[发明专利]一种区域人群滞留检测方法、装置和存储介质

说明书

技术领域

本发明涉及计算机视觉技术，尤其涉及一种区域人群滞留检测方法、装置和存储介质。

背景技术

区域人群行为分析是计算机视觉与图像分析技术在视频监控领域内的一个重要应用。一般方式是通过摄像头采集公园、广场、大型室内活动场所等公共安全区域的实时视频画面，应用图像智能分析技术，对场景中的人群的数量、运动趋势进行分析与预测，并根据分析的结果做出一些决策以预防一些拥护、踩踏等人群事故。

本发明主要针对场景中人群滞留的行为进行检测分析，并统计出画面中每个区域上人群的滞留时间，可以有效的检测出一些敏感区域，如火车站、机场、地铁出入口、通道、阶梯或军事机密区域的人群滞留、徘徊等异常行为。同时通过分析场景中每个区域人群滞留时间的长短，可以当前场景做一些危险发生时的人流疏散规划。

传统的区域人群行为分析中对于人群的滞留，往往采用是基于前景运动目标的跟踪来实现的，这些方法一般先通过背景建模与进行运动目标的分割，再对运动目标进行跟踪，来统计目标在指定区域内停留的时间。利用背景建模的方法进行运动目标检测，对运动目标没有区分性，无法区分运动的目标是人、车还是其他目标，部分算法结合尺寸进行了简单的筛选，这种做法容易受到相机角度、场景大小的干扰，容易错检或漏检。另外近年随着深度学习的兴起，不少方法改进了目标检测的方法，采用基于深度学习的人体检测来代替基于背景模型的目标检测，解决了部分问题，但是基于深度学习的人体检测不能适应较大场景以及场景中人较多，粘连严重的问题。而且，现有的运动目标跟踪算法对目标的独立性要求较高，对多目标粘连在一起的情况，往往效果表现较差。另外通过对运动目标的轨迹进行分析来判定目标的滞留，只能检测出人群的停留或静止，如果目标发生了小范围的移动，则容易漏检测。

综上，现有的常规人群滞留检测方案存在以下缺陷：一方面受限于前景运动目标分割的精确程度，另一方面在跟踪方面也极容易受到人群粘连的影响，在实际应用中更容易受到复杂背景，天气因素等干扰，极易产生误报与漏报。

发明内容

为了克服现有技术的不足，本发明的目的之一在于提供一种区域人群滞留检测方法，其能解决现有的人群滞留检测方案一方面受限于前景运动目标分割的精确程度，另一方面在跟踪方面也极容易受到人群粘连的影响，在实际应用中更容易受到复杂背景，天气因素等干扰，极易产生误报与漏报的问题。

本发明的目的之二在于提供一种区域人群滞留检测装置，其能解决现有的人群滞留检测方案一方面受限于前景运动目标分割的精确程度，另一方面在跟踪方面也极容易受到人群粘连的影响，在实际应用中更容易受到复杂背景，天气因素等干扰，极易产生误报与漏报的问题。

本发明的目的之三在于提供一种存储介质，存储有计算机程序，其能解决现有的人群滞留检测方案一方面受限于前景运动目标分割的精确程度，另一方面在跟踪方面也极容易受到人群粘连的影响，在实际应用中更容易受到复杂背景，天气因素等干扰，极易产生误报与漏报的问题。

本发明的目的之一采用以下技术方案实现：

一种区域人群滞留检测方法，包括以下步骤：

获取所述场景图像中的人群前景；

获取所述人群前景的关键点；

对所述关键点进行跟踪，获取所述关键点的运动轨迹；

根据所述运动轨迹计算所述关键点的运动距离；

若所述关键点的运动速度小于预设阈值，则将所述关键点标记为滞留关键点，并生成滞留点矩阵；

根据所述滞留点矩阵对滞留统计矩阵进行更新。

进一步地，所述区域人群滞留检测方法还包括以下步骤：计算所述场景图像的透视矩阵；

所述预设阈值具体为根据所述透视矩阵计算；

所述若所述关键点的运动速度小于预设阈值，则将所述关键点标记为滞留关键点，并生成滞留点矩阵之后，还包括以下步骤：

对所述滞留点矩阵进行高斯滤波，高斯滤波的滤波核的标准差根据所述透视矩阵得到。

进一步地，所述获取所述人群前景的关键点，具体包括以下子步骤：

计算所述人群前景在X和Y方向的梯度I_x和I_y：

计算梯度I_x和I_y的乘积：

I_xy＝I_x·I_y；

对和I_xy进行高斯加权，生成加权矩阵M的元素A,B和C：