一種監(jiān)控視頻中人群小群體分割方法
【專利摘要】本發(fā)明公開了一種在監(jiān)控視頻中的小群體分割方法，包括的步驟如下：（一）對監(jiān)控視頻中每幀圖像進行行人檢測及跟蹤，獲得行人運動特征；（二）獲取視頻圖像中每個行人原子行為；（三）構(gòu)建每對行人的運動特征關(guān)聯(lián)度能量函數(shù)；（四）根據(jù)行人交互關(guān)聯(lián)度計算行人隸屬度值尋找人群集合，完成小群體分割。為研究監(jiān)控視頻場景中小群體交互行為，解決如何把人群分割為一個個小群體提出了有效方法。
【專利說明】一種監(jiān)控視頻中人群小群體分割方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于視頻監(jiān)控中的視頻行為檢測與監(jiān)控方向，具體涉及一種監(jiān)控視頻中人 群小群體分割方法，對人群交互行為的深入分析具有重要意義。

【背景技術(shù)】
[0002] 隨著城市人口的快速增長和城市環(huán)境的日益復(fù)雜，群體性事件如騷亂、恐怖襲擊 等城市突發(fā)社會安全事件嚴重影響著城市公共安全。而人們對安全需求的提高，使得建設(shè) 平安城市已經(jīng)成為當今國際社會的一個重要主題。研究表明，參加活動的人至少有89%的 人與其他人結(jié)伴而來，離開活動時94%的人與他人結(jié)伴離去。先前的大多數(shù)工作都集中于 單人行為分析、兩人的行為交互識別和單個群體行為分析。國外已有一些大學(xué)與研究機構(gòu) 開始關(guān)注小群體級別的交互行為識別技術(shù)，包括賓西法尼亞州立大學(xué)、哈佛大學(xué)、馬里蘭大 學(xué)、康奈爾大學(xué)、俄勒R州立大學(xué)、通用電氣全球研究中心計算機視覺實驗室與日本先進科 技研究所等在小群體交互行為識別方面取得了一定的成就。相對于外國學(xué)者及研究機構(gòu)， 我國對交互行為識別的研究存在一定的滯后，但近幾年國家對此項課題的投入也逐漸增 多。例如，北京理工大學(xué)、上海交通大學(xué)、中國科學(xué)院自動化研究所、中國科學(xué)院電子學(xué)研究 所、吉林大學(xué)、東南大學(xué)，他們均推動了智能視頻監(jiān)控技術(shù)在國內(nèi)的發(fā)展。不過對視頻監(jiān)控 中小群體交互行為識別的研究方面國內(nèi)還很少。因此，監(jiān)控視頻場景中的人群小群體分割 仍是一個值得研究的關(guān)鍵技術(shù)。


【發(fā)明內(nèi)容】

[0003] 為研究監(jiān)控視頻場景中小群體交互行為，解決如何把人群分割為一個個小群體的 問題。本發(fā)明提出一種在監(jiān)控視頻中的小群體分割方法，包括的步驟如下： (一） 對監(jiān)控視頻中每幀圖像進行行人檢測及跟蹤，獲得行人運動特征； (二） 獲取視頻圖像中每個行人原子行為特征； (三） 構(gòu)建每對行人的運動特征關(guān)聯(lián)度能量函數(shù)； (四）根據(jù)行人交互關(guān)聯(lián)度計算行人隸屬度值尋找人群集合，完成小群體分割。
[0004] 進一步的，步驟一包括如下步驟：（1)行人檢測：對視頻的每一幀采用基于梯度方 向直方圖特征（H0G)的行人檢測算法進行行人檢測，該方法使用人體對稱性檢測篩選出行 人候選區(qū)域，再結(jié)合H0G特征和SVM分類器對候選區(qū)域進行驗證； (2)行人跟蹤及軌跡提?。翰捎枚嗄繕烁櫡椒?，定義一個能量函數(shù)來獎勵合理的軌 跡，懲罰不合理的軌跡，由軌跡的觀察一致性、速度守恒性、位置互斥性、軌跡連續(xù)性等一系 列的特征，使用一個合理的優(yōu)化方法來找到能量函數(shù)的最小值，從而得到行人運動的軌跡， 然后，運用幀差法求得行人的速度大小和方向特征。
[0005] 進一步的，步驟(二）包括如下步驟： (1)計算優(yōu)化后行人行為特征 通過一個行人特征優(yōu)化矩陣^4來提高行人特征的魯棒性，令計算得到的:T 為經(jīng)過優(yōu)化后的行人行為特征，通過行人檢測及跟蹤獲得的行人速度大小、方向、軌跡特 征、描述行人姿勢的梯度直方圖特征作為行人行為描述子，即單一行人行為時空特征JT; (2)訓(xùn)練行人特征優(yōu)化轉(zhuǎn)換矩陣j 行人特征優(yōu)化矩陣j的行人行為特征函數(shù)為：

【權(quán)利要求】
1. 一種監(jiān)控視頻中人群小群體分割方法，包括如下步驟： (一） 對監(jiān)控視頻中每幀圖像進行行人檢測及跟蹤，獲得行人運動特征； (二） 獲取視頻圖像中每個行人原子行為特征； (三） 構(gòu)建每對行人的運動特征關(guān)聯(lián)度能量函數(shù)； (四） 根據(jù)行人交互關(guān)聯(lián)度計算行人隸屬度值尋找人群集合，完成小群體分割。
2. 如權(quán)利要求1所述的監(jiān)控視頻中人群小群體分割方法，其特征在于：步驟一包括如 下步驟：（1)行人檢測：對視頻的每一幀采用基于梯度方向直方圖特征（HOG)的行人檢測算 法進行行人檢測，該方法使用人體對稱性檢測篩選出行人候選區(qū)域，再結(jié)合HOG特征和SVM 分類器對候選區(qū)域進行驗證； (2)行人跟蹤及軌跡提?。翰捎枚嗄繕烁櫡椒?，定義一個能量函數(shù)來獎勵合理的軌 跡，懲罰不合理的軌跡，由軌跡的觀察一致性、速度守恒性、位置互斥性、軌跡連續(xù)性等一系 列的特征，使用一個合理的優(yōu)化方法來找到能量函數(shù)的最小值，從而得到行人運動的軌跡， 然后，運用幀差法求得行人的速度大小和方向特征。
3. 如權(quán)利要求1所述的監(jiān)控視頻中人群小群體分割方法，其特征在于：步驟(二）包括 如下步驟： (1) 計算優(yōu)化后行人行為特征 通過一個行人特征優(yōu)化矩陣^!來提高行人特征的魯棒性，令= 計算得到的：T 為經(jīng)過優(yōu)化后的行人行為特征，通過行人檢測及跟蹤獲得的行人速度大小、方向、軌跡特 征、描述行人姿勢的梯度直方圖特征作為行人行為描述子，即單一行人行為時空特征JT ; (2) 訓(xùn)練行人特征優(yōu)化轉(zhuǎn)換矩陣j 行人特征優(yōu)化矩陣的行人行為特征函數(shù)為：
其中，嫌代表四個攝像頭參數(shù)，g = 1是視角參數(shù)、fl = i是分辨率參數(shù)、--=]可視 距離=1表示光照參數(shù)；使行人行為特征函數(shù)最大的矩陣即為我們所求的優(yōu)化矩陣^;
為相似度函數(shù)，是通過優(yōu)化后行人行為特征;f計算兩種行為謂、?的 相似度，ct (?)表示在攝像頭參數(shù)下，具有相同的參數(shù)值I并且與Η是同類行為的集合， 表示在攝像頭參數(shù)^下，具有不同的參數(shù)值且與是同類行為的集合，表示 在攝像頭參數(shù)#下，與_是不同類行為的集合； (3) 獲取單人原子行為特征 將優(yōu)化后的行人行為特征采用分層狄利克雷混合模型獲取行人單人原子行為類別數(shù)， 然后根據(jù)潛在狄利克雷分布模型，計算行人單人原子行為直方圖，來表征行人單人原子行 為特征。
4. 如權(quán)利要求1所述的監(jiān)控視頻中人群小群體分割方法，其特征在于：步驟(三）包括 如下步驟： (1 ) 令相似 的關(guān)聯(lián) 度因子
中《φ)可以是關(guān)于i7?的 減函數(shù)； (2) 計算每對行人軌跡關(guān)聯(lián)度能量函數(shù)
(3) i+笪毎對行人諫庶f小苦脖庶能景涵救
(4) 計算每對行人速度方向關(guān)聯(lián)度能量函數(shù)
(5) 計算每對行人單人原子行為關(guān)聯(lián)度能量函數(shù)為
5. 如權(quán)利要求1所述的監(jiān)控視頻中人群小群體分割方法，其特征在于：步驟（四）包括 如下步驟： (1) 定義隸屬度 如果用一個平面圖形來反映人與人之間的關(guān)系，圖形中的點代表人，邊代表人與人之 間的關(guān)聯(lián)度；那么，圖像中行人的關(guān)聯(lián)度可以用一個對稱矩陣E = 來表示，行人u隸屬
于人群集合G的平均隸屬度值為 為人群集合成員數(shù)量；令=11, ? -- ν 則知如)=〇 ; (2) 計算行人隸屬于人群集合G的隸屬度值 首先人群集合成員人數(shù)的初始值1，然后計算其他非此人群集合行人隸屬于這個人群 集合的隸屬度值
其中，如果vgG，We(七v) = ri?.-&(u)，表不ν在一個除去成員"的人群集合 中的隸屬度值，這里的隸屬度值有四個，包括行人軌跡、速度大小、速度方向、單人原子行為 隸屬度； (3) 確定人群集合成員 對于所有的人群集合里成員的四個隸屬度值都滿足>O，若有一個隸屬度值 <〇,則不是此人群集合的成員，因此得到人群集合成員及其總?cè)藬?shù)，對所有的非主集 成員重復(fù)步驟（四），直到只剩下一個人為止，最終將整個人群分成多個人群集合即小群體。
【文檔編號】G06T7/00GK104392445SQ201410668260
【公開日】2015年3月4日 申請日期:2014年11月21日 優(yōu)先權(quán)日:2014年11月21日
【發(fā)明者】章東平, 孫敏, 徐凱航, 李文婷 申請人:中國計量學(xué)院