[发明专利]一种基于行人自组织理论的人群异常检测方法

权利要求书

1.一种基于行人自组织理论的人群异常检测方法，其特征在于，包括如下步骤：

步骤1，人群一致性组分割；

步骤1.1，结合光流法和背景差法分割人群；

步骤1.2，利用行人自组织理论对运动区域进一步做一致性组分割；

步骤1.3，对一致性组进行噪声组合并；

步骤2，得到一致性组后，提取每个组的外观特征和倾向流特征，检测异常行为；

步骤2.1，提取每个一致性组的LBP特征；

步骤2.2，计算图像的倾向流场U_s；

步骤3，利用支持向量机训练得到的人群正常模式的参数得到异常帧的ACU曲线。

2.根据权利要求1所述的基于行人自组织理论的人群异常检测方法，其特征在于，所述步骤1.1包括如下具体步骤：

首先利用光流法得到人群视频序列的速度场，根据光流法，分别求出各运动粒子在水平方向和垂直方向的速度，结合光流法和背景差法分割人群。

3.根据权利要求2所述的基于行人自组织理论的人群异常检测方法，其特征在于，所述步骤1.2包括如下具体步骤：

运动人群分割后，将连通区域进一步分为大连通区域和小连通区域，根据车道的定义可知，自组织理论已经对人群在空间上进行了预处理，将小连通区域进行聚类，得到空间的一致性组，然后利用速度信息对大连通区域聚类，将大连通区域进一步分割成不同的一致性组；

先对空间进行分组，面积大于η₁的连通区域被认为是大连通区域，对于小连通区域直接将其看成一个完整的一致性组：

其中Con为人群分割结果，Con_small为小连通区域，Con_big为大连通区域，η₁为实验设定的阈值，代表连通区域的面积，值取340；大连通区域根据速度特征，使用均值聚类成两类，计算两个聚类中心的距离r，如果r小于L则将这个大连通区域看成一个一致性组，L为本实验设定参数，表示聚类中心距离，值为0.78；否则进入下一步，除去杂质之后，判断两个类中是否有多个连通区域，如果一个类只有一个连通区域就认定它是一个一致性组，否则重新判断该类中是否有大连通区域，进入迭代中，直到所有像素全部被分类。

4.根据权利要求3所述的基于行人自组织理论的人群异常检测方法，其特征在于，所述步骤1.3包括如下具体步骤：

提出一种噪声群合并方法，公式如下：

其中，G_noise是噪声组，G_normal是聚类的正常组，Con是整个连通区域，β是当前类别像素值占总像素的比例，取值为0.146；当判断为噪声组时，将其与最近的正常组集合，其公式为：

其中，d(G_noise,G_normal)是噪声组和正常组之间的距离，d_min是最短距离。

5.根据权利要求4所述的基于行人自组织理论的人群异常检测方法，其特征在于，所述步骤2.1包括如下具体步骤：

局部二值化模式是一种有效的描述图像纹理的特征，它的计算流程如下：LBP算子定义一个3×3的窗口，以窗口内中心点的像素值为标准，对比窗口内另8个点的像素值大小，大于为1，否则为0，8个点形成一个二进制数字即为中心点的LBP特征值，用公式表达为：

其中(x_c,y_c)是中心像素，i_p是灰度值，i_c是相邻像素的灰度值，s是一个符号函数：

使用具有旋转不变特性的LBP特征，在确定半径大小和采样点数目后，不断旋转圆形邻域内采样点的位置，得到一系列的LBP特征值，从这些LBP特征值中选择最小的值作为LBP中心像素点的LBP特征值，采用PCA对LBP特征进行降维，取分值超过90％的特征值；降维之后的LBP特征，第一个特征值能够刻画91％的原特征，采用降维后特征的第一列。