視頻圖像中群體行為特征處理方法和裝置的制造方法
【技術領域】
[0001] 本發明實施例涉及數據處理技術領域，尤其涉及一種視頻圖像中群體行為特征處 理方法和裝置。
【背景技術】
[0002] 群體行為分析是指判斷群體處于何種行為狀態之下，也就是將群體的行為進行分 類，如"有組織地向同一個方向移動"、"相向移動"、"聚攏"、"分散"等。
[0003] 在視頻監控中，群體行為的檢測和分析對于異常行為檢測、大型場所規劃都起到 重要作用。例如，在公共場合發生暴恐事件時，如果能及早檢測出人群四散奔逃的群體行 為，將會加快啟動應急措施，挽救更多生命。本文所述的群體不僅指人群，也可指其它事物 群體，如細菌群落、魚群、車流等。因此，群體行為分析也包括動物、微生物、車輛路況的群體 行為分析等，對生物學研究、交通控制等都有很重要的應用價值。
[0004] 在現有技術中，對群體行為的檢測和分析通常采用單個成員分析的方法或者整體 分析法；其中，單個成員分析的方法是對場景中的多個成員進行目標跟蹤并對成員進行細 致分割，對分割出的成員進行行為分析，將成員行為分析結果綜合得到整個群體的行為分 析結果；然而，將成員作為基本分析單位，需要對成員進行定位和分割，在人群密度很高的 情況下，遮擋很嚴重，做不到成員的細致分割，基于成員分割的行為分析就會失效，因此，單 個成員分析的方法不適合大規模群體分析；整體分析法是對整幅場景圖像進行整體特征提 取，根據提取的整體特征進行行為分析，其缺點是不能體現出場景中成員與成員、群組與群 組的關系，因此分析結果較為粗略不夠準確。
[0005] 因此，現有的群體行為的檢測和分析方法中存在分析結果準確率低的問題。
【發明內容】
[0006] 本發明實施例提供一種視頻圖像中群體行為特征處理方法和裝置，用以解決現有 的群體行為的檢測和分析方法中存在分析結果準確率低的問題。
[0007] 第一方面，提供一種視頻圖像中群體行為特征處理方法，包括：
[0008] 根據視頻圖像中群體中不同成員特征點的運動軌跡，將群體分為m個群組拘￡:(， m大于1 ;
[0009] 分別確定每個群組的行為特征的描述子；
[0010] 根據所述每個群組的行為特征的描述子進行相應的群體行為特征處理；
[0011] 所述成員特征點是利用目標跟蹤算法，鎖定視頻圖像中的成員進行運動跟蹤得到 的特征點，包括角點、邊緣點或具有特定紋理特征的點。
[0012] 基于第一方面，在第一種實現方式中，所述根據群體中不同成員特征點的運動軌 跡，將群體分為m個群組,包括：
[0013] A、根據群體中不同成員特征點的運動軌跡，將群體初始化為多個初始化群組；
[0014] B、在多個初始化群組中任選一個初始化群組C1，根據初始化群組C1中每個成員特 征點的運動軌跡和方向變化，將具有最長的運動軌跡和最小的方向變化的成員特征點設為 對應初始化群組C1的成員特征點代表< ;
[0015] C、根據初始化群組C1中其他成員特征點的運動軌跡和成員特征點代表 < 的運動 軌跡，計算初始化群組C1中其他成員特征點的運動速度和成員特征點代表 < 的運動速度的 相似度，若相似度大于預設閾值η，則將所述其他成員特征點作為初始化群組C1的種子成 員特征點，加入到初始化群組C1的種子成員特征點集合S1中；
[0016] D、在初始化群組C1的種子成員特征點集合S1中，根據公式P ，計算得 到仿射變換矩陣Α，所述仿射變換矩陣A表示一個群組內的所有成員特征點都是按照A所 限定的方式運動；其中，Vt是高斯噪聲，Zk是鎖定種子成員特征點集合S1中任一個特征點 進行運動跟蹤得到的T個位置的序列·}<.}=，即ζ丨表示種子成員特征點集合S1中第k個特 征點在第t幀上的空間位置坐標值，茗'1表示種子成員特征點集合S1中第k個特征點在第 t-ι幀上的空間位置坐標值；
[0017] E、根據所述仿射變換矩陣A，計算初始化群組C1中的每個成員特征點的運動軌跡 用A擬合后的擬合誤差e;
[0018] F、將初始化群組C1中擬合誤差e小于預設的閾值δ的成員特征點加入到群組G1 中；將初始化群組C1中擬合誤差e大于等于預設的閾值δ的成員特征點作為新的群組加 入到初始化群組中；
[0019] 對每個初始化群組重復上述步驟B-F后，得到m個群組{0:1:，m大于1。
[0020] 基于第一方面或第一方面的第一種實現方式，在第二種實現方式中，若所述行為 特征包括集體性；
[0021] 則分別確定每個群組的行為特征的描述子，包括：
[0022] 根據所述仿射變換矩陣A，將群組G1中的所有成員特征點的運動軌跡用A擬合后 的擬合誤差的平均值作為群組&的集體性的描述子0 W;(G'._)。
[0023] 基于第一方面或第一方面的第一種實現方式，在第三種實現方式中，若所述行為 特征包括穩定性；
[0024] 則分別確定每個群組的行為特征的描述子，包括：
[0025] 對群組Gi中的每個成員特征點Z，計算在第一幀屬于z的K個近鄰成員特征點集 合且在最后一幀也屬于z的K個近鄰成員特征點集合的成員特征點的個數k ;
[0026] 將群組G1中的所有成員特征點的所述計算的個數k平均取值作為群組G1的穩定 性的描述子0:f設?.:,
[0027] 基于第一方面或第一方面的第一種實現方式，在第四種實現方式中，若所述行為 特征包括穩定性；
[0028] 則分別確定每個群組的行為特征的描述子，還包括：
[0029] 將群組G1中的每個成員特征點ζ在每一幀上的K個近鄰成員特征點按與ζ的距 離由大到小排序，計算每相鄰兩幀之間的排序距離，統計出所有相鄰幀的排序距離的直方 圖；
[0030] 將群組G1中的所有成員特征點的所述計算的直方圖的平均直方圖作為群組G 1的 穩定性的描述子
[0031] 基于第一方面或第一方面的第一種實現方式，在第五種實現方式中，若所述行為 特征包括穩定性；
[0032] 則分別確定每個群組的行為特征的描述子，還包括：
[0033] 令群組G1的轉移概率矩陣P e Rnxn為P = D 1W,其中，D是一個對角矩陣，每一個
對角元I P是兩個成員特征點之間的距離的平方，σ 2是預設 :?? 的常數，矩陣W第i行第j列的元素為Wu ;
[0034] 令群組G1中的第i個成員特征點的轉移概率分布為qi = E1KI-(IP) Ll]，其中， I是單位矩陣，Ei = G1,... en)是一個指示向量,其中,第i個分量e; = 1,其它分量都為0, α = 0. 9/Κ ；
[0035] 計算群組G1中的每個成員特征點在第一幀和最后一幀的轉移概率分布qi之間的 概率分布差異，將群組中的所有成員特征點的所述計算的概率分布差異的平均值作為群組 G1K穩定性的描述子成^力'.·)。
[0036] 基于第一方面的第三至第五種任一實現方式，在第六種實現方式中，若所述行為 特征包括穩定性；
[0037] 則分別確定每個群組的行為特征的描述子，還包括：
[0038] 根據公?
得到群組的穩定性的描述子。
[0039] 基于第一方面或第一方面的第一種實現方式，在第七種實現方式中，若所述行為 特征包括均勻性；
[0040] 則分別確定每個群組的行為特征的描述子，包括：
[0041] 根據群組的聚集程度，將群組G1在每一幀上分為最優個數f的子群組；
[0042] 根據0^(@4%<1計算得到群組的均勻性的描述子，其中，;《、和<7_.是(^ 7 1 C S: 在所有幀上的平均值和方差。
[0043] 基于第一方面或第一方面的第一種實現方式，在第八種實現方式中，若所述行為 特征包括摩擦性；
[0044] 則分別確定每個群組的行為特征的描述子，包括：
[0045] 確定每個群組的摩擦成員特征點，即若所述群組中的一個成員特征點的K個近鄰 成員特征點中包含其它群組的成員特征點，則將這個成員特征點作為所述群組的摩擦成員 特征點；
[0046] 將群組中的每個摩擦成員特征點在群組中的相對位置進行編碼，得到位置編碼向 量L ;
[0047] 根據m幸，\ 4)，計算得到群組的摩擦性的描述子，其中， 表示根據所述仿射變換矩陣A，將群組中第i個摩擦成員特征點的所有近鄰成員特征 點的運動軌跡用A擬合后的擬合誤差的平均值。
[0048] 第二方面，提供一種視頻圖像中群體行為特征處理裝置，包括：
[0049] 劃分模塊，用于根據視頻圖像中群體中不同成員特征點的運動軌跡，將群體分為m 個群組m大于1 ;
[0050] 確定模塊，用于在所述劃分模塊劃分的m個群組的基礎上，分別確定每個群組的 行為特征的描述子；
[0051] 分析模塊，用于根據所述確定模塊確定的每個群組的行為特征的描述子進行相應 的群體行為特征處理；
[0052] 所述成員特征點是利用目標跟蹤算法，鎖定視頻圖像中的成員進行運動跟蹤得到 的特征點，包括角點、邊緣點或具有特定紋理特征的點。
[0053] 基于第二方面，在第一種實現方式中，所述劃分模塊具體包括：
[0054] 初始化單元，用于根據群體中不同成員特征點的運動軌跡，將群體初始化為多個 初始化群組；
[0055] 第一選擇單元，用于在多個初始化群組中任選一個初始化群組C1，根據初始化群 組C 1中每個成員特征點的運動軌跡和方向變化，將具有最長的運動軌跡和最小的方向變化 的成員特征點設為對應初始化群組C1的成員特征點代表
[0056] 第二選擇單元，用于根據初始化群組C1中其他成員特征點的運動軌跡和成員特征 點代表4的運動軌跡，計算初始化群組C 1中其他成員特征點的運動速度和成員特征點代表 ^的運動速度的相似度，若相似度大于預設閾值η，則將所述其他成員特征點作為初始化 群組C1的種子成員特征點，加入到初始化群組C1的種子成員特征點集合S1中；
[0057] 第一計算單元，用于在初始化群組C1的種子成員特征點集合S1中，根據公式 F -dZ丨1，計算得到仿射變換矩陣Α，所述仿射變換矩陣A表示一個群組內的所有成 員特征點都是按照A所限定的方式運動；其中，Vt是高斯噪聲，Zk是鎖定種子成員特征點集 合S1中任一個特征點進行運動跟蹤得到的T個位置的序列，即g表示種子成員特征 點集合S1中第k個特征點在第t幀上的空間位置坐標值，Z廠表示種子成員特征點集合S1 中第k個特征點在第t-Ι幀上的空間位置坐標值；
[0058] 第二計算單元，用于根據所述仿射變換矩陣A，計算初始化群組C1中的每個成員特 征點的運動軌跡用A擬合后的的擬合誤差e;
[0059] 分組單元，用于將初始化群組C1中擬合誤差e小于預設的閾值δ的成員特征點 加入到群組G 1中，將初始化群組C1中擬合誤差e大于等于預設的閾值δ的成員特征點作 為新的群組加入到初始化群組中；
[0060] 對每個初始化群組重復上述第一選擇單元、第二選擇單元、第一計算單元、第二計 算單元和分組單元執行的步驟，得到m個群組 m大于1。
[0061] 基于第二方面或第二方面的第一種實現方式，在第二種實現方式中，若所述行為 特征包括集體性；
[0062] 所述確定模塊具體用于：
[0063] 根據所述仿射變換矩陣A，將群組G1中的所有成員特征點的運動軌跡用A擬合后 的擬合誤差的平均值作為群組G 1的集體性的描述子K
[0064] 基于第二方面或第二方面的第一種實現方式，在第三種實現方式中，若所述行為 特征包括穩定性；
[0065] 所述確定模塊