[发明专利]基于人群密度分析的地铁群体异常行为检测方法

说明书

本发明公开了提供了一种基于人群密度分析的地铁群体异常行为检测方法，克服了现有技术中实时性较差，适应性不强，识别的异常情况单一的问题，通过群体密度特征和运动特征来进行群体异常行为的检测，使用群体密度估计算法提取群体密度特征与群体人数变化率，采用稀疏光流法提取群体平均动能和群体运动方向熵这两种运动特征，利用ORB特征点提取距离势能，将四种群体运动特征结合密度特征实现异常行为的检测，提高不同人群密度下的检测准确性，适用于不同的场景，效果明显，效果更高，且识别到的异常情况种类更多，便于轨道交通工作人员的管理和布局，是轨道交通智能监控技术领域的一大创新性突破。

所属领域

本发明属于城市轨道交通智能监控技术领域，具体涉及一种基于人群密度分析的地铁群体异常行为检测方法。

背景技术

近年来，伴随着中国经济的飞速发展，轨道交通以其用地省、运能大、运行时间稳定、安全性等优势，逐步成为各大中型城市缓解交通压力，增加城市吸引力的重要途径，也是广大市民日常出行不可或缺的交通方式。与此同时，作为轨道交通的重要组成部分，地铁车站的安全问题却不容乐观。地铁车站具有场景复杂，客流流动性大、密度高等特征，这些都给安全监管带来了较大难度，因此地铁车站成为群体性安全事件的高发、易发区域。2017年7月21日，深圳地铁7号线列车在皇岗村站进站时，车厢内一名乘客因不明原因奔跑，使人群受到惊吓引发恐慌，导致多名乘客受伤。同年9月15日，英国伦敦帕森格林地铁站发生爆炸，多名乘客在踩踏事件中受伤，首相特蕾莎梅宣布将英国恐怖威胁级别调至最高级别“危急”。

地铁车站中发生群体性事件常常会诱发大规模的危害，这些危害不仅会破坏人们的身体健康，还会带来巨大的公私经济财产损失。当影响公共安全的群体性事件发生时，人们会本能的逃离危险，这时由于恐慌所导致的人群踩踏事件是具有灾难性的，通常由于人群的拥挤和踩踏会导致意外的死亡事故。因此，在地铁监控系统中，如何有效的检测人群状态，预防拥挤导致的恶性踩踏事件，将已经发生的意外事件的带来的损失降到最低，这些都是亟待解决的难题。虽然像暴乱等犯罪行为常常是突发的、难以预测和避免，但是由群体性活动造成的踩踏等事故是可以通过一些完善的管理手段来预防并减轻的。视频监控系统不仅能够为人们提供用于监控目的的实时视频信息，也可以作为后续查找信息的一种工具。所以，作为一种方便且有效的监控手段，视频监控系统已在交通，公共安全、银行等行业中被普遍的使用。与此同时，图像处理、机器学习、人工智能等众多学科技术的发展也保证了监控技术具有广泛性和卓越的科研和商业价值。

传统的视频监控系统，仅仅是通过监控人员来监视众多的监控视频，进而发现视频中发生的异常事件，还不能拥有智能化和自动化的检测视频中异常事件的能力。这对于人们的需求来说是非常局限的。一方面，由于可用的人力资源是有限的且由于受人的精力限制，长时间枯燥的盯着监视屏会让人产生疲倦；另一方面，电视墙能展示的监控视频一定的，监控人员能有效观看并分析的摄像头的数量和时间也是有限的，这样往往造成错过很多重要的有用的信息。因此，目前实际应用中的监控系统不能很好的分析并处理群体异常行为，这些众多的监控系统只不过充当一个“事后查询”的工具而已。因此，需要改进原有的视频监控方法。目前，以智能视频监控系统为代表的新一代安防技术辅助人工检查来识别潜在的危险，成为人们关注的热点。

传统异常行为检测算法存在实时性与鲁棒性不可兼得、误报率与漏报率较大、场景适应性较差、识别的异常情况单一等问题，这些问题都亟待解决。如何针对地铁场景实现检测算法的优化，对地铁站进出口、站内主要区域等人群流动较大、人群密度较高以及容易出现异常情况的区域，实时监控区域内群体运动情况，及时分析识别出群体异常情况并报警是一大难点。

发明内容