[发明专利]基于多线索信息的行为集体度衡量方法

摘要

本发明公开了一种基于多线索信息的行为集体度衡量方法，用于解决现有行为集体度衡量方法准确性差的技术问题。技术方案是检测并跟踪视频中的特征点，得到初始特征点集合，将视频帧分割为图像块。在同一图像块中，找出速度相近的特征点，保留其中速度变化最小的点，将其他特征点视为冗余点并移除，得到新的特征点集合，将其中特征点视为个体；根据个体之间的空间距离、速度相关度以及前一帧中的相似度，求出个体在当前帧的相似度，去除稳定度低的个体；通过流形学习，计算个体之间的拓扑相似度。对于某一个体衡量其行为集体度。所有个体行为集体度的均值即为整体行为的集体度。本发明通过对多线索信息的利用，使行为集体度计算的准确性得到了提升。

主权项

一种基于多线索信息的行为集体度衡量方法，其特征在于包括以下步骤：步骤一、检测并追踪拥挤视频中的特征点，选取出最有代表性的特征点，用于代表拥挤场景中的个体；1)检测并跟踪视频中的特征点，得到初始特征点集合；2)采用分割算法将视频中每一帧图像分割为图像块；3)在第t帧图像中，对于同一图像块中的特征点i和j，计算速度相似度：Ct(i,j)=max(vi·vj|vi|·|vj|,0)---(1)]]>式中i和j分别代表两个特征点，t为图像帧数，vi和vj代表特征点速度，Ct(i,j)代表i和j在第t帧中的速度相似度；若Ct(i,j)高于一定值，则认为i和j来自同一个体，只保留其中一个；反复迭代，直至找到保留的特征点属于不同个体；得到筛选后的特征点集合，将其中的特征点视为个体；步骤二、利用多线索信息，计算个体相似度；1)计算在每一帧图像t中个体之间的空间距离，找到每个个体i的多个近邻，记为N(i)，计算个体空间相似度矩阵：Dt(i,j)=(xi-xj)2-(yi-yj)2j∈N(i)0j∉N(i)---(2)]]>式中xi,yi代表i的空间坐标，xj,yj代表j的空间坐标，Dt(i,j)代表i和j在第t帧中的空间位置相似度；2)结合第t‑1帧图像中i与j的相似度St‑1(i,j)，计算两个体在第t帧图像中的相似度：St(i,j)=Ct(i,j)f(Dt(i,j))+βSt-1(i,j)Dt(i,j)>00Dt(i,j)=0---(3)]]>式中β为调节权重的参数，f为正比例函数，St(i,j)代表i和j在第t帧中的相似度；步骤三、衡量个体稳定性，去除不稳定个体；1)衡量每个个体i的速度稳定性：2)衡量个体与临近点的速度偏差：3)计算个体稳定程度：STi(t)＝SPi(t)+αSNi(t)    (4)式中α为权重，STi(t)为个体i在t时刻的稳定程度；得到所有个体的稳定程度后，将稳定程度低的个体去除；步骤四、利用流形学习，根据个体之间拓扑关系，衡量个体行为集体度，及整个场景行为集体度；1)对于个体i与j，假设γl(i,j)＝{pi‑>pi+1‑>…pj‑1‑>pj}为一条从i到j长度为l的路径，则在此路径上i与j的相似度为2)i到j沿所有路径上的相似度为：τi,j=Σl=1∞Σγl∈Plvγl(i,j)---(5)]]>式中Pl为i到j长度为l路径的集合，τi,j为i到j沿所有路径上的相似度；利用St对τi,j进行计算：τi,j＝[(I‑St)‑1‑I]ij     (6)式中I表示单位矩阵；因此，个体i的行为集体度即为：φt(i)=Σj∈C,j≠iτi,j---(7)]]>式中C为个体集合；场景行为集体度为：Φt=1|C|Σi∈Cφt(i)---(8)]]>式中，|C|表示场景中的个体数量。