[发明专利]一种通过视频监控进行骚乱检测的方法

说明书

本发明提供一种通过视频监控进行骚乱检测的方法，首先通过计算相邻两帧图像间的光流确定人群运动的速度场，并对其进行光滑滤波，为介观小团体聚类提供可靠的微观运动信息；进而，采用DBSCAN算法进行密度聚类，将人群行为分为不同的行为类别，并将位置近邻、速度差异较小的运动模式合并为一个小团体类别，将微观运动场定位到介观层面进行分析；最后，根据速度大小将速度场特征空间划分为正常区域和异常区域，将聚类中心落在异常区域且滞留时间较长的类别视为异常行为，同时将速度场坐标映射到图像坐标系，确定异常发生的区域。

技术领域

本发明属于公共安全视频监控技术领域，涉及一种通过监控视频发现人群中是否存在骚乱现象的方法。

背景技术

通常人群骚乱会造成恶劣的社会影响，严重危害人身安全、社会治安，更可能威胁社会安定、国家安全。人群骚乱一般指在某一事件或某个活动过程中，因聚集在某处的人群过度拥挤，可能发生短时间内无法及时控制、制止的混乱场面。为了避免潜在的骚乱发生，使用了治安管制、安全检查等等措施，但传统的人工监督往往存在监管漏洞、时效性较差等问题，有时因为人群聚集、人员众多，还会造成二次伤害，造成严重后果。

发明内容

本发明的目的在于提供一种通过视频监控进行骚乱检测的方法，将公共场所区域的视频监控数据充分利用起来，及时发现排查异常情况，实现远程监控、智能监控、早期预警、实时报警的功能，保障了公共安全领域大范围的安防监控需要，提升监控智能化水平。

本发明的技术方案如下：

一种通过视频监控进行骚乱检测的方法，其特征在于：

(1)首先通过计算相邻两帧图像间的光流确定人群运动的速度场，并对其进行光滑滤波，为介观小团体聚类提供可靠的微观运动信息；

(2)进而，采用DBSCAN算法进行密度聚类，将人群行为分为不同的行为类别，并将位置近邻、速度差异较小的运动模式合并为一个小团体类别，将微观运动场定位到介观层面进行分析；

(3)最后，根据速度大小将速度场特征空间划分为正常区域和异常区域，将聚类中心落在异常区域且滞留时间较长的类别视为异常行为，同时将速度场坐标映射到图像坐标系，确定异常发生的区域。

本发明利用HS光流法确定人群运动的速度场，采用DBSCAN算法进行密度聚类，从而可根据速度大小做到骚乱检测，提高安防系统智能化水平。本发明能提高公共安全场景下的骚乱防控水平，能够及时、有效地发现控制骚乱现场。利用现有监控平台，无需增加硬件设备，充分利用已有资源，可实现快速、大范围部署。

附图说明

图1是本发明的数据处理流程图。

具体实施方式

如图1所示，本发明首先通过计算相邻两帧图像间的光流确定人群运动的速度场，并对其进行光滑滤波，为介观小团体聚类提供可靠的微观运动信息；进而，采用DBSCAN算法进行密度聚类，将人群行为分为不同的行为类别，并将位置近邻、速度差异较小的运动模式合并为一个小团体类别，将微观运动场定位到介观层面进行分析；最后，根据速度大小将速度场特征空间划分为正常区域和异常区域，将聚类中心落在异常区域且滞留时间较长的类别视为异常行为，同时将速度场坐标映射到图像坐标系，确定异常发生的区域。

具体实施步骤如下：

步骤1、建立视频缓窗口，从视频中提取图像，在该窗口内缓存3帧图像，以进行后续异常事件检测。运用Horn-Schunck光流法分别计算出前两帧图像和后两帧图像的光流场[u，v]：

其中，和为u和v的局部邻域平均值；n为迭代次数；u0和v0一般取值为零，是光流场的初始估计值；权重系数α为控制光滑度的参数。