[发明专利]人群动态聚集特征提取方法

摘要

本发明公开了一种人群动态聚集特征提取方法，属于计算机智能监控技术领域。本发明将核密度空间聚类算法引入到“人群聚集的外部特征分析过程”中，有效的实现了对群体性事件人群聚集特征的提取和定量研判，采用人群质心运动跟踪的方法识别人群移动模式，改变了目前仅依据人群密度等级进行群体性事件预警，而未能充分考虑人群聚集的其他外部特征，如人群聚集形状、人群移动速度、人群的增长速度等，存在很大的误警率和漏警率的现状。本发明方法可以运用于其他安全敏感的人群密集场所，具有广泛的推广应用前景。

主权项

人群动态聚集特征提取方法，其特征在于，包括以下步骤：步骤A、对目标视频进行分割，得到一组连续的图像帧；步骤B、对各图像帧进行前景检测，得到二值化前景检测结果；步骤C、将各图像帧进行分块，并根据各图像块中前景像素在所在块的总像素中所占比例的高低将图像块分为高人群密度图像块和低人群密度图像块；对于低人群密度图像块，进行人头检测，并利用所检测出的每个人头的质心所在点表示相对应的人头；对于高人群密度图像块，基于图像纹理特征估计图像块中的总人数，用相同数量的点表征这些人，并将这些点平均分布于所在图像块；步骤D、对各图像帧分别进行网格化处理；以网格中表征人的点数大于一预设阈值的网格作为高密度网格，并以各高密度网格作为中心，按照预设的邻近网格阈值，查找其邻近网格，每个高密度网格及其邻近网格构成一个局部计算区域，从而确定一系列局部计算区域；步骤E、对于每一个局部计算区域，对该区域内的所有表征人的点进行基于核密度的空间聚类，聚类得到的每一个簇表征一个人群，进而得到相应的人群聚集形状、密度分布特征；其中，所述基于核密度的空间聚类为DENCLUE聚类算法，所述DENCLUE算法中的核密度函数为高斯核密度函数，高斯核密度函数窗口宽度h按照下式动态确定：h=[R(K)μ2(K)2R(f′′)n]15,]]>式中，R(K)＝∫RK(x)2dx，u2(K)＝∫Rx2K(x)dx，K(x)为核函数，f″为概率密度函数f的二阶导数，n为已知数据点的个数；步骤F、利用质心运动跟踪的方法，确定各人群聚集形状、密度分布的变化、聚集人群的移动特征以及人群规模的增长速度变化趋势。