[发明专利]基于余弦角距离加权复杂网络的小规模人群行为识别方法

权利要求书

1.一种基于余弦角距离加权复杂网络的小规模人群行为识别方法，其特征在于，所述方法步骤如下：

步骤1，依据向量模型衡量余弦角，表达人群个体的运动状态和构建余弦角距离模型；

步骤2，定量评估余弦角距离，表达人群个体与个体间的关联程度，从而构建余弦角距离加权复杂网络；

步骤3，分析人群加权复杂网络的特征参数，提取能理解与表达人群行为的特征值，构建特征向量识别小规模人群行为。

2.根据权利要求1所述的基于余弦角距离加权复杂网络的小规模人群行为识别方法，其特征在于：步骤1中，用余弦角来表达人群个体与个体间的相互运动状态，余弦角由向量模型来衡量，而向量模型是在运动轨迹信息的基础上由参考向量和位移向量构成；位移向量是轨迹位移矢量，参考向量所在的直线是由两个目标的轨迹起点相连构成；

运动目标i的参考向量是运动目标i轨迹起点指向运动目标j轨迹起点，公式如下：

N_i＝(x_j(0)，y_j(0))-(x_i(0)，y_i(0))

其中，(x_j(0)，y_j(0))表示0时刻运动目标j在视频场景中二维平面的位置坐标；(x_i(0)，y_i(0))表示0时刻运动目标i在视频场景中二维平面的位置坐标；

运动目标i的位移向量是运动目标i轨迹起点指向轨迹终点，具体公式如下：

S_i＝(x_i(n)，y_i(n))-(x_i(0)，y_i(0))

其中，(x_i(n)，y_i(n))表示n时刻运动目标i在视频场景中二维平面的位置坐标；(x_i(0)，y_i(0))表示0时刻运动目标i在视频场景中二维平面的位置坐标；

运动目标i的余弦角用弧度制表示结果如下：

对于运动目标j而言，其参考向量是运动目标j轨迹起点指向运动目标i轨迹起点，其它量与运动目标i原理一样，余弦角弧度制表示结果如下：

3.根据权利要求1所述的基于余弦角距离加权复杂网络的小规模人群行为识别方法，其特征在于：在余弦角衡量人群个体与个体间相互运动状态的基础上用余弦角距离表达人群个体与个体间相互关联程度，余弦角距离计算公式如下：

d_ij＝δ×(θ_i+θ_j)(2)

其中，θ_i为目标i运动状态的余弦角，θ_j为目标j运动状态的余弦角，δ为受两个目标轨迹方向影响的方向系数。