復(fù)雜氣象條件下動(dòng)態(tài)人群場(chǎng)景分析方法研究.pdf

1、基于計(jì)算機(jī)視覺(jué)的動(dòng)態(tài)人群場(chǎng)景分析在智能視頻監(jiān)控、智能人群管理、公共空間設(shè)計(jì)、智能交通和智能環(huán)境、虛擬環(huán)境等領(lǐng)域有著巨大的應(yīng)用潛力,特別是近年來(lái)大規(guī)模群體性公共安全事件頻發(fā)對(duì)以智能視頻監(jiān)控為代表的人群行為分析提出了更高的要求。分析動(dòng)態(tài)人群場(chǎng)景是分析以人群運(yùn)動(dòng)形式所表現(xiàn)出來(lái)的人群行為,即場(chǎng)景中所呈現(xiàn)出的人群運(yùn)動(dòng)狀態(tài)。人群場(chǎng)景分析的內(nèi)容在檢測(cè)異常人群行為的基礎(chǔ)上還應(yīng)該包括跟蹤人群運(yùn)動(dòng)狀態(tài)的演進(jìn)過(guò)程、分析運(yùn)動(dòng)狀態(tài)變化規(guī)律和預(yù)報(bào)人群狀態(tài)的未來(lái)發(fā)展

2、趨勢(shì)。目前通過(guò)視頻進(jìn)行人群運(yùn)動(dòng)狀態(tài)分析面臨的主要問(wèn)題有兩個(gè):一是復(fù)雜天氣造成的視頻退化影響分析結(jié)果的準(zhǔn)確性,二是缺乏利用計(jì)算機(jī)視覺(jué)理論與方法對(duì)人群運(yùn)動(dòng)狀態(tài)的演變規(guī)律開(kāi)展更為深入的研究。
　　本課題研究了復(fù)雜氣象條件對(duì)提取人群運(yùn)動(dòng)速度和人群密度等主要特征的干擾現(xiàn)象,并從局部和整體兩個(gè)角度研究了人群運(yùn)動(dòng)狀態(tài)演化規(guī)律,提出了復(fù)雜氣象視頻分類與動(dòng)態(tài)天氣視頻復(fù)原算法,然后利用增強(qiáng)后的視頻數(shù)據(jù)建立人群流量方程和人群運(yùn)動(dòng)狀態(tài)無(wú)向圖兩種人群運(yùn)動(dòng)分

3、析模型,解決了雨雪天氣視頻退化現(xiàn)象對(duì)人群運(yùn)動(dòng)狀態(tài)分析的影響和如何對(duì)未來(lái)人群運(yùn)動(dòng)狀態(tài)進(jìn)行預(yù)測(cè)的問(wèn)題。研究工作的主要貢獻(xiàn)體現(xiàn)在以下四個(gè)方面:
　　一、提出一種基于視頻序列短時(shí)相關(guān)性和平均相關(guān)性特征的分級(jí)天氣類型分類算法。在像素亮度值的時(shí)間序列上建立自相關(guān)函數(shù)提取場(chǎng)景特征,構(gòu)造線性分類器并使用CART決策樹(shù)將室外場(chǎng)景分類為靜態(tài)、動(dòng)態(tài)和不穩(wěn)定三類天氣。分類結(jié)果為下面的視頻復(fù)原方法提供天氣視頻分類前提,即后續(xù)的去雨雪方法是基于正確的動(dòng)態(tài)天氣

4、視頻分類之上。
　　二、提出一種滑動(dòng)窗口序列在線PCA投影降噪和二次目標(biāo)分割的視頻去雨雪(動(dòng)態(tài)天氣)方法。室外監(jiān)控視頻常常受到各種復(fù)雜氣象干擾(如雨、雪、霧、光照變化和低溫等),造成監(jiān)控視頻發(fā)生退化,影響了場(chǎng)景分析的準(zhǔn)確性。有必要在抑制天氣干擾算法方面展開(kāi)研究,并把它納入群體系統(tǒng)模型中。針對(duì)動(dòng)態(tài)天氣類型分析室外視頻的噪聲特點(diǎn)、前景目標(biāo)運(yùn)動(dòng)性質(zhì)的差異,提出一種窗口序列在線 PCA投影降噪的二次分割視頻去雨雪方法。將具有不同運(yùn)動(dòng)性質(zhì)的

5、移動(dòng)目標(biāo)(如人、車、鏡頭前的雨滴和雪花等)精確分類,定位雨滴和雪花區(qū)域后使用對(duì)應(yīng)的背景圖像修飾來(lái)消除不利天氣對(duì)視頻的影響,為后續(xù)的人群運(yùn)動(dòng)分析提供增強(qiáng)后的視頻數(shù)據(jù)。
　　三、為避免復(fù)雜的個(gè)體目標(biāo)分割和跟蹤運(yùn)算,提出一種無(wú)需前景分割的局部人群狀態(tài)分析方法。把視頻局部區(qū)域在時(shí)-空上視為一個(gè)獨(dú)立的線性動(dòng)態(tài)系統(tǒng),通過(guò)混合動(dòng)態(tài)紋理方法在空間上對(duì)局部人群分類得到人群密度屬性;使用主路徑跟從方法計(jì)算局部人群運(yùn)動(dòng)速度,然后依據(jù)人群密度和運(yùn)動(dòng)速度屬

6、性建立人群流量方程,用該方程可分析局部區(qū)域內(nèi)人群密度、速度和流量之間的變化關(guān)系。該模型定量描述了局部人群運(yùn)動(dòng)狀態(tài)、克服了群體運(yùn)動(dòng)的不確定性,可用于人群場(chǎng)景中重點(diǎn)監(jiān)視區(qū)域的異常事件檢測(cè)。
　　四、針對(duì)用于人群場(chǎng)景分析的參數(shù)模型缺乏對(duì)未來(lái)人群運(yùn)動(dòng)狀態(tài)的預(yù)測(cè)手段和泛化能力不強(qiáng)等問(wèn)題,提出一種非參數(shù)聚類的人群異常狀態(tài)檢測(cè)與預(yù)測(cè)的圖分析方法。首先,計(jì)算場(chǎng)景的速度場(chǎng)作為基本特征數(shù)據(jù),使用改進(jìn)的均值飄移(Mean Shift)聚類算法將速度特征

7、聚類,得到不同運(yùn)動(dòng)類別的聚類中心。然后以聚類中心為頂點(diǎn)、各中心間距離(速度差)為邊構(gòu)成無(wú)向圖,在時(shí)間域分析圖邊權(quán)重對(duì)稱矩陣的變化,比較觀測(cè)值和預(yù)測(cè)值之間的背離程度可以檢測(cè)當(dāng)前和預(yù)測(cè)未來(lái)一段時(shí)間內(nèi)人群運(yùn)動(dòng)狀態(tài)。由于采用非參數(shù)聚類,避免了更換人群場(chǎng)景時(shí)重新設(shè)置初值、重新挑選訓(xùn)練樣本和參數(shù)估計(jì)等繁雜工作,克服了參數(shù)估計(jì)精度問(wèn)題產(chǎn)生的檢測(cè)和預(yù)報(bào)誤差。
　　前兩項(xiàng)內(nèi)容屬于視頻的預(yù)處理過(guò)程,完成天氣分類并針對(duì)分類結(jié)果中的動(dòng)態(tài)天氣進(jìn)行視頻復(fù)原工

8、作,為后續(xù)的人群行為分析提供較高質(zhì)量的視頻數(shù)據(jù);后兩個(gè)研究?jī)?nèi)容為動(dòng)態(tài)人群場(chǎng)景建模過(guò)程,分別采用局部和整體方法描述了人群運(yùn)動(dòng)狀態(tài)。
　　本課題在人群運(yùn)動(dòng)場(chǎng)景分析方面的研究工作,較好地解決了受雨雪氣象條件干擾的視頻復(fù)原問(wèn)題,為模型提供增強(qiáng)的輸入視頻;提出人群流量方程分析局部人群運(yùn)動(dòng)狀態(tài),實(shí)現(xiàn)了重點(diǎn)區(qū)域的差別化監(jiān)控;非參數(shù)化的運(yùn)動(dòng)特征分類方法和圖分析算法增強(qiáng)了人群運(yùn)動(dòng)狀態(tài)分析方法的泛化能力,為基于計(jì)算機(jī)視覺(jué)的人群行為分析提供了一種在整體