[发明专利]一种拥挤场景监控视频中人群流异常事件的检测方法

摘要

本发明提供一种拥挤场景监控视频中人群流异常事件的检测方法，涉及计算机视觉技术领域。首先，通过关联连续多帧间的光流，得到粒子运动的短时轨迹片段；然后，采用层次聚类算法对不稳定的光流轨迹片段进行聚类，使相邻且相似的轨迹片段聚成具有统计意义的小区域，提高运动描述的可靠性；最后，通过计算小区域中粒子运动的主方向和活动范围来检测人群流异常，为可能发生的安全事故提供预警。本发明粒子轨迹片段的聚类使单条不可靠的粒子轨迹能够与周围相似的粒子轨迹一起用于人群流运动描述，提高了运动描述的稳定性。在真实场景的监控视频上进行了测试，结果表明该方法能够有效检测人群流异常，且对过分割的轨迹片段聚类结果具有较强的适应性。

主权项

一种拥挤场景监控视频中人群流异常事件的检测方法，其特征在于：该方法包括如下步骤：步骤1：提取监控视频中的轨迹片段，一个视频片段W×H×T中粒子的运动轨迹表示为：{(x(t)，y(t))|x∈[1，W]，y∈[1，H]，t∈[1，T]}      (1)其中，W表示视频的宽，H表示视频的高，T表示视频片段连续帧的个数，矢量(x(t)，y(t))表示粒子(x，y)在t时刻的位置；步骤2：采用由粗到精的部分形状匹配策略度量轨迹片段之间的相似性，包括以下步骤：从两条待匹配的轨迹片段中提取可能对应的候选轨迹片段对；采用粗匹配过程中的精简步骤去除明显不相似的候选轨迹片段对；采用精匹配过程对精简后的每对候选轨迹片段对提取特征并计算匹配代价，其中最小的匹配代价作为这两条待匹配轨迹片段的相似度；步骤3：对轨迹片段进行层次聚类；利用层次聚类算法对粒子轨迹片段进行聚类，得到若干运动基本一致的小区域patch(m)，m为小区域的编号，保证相邻且相似的轨迹片段能归为一类；步骤4：提取运动特征；对聚类后形成的小区域patch(m)提取具有统计意义的运动特征，所述运动特征包括粒子规模numel、粒子运动的平均速度和粒子运动的主方向Hdir；步骤5：判断人群流是否异常；步骤5.1：根据粒子活动范围存在重叠的两块小区域主方向的合并方向是否大于90°来判断是否存在对冲运动，如果合并方向大于90°，则存在对冲运动，执行步骤5.2，否则不存在对冲运动，进行下一视频片段的检测；步骤5.2：根据对冲小区域的粒子个数之和与总的粒子个数之比来判断人群流的状态，如果比值大于预设门限τR，则判定为人群流异常，即存在不规则涌动的人群流，否则为正常，进行下一视频帧的检测。