低视频监控人员的工作量，大幅提高工作效率，降 低在安保领域的人力和财力投入。
[0094] 根据本发明的一个方面，还提供了一种聚众事件检测系统，图9为本发明一实施 方式的聚众事件检测系统的框架示意图。如图9所示，该系统9包括行为描述模块91和行 为建模模块92,其中，行为描述模块91包括团块获取单元910和能量计算单元911，用于获 取团块和能量作为聚众事件行为描述的特征，对聚众事件进行标识。行为建模模块92包括 背景建模单元920、聚众识别指标建模单元921和聚众事件检测单元922,用于根据提取出 的有效的运动特征，构建函数模型，通过指标值计算实现对聚众事件的检测。
[0095] 具体地，团块获取单元910设置为通过运动物体检测算法得到二值化的运动目 标，并对得到的二值化运动目标进一步进行图像形态学处理，从而得到完整无空洞的团块， 并提取无空洞团块的封闭区域边界。在本发明中，运动物体检测算法和图像形态学处理都 是智能视频技术和图像处理技术中的现有技术，因此不再详述。能量计算单元911设置为 为视频帧图像中的每一个像素点设置权值，通过公式e1]= λ i]mi]计算每个 像素点的能量，根据每个像素点的能量和团块边界，通过公式
；计算每一帧视 频帧中运动目标的能量。其中，yu为像素点（i，j)的纵坐标，a和b为常量，取决于摄像 头的位置和视频帧的大小。本发明的实施例中，设置b为视频帧的宽除以高，a的值根据 训练集学习计算。Hi1,为像素点的值，如果我们只关注检测出的二值化前景运动目标，则对 前景像素点Hi1,取值为1，对于背景像素点取值为0。背景建模单元920设置为沿时间轴方 向获取视频帧图像中每个像素点的N个样本，由此，图像中每个像素点都存在N个样本， 依据获取的样本对全图中的每个像素点构造核函数，建立一个背景模型。例如，使用xl， X2，…，组成的一个像素的样本集合{xi} (i = 1，2,…，N)来估计像素的像素强度的总体 概率分布，则像素强度X的概率描述可表示为
其中，K。为核函数， 其窗宽为σ。对窗宽的估计前文已详细叙述，在此不再赘述，具体可参看前文。聚众识别 指标建模单元921设置为根据建立的背景模型获取离散描述信息熵，并根据运动目标的能 量和信息熵构建聚众识别指标模型。由于信息熵描述前景运动目标的离散分布特性，则通 过背景建模单元920构造的核密度函数，即可获取运动目标沿X轴和Y轴方向的离散分布 为
通过H(X)和H(Y)的乘积计 算获得整幅视频帧图像的信息熵，通过能量计算单元911获取运动目标的能量，之后，根 据运动目标能量和运动目标的离散描述信息熵对聚众指标的影响，即能量越大，聚众程度 越大，越趋近于聚众行为，离散特性越高，聚众程度越低，即可构建聚众识别指标函数模型
聚众事件检测单元922设置为根据聚众识别指标模型计算获取聚众识别指标， 当聚众识别指标大于预定阀值时，确定为聚众事件，发出聚众异常事件警报。根据构建好的 聚众识别指标模型，将计算获得的能量和信息熵代入，即可计算获得聚众识别指标I的值， 将I与预设的阀值进行比较，当大于则确定为聚众事件，进行聚众异常事件报警，从而实现 对聚众事件的检测和监控。
[0096] 本发明的聚众事件检测系统能够实现快速有效分析聚众行为和多人互殴的异常 事件，大力降低视频监控人员的工作量，大幅提高工作效率，降低在安保领域的人力和财力 投入。且，通过计算二值化图像的熵和运动物体像素的能量，就可以识别聚众行为，降低计 算的复杂度。同时，由于对每个像素点引入权值，能够有效克服摄像头距离远近对像素分布 的不良影响。
[0097] 以上所述的仅是本发明的一些实施方式。对于本领域的普通技术人员来说，在不 脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范 围。
【主权项】
1. 聚众事件检测方法，包括： 对视频帧图像进行行为描述和构建行为建模，获取聚众识别指标； 对所述指标进行判断，当所述指标大于预定阀值时，确定发生聚众事件； 其中，所述对图像进行行为描述和构建行为建模，获取聚众识别指标包括： 获取所述视频帧图像中运动目标的团块； 计算所述视频帧图像的视频帧能量； 对所述视频帧图像中每个像素点建立基于核密度估算的背景模型； 根据所述背景模型获取所述视频帧图像的信息熵； 根据所述视频帧能量和信息熵构建聚众事件识别指标模型，获取聚众识别指标。2. 根据权利要求1所述的方法，其中，所述获取所述视频帧图像中的运动目标的团块 包括： 通过运动物体检测算法获取二值化后的运动目标； 对所述二值化后的运动目标进行图像形态学处理，得到完整无空洞的团块； 提取所述无空洞的团块的封闭区域边界。3. 根据权利要求2所述的方法，其中，所述提取所述无空洞的团块的封闭区域边界包 括： 确定二值化后的图像中的目标点和非目标点，根据所述目标点和非目标点获取目标区 域； 根据所述目标区域，获取所述团块的沿X轴和Y轴方向的最大刻度和确定坐标原点； 以所述坐标原点为左上角，选取2*2大小的窗口作为观察窗，遍历所述目标区域，获取 边界观察窗，将所述边界观察窗的编号按顺时针排列的方式存入边界数组中； 依次读取所述边界数组中的编号，将对应编号的观察窗的中心像素点相连接，生成封 闭区域边界。4. 根据权利要求1所述的方法，其中，所述计算所述视频帧图像的视频帧能量包括： 根据摄像头的位置和视频帧的大小为所述团块内每一个像素点赋值一个权重λ 1]= a-byij； 通过公式e^= λ IjIiiu计算每个像素点的能量； 通过公式计算每一帧视频帧中运动目标的能量。5. 根据权利要求4所述的方法，其中，yi]为像素点（i，j)的纵坐标，b设置为视频帧的 宽除以高，a设置为根据训练集学习计算，Hi u为像素点的值，当为前景像素点时取值为1，当 为背景像素点时取值为〇。6. 根据权利要求1所述的方法，其中，所述对所述视频帧图像中每个像素点建立基于 核密度估算的背景模型包括： 沿时间轴方向获取视频帧图像中每点的N个样本； 依据样本点构造核函数，创建一个基于核密度估算的背景模型； 其中，所述核函数为K。，所述背景模型为，所述背景模型中的 σ为窗宽。7. 根据权利要求6所述的方法，其中，所述对所述视频帧图像中每个像素点建立基于 核密度估算的背景模型还包括： 采用样本方差计算所述窗宽。8. 根据权利要求1所述的方法，其中，所述根据所述背景模型获取所述视频帧图像的 信息熵包括：通过公式 计算所述视频帧图像中的前景目标在X轴方向 上的信息熵； 通过公式 计算所述视频帧图像中的前景目标在y轴方向 上的信息熵； 通过计算所述H(X)和所述H(Y)的乘积得到所述视频帧图像的信息熵； 其中，Px(Z)和Py(Z)是根据所述背景模型获取的核密度概率分布。9. 根据权利要求1所述的方法，其中，所述根据所述视频帧能量和信息熵构建聚众事 件识别指标模块，获取聚众识别指标包括： 根据获取的运动目标的能量和运动目标的信息熵构建聚众事件指标模型中Ef为所述运动目标的能量，H为所述运动目标的信息熵； 根据所述聚众事件指标模型计算获得所述聚众识别指标I。10. 聚众事件检测系统，包括行为描述模块和行为建模模块，其中，所述行为描述模块 包括团块获取单元和能量计算单元，所述行为建模模块包括背景建模单元、聚众识别指标 建模单元和聚众事件检测单元； 所述团块获取单元设置为通过运动物体检测算法得到二值化的运动目标，并进行图像 形态学处理得到完整无空洞的团块，提取所述团块的边界； 所述能量计算单元设置为为视频帧图像中的每一个像素点设置权值，计算每个像素点 的能量，根据每个像素点的能量和所述团块边界计算每一帧视频帧中运动目标的能量； 所述背景建模单元设置为沿时间轴方向获取视频帧图像中每个像素点的N个样本，依 据所述样本对所述视频帧图像中的像素点构造核函数，以建立一个背景模型； 所述聚众识别指标建模单元设置为根据所述建立的背景模型获取离散描述信息熵，并 根据所述运动目标的能量和信息熵构建聚众识别指标模型； 所述聚众事件检测单元设置为根据所述聚众识别指标模型计算获取聚众识别指标，当 所述聚众识别指标大于预定阀值时，确定为聚众事件。
【专利摘要】本发明公开一种聚众事件检测方法，包括：对视频帧图像进行行为描述和构建行为建模，获取聚众识别指标；对指标进行判断，当指标大于预定阀值时，确定发生聚众事件；其中，对图像进行行为描述和构建行为建模，获取聚众识别指标包括：获取视频帧图像中运动目标的团块；计算视频帧图像的视频帧能量；对视频帧图像中每个像素点建立基于核密度估算的背景模型；根据背景模型获取视频帧图像的信息熵；根据视频帧能量和信息熵构建聚众事件识别指标模型，获取聚众识别指标。通过本发明的方法，能够方便快捷的对聚众异常事件进行检测，大力降低视频监控人员的工作量，大幅提高工作效率，降低在安保领域的人力和财力投入。
【IPC分类】G06T7/20
【公开号】CN105184815
【申请号】CN201510465334
【发明人】曲平, 程实, 赵福洪, 沈学华, 陈晓勇
【申请人】江苏诚创信息技术研发有限公司
【公开日】2015年12月23日
【申请日】2015年7月31日