[发明专利]一种基于分层处理的人群异常行为智能检测方法

摘要

一种基于分层处理的人群异常行为智能检测方法。其包括人群状态预判与人群异常行为检测两个过程，其中人群状态预判过程是利用人群状态变化指数R对人群状态进行预判；人群异常行为检测过程是同时利用人群运动能量En和人群运动方向熵Hn进行人群异常行为判定。本发明提供的基于分层处理的人群异常行为智能检测方法不仅对人群异常行为具有很好的检测效果，而且不需要学习训练的过程，同时灵活性强，运算量低，可以很好地保证实时性，适用于广场、地铁、火车站、机场等人群密集且公共安全需求较高的场所。

主权项

1.一种基于分层处理的人群异常行为智能检测方法，其特征在于：其包括人群状态预判与人群异常行为检测两个过程，其中：人群状态预判过程包括按顺序进行的下列步骤：1)对视频输入利用混合高斯模型提取出人群前景；2)对上述提取到的人群前景利用中值滤波器进行中值滤波处理，然后计算出人群前景区域面积S；3)对相邻两帧视频取差而得到帧差区域面积S2；4)将步骤2)中得到的人群前景区域面积S作为前景掩模算子对步骤3)中得到的帧差区域面积S2做掩模运算，由此得到人群移动区域面积S1；5)根据步骤2)中得到的人群前景区域面积S与步骤4)中得到的人群移动区域面积S₁计算出人群状态变化指数R，其中6)利用人群状态变化指数R对人群状态进行预判，当RR0时,说明人群运动状态发生变化，可能有异常状况发生，进一步通过下述的步骤进行检测；所述的人群异常行为检测过程包括按顺序进行的下列步骤：A)对视频输入进行Harris角点检测；B)对上述检测到的Harris角点进行L‑K光流跟踪，得到人群运动矢量场wi＝{u,v},其中wi代表第n帧中第i个特征点的运动矢量场；C)根据步骤B)中得到的人群运动矢量场，计算每一个特征点的速度，D)根据步骤C)得到的特征点的速度，进一步计算第n帧的人群运动能量E_n，其中m_i代表第n帧的第i个特征点的质量，这里假设所有的特征点的质量m_i＝1，第n帧共有j个特征点；E)根据步骤B)中得到的人群运动矢量场，进一步得到人群运动方向分布直方图:h(i)＝{ki,0其中m为人群运动矢量的总数，G)根据步骤F)中得到的人群方向分布概率，进一步计算人群运动方向熵Hn，H)根据步骤D)中得到的人群运动能量En和步骤G)中得到的人群运动方向熵Hn进行人群异常行为判定，若En>E0且Hn>H0，判定该人群发生了异常行为，其中H0表示人群运动方向熵的阈值。