[发明专利]基于视频监控平台的人员异常聚集行为的检测方法

摘要

本发明涉及一种基于视频监控平台的人员异常聚集行为的检测方法，包括：对于待检测图片序列，选取一些同样场景的训练图片序列；对于每个训练图片序列和待检测图片序列，进行图像处理；统计每个训练图片序列的真实人数；构建三层BP网络模型，并进行训练；输入待检测图片序列；当待检测图片在该场景中的人数上升到一定阈值时，进一步计算人群的二维联合分布熵，以判断聚集程度。本发明利用机器视觉实现场景异常监测，能够节省人力，并在一定程度上避免“漏检”“误检”的发生。

主权项

一种基于视频监控平台的人员异常聚集行为的检测方法，包括下列的步骤：(1)对于待检测图片序列，选取一些同样场景的训练图片序列；(2)对于每个训练图片序列和待检测图片序列，均进行下面的①‑⑦步的处理：①对于输入的图片序列中的一帧图像，使用混合高斯背景建模的方法，并结合二值化处理以及形态学滤波，获得初步的运动前景图；②将获得的前景图由RGB色彩空间转换至HSV色彩空间，对前景区域逐像素判别滤除，得到过滤阴影区域的前景图；③通过对2)中所得前景图中前景像素的计数，得到前景面积S1；④通过对测试视频中同一场景中同一行人处于不同纵向位置时的尺寸和纵向坐标值进行采样，并对尺寸和纵向坐标值进行线性拟合，求出拟合系数，并得到拟合公式，由此将上一步中求得的前景面积修正为归一化前景面积S2，同一行人在视频图像的任意位置时，归一化前景面积相同；⑤对每一个视频帧采用Harris角点算法提取候选角点信息，然后对求得的候选角点进行非最大值抑制计算，求得的局部最大值即为角点。⑥考虑行人之间的遮挡问题，根据遮挡边缘处于前景区域内部的特点，将处于前景区域边缘的角点滤除；⑦对经过6)步过滤的角点进行进一步过滤，筛选出前景区域内的有效角点，结合原始前景面积S1和前景区域角点数N来提取出遮挡因子D，即通过单位面积中的有效角点数来表征场景中人群间的遮挡程度；(3)统计每个训练图片序列的真实人数；(4)构建三层BP网络模型，其中，输入层为场景的归一化前景面积S2和遮挡因子D组成的特征矢量，输出层为场景的统计人数。通过将训练图片序列的归一化前景面积S2、遮挡因子D和真实行人数输入BP网络并进行训练，完成回归模型的构建；(5)输入待检测图片序列的归一化前景面积S2和遮挡因子D，通过回归模型统计出该场景中的人数；(6)当待检测图片在该场景中的人数上升到一定阈值时，进一步计算人群的二维联合分布熵，以判断聚集程度。