本發(fā)明涉及視頻分析與圖像理解領(lǐng)域，尤其是一種基于能級分布變化的人群異常檢測方法。

背景技術(shù)：

近年來，發(fā)生在公共場合下的危害人民群眾生命財產(chǎn)安全和危害社會秩序的事件日益增多。監(jiān)控系統(tǒng)是一種維護(hù)公共場合下安全與秩序的有效方法，因此異常人群行為檢測作為智能視頻監(jiān)控技術(shù)的一個研究熱點(diǎn)吸引了越來越多人的關(guān)注。

目前，人群行為分析的方法主要分為兩類。(1)微觀分析：人群被看為個體的集合，因此需要檢測和跟蹤每個個體并通過個體目標(biāo)的軌跡和姿態(tài)來識別人群行為，這類方法適合處理小規(guī)模稀疏人群，當(dāng)人數(shù)眾多且個體間相互遮擋時，難以精確定位目標(biāo)；(2)宏觀分析：將人群看作一個整體，從人群的全局外部表現(xiàn)入手分析其行為，通過提取場景特征對人群行為進(jìn)行建模。如光流法是通過估算人群的速度信息來判斷行人是否發(fā)生奔跑異常；社會力是通過計算兩個粒子之間的吸引力以及排斥力的大小，用來作為判斷人群是否異常的依據(jù)。

從研究現(xiàn)狀來看，由于人群中的單個個體很難被直接識別出來，并且誤差可能會非常大，因此大多數(shù)人在處理這個問題時通常不再對人群中單個個體進(jìn)行識別統(tǒng)計，而是直接以圖像中粒子代替行人來進(jìn)行研究。但是由于攝像機(jī)的透視效應(yīng)的影響，行人離攝像機(jī)遠(yuǎn)近所占有的粒子數(shù)是有差別的，如果只是以前景粒子的運(yùn)動來完全代替行人運(yùn)動是不公平的。

技術(shù)實現(xiàn)要素：

本發(fā)明目的在于提供一種設(shè)計合理、計算簡便快速、準(zhǔn)確度高的基于能級分布變化的人群異常檢測方法。

為實現(xiàn)上述目的，采用了以下技術(shù)方案：本發(fā)明所述方法步驟如下：

步驟1，獲取視頻圖像，將圖像中每個像素點(diǎn)看成一個運(yùn)動粒子，并求取每個粒子的速度以及質(zhì)量，建立粒子的動能模型；

步驟2，根據(jù)動能模型求取視頻中每個運(yùn)動粒子的動能，并對運(yùn)動粒子動能進(jìn)行量化分級得到粒子的能級分布，求取粒子能級共生矩陣；

步驟3，以共生矩陣的一致性、熵、對比度三個描繪子描述圖像中粒子的能級分布；通過分析一致性、熵、對比度的變化來分析人群行為，檢測人群異常行為以及確定異常發(fā)生的時間，并進(jìn)行報警提醒。

進(jìn)一步的，步驟1中，求取粒子質(zhì)量的具體方法如下：

用矩形選取距離相機(jī)最近和最遠(yuǎn)的行人作為參考人并提取其前景，假設(shè)行人在場景中的面積為其前景圖像所占像素的數(shù)目，令場景中參考人所占的面積為S；

式中，w、h分別為矩形的寬和高，M_ij∈{0,1},1表示前景，0表示背景；找到兩個參考人質(zhì)心所在位置，并過參考人的質(zhì)心畫一條水平線作為參考線；記距離攝像機(jī)近的參考線為記距離攝像機(jī)遠(yuǎn)的參考線為當(dāng)一個人從運(yùn)動到時，該人在場景中的面積的變化率如下式所示：

假設(shè)直線上像素的質(zhì)量為m_ab＝1，直線上像素的質(zhì)量m_cd＝1/k；若直線l_i(0≤i≤H,H為圖像的高)上的點(diǎn)距和的距離分別為d₁和d₂，由線性插值法可知直線l_i上的粒子質(zhì)量為：

因為對于同一直線上的粒子的質(zhì)量相同，所以圖像中坐標(biāo)為(i,j)的點(diǎn)的質(zhì)量m_ij＝m_i(0≤j≤W,W為圖像的寬)。

進(jìn)一步的，建立動能模型的具體方法如下：

根據(jù)粒子的質(zhì)量，結(jié)合粒子的速度構(gòu)建粒子動能模型為：

式中，m_ij代表坐標(biāo)(i,j)粒子的質(zhì)量，(uv)_ij表示此粒子水平和垂直方向的合速度。

進(jìn)一步的，所述步驟2的具體方法如下：

步驟2.1，將圖像中粒子的運(yùn)動看成電子的運(yùn)動，并根據(jù)氫原子能級公式可得到某一能量的粒子所對應(yīng)的能級為：

E_excited為激發(fā)態(tài)的動能，E_ground為基態(tài)的動能，并對能級l進(jìn)行向下取整，以確保粒子所對應(yīng)的能級都為整數(shù)；在正常狀態(tài)下，人群運(yùn)動速度較慢，運(yùn)動粒子能量較低，因此粒子大多處在基態(tài)；異常狀態(tài)下，人群發(fā)生跑動，粒子能量突然增大，粒子會躍遷到較高能級；

步驟2.2，由于灰度共生矩陣可以對圖像中的像素分布進(jìn)行很好的描述，因此得到每幀圖像運(yùn)動粒子的能級分布后，根據(jù)圖像灰度共生矩陣的概念求得能級共生矩陣，以此對人群運(yùn)動粒子的能級分布進(jìn)行描述；首先，令Q是定義兩個粒子能級彼此相對位置的一個算子；其次，選取一段視頻中的某一幀圖像f，計算出每個運(yùn)動粒子所對應(yīng)的能級；然后，定義一個矩陣A，并令其元素a_ij是能級l_i和l_j的像素對出現(xiàn)在f中由Q所指的位置處的次數(shù)，1<i,j<L_max(Lmax為次幀圖像中運(yùn)動粒子的最大能級數(shù))，則A為所求的能級共生矩陣。

進(jìn)一步的，所述步驟3的具體方法如下：

步驟3.1，計算所求能級共生矩陣的一致性描述算子的值：

計算所求能級共生矩陣的熵描述算子的值：

計算所求能級共生矩陣的對比度描述算子的值：

其中，N是方陣A的行(或列)數(shù)；p_ij是滿足Q所定義的關(guān)系的一個值為(l_i,l_j)的點(diǎn)對的概率估計，其定義為：

p_ij＝a_ij/n (9)

n是滿足Q的能級對的總數(shù)，等于A的元素之和；這些概率的值域為[0,1]，且它們的和為1：

步驟3.2，通過分析一致性、熵、對比度的變化來分析人群行為，設(shè)定閾值來檢測人群異常行為以及獲得異常發(fā)生的時間。

與現(xiàn)有技術(shù)相比，本發(fā)明方法具有如下優(yōu)點(diǎn)：設(shè)計合理、方便實用、操作簡單、計算精確快速。

附圖說明

圖1為本發(fā)明方法的整體框圖。

圖2為本發(fā)明方法的具體實現(xiàn)步驟框圖。

圖3為本發(fā)明方法的線性插值標(biāo)記圖。

圖4為本發(fā)明方法的實例結(jié)果圖。

具體實施方式

下面結(jié)合附圖對本發(fā)明做進(jìn)一步說明：

如圖1、圖2所示，所述方法包括以下步驟：

步驟1，獲取視頻圖像，將圖像中每個像素點(diǎn)看成一個運(yùn)動粒子，并求取粒子的速度以及質(zhì)量，建立粒子的動能模型。

步驟1.1，對距離相機(jī)最近和最遠(yuǎn)的行人面積進(jìn)行插值計算，計算不同位置處粒子的質(zhì)量。首先用矩形選取距離相機(jī)最近和最遠(yuǎn)的行人作為參考人，然后用LIC矢量場可視化來提取視頻中的運(yùn)動目標(biāo)，并假設(shè)人在場景中的面積為其前景圖像所占像素的數(shù)目，令場景中參考人所占的面積為S。

w、h分別為矩形的寬和高，M_ij∈{0,1},1表示前景，0表示背景。找到兩個參考人質(zhì)心所在位置，并過參考人的質(zhì)心畫一條水平線作為參考線。記距離攝像機(jī)近的參考線為記距離攝像機(jī)遠(yuǎn)的參考線為其具體標(biāo)注過程如圖3所示。當(dāng)一個人從運(yùn)動到時，該人在場景中的面積的變化率如下式所示。

假設(shè)直線上像素的質(zhì)量為m_ab＝1，直線上像素的質(zhì)量m_cd＝1/k。若直線l_i(0≤i≤H,H為圖像的高)上的點(diǎn)距和的距離分別為d₁和d₂，由線性插值法可知直線l_i上的粒子質(zhì)量為：

因為對于同一直線上的粒子的質(zhì)量相同，所以圖像中坐標(biāo)為(i,j)的點(diǎn)的質(zhì)量m_ij＝m_i(0≤j≤W,W為圖像的寬)。

步驟1.2，首先用光流法求取粒子的水平以及垂直方向的速度u和v，然后根據(jù)步驟1.1求得粒子的質(zhì)量信息，最后構(gòu)建粒子動能模型為：

m_ij代表坐標(biāo)(i,j)粒子的質(zhì)量，(uv)_ij表示此粒子水平和垂直方向的合速度，其定義為：

步驟2，根據(jù)動能模型求取視頻中每個運(yùn)動粒子的動能，并對動能進(jìn)行量化分級得到粒子的能級分布，然后求取粒子能級共生矩陣。

步驟2.1，將圖像中粒子的運(yùn)動看成電子的運(yùn)動，并根據(jù)氫原子能級公式可得到某一能量的粒子所對應(yīng)的能級為：

E_excited為激發(fā)態(tài)的動能，E_ground為基態(tài)的動能。并對能級l進(jìn)行向下取整，以確保粒子所對應(yīng)的能級都為整數(shù)。在正常狀態(tài)下，人群運(yùn)動速度較慢，運(yùn)動粒子能量較低，因此粒子大多處在基態(tài)；異常狀態(tài)下，人群發(fā)生跑動，粒子能量突然增大，粒子會躍遷到較高能級。

步驟2.2，由于灰度共生矩陣可以對圖像中的像素分布進(jìn)行很好的描述，因此得到每幀圖像運(yùn)動粒子的能級分布后，我們根據(jù)圖像灰度共生矩陣的概念求得能級共生矩陣，并以此對人群運(yùn)動粒子的能級分布進(jìn)行描述。首先令Q是定義兩個粒子能級彼此相對位置的一個算子；其次我們選取一段視頻中的某一幀圖像f，并計算出每個運(yùn)動粒子所對應(yīng)的能級；然后我們定義一個矩陣A，并令其元素a_ij是能級l_i和l_j的像素對出現(xiàn)在f中由Q所指的位置處的次數(shù)，1<i,j<L_max(Lmax為次幀圖像中運(yùn)動粒子的最大能級數(shù))。則A為所求的能級共生矩陣。

進(jìn)一步的，所述步驟3的具體步驟如下：

步驟3.1，根據(jù)公式(7)(8)(9)計算我們所求能級共生矩陣的一致性，熵和對比度三個描述算子的值的大小來對圖像的能級分布進(jìn)行描述。

其中，N是方陣A的行(或列)數(shù)。p_ij是滿足Q所定義的關(guān)系的一個值為(l_i,l_j)的點(diǎn)對的概率估計。其定義為：

p_ij＝a_ij/n (10)

n是滿足Q的能級對的總數(shù)，等于A的元素之和。這些概率的值域為[0,1]，且它們的和為1：

步驟3.2，通過分析三個參數(shù)的變化來分析人群行為，并用公式(12)求得的閾值來檢測人群異常行為以及獲得異常發(fā)生的時間。

實施例1：如圖4，顯示了一段行人由正常到異常狀態(tài)的視頻的檢測結(jié)果曲線，從其變化趨勢可以看出，當(dāng)人群處在正常狀態(tài)時，粒子能量大多處在基態(tài)，能級共生矩陣的熵以及對比度都比較低，相反其一致性比較高；當(dāng)人群發(fā)生異常時，人群開始跑動，粒子躍遷到不同的能級，能級分布比較分散，能級共生矩陣的一致性值會迅速下降，而熵值以及對比度的值會迅速上升。我們設(shè)置三個描述子的閾值分別為0.8730、0.2994和0.0174，則三個描述子分別成功地在第679,680,680幀檢測到異常的發(fā)生，并在第680幀進(jìn)行報警提示。因此，利用能級共生矩陣的描繪子能夠很好地對人群狀態(tài)進(jìn)行描述。

以上所述的實施例僅僅是對本發(fā)明的優(yōu)選實施方式進(jìn)行描述，并非對本發(fā)明的范圍進(jìn)行限定，在不脫離本發(fā)明設(shè)計精神的前提下，本領(lǐng)域普通技術(shù)人員對本發(fā)明的技術(shù)方案做出的各種變形和改進(jìn)，均應(yīng)落入本發(fā)明權(quán)利要求書確定的保護(hù)范圍內(nèi)。