基于压缩感知的视频背景重建与突发群体事件预警平台的制作方法
【专利摘要】本发明公开了一种基于压缩感知的视频背景重建与突发群体事件预警系统，包括视频输入单元、基于压缩感知的背景检测模块、变化检测模块、行人检测和人数统计模块、报表生成模块和预警判断模块。此预警平台以视频采集装置所采集的视频数据为基础，采用基于压缩感知的视频分析方法，通过L1范数最小化的优化算法重建出警戒区域中的背景信息，进而可以检测出视频中的移动目标，而后采用行人识别算法来排除场景中车辆和动物等非人目标的影响，从而实现实时地统计出视频画面中的行人个数，如果超过预先设定的最多允许人数，实时触发报警，警察等相关部门将在第一时间到达该区域维持秩序疏导人群，避免混乱或骚乱等不良事故的发生。
【专利说明】基于压缩感知的视频背景重建与突发群体事件预警平台
【技术领域】
[0001] 本发明涉及一种基于压缩感知的视频背景重建与突发群体事件预警平台，是一种 以视频数据为基础进行视频分析进而对突发群体事件预警的系统，属于平安城市技术领 域。
【背景技术】
[0002] 当前我国正处于社会转型期，既是经济发展关键时期，又是社会矛盾凸显期。从国 际社会整体发展规律来看，人均国内生产总值（GDP)在1 0 0 0 - 3 0 0 0美元区间， 是突发公共事件的高发期。《中华人民共和国突发事件应对法》解释突发事件为突然发生， 造成或者可能造成严重社会危害，需要采取应急处置措施予以应对的自然灾害、事故灾难、 公共卫生事件和社会安全事件。其中，社会安全事件主要包括各类恐怖袭击事件，民族宗教 事件，经济安全事件，涉外突发事件和群体性事件等。突发性群体事件属于突发公共事件 的社会安全事件，近年来已经成为影响我国社会稳定和公共安全的一个重要因素，其特点 是因人民内部矛盾形成并积累到一定程度，一旦有适当的诱因，将迅速爆发，而且冲突升级 快，对抗激烈，社会破坏力强，处置难度大。
[0003] 然而，我国目前还并没有建立相应的自动突发群体预警机制，直辖市和省会一级 城市大多采用接群众报警，或巡警定期巡街的方式来避免恶性突发群体事件的发生，即使 如此也很难保证时效性，因此有必要建立明察秋毫的社会监控与预警机制，通过建立以预 警平台为基础的指挥中心，及早地对突发群体事件做出科学的判断，根据突发事件的需要， 迅速启动应急方案，快速进行现场处置，要在较短时间内聚合各种有效资源，包括人力、物 力、财力等，综合应用经济、法律、行政等手段。及早地防患于未然，为解决、防范社会问题提 供先决条件，奠定稳固基础。
[0004] 虽然目前国际上还没有采用基于视频的突发群体事件预警机制国家的相关报道， 但国内外有些公司已经开始从事智能监控等相关产品的研发，目前我国这方面的技术相对 国外落后。智能监控是当今全球发展最快的技术之一。在这短短的几十年的发展历程中，伴 随着新技术革命的不断冲击，它经历了这样几个阶段：一对一监视器，闭路电视监控系统， 微处理器监视系统，数字视频监控系统，智能监控系统。市场上的需求不断提高对智能监控 和其预警作用的需求。目前市场上的智能监控产品大多由于背景重建技术的不成熟导致对 警戒区域的光线变化敏感，因而无法用于户外。本发明具有如下优势：基于网络摄像头的视 频采集平台，确保异地实时监控；算法的高效性，可以确保每个平台实时支持多路视频采集 终端；人数统计功能，自动区别车辆和动物等干扰；警戒区域报警功能，可以由用户指定警 戒区域并设定最多容许人数，一旦系统检测区域中的人数过多立即启动预警；自动生成报 表并存储供用户统计分析。
[0005] 本发明的应用框图如图1所示。本发明把在街头、广场、军事禁区等敏感区域所采 集的视频数据作为输入数据，实时地对采集节点的视频数据进行处理，一旦检测到敏感区 域的人数超过一定的数量，自动报警，同时在第一时间把预警信息发送给武警、公安和医院 等相关部门。其中管理决策支持系统主要用于对本预警平台进行管理和配置，例如用于设 定某敏感区域的最多允许人数和在视频画面中对某些特殊区域的特殊配置等。
【发明内容】
[0006] 本发明首次结合远程视频采集和现代先进图像视频处理的方式来实现突发群体 事件预警平台。首先通过基于网络 TCP/IP ((Transmission Control Protocol/Internet Protocol))协议获取远程视频数据的采集，突发群体事件预警平台，利用分布于城市街道、 广场和敏感区域的视频采集装置，实时地处理采集到的视频数据，通过视频的背景重建模 块、构建行人统计模型。不仅能够实时地自动对采集到的视频进行人数统计，还可以智能监 视由用户指定的"警戒区域"，警戒区域中所允许的人数由用户指定，一旦检测到人数超过 设定阈值，在第一时间把警报信号发送给公安、武警或医院系统。维持安保或救护的人员就 会在第一时间赶到现场，从而避免群体性骚乱、暴乱的发生，有效地保护了公民的生命和财 产安全。如图2所示，基于压缩感知的视频背景重建与突发群体事件预警平台主要包括：视 频输入单元、基于压缩感知的背景检测模块、变化检测模块、行人检测和人数统计模块、报 表生成模块和预警判断模块。
[0007] 首次采用压缩感知的理论来解决背景图像的重建问题。视频采集画面的背景重建 是本发明的关键部分之一，能否重建背景图像是检测前景目标的前提也是关系本发明有效 性的一个关键因素，也是本发明的一个重要的技术创新点。背景重建技术传统上采用高斯 统计的方式，一方面需要大量的样本，效率低下，重建的背景精度低，于此相对比的是，基于 压缩感知的背景图像重建技术一方面提供了很好重建效果，同时可以保证实时信号处理。
[0008] 在背景重建步骤中，首次采用改进了的传统的L1范数最小化优化算法FISTA。压 缩感知的本质是基于信号的稀疏性，因而本质上应该采用L0范数来求解，这里的L0也即 是求解信号的非〇个数，在实际的应用中，这种组合问题是NP-hard (non-deterministic polynomial-time hard),因而经常采用L1范数最小化来近似。一般来说，L1范数最小化 的算法比L2范数最小化的算法能更好的保护弱信号，但是还是做不到如L0范数最小化一 样对强信号还是弱信号一致同仁。为了避免传统L1范数最小化优化算法对弱信号的歧视， 在实际的算法迭代中，这些弱信号经常会被强置为〇,因而这里采用一种加权值的方法来解 决这个问题。
[0009] 构建精确的行人统计模型。在采集的视频场景中，可能会出现车，动物等干扰，需 要正确地排除干扰而检测出行人数量。基于行人统计模型的相关性匹配方法有效地解决了 这个问题。这里把前景图像的二进制图像为待处理目标，构建二进制图像下的行人统计模 型，采用二维卷积的相关性匹配原理，在已检测到的众多亮度变化的目标中挑选出行人，从 而有效地排除车和动物等非行人的干扰。
[0010]
【专利附图】
【附图说明】 图1为本发明的应用框图 图2为本发明总体系统框图 图3为基于压缩感知理论的背景重建框图 图4为行人检测处理流程框图
【具体实施方式】 本发明首创性的提出了一种以压缩感知为理论基础的视频背景图像重建算法。传统 的采样信号或图像的方法是著名的Nyquist采样定理：采样频率必须大于等于信号最高 频率的两倍，才能很好的恢复原始信号。现代科学技术不断需要采样率更低、动态范围更 大，很多情况下信号带宽较大，采样频率达不到最高频率的两倍。在实际应用中，JPEG2000 (Joint Photographic Experts Group)、MPEG (Moving Picture Experts Group)等有损 压缩标准在图像、声音和视频等方面取得了巨大成功，人们认识到"扔"掉已获取的大部分 数据并不会影响视觉和听觉效果。这种有损压缩是先对信号或图像进行采样，再进行压缩、 传输、接收，最后解压出原始的信号或图像。压缩后的数据远远少于采样后的数据，即进行 远多于所需数据的采样，如果最后的恢复需要K个数据，采样个数则是N个，N》K。这种 普遍存在的可压缩现象引起了人们的思考：既然大部分获得的数据都要"扔"掉，为什么还 要花费如此大的代价采集所有的数据？能否只采集那些最后不被"扔"掉的数据？压缩感 知理论正是这样一种高效的采样理论。
[0011] 最近美国斯坦福大学的Donoho和CandSs从信号分解和逼近理论提出了压缩 感知理论，它的核心思想为：对原始信号或图像进行随机投影，获得少量观测值，利用信号 或图像具有稀疏性表示的先验知识来进行重建。因此压缩感知问题的求解是一个在满足 获得观测值的条件下，寻求最稀疏解（即最少非零值）的过程，是个L0非凸优化问题。但 L0 问题是一个典型的 NP-hard (non-deterministic polynomial-time hard)问题，不易 求解。对该问题的求解，常转化为贪婪搜索、凸优化问题和局部非凸优化问题的求解。贪婪 算法中最经典的是匹配追踪MP(Matching Pursuit)算法，它在每一步迭代中，从原子库中 寻找与剩余分量最为接近的原子作为匹配原子。但其有一个明显的缺点：在已选原子组成 的子空间上，信号的扩展可能不是最好的，因为它不是一个正交投影。因此有学者提出了正 交匹配追踪OMP (Orthogonal Matching Pursuit)算法，它在每一步迭代中都要对所选的 全部原子进行正交化处理。但这两种算法在每步迭代中都要完成信号或信号分解的剩余分 量在过完备库中的每个原子上的投影，计算量很大，收敛速度也比较慢。David L. Donoho 于 2006 年提出的逐步正交匹配追踪 StOMP(Stagewise Orthogonal Matching Pursuit) 改善了这一状况，它比OMP的收敛速度快。目前对于压缩感知问题的求解，大多算法是基 于L1凸优化问题的求解。最初的是基追踪BP (Basis Pursuit)算法，它和MP算法的思想 基本一样，同样是在每次迭代时寻求最匹配的原子。迭代收缩IST(Iterative Shrinkage/ Threshold)是一种很简单的算法，只要确定步长值和阈值就可求解，但该算法收敛速度慢。 基于L1的凸优化算法是极其有效的，但它们进行重建所需的观测值要比理论最小值多的 多，因此非凸优化问题的求解也一直是研究的热点。同时，也有些学者提出用Lp(0〈 p〈 1) 代替L1优化算法来进行重建。目前压缩感知理论已成功应用在了单像素相机、医疗成像例 如核磁共振成像MRI (Magnetic Resonance Imaging)、雷达（Radar)、模拟/信号转换A/I (Analog-to-information)、信道估计和遥测等许多方面。
[0012] 本发明以压缩感知为理论基础，提出了一种全新的视频背景重建方法。如图3所 示，我们知道在长时间的视频采集画面内，每个像素的灰度值大多情况下显示的是采集视 频的背景图像，只有出现目标的情况下会被前景画面掩盖。因而这里我们把前景画面当作 稀疏信号来处理。这里我们默认选定30分钟的视频作为输入，自适应的方式来重建背景画 面。假设输入视频流包括K幅图像XpX 2?ΧΚ每幅图像包含mXn个像素，我们的目标是逐 点利用L1范数最小化的优化算法来重建背景图像B。假设?=1···πιΧη，我们采用下式来实 现对背景图像的重建：
【权利要求】
1. 基于压缩感知的视频背景重建与突发群体事件预警平台，包括视频输入单元、基于 压缩感知的背景检测模块、变化检测模块、行人检测和人数统计模块、报表生成模块和预警 判断模块。
2. 如权利要求1所述的基于压缩感知的视频背景重建与突发群体事件预警平台，其 特征在于，基于压缩感知的背景检测模块采用改进的加权L1范数最小化优化算法FISTA (Fast Iterative Shrinkage Threshold Algorithm)实现视频背景重建。
3. 如权利要求1所述的行人检测和人数统计模块，其特征在于，其中的前景图像通过 设定一定的门限获得，再利用形态学（morphological)中的腐蚀函数（corrosion)来消除 小且无意义的伪目标，保留前景图像的二进制图像中的结构骨干信息，为后续采用相关性 匹配原理监测行人做数据准备。
4. 如权利要求1所述的行人检测和人数统计模块，其特征在于，把前景图像的二进制 图像为待处理目标，构建二进制图像下的行人统计模型，采用二维卷积的相关性匹配原理， 在已检测到的众多亮度变化的目标中挑选出行人，从而有效地排除车和动物等非行人的干 扰。
【文档编号】G06K9/00GK104299207SQ201310305492
【公开日】2015年1月21日 申请日期:2013年7月19日 优先权日:2013年7月19日
【发明者】李峰 申请人:李峰