[发明专利]基于深度卷积神经网络的人群异常行为视觉检测及分析预警系统

说明书

技术领域

本发明涉及人工智能、卷积神经网络和计算机视觉在人群密度检测方面的应用，属于公共安防领域。

背景技术

随着人口的高速增长，社会利益冲突不断，人群事件越来越常见。在一些一线城市中，人口密度非常之高，在这些地方发生群体性事件的概率很高。特别是在繁华大街、大型商场、体育场和大型工厂等地段，经常发生重大人群事故，引起人员伤亡和财产损失。所以大量人群聚集会增大意外事件发生的概率。

在我国大中城市里，视频监控系统在安防工作中发挥了十分重要的作用。目前，视频监控系统已经遍布各种公共场合，包括商场、大街、公园、广场等。传统视频监控主要通过安排专人职守视频监控室来达到监测目的。由于每个监控室监控场景众多，而职守工作人员的精力和积极性都是有限的，遗漏一些重要信息也是在所难免的。鉴于上述原因，大量的监控视频在实际应用中仅仅只起到“事后查询”的作用，没有起到实时预警的作用。

近年来，智能视频监控技术通过结合计算机视觉、图像处理、模式识别等领域的知识到视频监控中，提高了视频监控系统的智能化水平。

对于人群行为方面的研究，主要涉及到人群信息提取、人群建模和事件分析。人群信息提取主要涉及人群密度与数量估计、人群识别和跟踪等方面。人群密度与数量估计主要使用的方法有基于人群像素数和目标边缘的估计方法和基于纹理的估计方法。人群识别包括人群个体的人脸和头识别，以及行人和人群识别。人群建模又可分基于视觉和非基于视觉的建模方法。

中国发明专利申请号为201510435563.8公开了一种公共场所密集人群检测及预警方法，利用模式识别和安全技术建立人群聚集风险监测与预警系统，通过实时监控人群分布百分比和运动区域百分比，及时对行人的聚集状态进行判断。

中国发明专利申请号为201610873483.5公开了一种人群聚集的智能监控方法和系统，包括：实时采集视频监控数据；提取实时采集的视频监控数据中的目标设施；实时提取所述视频监控数据中聚集在目标设施范围内人群的人群聚集特征信息；以及根据所述目标设施和聚集在目标设施范围内人群的人群聚集特征信息确定所述视频监控数据对应监控场景的人群聚集管控信息。

中国发明专利申请号为201610975962.8公开了一种基于机器视觉的人群密度智能监测系统及方法，包括依次相连的摄像头、嵌入式设备以及计算机客户端，其中，摄像头用于实时采集人群视频信息并发送至嵌入式设备；嵌入式设备用于提取视频信息且进行分析处理，并将处理结果发送至计算机客户端；计算机客户端用于判断人口密度是否处于安全区间和上传采集的实时人群视频信息到服务器。

中国发明专利申请号为200710047838.6公开了一种基于视频图像的密集客流密度自动检测方法，其中视频图像采集设备通过闭路电视系统(CCTV)采集监控视频图像,通常采用置于客流通道的出入口顶端的摄像机,实时采集客流出入的视频图像。处理器采用计算机视觉算法对采集到的视频图像进行处理,在人群密度较低时,采用计算量较小但较准确的像素数统计,并应用时间轴的信息进行背景生成；在人群密度较高时应用小波包分解来对人群图像进行多角度分析,然后提取小波包分解系数矩阵的计盒维数作为特征,送入分类器进行分类,得到人群密度等级,达到对密集客流密度实时检测的目的。

中国发明专利申请号为201210071625.8公开了一种人群聚集检测的方法与装置，属于图像处理领域。所述方法包括：获取视频数据中的角点和前景区域；根据所述角点和前景区域，进行计算得到聚类；根据所述聚类构建人群聚集的区域。所述装置包括：获取模块、聚类模块和构建模块。

上述发明技术所采用的都属于传统的计算机视觉方法，这种传统的人群视频分析系统存在以下几个方面的问题：

1、规模上的局限性：无法针对大规模，极端密集情况下的人群进行分析；采用背景建模和运动分割的方法鲁棒性并不十分适合人体对象的提取和跟踪；

2、特征提取问题：识别精度的高低很大程度上取决于前景对象的建模，建模的核心问题是特征的描述与表达，其难点就是特征选择；精度上的局限性：基于像素统计和纹理的人群特征获取，在描述精度和复杂度方面精度不够；

3、鲁棒性问题：由于复杂多变的环境给视频分析提出了环境适应要求，如光照改变，即白天、晚上、黄昏、多云、晴天；风引起的摄像机微小抖动；雨、雪、雾，阴影，遮挡情况，这些都会影响人体对象目标分割的精度。

由于上述视觉检测技术还是属于前深度学习时代的视觉检测技术，检测的鲁棒性和精度是该领域发展的一个瓶颈。