一種用于復(fù)雜結(jié)構(gòu)化場景的人群運(yùn)動軌跡異常檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及智能視頻監(jiān)控技術(shù)中的復(fù)雜結(jié)構(gòu)化場景處理。更具體地，涉及一種用 于復(fù)雜結(jié)構(gòu)化場景的人群運(yùn)動軌跡異常檢測方法。
【背景技術(shù)】
[0002] 近些年，智能視頻監(jiān)控在眾多行業(yè)及其相關(guān)領(lǐng)域中得到了普遍的運(yùn)用。目前大 部分中型以上的小區(qū)都設(shè)置有安全監(jiān)控，林業(yè)牧業(yè)部門為了預(yù)防山林火災(zāi)設(shè)立了火警火 情監(jiān)控，交通部門也以追蹤違章車輛違章、觀測道路流量為目的設(shè)立了道路監(jiān)控等等。有 報(bào)道（J.Vlahos. ?Surveillancesociety:Newhigh-techcamerasarewatchingyou.. PopularMechanics, 2008年，第2卷，第3期，頁碼：64-69.)指出，至2008年，已經(jīng)有多達(dá) 3000多萬個視頻監(jiān)控設(shè)備被安置在美國的各大公共場所，這些監(jiān)控設(shè)備每周可產(chǎn)生至少 40億小時的場景監(jiān)控?cái)?shù)據(jù)；2008奧運(yùn)會在中國北京舉行期間，安防部門為了保衛(wèi)各國領(lǐng)導(dǎo) 人、運(yùn)動員以及觀賽觀眾而進(jìn)行了充分的監(jiān)測工作，大約30萬臺攝像機(jī)被用于監(jiān)控奧運(yùn)會 館內(nèi)發(fā)生的所有情況；據(jù)有關(guān)部門記錄，在2010年前北京市內(nèi)的人口總體數(shù)量就已經(jīng)快要 突破2000萬人，而市內(nèi)的監(jiān)控?cái)z像頭數(shù)量也已投放近40余萬臺，也就是說大約平均每一千 人就會有約20臺的監(jiān)控?cái)z像頭來監(jiān)測其動態(tài)行為；更有報(bào)道稱，2014年我國僅山東省一省 之內(nèi)，就有超過200萬臺的視頻監(jiān)控設(shè)備被置于各公共場所。從實(shí)際的使用功能上來看，公 共場所的智能視頻監(jiān)控不僅可以用于安全預(yù)防，還可以用于場景結(jié)構(gòu)信息的獲取、人群的 指揮調(diào)度以及公共空間的結(jié)構(gòu)設(shè)計(jì)等方面。而視頻監(jiān)控技術(shù)正是為了處理那些由視頻監(jiān)控 設(shè)備捕獲的監(jiān)控?cái)?shù)據(jù)而產(chǎn)生的。
[0003] 早在20世紀(jì)末，就已有相關(guān)眾學(xué)者（吳建國..視頻監(jiān)控系統(tǒng)的發(fā)展趨勢..云 南：云南警官學(xué)院，學(xué)位論文.2011年）對大中型城市的智能監(jiān)控及其相關(guān)應(yīng)用進(jìn)行了一 定的研宄和開發(fā)。同時，由政府推動進(jìn)行的"平安城市"及"數(shù)字城市"等重大科學(xué)研宄項(xiàng) 目也對現(xiàn)有的視頻監(jiān)控系統(tǒng)提出了新的挑戰(zhàn)。傳統(tǒng)的視頻監(jiān)控技術(shù)主要依賴于監(jiān)控人員對 場景中視頻監(jiān)控設(shè)備獲取的監(jiān)測圖像進(jìn)行查看，并進(jìn)行簡單的分析。然而隨著網(wǎng)絡(luò)的迅速 發(fā)展，使得監(jiān)控圖像的獲取和傳輸日趨便捷，同時由于視頻監(jiān)控系統(tǒng)的規(guī)模逐步擴(kuò)大，海量 的圖像信息僅靠人工實(shí)時查看和分析，效率極低并極易錯過重要信息（王晨.智能視頻監(jiān) 控系統(tǒng)設(shè)計(jì).南京：南京理工大學(xué).學(xué)位論文：2007.)。有相關(guān)的軍事實(shí)驗(yàn)對這一結(jié)論進(jìn)行 了驗(yàn)證，實(shí)驗(yàn)結(jié)果顯示如果同一個監(jiān)測人員長時間觀察超過2個視頻監(jiān)視器，經(jīng)過十幾分 鐘以后，將會錯過約45%的場景，經(jīng)過二十幾分鐘后，可能會錯過近95%的場景。其次，在 許多惡劣的環(huán)境中人工無法長時間工作，僅依靠普通的視頻監(jiān)控設(shè)備無法實(shí)現(xiàn)智能警報(bào)， 發(fā)生異常情況卻也無法及時的監(jiān)測到，只能在事后進(jìn)行調(diào)閱取證，卻錯過了處理的最佳處 置時機(jī)。大量的無用監(jiān)控信息，會淹沒一部分有用信息，從而使得有用信息的獲取變得更加 不易。此外，在傳統(tǒng)的視頻監(jiān)控技術(shù)中需要傳輸和保存大量的視頻數(shù)據(jù)，所以對帶寬和存儲 資源的要求較高，然而這些數(shù)據(jù)中大部分都是沒有實(shí)際研宄意義的無用數(shù)據(jù)，因此常常會 而造成嚴(yán)重的浪費(fèi)。由此可以看出發(fā)展智能的視頻監(jiān)控系統(tǒng)是整個社會發(fā)展的迫切需要。
[0004] 為了滿足市場發(fā)展的需求，智能化的視頻監(jiān)控技術(shù)及其相關(guān)應(yīng)用得到了廣泛的研 宄。智能視頻監(jiān)控是一種以計(jì)算機(jī)視覺為基礎(chǔ)，分析公共場所內(nèi)捕獲的視頻圖像，并進(jìn)一 步獲取場景中的有效信息，從而對異常事件進(jìn)行檢測、對語義行為機(jī)進(jìn)行預(yù)測的監(jiān)控方式。 由于應(yīng)用型計(jì)算機(jī)擁有良好的信息處理能力，新型的視頻監(jiān)控技術(shù)通常采用大中型計(jì)算機(jī) 來對監(jiān)控?cái)?shù)據(jù)進(jìn)行快速、有效的剖析，去除那些用戶不關(guān)心的、無實(shí)際意義的場景及人群信 息，僅為監(jiān)控者提供有用的關(guān)鍵信息。在面對由視頻監(jiān)控設(shè)備的廣泛部署以及大容量存儲 設(shè)備成本的大幅度下降而導(dǎo)致的監(jiān)控?cái)?shù)據(jù)容量急速增長的挑戰(zhàn)下，智能化的視頻監(jiān)控系統(tǒng) 不僅可以克服傳統(tǒng)視頻監(jiān)控技術(shù)成本高、效率低的弊端，更可以從海量監(jiān)控?cái)?shù)據(jù)中挖掘出 豐富的人群、車輛等運(yùn)動對象的動態(tài)及行為信息，及時發(fā)覺突發(fā)事件和異常事件，并進(jìn)行報(bào) 警。已經(jīng)遠(yuǎn)遠(yuǎn)超出了安保工作的范疇，成為一個更具有研宄價值，值得進(jìn)一步深入挖掘的 課題。其中智能監(jiān)控技術(shù)的核心研宄內(nèi)容一一人群運(yùn)動行為分析，在該領(lǐng)域中的主要的應(yīng) 用方向有：人群運(yùn)動管理、公共空間設(shè)計(jì)和異常事件檢測等等（B.Zhan,D.N.Monekosso,P. Remagnino,S.A.VelastinandL.Q.Xu. .Crowdanalysis:asurvey. .MachineVisionand Applications. ? 2008 年，第 5 卷，第 19 期，頁碼：345-357.)。
[0005] 綜上所述，智能視頻監(jiān)控技術(shù)擁有巨大發(fā)展前景，值得深入研宄。以計(jì)算機(jī)視覺相 關(guān)知識為基礎(chǔ)，對由視頻設(shè)備捕獲的結(jié)構(gòu)化公共場所監(jiān)控?cái)?shù)據(jù)進(jìn)行分析，提取數(shù)據(jù)中的有 效信息，并描述場景內(nèi)人群運(yùn)動規(guī)律，實(shí)現(xiàn)智能視頻監(jiān)控技術(shù)的相關(guān)應(yīng)用、解決實(shí)際需求， 為我們的根本出發(fā)點(diǎn)。
[0006] 目前國內(nèi)外也提出了一些結(jié)構(gòu)化場景內(nèi)人群軌跡的異常檢測方法，如使用4-D直 方圖檢測異常軌跡（C.R.Jung,L.HennemannandS.R.Musse..EventDetectionusing TrajectoryClusteringand4-DHistograms. .IEEETransactionsonCircuitsand SystemsforVideoTechnology..2008 年，11 期，18 卷，頁碼：1565_1575.)，但多數(shù)缺乏對 欲測試軌跡的初分類處理過程，使得軌跡異常檢測過程耗費(fèi)許多不必要的時間和資源。并 且大部分的結(jié)構(gòu)化場景內(nèi)人群軌跡異常檢測方法需要提前預(yù)知詳細(xì)場景結(jié)構(gòu)信息，才能有 效的檢測其內(nèi)異常軌跡。在實(shí)際應(yīng)用中存在很多不便。
[0007] 因此，需要提供一種用于復(fù)雜結(jié)構(gòu)化場景的人群運(yùn)動軌跡異常檢測方法。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明的目的在于提供一種用于復(fù)雜結(jié)構(gòu)化場景的人群運(yùn)動軌跡異常檢測方法， 解決了檢測復(fù)雜結(jié)構(gòu)化場景的的監(jiān)控視頻數(shù)據(jù)中人群異常運(yùn)動軌跡的低效和不準(zhǔn)確的問 題。
[0009] 為達(dá)到上述目的，本發(fā)明采用下述技術(shù)方案：
[0010] 一種用于復(fù)雜結(jié)構(gòu)化場景的人群運(yùn)動軌跡異常檢測方法，該方法包括如下步驟：
[0011] S1、分別提取監(jiān)控視頻歷史數(shù)據(jù)中復(fù)雜結(jié)構(gòu)化場景內(nèi)的人群中所有個體的采樣點(diǎn) 組成的人群中所有個體的運(yùn)動軌跡并對人群中所有個體的運(yùn)動軌跡分別進(jìn)行分段，得到人 群中所有個體的分段運(yùn)動軌跡；
[0012] S2、對人群中所有個體的分段運(yùn)動軌跡進(jìn)行基于最大最小距離的多中心聚類算法 的學(xué)習(xí)，得到各人群分段運(yùn)動軌跡類；
[0013] S4、分別提取監(jiān)控視頻當(dāng)前數(shù)據(jù)中復(fù)雜結(jié)構(gòu)化場景內(nèi)的人群中各個體的采樣點(diǎn)組 成的人群中各個體的運(yùn)動軌跡，并根據(jù)各人群分段運(yùn)動軌跡類，對監(jiān)控視頻當(dāng)前數(shù)據(jù)中復(fù) 雜結(jié)構(gòu)化場景內(nèi)的人群中各個體的運(yùn)動軌跡進(jìn)行基于LOF算法的異常檢測。
[0014] 優(yōu)選地，步驟S2之后且步驟S4之前還包括如下步驟：
[0015] S3、將監(jiān)控視頻歷史數(shù)據(jù)中的復(fù)雜結(jié)構(gòu)化場景劃分為若干個大小相等的子區(qū)域， 統(tǒng)計(jì)各子區(qū)域內(nèi)各人群分段運(yùn)動軌跡類內(nèi)采樣點(diǎn)的數(shù)目并將采樣點(diǎn)數(shù)目多的子區(qū)域作為 該人群分段運(yùn)動軌跡類的感興趣區(qū)域，根據(jù)各人群分段運(yùn)動軌跡類的感興趣區(qū)域分別優(yōu)化 各人群分段運(yùn)動軌跡類。
[0016] 優(yōu)選地，步驟Sl中對人群中所有個體的運(yùn)動軌跡進(jìn)行分段進(jìn)一步包括如下子步 驟：
[0017] SI. 1、將人群中所有個體的采樣點(diǎn)的方向特征分別離散至該采樣點(diǎn)最接近的標(biāo)準(zhǔn) 方向；
[0018] SI. 2、分別將人群中所有個體的采樣點(diǎn)的方向特征與該個體的前一采樣時刻的采 樣點(diǎn)的方向特征變化大的采樣點(diǎn)的位置點(diǎn)作為該個體的運(yùn)動軌跡的關(guān)鍵點(diǎn)，并分別以關(guān)鍵 點(diǎn)為端點(diǎn)對人群中所有個體的運(yùn)動軌跡進(jìn)行分段。
[0019] 優(yōu)選地，步驟SI. 2中"分別將人群中所有個體的采樣點(diǎn)的方向特征與該個體的 前一采樣時刻的采樣點(diǎn)的方向特征變化大的采樣點(diǎn)的位置作為該個體的運(yùn)動軌跡的關(guān)鍵 點(diǎn)"之后且"并分別以關(guān)鍵點(diǎn)為端點(diǎn)對人群中所有個體的運(yùn)動軌跡進(jìn)行分段"之前還包括步 驟：
[0020] 分別將間距小于人群