕴藏着潜在的危险，极有可能会发展成灾难性事件。在人员密集的拥挤场景中，个体的运动通常是不可预测的，此外拥挤还会带来严重的动态遮挡，因此人群流的异常检测具有一定的挑战性，亟需一种方法解决上述问题。

发明内容

针对现有技术的缺陷，本发明提供一种拥挤场景监控视频中人群流异常事件的检测方法。该方法基于由粗到精部分形状匹配的人群流异常检测，粒子轨迹片段的聚类使单条不可靠的粒子轨迹能够与周围相似的粒子轨迹一起用于人群流运动描述，提高了运动描述的稳定性。

一种拥挤场景监控视频中人群流异常事件的检测方法，包括如下步骤：

步骤1：提取监控视频中的轨迹片段，一个视频片段W×H×T中粒子的运动轨迹表示为：

{(x(t)，y(t))|x∈[1，W]，y∈[1，H]，t∈[1，T]} (1)

其中，W表示视频的宽，H表示视频的高，T表示视频片段连续帧的个数，矢量(x(t)，y(t))表示粒子(x，y)在t时刻的位置。

粒子(x，y)的位置的衍化方程为：

其中，round(·)表示取整运算，u和v分别表示水平方向和垂直方向的运动速率，即粒子在相邻帧间位移的水平和垂直分量。

步骤2：采用由粗到精的部分形状匹配策略度量轨迹片段之间的相似性，包括以下步骤：

从两条待匹配的轨迹片段中提取可能对应的候选轨迹片段对；

采用粗匹配过程中的精简步骤去除明显不相似的候选轨迹片段对；

采用精匹配过程对精简后的每对候选轨迹片段对提取特征并计算匹配代价，其中最小的匹配代价作为这两条待匹配轨迹片段的相似度。