| 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<img file="dest_path_image002.GIF" wi="12" he="14" />；然后将致密光流场分成若干个<img file="dest_path_image004.GIF" wi="30" he="11" />的子区域，这里<img file="dest_path_image006.GIF" wi="9" he="9" />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<img file="dest_path_image008.GIF" wi="25" he="17" />；（2）、求取相互作用力社会力模型如式1所示，其中<img file="dest_path_image010.GIF" wi="7" he="12" />为目标序号，<img file="dest_path_image012.GIF" wi="19" he="15" />为其对应质量，<img file="dest_path_image014.GIF" wi="13" he="13" />为其实际运动速度，<img file="dest_path_image016.GIF" wi="15" he="18" />为其期望运动速度，<img file="dest_path_image018.GIF" wi="35" he="18" />为其与周围环境/物体的相互作用力，<img file="dest_path_image020.GIF" wi="10" he="11" />为松弛参数，<img file="dest_path_image022.GIF" wi="7" he="11" />为时间，<img file="dest_path_image024.GIF" wi="167" he="38" />（1）则相互作用力为：<img file="dest_path_image026.GIF" wi="167" he="42" />（2）设<img file="dest_path_image028.GIF" wi="55" he="19" />对应坐标为<img file="dest_path_image030.GIF" wi="43" he="17" />的微粒<img file="381550dest_path_image010.GIF" wi="7" he="12" />的原始光流，<img file="dest_path_image032.GIF" wi="70" he="19" />对应坐标为<img file="243195dest_path_image030.GIF" wi="42" he="17" />的微粒<img file="140482dest_path_image010.GIF" wi="6" he="14" />的有效光流平均值，则微粒<img file="881911dest_path_image010.GIF" wi="7" he="12" />的实际运动速度<img file="936585dest_path_image014.GIF" wi="13" he="15" />和期望速率<img file="dest_path_image034.GIF" wi="17" he="20" />如下式所示，其中<img file="dest_path_image036.GIF" wi="16" he="13" />是恐慌权重参数，<img file="dest_path_image038.GIF" wi="225" he="45" />（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<img file="dest_path_image040.GIF" wi="43" he="18" />，因此对于每个微粒，从式（2、3）计算出相互作用力：<img file="dest_path_image042.GIF" wi="299" he="37" />（4）（3）、异常拥挤行为判别相互作用力<img file="dest_path_image044.GIF" wi="22" he="19" />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<img file="dest_path_image046.GIF" wi="12" he="13" />帧社会力组合为社会力流<img file="dest_path_image048.GIF" wi="34" he="21" />；对于一个位于<img file="143533dest_path_image030.GIF" wi="43" he="18" />的相互作用力，得出其方位角<img file="dest_path_image050.GIF" wi="54" he="19" />和大小<img file="dest_path_image052.GIF" wi="22" he="21" />，其中<img file="dest_path_image054.GIF" wi="55" he="17" />和<img file="dest_path_image056.GIF" wi="55" he="18" />是<img file="472490dest_path_image018.GIF" wi="33" he="19" />在<img file="dest_path_image058.GIF" wi="9" he="9" />和<img file="dest_path_image060.GIF" wi="11" he="13" />方向上的分量，<img file="dest_path_image062.GIF" wi="169" he="41" />（5）<img file="dest_path_image064.GIF" wi="215" he="32" />（6）在视频帧中，对于每一个计算宏块<img file="dest_path_image066.GIF" wi="17" he="21" />，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<img file="dest_path_image068.GIF" wi="152" he="22" />，对此，对于连续<img file="77431dest_path_image046.GIF" wi="12" he="13" />帧的计算宏块<img file="dest_path_image070.GIF" wi="25" he="17" />，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<img file="993304dest_path_image048.GIF" wi="35" he="21" />，对力流矢量<img file="383703dest_path_image048.GIF" wi="35" he="22" />的大小及方位角分别进行词袋均值分类：对于方位角<img file="193264dest_path_image050.GIF" wi="52" he="20" />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<img file="840278dest_path_image066.GIF" wi="17" he="20" />的力流矢量<img file="40184dest_path_image048.GIF" wi="35" he="20" />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<img file="dest_path_image072.GIF" wi="14" he="14" />中，对单个计算宏块<img file="109640dest_path_image066.GIF" wi="17" he="21" />的力流矢量<img file="773708dest_path_image048.GIF" wi="37" he="21" />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<img file="965524dest_path_image052.GIF" wi="22" he="22" />与方向角<img file="dest_path_image074.GIF" wi="12" he="15" />的熵值，<img file="dest_path_image076.GIF" wi="149" he="42" />（7）<img file="dest_path_image078.GIF" wi="128" he="41" />（8）其中<img file="dest_path_image080.GIF" wi="18" he="19" />为作用力大小<img file="525163dest_path_image052.GIF" wi="22" he="21" />的熵值，<img file="dest_path_image082.GIF" wi="18" he="18" />分别为方向角<img file="93851dest_path_image074.GIF" wi="10" he="13" />的熵值，<img file="dest_path_image084.GIF" wi="18" he="15" />为作用力在<img file="753371dest_path_image010.GIF" wi="6" he="13" />区间出现次数的概率，<img file="dest_path_image086.GIF" wi="19" he="17" />为作用力的在<img file="552307dest_path_image010.GIF" wi="5" he="12" />方位角区间出现的概率，当<img file="726805dest_path_image080.GIF" wi="19" he="20" />、<img file="826479dest_path_image082.GIF" wi="17" he="18" />均超出预设的阈值时，即表明检测到异常拥挤行为。 |
