[发明专利]一种人群异常行为检测方法、装置、设备及可读存储介质

说明书

本申请公开了一种人群异常行为检测方法、装置、设备及可读存储介质。本申请公开的方法包括：针对拍摄人群获得的视频，从视频中提取每帧图像对应的特征集合，特征集合包括空间域特征和时域特征；利用SVM模型分别检测每个特征集合是否异常；若存在异常特征集合，则确定视频中的人群存在异常行为。本申请既考虑了目标在视频中前后帧的特征变化，也就是时域特征，同时也考虑了目标与其相邻目标之间的差异性，也就是空间域特征，因此对于视频中目标之间的相互遮挡、大规模人群的检测具有强鲁棒性和高正确率，提高了人群异常行为的检测效率和准确率。相应地，本申请公开的一种人群异常行为检测装置、设备及可读存储介质，也同样具有上述技术效果。

技术领域

本申请涉及计算机技术领域，特别涉及一种人群异常行为检测方法、装置、设备及可读存储介质。

背景技术

近年来，随着人口的持续增长及城市化进程的不断加快，人群活动变得日益频繁，在交通路口、机场、火车站、旅游景区等人群密集的公共场所发生重大异常事件的现象屡见不鲜，人们的安全意识也在逐渐加强。因此，针对公共场所进行视频监控是必不可少的安全措施。

目前，针对拍摄人群获得的视频，可以检测视频中的人群的行为是否异常。常用的检测方法为：利用多尺度光流算法确定移动目标，识别并跟踪移动目标的运动轨迹，以此来分析移动目标的行为是否异常。需要说明的是，公共场所的人群比较拥挤，存在遮挡等情况，使得运动轨迹的跟踪变得难以实现，导致检测结果的效率和准确性较低。并且，多尺度光流算法仅考虑了视频中目标在前后帧之间的特征变化，无法确定目标与其相邻目标之间的差异性，因此检测结果不够准确。

因此，如何提高人群异常行为的检测效率和准确率，是本领域技术人员需要解决的问题。

发明内容

有鉴于此，本申请的目的在于提供一种人群异常行为检测方法、装置、设备及可读存储介质，以提高人群异常行为的检测效率和准确率。其具体方案如下：

第一方面，本申请提供了一种人群异常行为检测方法，包括：

针对拍摄人群获得的视频，从视频中提取每帧图像对应的特征集合，特征集合包括空间域特征和时域特征；

利用SVM模型分别检测每个特征集合是否异常；

若存在异常特征集合，则确定视频中的人群存在异常行为。

优选地，从视频中提取每帧图像对应的特征集合，包括：

从视频中提取每帧图像对应的空间域特征；

利用社会力模型从视频中提取每帧图像对应的时域特征。

优选地，从视频中提取每帧图像对应的空间域特征，包括：

将视频中的每帧图像分割为预设大小的图像块；

针对视频中的每帧图像，计算当前帧图像包括的每个图像块的显著特征值，将当前帧图像的所有显著特征值组合为当前帧图像对应的空间域特征。

优选地，将视频中的每帧图像分割为预设大小的图像块，包括：

将视频中的每帧图像分割为4×4的图像块。

优选地，计算当前帧图像包括的每个图像块的显著特征值，包括：

利用第一公式计算当前帧图像包括的每个图像块的显著特征值，第一公式为：

其中，当前帧图像包括多个图像块，每个图像块对应一个显著特征值；s_i表示图像块i的显著特征值；d_i,j表示图像块i和图像块j之间的振幅谱差异；w_i,j表示图像块i和图像块j之间的振幅谱差异的权值。