一种基于粘性流体的群体特征提取方法

摘要

一种基于粘性流体的群体特征提取方法，步骤为：将视频分割为时空块；利用时空变化度量矩阵对信号沿着时间域和空间域上的信号变化进行度量；利用特征值分析的方法构造一个抽象的时空变化场，用以对群体运动的表象特征进行描述；利用粘性流体的切向力分析方法，计算时空力场，用以对群体运动的激励特征进行分析；结合时空变化场、时空力场和位置信息，构造一个时空粘性流体场；利用该粘性流体场实现对群体事件的分析。本发明提取信号的时空变化特征，不需要进行个体的检测和分割，更加适合大规模的群体分析；同时结合了群体的运动和激励特性，能更好的挖掘运动的本质特性，使其在下一步的群体行为分析及异常事件检测中发挥更好的鲁棒性及效率。

主权项

一种基于粘性流体的群体特征提取方法，包括以下步骤：第一步：对任意的像素点P(x,y,t)，以该像素点为中心，构造一个在空间域上半径为r，在时间域上深度为T的圆柱形时空块；第二步：计算该时空块内部的信号变化，作为对像素点P(x,y,t)的描述f^P；第二步中所述像素点P(x,y,t)的在时空块内的变化度量f^P，通过时空块内的体积分获得，具体是：f^P(△θ,△t)=∫∫∫_VDiff(I_B(r+△r,θ+△θ,t+△t),I_A(r,θ,t))dV，其中I_A(r,θ,t)和I_B(r+△r,θ+△θ,t+△t)是时空块内任意两坐标点像素值大小；△r和△θ是这两个像素点的相对位置关系；Diff(x,y)是阶跃函数，即$\mathrm{Diff}(x,y)=\left\{\begin{array}{c}0,|x-y|<\mathrm{th}\\ 1,|x-y|\ge \mathrm{th}\end{array}\right.;$∫∫∫_V(·)dV是该时空块内的体积分；th表示阶跃函数的阶段阈值；第三步：改变两个像素点的位置关系△r和△θ，进一步的计算对该像素点在时空块内对不同的半径△r和角度△θ变化的特征描述$f_{\mathrm{mn}}^P(\mathrm{\Delta \theta },\mathrm{\Delta t})={\int \int \int }_V\mathrm{Diff}(I_B(r+\mathrm{\Delta r},\theta +\mathrm{m\Delta \theta },t+\mathrm{n\Delta t}),I_A(r,\theta ,t))\mathrm{dV},$其中m=1,2,…,M；n=1,2,…,N；M=8，N=6；第四步：利用不同位置的构造时空变化度量矩阵，实现对视频中信号在时空位置P(x,y,t)的变化估计；第四步所述的时空变化度量矩阵，通过改变时空块内两个像素点的位置关系△r和△θ，进一步的计算对该像素点在时空块内对不同的半径△r和角度△θ变化的特征描述得到，具体为：其中$f_{\mathrm{mn}}^P(\mathrm{\Delta \theta },\mathrm{\Delta t})={\int \int \int }_V\mathrm{Diff}(I_B(r+\mathrm{\Delta r},\theta +\mathrm{m\Delta \theta },t+\mathrm{n\Delta t}),I_A(r,\theta ,t))\mathrm{dV},$时空变化度量矩阵F_MN每行表征了信号在时间域上的变化程度，每列表征了信号在空间域上的变化；第五步：利用时空变化矩阵构造一个Hermitian矩阵F_t^P(x，y，t)进而提取信号在时间域上的变化，F_MN为信号的时空变化矩阵，是F_MN的转置；第六步：利用特征值分析的方法，得到矩阵F_t^P(x，y，t)的最显著变化，进而得到像素点P(x,y,t)的时空变化特征；第六步抽象的粘性流体场的构造通过对时空变化度量矩阵的特征值分析得到信号在时间域上的最显著变化，具体为：$\overrightarrow{f_{\mathrm{var}}}(x,y,t)\stackrel{V(x,y,t)}{\Leftarrow }{\lambda }_{\max }(x,y,t)·\overrightarrow{x_f},$其中λ_max(x,y,t)是Hermitian矩阵的最大特征值，是相应的单位特征向量；V(x,y,t)表示时空块；第七步：利用序列中的各像素点的时空变化特征得到时空变化场ST_fluid(x,y,t)，即：${\mathrm{ST}}_{\mathrm{fluid}}(x,y,t)\Leftarrow \left\{\overrightarrow{f_{\mathrm{var}}}(x,y,t)\right\};$第八步：利用粘性流体切向力对时空变化场进行分析，进一步得到时空力；第八步群体的时空力利用粘性流体切向力分析得到，具体为：$F_{\mathrm{force}}=(x,y,t)=\left|\right|{▿\mathrm{ST}}_{\mathrm{fluid}}(x,y,t)\left|\right|=\sqrt{{\left(\frac{{\partial \mathrm{ST}}_{\mathrm{fluid}}}{\partial x}\right)}^2+{\left(\frac{{\partial \mathrm{ST}}_{\mathrm{fluid}}}{\partial y}\right)}^2+{\left(\frac{{\partial \mathrm{ST}}_{\mathrm{fluid}}}{\partial t}\right)}^2},$其中$\frac{{\partial \mathrm{ST}}_{\mathrm{fluid}}}{\partial x}=\underset{\left|\right|\mathrm{\Delta x}\left|\right|\to 0}{\lim }\frac{\left|\right|\overrightarrow{f_{\mathrm{var}}}(x+\mathrm{\Delta x},y,t)-\overrightarrow{f_{\mathrm{var}}}(x,y,t)\left|\right|}{\left|\right|\mathrm{\Delta x}\left|\right|};$同理，计算时空变化场沿着y和t方向的切向力，ST_fluid是时空变化场；第九步：利用序列中各像素点的时空作用力，得到时空力场，即：${\mathrm{ST}}_{\mathrm{force}}(x,y,t)\Leftarrow \left\{F_{\mathrm{force}}(x,y,t)\right\};$第十步：基于序列中各像素点的时空变化场和时空力场，构建时空粘性流体场；第十步的时空粘性流体场的构造，基于序列中各像素点的时空变化场和时空力场，结合了像素点的位置构成，具体为：其中f_pos是像素点的坐标值，ST_fluid是时空变化场，ST_force是时空力场；第十一步：利用特征包和隐狄利克雷模型，对时空粘性流体场进行分析，实现群体行为的分析和群体异常事件的检测。