[发明专利]基于光流计算的异常拥挤行为检测算法

摘要

本发明涉及一种基于光流计算的异常拥挤行为检测算法，首先采用光流微粒矢量场提取人群运动特征；然后基于社会力模型计算光流微粒之间的相互作用力；最后对相互作用力采用直方图熵值分析实现行为判别。本发明可以对异常拥挤行为进行有效判别和定位。通过求取场景视频对应社会力模型中的相互作用力，结合直方图熵值分析，实现快速可靠的异常拥挤行为检测，可广泛用于视频监控领域。

主权项

基于光流计算的异常拥挤行为检测算法，其特征在于，首先采用光流微粒矢量场提取人群运动特征；然后基于社会力模型计算光流微粒之间的相互作用力；最后对相互作用力采用直方图熵值分析实现行为判别，流程如下：（1）、求取光流失量针对当前输入的视频帧，首先使用Lucas‑Kanade方法求取其对应的致密光流场；然后将致密光流场分成若干个的子区域，这里为区域大小，单位为像素，每个子区域等效为1个运动微粒；对每个子区域内部的所有光流值进行高斯加权平均；所有子区域的高斯加权平均结果组成一个平均光流场；（2）、求取相互作用力社会力模型如式1所示，其中为目标序号，为其对应质量，为其实际运动速度，为其期望运动速度，为其与周围环境/物体的相互作用力，为松弛参数，为时间，（1）则相互作用力为：（2）设对应坐标为的微粒的原始光流，对应坐标为的微粒的有效光流平均值，则微粒的实际运动速度和期望速率如下式所示，其中是恐慌权重参数，（3）对于给定场景或已确定的具有一贯相似尺寸目标的人群类型，假设，因此对于每个微粒，从式（2、3）计算出相互作用力：（4）（3）、异常拥挤行为判别相互作用力决定了图像帧中宏块粒子间的相互作用，就其中的某一单独帧而言，相互作用力是瞬时的，无法对视频中的异常行为进行判定，需要使用持续一段时间的相互作用力来进行异常行为的判定，本发明将连续帧社会力组合为社会力流；对于一个位于的相互作用力，得出其方位角和大小，其中和是在和方向上的分量，（5）（6）在视频帧中，对于每一个计算宏块，其都有一个对应的相互作用力，因此在一帧图像中我们设立处理单元集合，对此，对于连续帧的计算宏块，将每一帧中相对应计算宏块的相互作用力矢量进行叠加，创建出力流矢量，对力流矢量的大小及方位角分别进行词袋均值分类：对于方位角进行分类，以从0°开始，以每隔45°为一个类别，分为8个词袋类别，对于强度大小分为11个区间，对于一个计算宏块的力流矢量都有一个对应的大小和方位角词，在图像帧中的处理单元集合中，对单个计算宏块的力流矢量的大小词和方位角词进行数量统计，分别获取新的特征词矩阵，将其分别进行直方图统计，通过直方图，依下式计算相对作用力大小与方向角的熵值，（7）（8）其中为作用力大小的熵值，分别为方向角的熵值，为作用力在区间出现次数的概率，为作用力的在方位角区间出现的概率，当、均超出预设的阈值时，即表明检测到异常拥挤行为。