[发明专利]人群聚集的判断方法及人群聚集的判断装置

说明书

本发明实施方式提供一种人群聚集的判断方法，所述方法包括：获取人群的第一图像；利用神经网络模型生成所述第一图像的第一人群密度图；所述神经网络模型包括卷积神经网络模型和空洞卷积神经网络模型；在根据所述第一人群密度图确定的人群密度超过第一预设阈值时，获取与所述第一图像相邻时刻的所述人群的第二图像；根据所述第一图像和所述第二图像，基于faster RCNN模型获取所述第一图像中的第一图像人群的运动轨迹；根据所述第一图像人群的运动轨迹和所述第一人群密度图判断人群是否聚集。本发明利用训练好的神经网络模型对人群聚集进行判断，方便、快捷，并且准确度高。

技术领域

本发明涉及计算机视觉领域，具体地涉及一种人群聚集的判断方法及一种人群聚集的判断装置。

背景技术

近年来，随着安防技术的不断发展，视频监控系统已经逐步应用于众多领域，如智能交通、平安城市等。传统视频监控主要通过安排专人值守来达到监控的目的，而人员的精力和积极性都是有限的，存在不能及时察觉异常情况的现象，无法实现实时预警。随着计算机视觉技术的发展，图像处理技术越来越多运用到视频监控系统中。

在城市中，特别是在商业街、大型商场、体育场等场所，人群的大量聚集往往伴随着异常事件。在传统的视频人群聚集分析领域，一般通过帧间差分法、光流法、混合法等对目标进行前景提取，并通过前景特征估计人群聚集情况，即在检测区域内，人员密集达到一定阈值就认为出现了人员聚集，否则，认为没有出现人员聚集。该方法因前景特征提取效果较差、判断方法简单，判断的准确性较差。

发明内容

本发明实施方式的目的是对人群聚集区域的图像通过神经网络模型的处理而获得人群聚集的实时预警，克服了现有技术中图像提取效果差、判断法方法简单、判断的准确性差的技术问题。

为了实现上述目的，在本发明第一方面，提供一种人群聚集的判断方法，所述方法包括：

获取人群的第一图像；

利用神经网络模型生成所述第一图像的第一人群密度图；所述神经网络模型包括卷积神经网络模型和空洞卷积神经网络模型；

在根据所述第一人群密度图确定的人群密度超过第一预设阈值时，获取与所述第一图像相邻时刻的所述人群的第二图像；

根据所述第一图像和所述第二图像，基于faster RCNN模型获取所述第一图像中的第一图像人群的运动轨迹；

根据所述第一图像人群的运动轨迹和所述第一人群密度图判断人群是否聚集。

在本发明第二方面，提供一种人群聚集的判断方法，所述方法包括：

获取人群的第一图像；

利用神经网络模型生成所述第一图像的第一人群密度图；所述神经网络模型包括卷积神经网络模型和空洞卷积神经网络模型；

在根据所述第一人群密度图确定的人群密度超过第一预设阈值时，获取与所述第一图像相邻时刻的所述人群的第二图像；

根据所述第一图像和所述第二图像，基于faster RCNN模型获取所述第二图像中的第二图像人群的运动轨迹；

根据所述第一人群密度图和所述第二图像人群的运动轨迹判断人群是否聚集。

在本发明第三方面，提供一种人群聚集的判断方法，所述方法包括：

获取人群的第一图像；

利用神经网络模型生成所述第一图像的第一人群密度图；所述神经网络模型包括卷积神经网络模型和空洞卷积神经网络模型；

在根据所述第一人群密度图确定的人群密度超过第一预设阈值时，获取与所述第一图像相邻时刻的所述人群的第二图像；