本发明涉及视频分析与图像理解领域，尤其涉及一种基于动量动力学模型的目标间关系识别方法。
背景技术：
：人群行为分析领域中，行为识别，分类以及行人属性识别等相关研究已有多年历史。人体行为识别分为三部分，即移动识别，动作识别和行为识别。虽然，国内外学者有关行人行为分析的研究已小有成色，但是目前还是局限在行人行为本身去思考和分析问题，对于行为的形成原因鲜有研究。国外的心理学家将自然界物体间的联系归纳总结，并依照一定规律分类，形成了用以描述自然界中广泛存在的事物间因果联系的理论。因果关系理论经过多年的发展，如今分为三大类别，分别是心理学模型理论，动因模型理论和力学模型理论。心理学模型理论通过逻辑推理的形式描述三种因果关系；动因模型理论则是基于因果贝叶斯网络分析所构建的理论；力学模型理论是基于力动力学模型所建立的，该方法通过力学矢量关系描述该三种因果关系。由力动力学模型发展而来的动力学模型，通过分析目标间作用力矢量，构建模型，识别事物间因果关系。然而，上述模型所做的因果关系研究都属于定性分析。受到模型中各个概念难以于现实情况下准确表达的局限性，这几种模型都未能实现因果关系的定量分析。技术实现要素：本发明提出一种基于动量动力学模型的行人间因果关系识别方法，目的是通过视频图像分析技术解决小规模人群行为分析领域中有关目标间的因果关系识别问题。为实现上述目的，采用了以下技术方案：本发明所述的因果关系包括导致关系、促进关系、阻碍关系三种关系，导致关系是指目标行人由于外界因素的影响改变了其初始的运动方向；促进关系是指外力的作用对目标行人起到了促进的作用且最终并未改变其方向；阻碍关系是指目标行人的运动受到外界因素阻碍的影响却并未改变其初始运动方向；目标行人初始动量目标行人受其他行人排斥力的冲量预测末动量实际末动量作为目标行人的4个要素；所述识别方法包括以下步骤：步骤1，获取视频图像，利用cam-shift算法，获取视频图像中各个目标行人的位置、速度和距离信息，结合社会力中的心理力模型以及动量定理构建动量动力学模型；利用目标行人的4要素之间的关系，构建识别条件，识别两目标行人间的因果关系，将目标行人间的相互影响表达成导致关系、促进关系、阻碍关系；步骤2，将动量动力学模型用于构建视频中目标行人间的数学模型，设定方向阈值，并基于方向阈值提出基于动量动力学模型的因果关系判定条件；步骤3，将动量动力学模型用于构建视频中目标行人间的数学模型，通过计算得到目标行人间的因果值γ，根据因果值的大小范围，识别出目标行人间的因果关系。进一步的，所述步骤1的具体方法如下：步骤1.1，跟踪每个目标行人，得到每个目标行人的运动轨迹并且计算出目标初始动量；根据Cam-shift跟踪算法可获得行人α的位置信息，计算行人α每两帧间行人的位置差值，即行人每一帧的运动速度；目标行人初始动量具体值可根据公式(1)求得其中，Oj(j＝i,…,n)表示第j帧图像中目标质心位置，可由目标跟踪算法获得；n表示视频序列长度；t表示每帧的时间；m表示行人的质量；i表示视频搜索框的起始位置；j表示目标行人的当前帧；其中，Oj(j＝i,…,n)表示第j帧图像中目标质心位置，可由目标跟踪算法获得；n表示视频序列长度，具体值可根据实际情况确定；t表示每帧的时间；m表示行人的质量，通常去平均值为60kg；i表示视频搜索框的起始位置；j表示目标行人的当前帧；步骤1.2，计算目标行人受其他行人排斥力的冲量采用社会力中的心理力作为冲力的基本模型，其公式如下：其中，Aα和Bα是常数，分别表示行人α与其他行人的相互作用强度和作用范围；rαβ是相互作用的两个行人α和β的半径和；dαβ是行人α和β之间的距离；nαβ是由行人β指向行人α的单位向量，nαβ和dαβ随时间变化。模型规定每个行人的半径由行人占有的空间决定。Aα的表达方式为力，单位为N；行人的半径取肩宽[0.5,0.7]的均匀分布；常数Bα为范围常数，可根据实验的实际情况取值。考虑到行人受到他人的影响方向不同，增加方向权重g(λ)；其中，λ为方向权重系数，可根据实际需要取值。为行人运动方向与所受冲力方向的夹角。当行人间距离过大时，两行人间无影响，此时冲力应该为0，又冲量可得最终冲量函数模型如下：式中，l为因果影响范围参数，取值根据实际情况确定。为单位方向向量。Δt为一个人的反应时间，一般人的反应时间为0.15～0.5s，人们的感觉反应时间并不是正态分布，其对数呈逼近的正态分布，人的平均感觉反应时间一般为0.4s。步骤1.3，计算目标行人的预测末动量和实际末动量实际末动量可由公式(1)计算得到；基于动量守恒定理，分析行人α在行人β的冲力影响下运动状态的改变，通过式(5)得到预测末动量式中，为目标行人初始动量；为目标行人受其他行人排斥力的冲量。进一步的，步骤2的具体步骤如下：步骤2.1，将动量动力学模型用于构建视频中目标行人间的数学模型；视频序列长度为h，在整个序列中设定长度为s的平移窗口，在该平移窗口中计算动量模型中所提到的四个关键要素，即和首先，在平移窗口中选取前n帧，用于计算之后选取平移窗口的最中间帧作为当前帧，计算接着根据公式(5)得到最后选取平移窗口的最后n帧，根据公式(1)计算步骤2.2，提出方向阈值概念；若目标行人的4个要素——初始动量目标行人受其他行人排斥力的冲量预测末动量实际末动量两两要素之间的夹角在方向阈值θt范围内，则两个行人运动方向的矢量视为同方向，否则视为不同向；为了判断方向，首先求取几个矢量之间的夹角，计算如下：由公式(6)(7)(8)可分别求得与的夹角θx；与的夹角θz；与的夹角θy；令x＝θx-θt，y＝θy-θt，z＝θz-θt；θt为方向阈值；当同方向时，x,y,z≤0，反之x,y,z＞0；步骤2.3，基于方向阈值提出基于动量动力学模型的因果关系判定条件。进一步的，所述步骤3的具体步骤如下：对x,y的取值归一化，使正负值范围相等；因果值γ的计算方法如公式(11)所示因果值γ的值域为[0°,360°]，如公式(12)所示三种因果关系与因果值γ的关系如下：导致关系时因果值γ的值域范围为[315°,360°]；促进关系时因果值γ的值域范围[45°,90°]；阻碍关系时因果值γ的值域范围为[225°,270°]；不存在因果关系时因果值γ的值域范围[135°,225°]。与现有技术相比，本发明具有如下优点：结合动量定理和社会力模型提出动量动力学模型，用以描述行人间关系，克服了现有模型难以对现实中行人关系量化描述的缺点，并将复杂的因果关系判定方法转化为因果值，从而使因果关系的识别更加直观和准确。附图说明图1为本发明方法的流程图。图2为本发明方法的具体实现步骤流程图。图3为本发明方法的动量动力学模型图。图4为本发明方法的实施例说明图。图5为本发明方法的实施例结果图。具体实施方式下面结合附图对本发明做进一步说明：本发明涉及的因果关系包括导致关系、促进关系、阻碍关系三种关系，导致关系是指目标行人由于外界因素的影响改变了其初始的运动方向；促进关系是指外力的作用对目标行人起到了促进的作用且最终并未改变其方向；阻碍关系是指目标行人的运动受到外界因素阻碍的影响却并未改变其初始运动方向；目标行人初始动量目标行人受其他行人排斥力的冲量预测末动量实际测量所得末动量作为目标行人的4个要素；如图1、图2所示，所述识别方法包括以下步骤：步骤1，获取视频图像，利用camshift算法，获取视频图像中各个目标行人的位置、速度和距离信息，结合社会力中的心理力模型以及动量定理构建动量动力学模型；利用目标行人的4要素之间的关系，构建识别条件，识别两目标行人间的因果关系，将目标行人间的相互影响表达成导致关系、促进关系、阻碍关系。步骤1.1，跟踪每个目标行人，得到每个目标行人的运动轨迹并且计算出目标初始动量；根据Camshift跟踪算法可获得行人α的位置信息，计算行人α每两帧间行人的位置差值，即行人每一帧的运动速度；目标行人初始动量具体值可根据公式(1)求得其中，Oj(j＝i,…,n)表示第j帧图像中目标质心位置，可由目标跟踪算法获得；n表示视频序列长度，具体值可根据实际情况确定；t表示每帧的时间；m表示行人的质量，通常去平均值为60kg；i表示视频搜索框的起始位置；j表示目标行人的当前帧。步骤1.2，计算目标行人受其他行人排斥力的冲量采用社会力中的心理力作为冲力的基本模型，其公式如下：考虑到行人受到他人的影响方向不同，增加方向权重g(λ)；当行人间距离过大时，两行人间无影响，此时冲力应该为0，又冲量可得最终冲量函数模型如下：式中，l为因果影响范围参数，取值根据实际情况确定。为单位方向向量。Δt为一个人的反应时间，一般人的反应时间为0.15～0.5s，人们的感觉反应时间并不是正态分布，其对数呈逼近的正态分布，人的平均感觉反应时间一般为0.4s。步骤1.3，计算目标行人的预测末动量和实际测量所得末动量实际测量所得末动量可由公式(1)计算得到；基于动量守恒定理，分析行人α在行人β的冲力影响下运动状态的改变，通过式(5)得到预测末动量式中，为目标行人初始动量；为目标行人受其他行人排斥力的冲量。步骤2，将动量动力学模型用于构建视频中目标行人间的数学模型，设定方向阈值，并基于方向阈值提出基于动量动力学模型的因果关系判定条件；步骤2.1，将动量动力学模型用于构建视频中目标行人间的数学模型；视频序列长度为h，在整个序列中设定长度为s的平移窗口，在该平移窗口中计算动量模型中所提到的四个关键要素，即和首先，在平移窗口中选取前n帧，用于计算之后选取平移窗口的最中间帧作为当前帧，计算接着根据公式(5)得到最后选取平移窗口的最后n帧，根据公式(1)计算步骤2.2，提出方向阈值概念；严格意义上两个矢量的同方向指方向夹角为0°。而根据实际测定的行人运动方向是不可能严格意义上的一致的，因此本文提出方向阈值的概念，认为在该方向阈值θt中，两矢量视为同方向。若目标行人的4个要素——初始动量目标行人受其他行人排斥力的冲量预测末动量实际测量所得末动量两两要素之间的夹角在方向阈值θt范围内，则两个行人运动方向的矢量视为同方向，否则视为不同向；为了判断方向，首先求取几个矢量之间的夹角，计算如下：由公式(6)(7)(8)可分别求得与的夹角θx；与的夹角θz；与的夹角θy；令x＝θx-θt，y＝θy-θt，z＝θz-θt；θt为方向阈值；当同方向时，x,y,z≤0，反之x,y,z＞0；步骤2.3，基于方向阈值提出基于动量动力学模型的因果关系判定条件，如表1所示。表1基于动量动力学模型因果关系判断表步骤3，将动量动力学模型用于构建视频中目标行人间的数学模型，通过计算得到目标行人间的因果值γ，根据因果值的大小范围，识别出目标行人间的因果关系。根据夹角θi(i＝x,y)的取值范围为[0，180]，可知x和y的取值范围为[θt，180-θt]。可以看出此时x和y的取值范围是正负不对称的，正负值范围根据方向阈值θt的变化而改变。所以，要对x,y的取值归一化，使正负值范围相等。为了更加直观的表示因果关系识别的结果，本文提出了因果值的概念，因果值的大小能够表示行人间因果关系的类别及变化趋势。具体计算方法如公式(11)所示。得到的γ的值域为[-360°,360°]为了表现的更直观本文对γ做进一步处理，将γ的取值范围缩小到[0°,360°]，如公式(12)所示：三种因果关系值域范围如表2所示。表2因果关系γ导致[315°,360°]促进[45°,90°]阻碍[225°,270°]未定义others不存在[135°,225°]构建小团体，目标人数为五，如图4所示。行人α为本次实验目标，其他四个行人包括行人1、行人2、行人3、行人4，图5中四条曲线分别为行人1、行人2、行人3、行人4与目标行人α间的因果关系值。在168帧之前，四条曲线重合，全部值为0，从169帧开始，点状曲线的值为225～270之间，此时行人1与实验目标间的因果关系为阻碍，直到第259帧，由于两行人交错分离，目标间不再存在因果关系。行人2从314帧到331帧，因果值为[45,90]与目标间因果关系为导致，从323帧到360帧，两者因果关系变为促进。行人4从335帧到337帧与目标行人因果关系为阻碍，行人3的因果值一直为0，与目标行人间不存在因果关系。本实施例的结果如图5所示。以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。当前第1页1 2 3