基于圖像識別技術的人群安全指數計算方法及裝置的制造方法

基于圖像識別技術的人群安全指數計算方法及裝置的制造方法
【專利摘要】本發明提供了基于圖像識別技術的人群安全指數計算方法，涉及行人安全領域。本發明提供的基于圖像識別技術的人群安全指數計算方法，通過預先設置在監控區域內的攝像頭獲取到了視頻圖像，并從視頻圖像中提取出了人群密度指數、人群運動一致性指數和人群運動速度指數這三個參量，并最終使用這三個參量計算出了人群安全指數。人群安全指數應當客觀的反應出指定子區域內未來預定時間內發生安全問題的概率，考慮到人群運動速度指數和人群運動的一致性后，能夠更加客觀和準確的估算出人群安全指數，從而為后續進行疏導方案的確定提供了良好的基礎。
【專利說明】
基于圖像識別技術的人群安全指數計算方法及裝置
技術領域
[0001] 本發明涉及行人安全領域，具體而言，涉及基于圖像識別技術的人群安全指數計 算方法及裝置。
【背景技術】
[0002] 不論在生產過程中，還是在一般生活中，安全問題一直是最受到重視的問題。如， 在生產過程中，會采用設置防護服裝等設備的方式，來保證工作人員的安全;又如在生活 中，會采用設置路邊的護欄、公路上的信號燈的方式，來保障行人的安全。
[0003] 隨著電子信息技術的發展，除了上述通過使用防護裝置來保障人員安全的方式， 還出現了基于視頻監控技術和移動終端定位技術的安全保障方法。
[0004] 基于視頻監控技術的安全保障方法通常有兩種，第一種是采用人工監管的方式。 具體來說，用戶首先需要在被監控場所設置一定數量的攝像頭，并且將這些攝像頭所拍攝 到的信號接入到視頻播放設備中，之后采用人工觀察的方式來判斷視頻監控的畫面中的人 數是否過多（如果人數過多，則說明人群安全指數較低），是否會發生擁擠、踩踏等安全問 題。第二種是采用視頻圖像解析的方式，先從攝像頭所拍攝到的多幀數據中提取出關鍵幀 圖像，再從關鍵幀圖像（比較清晰的一張圖像）中提取出人群的總人數，并按照預設的計算 方法計算出人群安全指數，如果該指數超出閾值范圍，則說明人群較危險，此時則應當及時 的進行人群疏導和管控。
[0005] 基于移動終端定位技術的安全保障方法是依賴于用戶所持有的移動終端。具體而 言，如被監控的人員都使用手機，且每個手機都開設了定位功能，則可以通過定位技術來判 斷指定范圍內共有多少人;又如手機沒有開啟定位功能，但能接入互聯網，則是可以通過基 站定位或wifi定位的方式來確定指定范圍內共有多少人。進而用戶可以根據指定范圍內的 人數來計算出當前該范圍內的人群安全指數。如果該指數超出閾值范圍，則說明人群較危 險，此時則應當及時的進行人群疏導和管控。
[0006] 但上述方式都有一些不足之處。如，人工觀看視頻的方式受人工因素影響較大，人 員困倦的時候就難以及時的對視頻畫面進行監控;又如，視頻圖像解析的方式，是通過視頻 中的人數來計算安全指數的，計算安全指數的準確性較低，并不實用;又如移動終端定位技 術，這種方式的前提是每個用戶都要攜帶移動終端，而且基站和wifi的覆蓋范圍難以精確 的確定，因此單純使用移動終端定位技術也不盡理想。
[0007] 綜上，上述方式均是依據指定范圍內的人數來確定人群安全指數，這種確定人群 安全指數的方案不夠準確，這會直接影響后續確定疏導方案的準確性。

【發明內容】

[0008] 本發明的目的在于提供基于圖像識別技術的人群安全指數計算方法及裝置，以提 高計算人群安全指數的準確度。
[0009] 第一方面，本發明實施例提供了基于圖像識別技術的人群安全指數計算方法，包 括：
[0010] 獲取監控區域內的視頻圖像；
[0011] 從視頻圖像中提取出監控區域內的人群密度指數、人群運動一致性指數和人群運 動速度指數；
[0012] 根據人群密度指數、人群運動一致性指數和人群運動速度指數計算監控區域的人 群安全指數。
[0013] 結合第一方面，本發明實施例提供了第一方面的第一種可能的實施方式，其中，從 視頻圖像中提取出監控區域內的人群密度指數、人群運動一致性指數和人群運動速度指數 包括：
[0014] 將視頻圖像劃分為多個子區域，相鄰的兩個子區域部分重疊；
[0015] 分別計算每個子區域中的行人密度；
[0016] 根據每個子區域中的行人密度計算監控區域內的人群密度指數。
[0017] 結合第一方面，本發明實施例提供了第一方面的第二種可能的實施方式，其中，根 據每個子區域中的行人密度計算監控區域內的人群密度指數包括:按照如下公式計算監控 區域內的人群密度指數，
[0019] 其中，F為人群密度指數，Area(p>Po)、Area(p>Pi)和Area(p>P2)分別表示人群 密度大于P〇、PdPP2的子區域的面積總和;P為指定的一個子區域的密度，P〇、PdPP2均為預設 的密度閾值，且Ρο小于?1，？1小于?2;4〇、六1、42均為權重系數，且4〇大于41，41大于八2。
[0020]結合第一方面，本發明實施例提供了第一方面的第三種可能的實施方式，其中，從 視頻圖像中提取出監控區域內的人群密度指數、人群運動一致性指數和人群運動速度指數 還包括：
[0021 ]分別識別視頻圖像中每個行人的運動方向；
[0022] 根據行人的運動方向，將每個行人的運動方向進行聚類，以生成多個方向類別；
[0023] 根據方向類別所對應的包絡圖計算人群運動一致性指數。
[0024]結合第一方面，本發明實施例提供了第一方面的第四種可能的實施方式，其中，根 據方向類別所對應的包絡圖計算人群運動一致性指數包括：
[0025]按照如下公式計算人群運動一致性指數
[0027] 其中，c(rn)表示第η個方向所形成的包絡圖所圍成的面積，η為1^、1，(：(^^1)表示 第k個方向和第1個方向所形成的包絡圖重合部分的面積。
[0028] 結合第一方面，本發明實施例提供了第一方面的第五種可能的實施方式，其中，從 視頻圖像中提取出監控區域內的人群密度指數、人群運動一致性指數和人群運動速度指數 還包括：
[0029] 采用光流法，根據行人所覆蓋的像素的運動速度，分別計算每個行人的運動速度；
[0030] 按照加權平均的計算方式，根據每個行人的運動速度，計算人群運動速度指數。
[0031] 結合第一方面，本發明實施例提供了第一方面的第六種可能的實施方式，其中，該 方法還包括:從視頻圖像中提取人群突變指數，人群突變指數包括，預定時間內人群密度指 數的突變指數、人群運動一致性指數的突變指數和人群運動速度指數的突變指數；
[0032] 根據人群密度指數、人群運動一致性指數和人群運動速度指數計算監控區域的人 群安全指數包括：
[0033] 根據人群密度指數、人群運動一致性指數、人群運動速度指數和人群突變指數計 算監控區域的人群安全指數。
[0034] 結合第一方面，本發明實施例提供了第一方面的第七種可能的實施方式，其中，按 照如下公式計算人群安全指數：
[0035] S = 100-F-Vd*B-Vm*C-|K|*D;
[0036] 其中，S為人群安全指數;F為人群密度指數，Vd為人群運動一致性指數，Vm*人群運 動速度指數，K為人群突變指數，B、C和D均為預設的權值。
[0037] 結合第一方面，本發明實施例提供了第一方面的第八種可能的實施方式，其中，
[0038] 當 Area(p>P〇)/Area(all)〈l/8 時，B、C 和D 的取值分別為 25,8,30;其中，Area(all) 為全部所述子區域的總面積；
[0039] 當 Area(p>Po)/Area(all)>l/8,且△代&(?沖1)/^代&(&11)〈1/10時，8、(：和0的取值 分別為30,10,35;
[0040] 當 Area(p>Po)/Area(all)>l/8 且 Area(p>Pi)/Area(all)>l/10時，B、C和D 的取值分 別為 35，15,40。
[0041] 第二方面，本發明實施例還提供了基于圖像識別技術的人群安全指數計算裝置， 包括：
[0042] 獲取模塊，用于獲取監控區域內的視頻圖像；
[0043] 提取模塊，用于從視頻圖像中提取出監控區域內的人群密度指數、人群運動一致 性指數和人群運動速度指數；
[0044] 計算模塊，用于根據人群密度指數、人群運動一致性指數和人群運動速度指數計 算監控區域的人群安全指數。
[0045] 本發明實施例提供的基于圖像識別技術的人群安全指數計算方法，采用多種參量 協同計算人群按照指數的方式，與現有技術中的只通過指定子區域內的人數來判斷出人群 安全指數，進而使得到的人群安全指數并不準確，也進一步使得后續采取的疏導方案不準 確相比，其通過預先設置在監控區域內的攝像頭獲取到了視頻圖像，并從視頻圖像中提取 出了人群密度指數、人群運動一致性指數和人群運動速度指數這三個參量，并最終使用這 三個參量計算出了人群安全指數。人群安全指數應當客觀的反應出指定子區域內未來預定 時間內發生安全問題的概率，考慮到人群運動速度指數和人群運動的一致性后，能夠更加 客觀和準確的估算出人群安全指數，從而為后續進行疏導方案的確定提供了良好的基礎。 [0046]為使本發明的上述目的、特征和優點能更明顯易懂，下文特舉較佳實施例，并配合 所附附圖，作詳細說明如下。
【附圖說明】
[0047]為了更清楚地說明本發明實施例的技術方案，下面將對實施例中所需要使用的附 圖作簡單地介紹，應當理解，以下附圖僅示出了本發明的某些實施例，因此不應被看作是對 范圍的限定，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這 些附圖獲得其他相關的附圖。
[0048] 圖1示出了本發明實施例所提供的一種基于視頻圖像分析技術的人群安全指數計 算方法的基本流程圖；
[0049] 圖2示出了本發明實施例所提供的一種基于視頻圖像分析技術的人群安全指數計 算方法的針對單幀圖像的子區域劃分示意圖；
[0050] 圖3示出了本發明實施例所提供的一種基于視頻圖像分析技術的人群安全指數計 算裝置的基本結構圖；
[0051] 圖4示出了本發明實施例所提供的一種基于視頻圖像分析技術的人群安全指數計 算方法的生成包絡圖結果的示意圖。
【具體實施方式】
[0052]下面將結合本發明實施例中附圖，對本發明實施例中的技術方案進行清楚、完整 地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。通常在 此處附圖中描述和示出的本發明實施例的組件可以以各種不同的配置來布置和設計。因 此，以下對在附圖中提供的本發明的實施例的詳細描述并非旨在限制要求保護的本發明的 范圍，而是僅僅表示本發明的選定實施例。基于本發明的實施例，本領域技術人員在沒有做 出創造性勞動的前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。
[0053]從自動化程度的角度來看，可以將相關技術中確定疏導方案的方法分為兩類。第 一類的自動化程度較低，通常是由人工進行監管。如人工站在監控區域的上方，以觀察的方 式來人為判斷該區域是否會發生安全問題，和判斷采用何種疏導方案;還有如使用攝像頭 將監控區域的視頻畫面轉給辦公室中的人員，再由辦公室中的人員進行判斷。不論是人工 直接實地觀察，還是通過攝像頭將監控區域的畫面轉入到辦公室，這兩種方案都收到人工 主觀因素的影響過重，存在諸多弊端，如人工很難全面的觀察到監控區域的每一個角落，人 工會存在疲勞的情況、人工成本過高等等。隨著技術的發展，人工監管的方式來確定疏導方 案方法逐漸被淘汰。
[0054]之后出現了第二類方法，這一類方法的自動化程度較高，或者說人工參與的程度 較低。該類方法有兩種，第一種是基于視頻分析的方法，這一類方法主要是采用二級小波分 解將視頻圖像分解，再把所得到的高頻細節子帶圖像作為研究對象，提取刻畫人群人數的 能量，建立人群人數和能量的關系，利用線性回歸求解人群人數，進而計算出人群安全指 數，并根據該人群安全指數給出人群聚集報警和給出疏導方案。這種方法僅僅通過人群人 數來衡量人群安全性，一方面報警準確性很低，幾乎沒有一個產品能達到實用。第二種是使 用基站信息、手機APP信息、wifi定位信息等可以計算某個范圍內的使用手機、或某個APP、 或無線設備的數量，進而根據確定出的設備數量來計算人群安全指數，并依據該人群安全 指數給出人群聚集報警和給出疏導方案。可見第二種方法使用的前提是：需要用戶攜帶特 定的設備，并且需要確保該設備能夠被使用。因而第二種方法并不適用于一般的環境中，而 且精度較差。
[0055]可見相關技術中計算人群安全指數的方法實用度不高，需要有專用設備(如手機、 基站等)進行配合；當不需要專用設備進行配合的時候，就難以準確的計算出人群安全指 數，這直接導致了難以依據計算出的人群安全指數給出針對性的疏導方案。這也造成了人 員的不安全。
[0056]針對該種情況，本申請提供了一種基于視頻圖像分析技術的人群安全指數計算方 法。如圖1所示，該方法包括如下步驟：
[0057] S101，獲取監控區域內的視頻圖像；
[0058] S102,從視頻圖像中提取出監控區域內的人群密度指數、人群運動一致性指數和 人群運動速度指數；
[0059] S103,根據人群密度指數、人群運動一致性指數和人群運動速度指數計算監控區 域的人群安全指數。
[0060] 步驟S101執行之前，需要在監控區域內，或相關子區域內設置攝像頭，使得攝像頭 能夠拍攝到監控區域內的照片，進而用戶可以通過所設置的攝像頭來獲取到監控區域內的 視頻圖像。當然，攝像頭的數量和安置位置可以根據監控區域的實際情況來調整，如當監控 區過大時，則應當均勻的設置多個攝像頭，以使這多個攝像頭能夠分別拍攝到監控區域內 的不同位置，最后將不同位置的人群安全指數綜合起來便能夠得到整體監控區域的人群安 全指數;又如，當監控區域內有遮擋物存在的情況時，則應當將攝像頭設置在視野較好的位 置。
[0061] 步驟S101，即在設置好攝像頭之后，便可以通過攝像頭獲取監控區域的視頻圖像。 此處，獲取到的視頻圖像指的是在時間上連續的多幀圖像，以便于后續步驟中計算人群運 動速度指數等參數。
[0062] 步驟S102中，需要通過獲取到的視頻圖像得到人群密度指數、人群運動一致性指 數和人群運動速度指數。其中，人群密度指數是與人群密度相關的一個指標，獲取人群密度 所使用的圖像可以是得到的視頻圖像中的一幀圖像（即關鍵幀圖像）；也可以是分別求取每 幀圖像的人群密度，之后采取加權求平均的方式，來計算人群密度的平均值。
[0063] 人群運動一致性指數，主要說明反應的是人群運動的方向是否一致，可以想到的 是當人群運動的方向一致的時候是不容易發生安全問題的，如監控區域內的行人均是向東 行進，則不容易發生行人間的碰撞，進而該監控區域的安全指數是較高的；反之，當一部分 人向東行進，另一部分人向西行進則容易發生行人之間的碰撞、摔倒，可見人群運動是否一 致能夠直接的影響到人群安全指數。
[0064]類似的，人群運動速度指數也能夠直接的反應出監控區域的人群安全指數。若人 群行動速度過快，則兩個行人發生碰撞的時候更容易出現危險。尤其是當人群運動一致性 較差的時候，人群運動速度過高則更為危險。人群運動速度指數具體有兩方面的衡量標準， 第一方面是監控區域內行人的平均速度，這可以先分別求取每個行人的行動速度，再采用 加權平均的方式來求取該監控區域內行人的平均速度。第二方面是不同行人間速度的差 值，也就是不同行人間的相對速度，當不同行人間的速度相差過多的時候也容易發生危險。 [0065]步驟S103中，在分別確定了以上三個指標(人群密度指數、人群運動一致性指數和 人群運動速度指數)后，便可以依據這三個指標來計算最終的人群安全指數。經過實際使用 和統計，以上三個指標是影響人群安全的主要因素，并且這三個因素之間存在一定的內在 關聯，因此用可以在確定使用場景(監控區域的場景）后，調整步驟S103中計算人群安全指 數的具體方式。
[0066]需要說明的是，除了上述三個參數(人群密度指數、人群運動一致性指數和人群運 動速度指數)會影響人群安全指數，這三個參數的突變情況(人群突變指數）同樣會影響人 群安全指數。具體而言，人群突變指數包括:預定時間內人群密度指數的突變指數、人群運 動一致性指數的突變指數和人群運動速度指數的突變指數。其中，預定時間可以設置為1秒 間隔、5秒間隔這樣的時間段。
[0067]進而，步驟S103就變為：根據人群密度指數、人群運動一致性指數、人群運動速度 指數和人群突變指數計算監控區域的人群安全指數。
[0068]在進行計算人群安全指數的時候，所使用的人群突變指數可以是三個子參數(人 群密度指數的突變指數、人群運動一致性指數的突變指數和人群運動速度指數的突變指 數）中的一個，也可以是多個。當只使用這三個子參數中的一個表征人群突變指數時，直接 將人群密度指數的突變指數、人群運動一致性指數的突變指數和人群運動速度指數的突變 指數中的一個作為人群突變指數即可；當使用這多個子參數來表征人群突變指數時，則可 以先分別計算出每個子參數的數值，之后采用加權平均的方式來計算人群突變指數。需要 說明的是，為了能夠計算這三個子參數，需要獲取監控區域內至少兩個時段的視頻圖像，也 就是，第一個時段的視頻圖像用來計算出第一次的人群密度指數、人群運動一致性指數和 人群運動速度指數，第二個時段的視頻圖像用來計算出第二次的人群密度指數、人群運動 一致性指數和人群運動速度指數，之后將這兩次計算得到的結果做差，便可以得到每個子 參數了。
[0069]以上，給出了本申請所提供的基于圖像識別技術的人群安全指數計算方法的基本 流程。整體來看該基本流程，
【申請人】認為，人群的安全程度主要與人群密度，人群運動速度， 人群運動方向和這三個數據的突變程度等因素有關系。對于人群密度，人群密度越小，人群 中的各個個體之間的距離就會越大，這樣發生意外事故的可能性就越低，安全程度就會越 高;反之如果人群密度越大，那么人群中的各個個體之間發生身體接觸的幾率就會越高，越 容易造成沖突所以安全程度就會越低。對于人群運動方向，人群運動方向越一致，那么發生 意外事故的可能性就越低，安全程度就會越高;反之如果人群運動方向越不一致，例如存在 著兩撥人沿著相反的方向走，那么發生碰撞的可能性就越高，安全程度就會越低。對于人群 的運動速度，運動速度越高，運動主體的反應時間就越少，這樣發生意外事故的可能性就越 高，安全程度就會越低;反之安全程度就會越高。對于人群運動狀態的穩定性（用人群突變 指數來衡量），如果人群狀態相對穩定，那么對于每個個體來說，他們都可以通過附近每個 人的運動狀態來預測之后附近每個人的運動狀態，并根據預測的運動狀態來采取合適的運 動方式，這樣的話發生意外事故的可能性就會越低，安全程度就會越高;反之如果人群運動 狀態很不穩定，那么其附近的個體就很難預測其運動狀態，并采取合適的行動，這樣的話發 生意外事故的可能性就會很高，安全程度就會很低。可見，相對于傳統技術只考慮了人群中 的人員數量就直接計算出人群安全指數，本發明所提供的方法，綜合考慮到了人群密度指 數、人群運動一致性指數和人群運動速度指數這三個參數對人群安全指數的影響，使得計 算出的結果更為準確。并且，本申請所提供的方法，還額外考慮了人群突變指數，進而使用 這四個因素計算出的人群安全指數更加合理。
[0070]具體的，下文還給出了計算每個參數(人群密度指數、人群運動一致性指數、人群 運動速度指數和人群突變指數)的具體過程。
[0071] 在計算人群密度指數時，可以按照如下方式進行：
[0072] 將視頻圖像劃分為多個子區域，相鄰的兩個子區域部分重疊；
[0073] 分別計算每個子區域中的行人密度；
[0074] 根據每個子區域中的行人密度計算監控區域內的人群密度指數。
[0075] 如圖2所示，提供了指定的一幀圖像的示意圖，該圖中示出了3個劃分好的子區域， 分別是子區域1-子區域3,能夠只管的看到這三個子區域，相鄰兩個子區域之間是有相互覆 蓋的部分。并且需要按照此種方式將視頻圖像劃分為多個子區域，知道視頻圖像的每個部 分均被劃分到指定的子區域中。優選的，每個子區域的形狀和面積均應當是相同的，如每個 子區域均是長方形，其寬度和高度分別是以w和h，該長方形(子區域）的中心為(x，y)，那么 該子區域與相鄰的另一個子區域相覆蓋的面積為w*h/2。具體計算該子區域的密度可以使 用如下公式：
[0077] 其中，nxy為落在該子區域內的人數，w和h分別為該子區域的寬和高，p(x，y)為該子 區域的密度。
[0078] 當計算出該子區域的密度之后，可以對矩陣p(x，y)做一次高斯平滑濾波，使結果 更平滑。如此便可以計算得到每個子區域的人群密度。
[0079] 之后可以按照如下公式進一步計算出監控區域內的人群密度指數，
[0081 ] 其中，F為人群密度指數，Area(p>Po)、Area(p>Pi)和Area(p>P2)分別表示人群 密度大于P〇、PdPP2的子區域的面積總和;P為指定的一個子區域的密度，P〇、PdPP2均為預設 的密度閾值，且Ρο小于?1，？1小于?2;4〇、六1、42均為權重系數，且4〇大于41，41大于八2。
[0082] 需要說明的是，Area(p>Po)、Area(p>Pi)和Area(p>P2)的單位均為平方米，Po、 Pi、P2分別表示三個不同的密度等級，由于人群密度在超過2人/平方米的情況下，才有可能 出現人與人之間較大的約束，此時人群安全就會受到威脅，所以可以按照如下約束來定義 Po、Pi、P2，Ρο = 2人/平方米，Pi = 3人/平方米，P2 = 4人/平方米。由于這三個參數分別統計不 同密度的面積，密度越小，則其面積要比較大才可能造成不安全，密度越大，則面積小也可 能造成不安全。因此，用ΑοΑΑ作為不同密度等級的權重系數，例如可取:A〇 = 90平方米，A! =30平方米，A2 = 10平方米。其意義為，當考慮人群密度為2人/平方米時，其面積要有90平 方米才扣1分;而當考慮人群密度為4人/平方米時，其面積只要10平方米就會扣1分。由于人 群密度每增加1，帶來的威脅并非是線性的，所以在這里一般取4() = 3^ = 32^其中，15>A2 >1
[0083] 在計算人群運動一致性指數時可以按照如下方式進行：
[0084] 分別識別視頻圖像中每個行人的運動方向；
[0085]根據行人的運動方向，將每個行人的運動方向進行聚類，以生成多個方向類別；
[0086] 根據方向類別所對應的包絡圖計算人群運動一致性指數。
[0087] 在具體操作時，可以先將0度-360度方向平均劃分為η個離散的方向區間，如0度_ 30度為區間1，30度-60度為區間2,進而將0-360度劃分為12個不同的區間。之后，按照視頻 圖像中行人的運動方向進行聚類，如視頻圖像中，行人1的運動方向是27度，則應當將行人1 設置在區間1中，如行人2的運動方向是55度，則應當將行人設置在區間2中…在完成了聚類 工作之后（即按照行人的運動方向，將每個行人設置在了對應的區間中后），便可以根據同 一類別中每個行人的位置和其方向所屬的聚類類別生成該類別的包絡圖，之后，便可以依 據每個類別的包絡圖計算該類別所覆蓋的子區域，可以采用Graham掃描法來求取該類別的 包絡圖。最后，只需要計算兩個子區域重疊部分的比例的總和作為人群運動一致性指數即 可。
[0088]具體的計算公式如下：
[0089]按照如下公式計算人群運動一致性指數
[0091] 其中，C(rn)表示第η個方向所形成的包絡圖所圍成的面積，η為1^、1，(3(^^1)表示 第k個方向和第1個方向所形成的包絡圖重合部分的面積。
[0092] 如圖4所示，其中朝向左側的箭頭表示聚類結果為同一類別的行人的位置和方向， 朝向右側的箭頭表示聚類結果為另一個類別的行人的位置和方向，虛線和實現所圍起來的 子區域分別表示這兩個類別的行人的包絡圖。這兩個子區域所重疊的填充區為兩個包絡圖 的重合面積。
[0093] 在得到每個類別的行人的位置之后，生成包絡圖的過程可以轉化為經典的凸包問 題，可以使用經典的凸包求取方法如Graham掃描法來求取該類別的包絡圖。
[0094] 在計算人群運動速度指數時可以按照如下方式進行：
[0095] 采用光流法，利用前后兩幀圖像來獲得當前幀每個像素的運動速度，根據行人所 覆蓋的像素的運動速度，分別計算每個行人的運動速度；
[0096] 按照加權平均的計算方式，根據每個行人的運動速度，計算人群運動速度指數。
[0097] 使用光流法進行行人運動速度的計算可以分為如下步驟：
[0098] 11，檢測每個特征像素點的移動速度；
[0099] 12,確定行人所對應(覆蓋)的特征像素點；
[0100] 13,根據步驟12確定的特征像素點的移動速度，采取加權平均的方式得到該行人 的移動速度；
[0101] 14,重復步驟11-13求取出每個行人的移動速度。
[0102] 在計算出了每個行人的移動速度之后，按照加權平均的方式計算出全部行人的平 均速度即可。
[0103] 計算平均速度可以按照如下公式進行：
[0105] 其中Vl表示第i個人的速度，I |Vl| I表示取模，即速度的大小。N表示總人數。
[0106] 如前文中的描述，人群運動速度指數除了可以使用人群平均運動速度作為考量的 指標外，還可以使用人群相對速度作為考量的指標。具體的，在經過步驟11-14計算出每個 行人的移動速度后，還可以計算全部行人中，最高速度和最低速度的差值作為相對速度差， 并且按照加權平均的計算方式，根據每個行人的運動速度，計算監控區域內全部行人的平 均速度;最后根據相對速度差和平均速度計算人群動速度指數。
[0107] 在以上公開了獲取每個參數(人群密度指數、人群運動一致性指數、人群運動速度 和人群突變指數）的具體方法的基礎上，下面還給出了本申請所提供方法的具體計算人群 安全指數的細化方案。即按照如下公式計算人群安全指數：
[0108] S = 100-F-Vd*B-Vm*C-|K|*D;
[0109 ]其中，S為人群安全指數;F為人群密度指數，Vd為人群運動一致性指數，Vm為人群運 動速度指數，K為人群突變指數。
[0110] 具體的，突變指數κ可表示為 \當然，K也可以表示
_中的任一個或任兩個的和），其中L、M和N分別為對一個場 景進行一段時間的觀察后得到的每種指數的最大值，即L為一段時間內，人群密度指數的最 大值(這一段時間內，計算每幀視頻圖像的人群密度指數后，找到的單幀視頻圖像的最大 值）;M為一段時間內，人群運動一致性指數的最大值(這一段時間內，計算每幀視頻圖像的 人群運動一致性指數后，找到的單幀視頻圖像的最大值）;N為一段時間內，人群運動速度指 數的最大值(這一段時間內，計算每幀視頻圖像的人群運動速度指數后，找到的單幀視頻圖 像的最大值），根據該值對人群密度，人群方向一致性以及人群速度進行歸一化，其中，F"為 進行一段時間內的人均密度指數的平均值，F'為當前幀圖像中的人均密度指數的平均值； Vd"為進行一段時間內的人群運動一致性指數的平均值，Vd'為當前幀圖像中的人群運動一 致性指數的平均值;Vm"為進行一段時間內的人群運動速度指數的平均值，V m'為當前幀圖像 中的人群運動一致性指數的平均值。具體計算的過程中，可以按照前文中計算人群密度指 數F的公式、計算人群運動一致性指數Vd的公式和人群運動速度指數V m的公式，計算出每幀 圖像的F值、Vd值和1值，再依據加權求平均的方式計算出r、V d"和Vm"的具體數值。
[0111] 當然，在具體計算內的時候，突變指數K的取值可以選擇人群密度指數的變化值、 人群運動一致性指數的變化值和人群運動速度指數的變化值中的一種或多種，如
出的人群密度指數F超過預定數值，則可以設置為X>Y+Z。
[0112] 如前文中的描述，人群密度指數、人群運動一致性指數和人群運動速度指數之間 存在有一定的相輔相成的效果，因此，為了進一步提高計算出的人群安全指數的準確度，可 以通過對權值的取值進行限定來達到目的。
[0113] 具體的，上述公式計算人群安全指數的公式中，
[0114] 當 Area(p>P〇)/Area(all)〈l/8 時，B、C 和D 的取值分別為 25,8,30;其中，Area(all) 為全部所述子區域的總面積；
[0115] 當 Area(p>Po)/Area(all)>l/8,且△代&(口沖1)/^^&(&11)〈1/10時，8、(：和0的取值 分別為30,10,35;
[0116] 當 Area(p>Po)/Area(all)>l/8 且 Area(p>Pi)/Area(all)>l/10時，B、C和D 的取值分 別為35，15，40。p為指定的一個所述子區域的密度，為預設的密度閾值。
[0117] 這種取值方式的優點在于，當人群密度增大的時候，人群運動速度越大，方向越不 一致，突變越大對人群安全的威脅就會越大，通過設置BCD隨著人群密度的增加而增加可以 體現這一點。
[0118]與前文所提供的基于圖像識別技術的人群安全指數計算方法相對應的，本申請還 提供了基于圖像識別技術的人群安全指數計算裝置，如圖3所示包括：
[0119] 獲取模塊301，用于獲取監控區域內的視頻圖像；
[0120] 提取模塊302,用于從視頻圖像中提取出監控區域內的人群密度指數、人群運動一 致性指數和人群運動速度指數；
[0121] 計算模塊303,用于根據人群密度指數、人群運動一致性指數和人群運動速度指數 計算監控區域的人群安全指數。
[0122] 優選的，計算模塊303包括：
[0123] 劃分單元，用于將視頻圖像劃分為多個子區域，相鄰的兩個子區域部分重疊；
[0124] 行人密度計算單元，用于分別計算每個子區域中的行人密度；
[0125] 人群密度指數計算單元，用于根據每個子區域中的行人密度計算監控區域內的人 群密度指數。
[0126] 優選的，計算模塊303還包括：
[0127] 運動方向識別單元，用于分別識別視頻圖像中每個行人的運動方向；
[0128] 聚類單元，用于根據行人的運動方向，將每個行人的運動方向進行聚類，以生成多 個方向類別；
[0129] 人群運動一致性指數計算單元，用于根據方向類別所對應的包絡圖計算人群運動 一致性指數。
[0130] 所屬領域的技術人員可以清楚地了解到，為描述的方便和簡潔，上述描述的系統、 裝置和單元的具體工作過程，可以參考前述方法實施例中的對應過程，在此不再贅述。 [0131]功能如果以軟件功能單元的形式實現并作為獨立的產品銷售或使用時，可以存儲 在一個計算機可讀取存儲介質中。基于這樣的理解，本發明的技術方案本質上或者說對現 有技術做出貢獻的部分或者該技術方案的部分可以以軟件產品的形式體現出來，該計算機 軟件產品存儲在一個存儲介質中，包括若干指令用以使得一臺計算機設備(可以是個人計 算機，服務器，或者網絡設備等)執行本發明各個實施例方法的全部或部分步驟。而前述的 存儲介質包括：u盤、移動硬盤、只讀存儲器（R0M，Read-0nly Memory)、隨機存取存儲器 (RAM，Random Access Memory)、磁碟或者光盤等各種可以存儲程序代碼的介質。
[0132]以上所述，僅為本發明的【具體實施方式】，但本發明的保護范圍并不局限于此，任何 熟悉本技術領域的技術人員在本發明揭露的技術范圍內，可輕易想到變化或替換，都應涵 蓋在本發明的保護范圍之內。因此，本發明的保護范圍應所述以權利要求的保護范圍為準。
【主權項】
1. 基于圖像識別技術的人群安全指數計算方法，其特征在于，包括： 獲取監控區域內的視頻圖像； 從所述視頻圖像中提取出所述監控區域內的人群密度指數、人群運動一致性指數和人 群運動速度指數； 根據所述人群密度指數、人群運動一致性指數和人群運動速度指數計算所述監控區域 的人群安全指數。2. 根據權利要求1所述的方法，其特征在于，所述從所述視頻圖像中提取出所述監控區 域內的人群密度指數、人群運動一致性指數和人群運動速度指數包括： 將所述視頻圖像劃分為多個子區域，相鄰的兩個所述子區域部分重疊； 分別計算每個所述子區域中的行人密度； 根據每個所述子區域中的行人密度計算監控區域內的人群密度指數。3. 根據權利要求2所述的方法，其特征在于，所述根據每個所述子區域中的行人密度計 算監控區域內的人群密度指數包括:按照如下公式計算監控區域內的人群密度指數，其中，F為人群密度指數，Area(p>Po)、Area(p>Pi)和Area(p>P2)分別表示人群密度 大于Po、Pi和P2的子區域的面積總和;P為指定的一個所述子區域的密度，Po、Pi和P2均為預設 的密度闊值，且Po小于Pi，Pi小于?2;4〇、41、42均為權重系數，且4〇大于41，41大于八2。4. 根據權利要求1所述的方法，其特征在于，所述從所述視頻圖像中提取出所述監控區 域內的人群密度指數、人群運動一致性指數和人群運動速度指數還包括： 分別識別所述視頻圖像中每個行人的運動方向； 根據行人的運動方向，將每個所述行人的運動方向進行聚類，W生成多個方向類別； 根據所述方向類別所對應的包絡圖計算人群運動一致性指數。5. 根據權利要求4所述的方法，其特征在于，所述根據所述方向類別所對應的包絡圖計 算人群運動一致性指數包括： 按照如下公式計算人群運動一致性指數其中，c(；Tn)表示第η個方向所形成的包絡圖所圍成的面積，η為k、l，c(rk，:ri)表示第k個 方向和第1個方向所形成的包絡圖重合部分的面積。6. 根據權利要求1所述的方法，其特征在于，所述從所述視頻圖像中提取出所述監控區 域內的人群密度指數、人群運動一致性指數和人群運動速度指數還包括： 采用光流法，根據行人所覆蓋的像素的運動速度，分別計算每個所述行人的運動速度； 按照加權平均的計算方式，根據每個行人的運動速度，計算所述人群運動速度指數。7. 根據權利要求3所述的方法，其特征在于，還包括:從所述視頻圖像中提取人群突變 指數，所述人群突變指數包括，預定時間內人群密度指數的突變指數、人群運動一致性指數 的突變指數和人群運動速度指數的突變指數； 所述根據所述人群密度指數、人群運動一致性指數和人群運動速度指數計算所述監控 區域的人群安全指數包括： 根據所述人群密度指數、人群運動一致性指數、人群運動速度指數和所述人群突變指 數計算所述監控區域的人群安全指數。8. 根據權利要求7所述的方法，其特征在于，按照如下公式計算人群安全指數： S= 100-F-Vd*B-Vm*C-1K I 蝴； 其中，S為人群安全指數;F為人群密度指數，Vd為人群運動一致性指數，Vm為人群運動速 度指數，K為人群突變指數，B、C和D均為預設的權值。9. 根據權利要求8所述的方法，其特征在于， 當 Area(p〉P〇)/Area(all)<l/別寸，B、C和D 的取值分別為 25,8,30;其中，Area(all)為全 部所述子區域的總面積； 當八的日(口沖〇)/^'6日(日11)〉1/8，且4'6日(口沖1)/^'6日(日11)<1/10時，8、(：和0的取值分別 為30，10,35; 當 Area(p〉P日)/Area(all)〉l/8且Area(p〉Pl)/Area(all)〉l/10時，B、C和D的取值分別為 35，15,40。10. 基于圖像識別技術的人群安全指數計算裝置，其特征在于，包括： 獲取模塊，用于獲取監控區域內的視頻圖像； 提取模塊，用于從所述視頻圖像中提取出所述監控區域內的人群密度指數、人群運動 一致性指數和人群運動速度指數； 計算模塊，用于根據所述人群密度指數、人群運動一致性指數和人群運動速度指數計 算所述監控區域的人群安全指數。
【文檔編號】G06K9/00GK106096567SQ201610447013
【公開日】2016年11月9日
【申請日】2016年6月20日
【發明人】陳芳林, 趙瑞, 萬定銳
【申請人】深圳市深網視界科技有限公司