[发明专利]一种群体异常行为检测方法和装置

说明书

本发明公开了一种群体异常行为检测方法和装置，包括获取输入图像，将输入图像分成预设个方块，根据哈里斯角检测法和预设的筛选条件求解得到每个方块内的有效光流向量；构建概率模型用以表示每个方块的有效光流向量在预设数量个方向上的分布，结合预设的聚类约束条件，确定每个方块内群体的方向模型，并对所有方块的方向模型进行方向聚类得到方向聚类集合；根据方向聚类集合进行稀疏编码和更新字典得到完备字典集合，根据完备字典集合和方向聚类集合得到各方向的稀疏表示系数，根据各方向的稀疏表示系数构建损失函数，当损失函数的值大于预设的阈值时，可确定对应方向上的群体处于异常状态，得到事故发生方位。在监控领域具有更大的安保价值。

技术领域

本发明属于机器视觉技术领域，尤其涉及一种群体异常行为检测方法和装置。

背景技术

群体行为异常检测是一个复杂的问题，检测人群行为的目的即是检测人群的动向是否处于异常状态，从而判断附近是否有事故发生，但传统的方法仅仅是检测人群是否异常，目前的主流方法对应不同的场景可以分为两类：1）视频中人数较少，能够识别出完整人体动作的情况。这类算法主要是检测每个个体的外观及动作，分析个体之间的交互行为进而将当前时刻人群的行为进行分类；2）当视频中人数较为密集，个体之间遮挡严重时，提取每个个体的外观和动作等高级特征就变得十分复杂，计算量大，而在实际应用中，摄像头通常仅仅能够捕捉范围内的人群，无法捕捉到事故发生地，从而当人群行为异常时，并不能判断事故发生的方位，不能及时对事故进行控制，安全隐患大。

发明内容

针对以上技术问题，本发明提供一种群体异常行为检测方法和装置，可根据人群行为异常判断事故发生方位，安保价值大。

本发明解决其技术问题采用的技术方案是：

在一个实施例中，一种群体异常行为检测方法，方法包括以下步骤：

步骤S100：获取输入图像，将输入图像分成预设个方块，根据哈里斯角检测法和预设的筛选条件求解得到每个方块内的有效光流向量；

步骤S200：构建概率模型用以表示每个方块的有效光流向量在预设数量个方向上的分布，结合预设的聚类约束条件，确定每个方块内群体的方向模型，并对所有方块的方向模型进行方向聚类得到方向聚类集合；

步骤S300：根据方向聚类集合进行稀疏编码和更新字典得到完备字典集合，根据完备字典集合和方向聚类集合得到各方向的稀疏表示系数，根据各方向的稀疏表示系数构建损失函数，当损失函数的值大于预设的阈值时，可确定对应方向上的群体处于异常状态，得到事故发生方位。

优选地，步骤S100包括：

步骤S110：获取输入图像，将输入图像分成预设个方块，根据哈里斯角检测法获取每个方块中的特征点；

步骤S120：对每个方块中的特征点进行光流特征提取和约束得到每个方块的光流向量；

步骤S130：根据预设的筛选条件对每个方块的光流向量进行筛选得到每个方块的有效光流向量。

优选地，步骤S120中对每个方块中的特征点进行光流特征提取和约束得到每个方块的光流向量包括：

1）设分别表示水平方向的光流向量和垂直方向的光流向量，为特征点的坐标，为横坐标，为纵坐标，为t时刻坐标为的特征点的灰度值，经过时间后，坐标为的特征点的灰度值表示为：，由运动物体的灰度值在预设时间内不变的假设可知：

（2）

将式（2）展开得到

其中，表示I对e求偏导，表示I对f求偏导，表示I对t求偏导，表示t时刻与t+时刻的横坐标的差值，表示t时刻与t+时刻的纵坐标的差值；

由上式可得：