聚众事件检测方法及系统的制作方法
【技术领域】
[0001] 本发明涉及智能视频处理及图像处理领域，尤其涉及一种聚众事件检测方法及系 统。
【背景技术】
[0002] 随着社会对安全监控的强烈需求和智能视频监控系统的发展，基于视频流对异常 行为进行检测（视频事件检测）显得尤为重要。其核心的概念即利用计算机技术以及图像 处理方法从监控视频图像中识别出我们感兴趣的事件，这是一个综合的、复杂的问题。目前 异常行为的识别主要包含对监控视频图像进行运动目标检测、跟踪和异常行为的识别和判 断。聚众行为识别是异常行为中最为重要的一个方面。其中，聚众行为识别是复杂场景中 多人参与的一种异常事件，也是事件检测研究中的一个难点，目前，国内研究相对较少，还 处于起步阶段。
[0003] -些研究者试图建立精确的虚拟模型来模拟真实聚众场景但是虚拟环境人的运 动行为与真实环境有很大不同，且虚拟环境的图像和视频质量都远远好于真实场景，因此 这种方法很难应用于实际监控系统。有的研究者提出了基于跟踪的方法，从运动物体进去 监控场景开始获得他们的运动轨迹，从而判断异常情况是否发生，这种方法提高了异常行 为监控的效率，但是当聚众行为较为复杂，有互相遮挡和重合的情况下实时监控的效果不 够准确。有的研究者提出了基于特征的密度估计方法，这种方法对聚众检测非常重要，但是 密度估计是一个不变量而实时检测是一个动态过程，后来又引入了方向、速度和加速度等 重要的特征进行估计识别，然而该方法需要关注运动物体的动态信息，如光流量变化、运动 速度变化、方向变化和角度变化等，计算复杂度很高。非参数的方法实现虽然简单，计算复 杂度低，但是易受噪声干扰，仅仅适用于对简单动作的分析。
[0004] 申请号为201110359433. 2的专利文件公开了一种事件检测方法及系统，提出通 过统计二值化图像运动目标图像块个数和运动目标历史判断斗殴暴力事件。但由于在计算 图像块个数时，由于运动目标距离摄像头的距离不同，使得同一目标远近会得到不同的图 像块。而且，历史样本的获取比较困难，通过获取运动目标历史，也增加了计算量。
[0005] 故视频事件异常检测领域急需一种能快速分析聚众行为、多人互殴的技术方案。
【发明内容】
[0006] 根据本发明的一个方面，提供了一种聚众事件检测方法，本发明的检测方法无需 关注运动目标的动态信息，引入熵的概念，通过计算二值化图像的熵和运动物体像素的"能 量"识别聚众行为，降低计算量，能够更有效准确快速的检测出聚众异常事件。该方法包括：
[0007] 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；
[0008] 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；
[0009] 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：
[0010] 获取所述视频帧图像中运动目标的团块；
[0011] 计算所述视频帧图像的视频帧能量；
[0012] 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；
[0013] 根据所述背景模型获取所述视频帧图像的信息熵；
[0014] 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。
[0015] 在一些实施方式中，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。由此，可以获取运动 目标的团块，通过团块反应运动目标的形态信息，从而提取一些具有统计特性的特征对运 动目标进行描述，对聚众行为进行有效识别。
[0016] 在一些实施方式中，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。由此，即可获得团块的 封闭区域边界，以对运动目标进行能量、长宽比等的计算。
[0017] 在一些实施方式中，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 ij= a-bylj;通过公式e ^ =λ 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。由此，能够通过能力来检测运动目标的运动特征，当物体运动速度增大或密度增大 时，其具有的能量也随之增强，可用于判断斗殴、聚众等事件，从而无需关注运动目标的动 态信息，更加快捷方便，降低计算的复杂度。
[0018] 在一些实施方式中，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，1?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。由此，可以实现每个运动物体无论距离摄像头远近，其自身的固有能量保持 不变。
[0019] 在一些实施方式中，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。由此，可以基于核密度估计运动目 标的概率分布，实现对运动目标离散特性描述信息熵的获取。
[0020] 在一些实施方式中，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。由此，计算上无需保存样本绝对差和排序绝 对差来得到中位数，时间消耗上要小得多。并且，传统采用样本方差来计算核窗宽更符合实 际情况。
[0021] 在一些实施方式中，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： CN 105184815 A 说明书 3/10 页 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。由此，可以获取运动目 标在整个图像中的离散分布特性，以根据离散分布特性识别聚众事件。
[0022] 在一些实施方式中，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
其中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。由此，即可获取聚众识别指标，并根据 指标值的大小进行聚众程度的识别，从而根据预设阀值检测出聚众异常事件。
[0023] 根据本发明的一个方面，还提供了一种聚众事件检测系统，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；
[0024] 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；
[0025] 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；
[0026] 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；
[0027] 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；
[0028] 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。
[0029] 本发明的检测系统基于运动目标能量和信息熵，能够快速准确检测出视频中的聚 众事件，在智能视频技术领域具有重大影响，能有效降低安保投入成本，提高监控效率。
[0030] 通过本发明提供的系统和方法，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。
【附图说明】
[0031] 图1为本发明一实施方式的聚众事件检测方法的流程图；
[0032] 图2为图1所示方法中的一帧视频帧图像；
[0033] 图3为