【技术实现步骤摘要】
一种用于智慧安防的人群聚合特征分析方法和系统
本专利技术涉及视频安防监控
,更具体地说是涉及一种用于智慧安防的人群聚合特征分析方法和系统。
技术介绍
对于车站、广场、建筑物廊道等普遍存在人群聚集现象的公共空间而言,视频安防监控的关注对象不应仅局限于特定的个人,例如逆行、停滞、倒地等存在异常行为动作者,也应该关注由一定数量的特定个人聚合在一起形成的人群;这些特定个人彼此之间可能是共同出行者,也可能是陌生人,但在移动过程中由于空间接近而聚合在一起,形成人群;在公共空间中,人群聚合现象非常普遍,因此,分析人群聚合特征,对维护公共空间的安全和交通顺畅非常重要,例如通过分析人群聚合特征,可以关注到存在混乱拥挤踩踏风险或者存在滞留拥堵可能性的重点人群,进而给与疏导、分流等举措。但是,分析人群的聚合特征与分析特定个人的行为特征相比,要复杂很多,首先,人群中的个人的行为既受到人群的影响又反作用于人群,大量的研究实践证明,人群的混乱、踩踏等严重异常往往都是先由一个或者少数个个人的行为造成的,但是个人与人群的关系、对人群的影响都存在很大的多样性,什么情况下一个或者少数个个人的行为会造成整个人群的异常、什么情况下并不会明显反作用给人群,难以判断;其次,个体的正常行为和异常行为从表象上看存在明显的差异,而且各种状态的人群的外在表象,在出现比较大的异常前都很近似,难以展开有效的预测和分类。因此,如何判断人群的状态,以及一个或者少数个人的行为对人群的影响程度,进而依据人群的特征采取不同等级的指标监测,是本领域技术人员亟待解 ...
【技术保护点】
1.一种用于智慧安防的人群聚合特征分析方法,其特征在于,包括如下步骤:/nS1,在安防监控的人群视频画面中提取运动个体目标,并分析运动个体目标的运动行为特征;/nS2,根据运动个体目标的运动行为特征,对人群进行架构分析。/n
【技术特征摘要】
1.一种用于智慧安防的人群聚合特征分析方法,其特征在于,包括如下步骤:
S1,在安防监控的人群视频画面中提取运动个体目标,并分析运动个体目标的运动行为特征;
S2,根据运动个体目标的运动行为特征,对人群进行架构分析。
2.根据权利要求1所述的用于智慧安防的人群聚合特征分析方法,其特征在于,运动个体目标的确定包括以下两种方式:人群密度小于预先设定的阈值时,选取人群中每个运动个体作为运动个体目标;人群密度大于预先设定的阈值时,从人群中选取一定比例的样本运动个体作为运动个体目标。
3.根据权利要求1所述的用于智慧安防的人群聚合特征分析方法,其特征在于,所述S2包括如下步骤:
S21,逐一对运动个体目标的运动行为特征以及运动行为特征的变化率进行两两比较,获取两两之间的运动行为特征的均一性指标值以及约束性指标值;
S21,分别对均一性指标值和约束性指标值进行直方图统计,获取均一性指标值和约束性指标值的分布区间;
S23,根据均一性指标值和约束性指标值的分布区间,判断人群的聚合方式,以及分析人群聚合的结构化程度。
4.根据权利要求3所述的用于智慧安防的人群聚合特征分析方法,其特征在于,所述S23中人群的聚合方式包括结构化聚合和非结构化聚合;处于结构化聚合的人群中的个体目标的分布和运动遵循结构性的约束,个体目标的运动行为特征呈现较强的均一性。
5.根据权利要求1所述的用于智慧安防的人群聚合特征分析方法,其特征在于,
均一性指标值M={αP1-P2*CP1-P2、αP1-P3*CP1-P3…αP1-Pn*CP1-Pn…αPi-Pi+1*CPi-Pi+1、αPi-Pi+2*CPi-Pi+2…αPi-Pn*CPi-Pn…αPn-1-Pn*CPn-1-Pn};其中,n表示运动个体目标的数目,P表示运动个体目标的运动行为特征,C表示两个运动个体目标的运动行为特征之间的一致性,α表示均一性权重,均一性权重与运动个体目标之间的距离成正比;
约束性指标值N={β△P1-△P2*E△P1-△P2、β△P1-△P3*E△P1-△P3…β△P1-△Pn*E△P1-△Pn…β△Pi-△Pi+1*E△Pi-△Pi+1、β△Pi-Pi+2*E△Pi-△Pi+2…β△Pi-△Pn*E△Pi-△Pn…β△Pn-1-△Pn*E△Pn-1-△Pn};其中,n表示运动个体目标的数目,△P表示运动个体目标的运动行为特征的变化率,E表示两个运动个体目标的运动行为特征变化率之间的一致性,β表示约束性权重,约束性权重与运动个体目标之间的距离成反比。
6.一种用于智慧安防的人群聚合特征分析系统,其特征在于,包括个体特征分析模块(1)、人群架构分析模块(2)...
【专利技术属性】
技术研发人员:鲍敏,
申请(专利权)人:重庆特斯联智慧科技股份有限公司,
类型:发明
国别省市:重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。