用于检索所有人群事件。
[0152] 优选的，所述查询结果W历史事件的截图结合相应事件的文字信息的形式显示。 在一个实施例的展示结果中，除了显示历史事件的截图，还会显示关键信息，如事件发生的 时间、聚集人数等。
[0153] 可选的，所述查询结果至少包括关键帖截图，所述关键帖通过对所述事件的整个 形成过程进行跟踪得到。在一个实施例中，当选择某个查询出的事件时，可在新窗口中打开 对应事件的详细信息。详细信息由关键信息摘要、关键帖截图组成，其中关键帖由事件判断 模块对整个事件形成过程进行跟踪得到。监控人员可通过查看关键帖，了解事件发生的起 始、高潮、结束的整个发生过程，对事件的整体情况有基本的了解。
[0154] 在一个实施例中，所述步骤S200在判定人群事件所属类别之后还包括：
[0155] S201、给出预警提示:对已判定的人群事件给出相应的预警提示。
[0156] 可选的，所述预警提示的形式包括下述一种或任意多种方式的组合形式:静态文 字、图案或动态文字、动态图案、声音。比如人群密集事件，通过计算人群饱和来反应密度情 况。其中的人群饱和可根据实时场景人数N与场景人数容量T的比值r = N/T:划分为5个等 级:稀疏(人群饱和度在0~30 % )、正常(人群饱和度在30~60 % )、偏高(人群饱和度在60~ 80 % )、超标(人群饱和度在80~120 % )，过饱和(人群饱和度高于120 % )。当人群饱和度低 于60 %时，为绿色；当人群饱和度在60~80 %为黄色，当人群饱和度高于80 %显示为红色， 同时实时显示饱和度。对于人群聚集事件可根据当前聚集的人数分为=个等级:正常(20人 W下）、值得关注(50人W下）、异常聚集(50人W上）、人群异常跑动事件可W根据跑动的剧 烈程度划分为5个等级，除了颜色提示外，同时显示奔跑等级。滞留事件可根据人群与滞留 的时间长短划分为Ξ个不同的值得关注度，同时实时显示滞留时间长度。逆行事件仅有两 个事件状态:发生与未发生。运样有助于监控人员可根据事件的严重程度采取相应措施进 行干预。
[0157] 在一个实施例中，在步骤S100之前，所述方法还包括：
[0158] S000、对摄像头拍摄的视频图像进行采集和解码。
[0159] 在一个实施例中，为帮助监控人员快速、及时地发现5类异常事件，所述摄像头拍 摄的视频图像W实时面板的形式展现;所述面板W矩阵形式展示内容，其中的每一列为一 个视频通道，而矩阵的第一行为摄像头拍摄的画面，其余的每一行为一类人群事件。通过将 摄像头拍摄的画面进行显示，有助于直观实时看到场景的实际情况。
[0160] 在一个实施例中，面板根据人群事件等级进行显示。所述人群事件等级分包括面 板直接显示饱和度、面板直接显示人群事件持续时间、根据参与人群事件的人数划分等级 和无相关等级。比如在人群密集事件中，事件等级为面板直接显示饱和度，超过80 %显示为 澄色预警，超过100%为红色告警事件。在人群聚集事件中，事件等级为面板中显示聚集持 续时间。在人群滞留事件中，事件等级为面板显示滞留事件持续时间。在人群跑动事件中， 事件等级为根据图像上特征点个数与阔值T2的关系，将跑动划分为5级，所述T2为人数。在 人群逆行事件中，事件等级为无相关等级，当出现该人群事件时，面板直接用可W区别无人 群事件发生时的颜色来进行标识。
[0161] 可选的，所述面板自动按一屏中设置显示的视频通道数目进行分屏展示。运便于 对多路视频的同时监控，同时通过运一方式，系统可有效实现对视频通道数的横向扩展。此 夕h可选的，还支持用全屏撑满整个监控显示器的方式使用，方便监控人员快速发现关键信 息。
[0162] 可选的，所述视频通道能够进行场景的监控参数设置，所述场景的监控参数设置 包括场景的初始化设置，W及与预警有关联的参数设置;所述场景的初始化设置包括指定 在某一视频通道场景中的全局响应热区，方式为通过鼠标在示意照片中选取一个多边形作 为人群分析的区域;所述与预警有关联的参数设置包括在示意照片内选取一个或多个多边 形区域来进行监控和/或设置某一方向为响应方向或为不响应方向。
[0163] 可选的，所述场景的初始化设置还包括对场景进行标定，其方式为:选取至少2个 身高170cm左右成年人;若场景中无满足条件的行人，则需重新选择用于标定的图像。在一 个实施例中，选取2个身高170cm的成年人来进行标定。在一个实施例中，选取2个身高175cm 的成年人来进行标定。
[0164] 可选的，所述场景的初始化设置还包括对场景进行标定，其方式为:根据人在不同 远近场景下的不同尺度大小，估算出在同一水平坐标下，实际场景中100cm映射到图像中的 像素数。
[0165] 在一个实施例中，通过鼠标划出矩形将标定中选取的人刚好框选，并根据人在场 景远近的不同尺度大小，估算出在同一水平坐标下，实际场景中一米映射到图像中的像素 数。
[0166] 通过标定，可W估计出场景的实际面积、倾斜度、建议容纳人数等参数。
[0167] 在一个实施例中，在标定之后生成透视矩阵，所述透视矩阵主要用来归一化场景 不同远近人群的尺寸。从场景的单帖图像中随机地选择至少2个成年人，如果少于2个，则换 一张标定图像，并且假设每个人的平均身高为175cm，使用一个线性回归模型来估计出一个 透视矩阵M。透视矩阵Μ中的像素值M(p)表示像素 P位置处实际场景中1米在图像中所占的像 素数量。
[0168] 在一个实施例中，视频通道可W被增加，通过在添加视频通道的界面填入监控视 频地址，即可完成对新视频通道的连接。
[0169] 可选的，所有已有的视频通道W列表形式展示。
[0170] 在一个实施例中，所述步骤S200在判定人群事件所属类别之后还包括:S202、将人 群事件的数据写入数据库。运一步的执行可w在给出预警提示之前，也可w在给出预警提 示之后，还可W是并行操作。
[0171] 下面结合附图对本公开进行阐述。
[0172] 在一个实施例中，在所述方法中使用的完全卷积神经网络的网络结构示意图如图 3所示，该图为一次训练计算过程或者目标识别过程。在图中，第一层P0为原图，第二层为原 图P0中的一个子区域P0'，然后是3层卷积层，其中的参数7*7,5巧代表了卷积核的大小。从 P0得到的子图P0 '的二进制文件blob的维数是72 X 72 X 3，经过第一个卷积层convl处理后 得到的二进制文件blob的维数是个3维的结果72X72X32,经过第二个卷积层conv2处理得 到个3维的结果36 X 36 X 32，经过第Ξ个卷积层conv3处理得到个3维的结果18 X 18 X 64，运 里把池化层隐含在了卷积层内，可W看到卷积层得到的图像大小都为前一层的一半。该层 之后进入两层全链接层，fc4与f巧是两层全链接层，fc4为1000 X 1的结果，fc5为400 X 1的 结果，fc6是回归型目标输出，打7是分类型目标输出，最后的Denisty Map与Gobal number 是原图像的标定结果，是人工提供标注并生成好的，网络生成的fc6(324Xl)结果可W按图 像一列列排开成为（18X 18)的密度图像，并与标定集中的density_map计算损失，用于训练 网络;fc7为1X1的结果与gobal number对比得到损失，也可W用于训练网络。根据需要可 W在训练模型的两个收敛目标之间进行切换，一个收敛目标用损失loss度量，所述loss的 计算方法如下：
[0173] loss = fc7的结果-globa number
[0174] 另一个收敛目标用欧拉损失Eucldiean loss度量，所述欧拉损失化cldiean loss 的计算方法如下：
[0175] Eucldiean loss = fc6的结果-density map
[0176] 当损失不满足要求时，迭代运一过程。
[0Π7] W上对本公开进行了详细介绍，本文中应用了具体个例对本公开的原理及实施方 式进行了阐述，W上实施例的说明只是用于帮助理解本公开的系统及其核屯、思想；同时，对 于本领域技术人员，依据本公开的思想，在【具体实施方式】及应用范围上均会有改变之处，综 上所述，本说明书内容不应理解为对本公开的限制。
【主权项】
1. 一种大规模人群视频分析系统，其特征在于： 所述系统包括人群密度计算模块、人群前景分割模块、人群跟踪模块、人群状态分析模 块、事件判定模块;其中： 所述人群密度计算模块用于获取监控视频图像数据中某帧图像所覆盖视野范围内的 人群数量； 所述人群前景分割模块用于获取监控视频图像数据中某帧图像所覆盖视野范围内的 前景和背景分割后、前景中的人群区域； 所述人群跟踪模块用于获取监控视频图像数据中某帧图像所覆盖视野范围内的人群 运动方向与速度； 所述人群状态分析模炔基于得到的人群数量、人群区域、人群运动方向与速度进行处 理分析，并将分析结果送入事件判定模块； 所述事件判定模块用于判定人群事件是否异常； 所述人群事件是指在监控区域内，达到一定规模的人群出现某种群体特征性行为。2. 根据权利要求1所述的系统，其特征在于： 优选的，所述人群密度计算模块采用深度卷积神经网络(DCNN，Deep Convolutional Neural Network)模型来进行人群密度估计进而得到人群数量。3. 根据权利要求1所述的系统，其特征在于： 所述人群前景分割模块采用完全卷积神经网络(FCNN，Fully Convolutional Neural Network)模型来计算人群区域。4. 根据权利要求1所述的系统，其特征在于： 所述人群跟踪模块采用KLT算法(Kanade-Lucas-Tomasi)来得到人群运动方向与速度。5. 根据权利要求2所述的系统，其特征在于： 所述人群密度计算模块包括人群密度图像映射单元，所述人群密度图像映射单元的表 达式为：其中： Di(p)为密度图像D中第i个人周围的点p; Z为归一化参数； h为第i个标记的人； Nh是作为头部模型的正规化的2D高斯核函数； Ph为头部的位置； 〇h为Nh的方差； Nb是作为身体模型的二元正态分布； Pb为人身体的位置； Σ为Nb的协方差矩阵。6. 根据权利要求1所述的系统，其特征在于： 所述群体特征性行为包括人群密集、人群聚集、人群滞留、人群跑动和人群逆行； 所述人群密集指对过去的T1秒监控区域内的人数平均值超过设置的参数阈值； 所述人群聚集指监控区域内停留下来聚集在一起的人群区域内的人数超过设置阈值； 所述人群滞留指对监控图像中的人群特征点进行跟踪，所述人群特征点的运动距离在 时间Τ2内低于设置的阈值； 所述人群跑动指监控区域内运动速度大于速度阈值V的人的数量超过数量阈值Ν1; 所述人群逆行指监控区域内的禁行区域内沿逆行方向运动的人的数量超过阈值Ν2; 其中，T1、T2、V、N1和Ν2为预设值或能够修改的