【技术实现步骤摘要】
本专利技术涉及行为分析，具体涉及一种人群行为分析系统及方法。
技术介绍
1、人群行为分析系统是一种利用计算机视觉、机器学习和数据分析等技术，对人群在特定场景中的行为进行实时监测、分析和识别的系统，这类系统广泛应用于视频监控、智能交通、公共安全、商业分析等领域，人群行为分析系统可以通过监测公共场所的人流、车流等信息，提供实时的城市状况，帮助城市管理者更有效地应对紧急情况、交通拥堵、人员聚集等问题。
2、现有技术存在以下不足：
3、现有的监控系统通常需要人工进行监视，当监控区域出现人群行为异常时，需要人工监视到后再进行警示和作出相应的管理策略，然而，人工监视存在不确定性，若监控区域已经发生异常，但监视人员未能注意到异常（例如监控画面过多、监视人员外出或休息时），则可能会导致异常严重性增大，进而不便于进行管理；
4、基于此，本专利技术提出一种人群行为分析系统及方法，能够自动对监控区域出现的异常进行识别并警示，便于管理。
技术实现思路
1、本专利技术的目的是提供一种人群行为分析系统及方法，以解决
技术介绍
中不足。
2、为了实现上述目的，本专利技术提供如下技术方案：一种人群行为分析系统，包括视频采集模块、目标跟踪模块、姿态估计模块、行为识别模块、异常检测模块、轨迹分析模块、数据存储模块以及用户界面模块：
3、视频采集模块：从摄像头或其他视频源中采集实时视频流；
4、目标跟踪模块：基于物体检测算法检测实时视频流中的人群或个体
5、姿态估计模块：分析跟踪目标的姿态；
6、行为识别模块：通过对跟踪目标的运动和姿态进行分析，识别出人群或个体的具体行为；
7、异常检测模块：识别不寻常或潜在威胁的行为，当分析跟踪目标行为存在异常时，发出报警信号；
8、轨迹分析模块：用于分析跟踪目标在空间中的运动轨迹；
9、数据存储模块：用于管理和存储视频流和异常检测结果；
10、用户界面模块：用于用户实时查看异常检测结果，并接收异常事件的报警通知。
11、所述异常检测模块获取监测区域中的人群密度浮动系数、禁入区域停留时长、姿态偏差指数；
12、将人群密度浮动系数、禁入区域停留时长、姿态偏差指数进行归一化处理后，综合计算获取异常系数值；
13、异常系数值越大，表明监测区域内人群行为越不存在异常，计算获取异常系数值后，将异常系数值与异常阈值进行对比；
14、若异常系数值大于等于异常阈值，分析跟踪目标行为不存在异常，若异常系数值小于异常阈值，分析跟踪目标行为存在异常，当分析跟踪目标行为存在异常时，发出报警信号。
15、在一个优选的实施方式中，所述异常系数值的计算表达式为：；式中，为姿态偏差指数，为人群密度浮动系数，为禁入区域停留时长，分别为人群密度浮动系数、禁入区域停留时长的比例系数，且。
16、在一个优选的实施方式中，所述姿态偏差指数的获取逻辑为：
17、为跟踪目标的所有异常姿态预设一个异常姿态时长阈值，通过异常姿态时长阈值与实时获取的异常姿态持续时长对比获取姿态偏差指数，异常姿态包括大幅度运动姿态、静止姿态以及关节角度偏差姿态；
18、若大幅度运动姿态持续时长、静止姿态持续时长或关节角度偏差姿态持续时长中任一个异常姿态持续时长超过异常姿态时长阈值，姿态偏差指数；
19、若大幅度运动姿态持续时长、静止姿态持续时长以及关节角度偏差姿态持续时长均未超过异常姿态时长阈值，姿态偏差指数。
20、在一个优选的实施方式中，所述人群密度浮动系数的计算表达式为：，式中，为人群密度的实时变化量，为人群聚集预警的时段，为人群分散预警的时段。
21、在一个优选的实施方式中，所述姿态估计模块基于深度学习模型对目标进行人体关键点检测，并通过姿态估计模型将检测到的人体关键点转化为具体的姿态信息，估计目标的姿态，姿态信息包括身体的方向、关节的角度、肢体的运动状态，通分类器对估计到的姿态进行动作分类，识别目标的具体动作。
22、在一个优选的实施方式中，所述姿态估计模块收集包含人体姿态标注的图像数据集，对图像进行预处理后，采用卷积和池化操作逐步减小特征图的尺寸，通过上采样和残差连接逐步增大特征图的尺寸，使用随机梯度下降优化算法调整深度学习模型参数，使损失函数最小化，使用训练好的深度学习模型对新的图像进行前向传播，生成关键点的预测结果；
23、所述姿态估计模块使用openpose提供的命令行工具对图像或视频进行关键点检测，解析openpose输出的关键点坐标，获取每个关键点的具体位置信息，利用解析得到的关键点坐标计算各个关节的角度后获取姿态信息。
24、在一个优选的实施方式中，所述目标跟踪模块通过yolov4模型对视频流的每一帧进行目标检测，输出每个目标的边界框、类别标签和置信度，基于sort算法对每个检测到的目标初始化目标跟踪器，在视频的后续帧中，使用sort算法对之前检测到的目标进行跟踪，将跟踪到的目标信息输出。
25、在一个优选的实施方式中，所述目标跟踪模块从yolov4获取当前视频帧中的目标检测结果，对每个目标检测输出使用sort算法进行初始化，sort算法使用卡尔曼滤波器对目标进行跟踪；
26、通过将目标的检测框作为初始状态输入给卡尔曼滤波器完成对目标检测输出的初始化，将初始化后的目标跟踪信息添加到目标跟踪列表中，每个目标跟踪条目包括目标id、当前位置、速度信息；
27、重新运行目标跟踪器，获取下一帧中的目标检测结果，使用sort算法对先前初始化的目标跟踪器进行更新，sort算法使用卡尔曼滤波器预测目标在下一帧中的位置，然后通过匹配当前帧的目标检测结果和预测位置来更新目标状态；
28、在目标跟踪的过程中，使用匈牙利算法来关联当前帧的目标检测结果和已有的目标跟踪器，根据目标关联的结果，更新每个目标跟踪器的状态，状态包括位置信息、速度信息。
29、在一个优选的实施方式中，所述目标跟踪模块使用匈牙利算法来关联当前帧的目标检测结果和已有的目标跟踪器包括以下步骤：
30、基于目标之间的距离计算当前帧中的每个目标检测结果和已有目标跟踪器的关联成本，目标检测结果和目标跟踪器之间的成本构成成本矩阵；
31、使用匈牙利算法找到成本矩阵中的最小成本分配，使得每个目标检测结果都与一个目标跟踪器关联；
32、解析匈牙利算法的输出，得到每个目标检测结果与相应目标跟踪器的关联，构成当前帧的目标关联结果。
33、本专利技术还提供一种人群行为分析方法，所述分析方法包括以下步骤：
34、s1：视频采集模块从摄像头或其他视频源中采集实时视频流，基于物体检测算法检测实时视频流中的人群或个体，并跟踪他们在视频帧之间的运动；
35、s2：分析跟踪目标的姿态，通过对跟踪目标本文档来自技高网...
【技术保护点】
1.一种人群行为分析系统，其特征在于：包括视频采集模块、目标跟踪模块、姿态估计模块、行为识别模块、异常检测模块、轨迹分析模块、数据存储模块以及用户界面模块：
2.根据权利要求1所述的一种人群行为分析系统，其特征在于：所述异常系数值的计算表达式为：；式中，为姿态偏差指数，为人群密度浮动系数，为禁入区域停留时长，分别为人群密度浮动系数、禁入区域停留时长的比例系数，且。
3.根据权利要求2所述的一种人群行为分析系统，其特征在于：所述姿态偏差指数的获取逻辑为：
4.根据权利要求3所述的一种人群行为分析系统，其特征在于：所述人群密度浮动系数的计算表达式为：，式中，为人群密度的实时变化量，为人群聚集预警的时段，为人群分散预警的时段。
5.根据权利要求4所述的一种人群行为分析系统，其特征在于：所述姿态估计模块基于深度学习模型对目标进行人体关键点检测，并通过姿态估计模型将检测到的人体关键点转化为具体的姿态信息，估计目标的姿态，姿态信息包括身体的方向、关节的角度、肢体的运动状态，通过分类器对估计到的姿态进行动作分类，识别目标的具体动作。
7.根据权利要求6所述的一种人群行为分析系统，其特征在于：所述目标跟踪模块通过YOLOV4模型对视频流的每一帧进行目标检测，输出每个目标的边界框、类别标签和置信度，基于SORT算法对每个检测到的目标初始化目标跟踪器，在视频的后续帧中，使用SORT算法对之前检测到的目标进行跟踪，将跟踪到的目标信息输出。
8.根据权利要求7所述的一种人群行为分析系统，其特征在于：所述目标跟踪模块从YOLOV4获取当前视频帧中的目标检测结果，对每个目标检测输出使用SORT算法进行初始化，SORT算法使用卡尔曼滤波器对目标进行跟踪；
9.根据权利要求8所述的一种人群行为分析系统，其特征在于：所述目标跟踪模块使用匈牙利算法来关联当前帧的目标检测结果和已有的目标跟踪器包括以下步骤：
10.一种人群行为分析方法，通过权利要求1-9任一项所述的分析系统实现，其特征在于：所述分析方法包括以下步骤：
...【技术特征摘要】
1.一种人群行为分析系统，其特征在于：包括视频采集模块、目标跟踪模块、姿态估计模块、行为识别模块、异常检测模块、轨迹分析模块、数据存储模块以及用户界面模块：
2.根据权利要求1所述的一种人群行为分析系统，其特征在于：所述异常系数值的计算表达式为：；式中，为姿态偏差指数，为人群密度浮动系数，为禁入区域停留时长，分别为人群密度浮动系数、禁入区域停留时长的比例系数，且。
3.根据权利要求2所述的一种人群行为分析系统，其特征在于：所述姿态偏差指数的获取逻辑为：
4.根据权利要求3所述的一种人群行为分析系统，其特征在于：所述人群密度浮动系数的计算表达式为：，式中，为人群密度的实时变化量，为人群聚集预警的时段，为人群分散预警的时段。
5.根据权利要求4所述的一种人群行为分析系统，其特征在于：所述姿态估计模块基于深度学习模型对目标进行人体关键点检测，并通过姿态估计模型将检测到的人体关键点转化为具体的姿态信息，估计目标的姿态，姿态信息包括身体的方向、关节的角度、肢体的运动状态，通过分类器对估计到的姿态进行动作分类，识别目标的具体动作。
6.根据权利要求5所述的一种人群行为分析系统，其特征在于：所述姿态估计模块收集包含人体姿...
【专利技术属性】
技术研发人员：李淑琴，肖勇，柳凌峰，
申请(专利权)人：江西珉轩智能科技有限公司，
类型：发明
国别省市：
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。