CN101751553B - 一种大规模人群密度分析和预测方法 - Google Patents
一种大规模人群密度分析和预测方法 Download PDFInfo
- Publication number
- CN101751553B CN101751553B CN200810238875XA CN200810238875A CN101751553B CN 101751553 B CN101751553 B CN 101751553B CN 200810238875X A CN200810238875X A CN 200810238875XA CN 200810238875 A CN200810238875 A CN 200810238875A CN 101751553 B CN101751553 B CN 101751553B
- Authority
- CN
- China
- Prior art keywords
- crowd
- crowd density
- light stream
- flow
- density
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012544 monitoring process Methods 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 238000006243 chemical reaction Methods 0.000 claims abstract description 14
- 230000003287 optical effect Effects 0.000 claims abstract description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 230000001174 ascending effect Effects 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims description 2
- 230000008676 import Effects 0.000 abstract 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000000386 athletic effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明提出一种大规模人群密度分析和预测方法,基于统计特征的人群密度分析对输入视频作人群密度分析,获取单个监控点的人群密度值;采用多段线性拟合实现人群密度和人数的互相转换;采用光流法对单个监控点中人群流速和流向进行计算,获得单个监控点中人群流速和流向信息;根据各个监控点的空间位置关系和人群流向流速关系建立一个有向图的结构,对重要监控枢纽节点做一段时间内的人数和人群密度预测。该方法能够自动实时监控大范围内的人群密度和人数分布,并且能对重要地点做人群密度和人数的预测,所提供的信息对于人群监控部门具有重要的参考价值。
Description
技术领域
本发明涉及模式识别技术领域,特别涉及大规模人群密度分析和预测方法。
背景技术
随着人类社会生活的日益丰富,运动会、展览会和文艺演出等大型社会活动经常召开。这些大型社会活动给人们带来快乐的同时也带来了安全隐患。当数以万计的人群聚集时,一旦发生突发事件,引起人群的恐慌,很可能发生踩踏事件,危及人们的生命安全。传统的公共区视频监控系统,往往是由监控人员在监控室观看显示屏来发现异常情况。这样的人工监视的方式存在很多缺点。首先,当监控点非常多时,由于监控人员有限,经常会导致不能及时发现危险情况。另外,人工监视往往不能及时有效地综合各个监控点的人群密度信息,所以无法对重点区域未来人群密度进行预测。随着智能视觉监控技术的兴起,由计算机代替人来对公共区人群密度进行实时监测成为可能。智能视觉监控技术就是要让计算机代替人的大脑,让摄像头代替人的眼睛,由计算机智能地分析图像序列,提取有效信息,达到智能监控的目的。
申请号为200710179883.7的发明专利提出一种基于统计特征的人群密度分析方法。该方法通过对摄像头捕捉的视频进行分析,由计算机自动实时地计算出当前视频中的人群密度。但是该方法有几个缺点:
1)得到的人群密度是一个0到1之间的小数,表示拥挤程度,无法得到人们所关心的具体人数。
2)不能得到人群流速和流向信息。
3)没有涉及到对重点枢纽区域的人群密度进行预测。
发明内容
鉴于现有技术所存在的缺点,本发明的目的是提供一种大规模人群密度分析和预测的方法。
为了实现上述目的,本发明提出一种大规模人群密度分析和预测方法,包括步骤:
步骤1:利用基于统计特征的人群密度分析方法对输入视频作人群密度分析,实时获取单个监控点的人群密度值。
步骤2:通过多段线性拟合方法实现人群密度和人数的互相转化。
步骤3:采用光流法对输入视频的单个监控点中人群流速和流向进行计算,获得单个监控点中人群的流速和流向。
步骤4:根据各个监控点的空间位置关系和人群流向、流速关系建立一个有向图的结构,对重要枢纽节点做一段时间内的人数和人群密度预测。
本发明与目前国内外发表的最新的方法相比具有几个明显优点:
1)本发明能够自动实时监控大范围内的人群密度和人数分布。
2)本发明能够对重要区域做人群密度和人数的预测。
本发明能广泛地应用于大型公共场所的人群监控和管理,本发明的人群密度预测功能,所提供的信息对于人群监控部门具有重要的参考价值。
附图说明
图1本发明技术方案流程图
图2本发明中重要监控点与其它监控点的图结构示意图
具体实施方式
下面结合附图详细说明本发明技术方案中所涉及的各个细节问题。应指出的是,所描述的实施例仅旨在便于对本发明的理解,而对其不起任何限定作用。
本发明的整个技术方案流程图如附图1所示:
请参阅图1,采用一台具有2.8G赫兹中央处理器和1G字节内存的奔腾4计算机并用C++语言编制了大规模人群密度分析和预测程序,实现了本发明的方法;图1中包括:视频输入端V1-VN、单路人群监控模块A1-AN和密度和一个人数预测模块B;在视频输入端V1输入视频信息,单路人群监控模块A1是利用基于统计特征的人群密度分析方法,对视频输入端V1的输入视频实时获取单个监控点的人群密度值,再通过多段线性拟合的方法实现人群密度到人数的的互相转化;采用光流法计算出单个监控点中人群的流速和流向,获得单个监控点中人群流速和流向信息;视频输入端V2、单路人群监控模块A2及视频输入端VN、单路人群监控模块AN分别重复上述步骤,最后由密度和人数预测模块B根据各个监控点的空间位置关系和人群流向、流速关系建立一个有向图的结构,对重要枢纽节点做一段时间内的人数和人群密度预测。
1.基于统计特征的人群密度分析
本发明采用申请号为200710179883.7的发明专利所提出的方法提取单个监控点的人群密度。所得到的人群密度是一个0~1之间的小数,描述了当前监控点的人群拥挤程度。
2.人群密度与人数的互相转换
由于取值为0~1之间的小数的人群密度不能提供人的数量信息,本发明在这里采用多段线性拟合的方法,实现人群密度和人数互相转换。具体方法如下:
人群密度到人数的转换: d∈[ds,ds+1]
人数到人群密度的转换: n∈[nr,nr+1]
其中,s和r分别表示一个不大于p-l(p是一个自然数,比如5)的自然数。d和n分别表示待转换的人群密度和人数,f(d)和g(n)分别表示转换之后的人数和人群密度。而ds、ds+l、dr、dr+l,表示一些已知的人群密度,ns、ns+l、nr、nr+l表示一些已知的人数,ds、ds+l、dr、dr+l、ns、ns+l、nr、nr+l来自于一个在设置好摄像头的监控范围后实测得到的p组按升序排列的人群密度和人数的对应关系表:{(d1,n1),(d2,n2),...,(dp,np)}。
3.光流法计算人群的流速和流向
通过计算光流,并在光流的基础上提取出人群的流速和流向。其具体方法如下:
首先,选定需要计算人群流速和流向的区域Im;其次,计算当前时刻的光流得到OFu(k)和OFv(k),其中OFu(k)和OFv(k)分别是算得光流矢量的水平分量和垂直分量,k代表帧数;接着由
将所得光流矢量转换到极坐标系下,其中OFρ(k)和OFθ(k)分别代表光流的速率和角度,u、v分别表示水平方向和垂直方向,ρ表示光流的径向。
用直方图法计算光流主导方向是对OFθ(k)在M个组作直方图,通常M选取4或者8,设取得最大投票值的组的序号为Mmax’根据
算得光流的主导方向θc。以θc为中心,±θoffset为左右幅度(比如θoffset=0.52弧度,相当于30度),选取所有OFθ(k)在这个区间的像素,并对这些像素的对应的OFρ(k)和OFθ(k)求均值得到第k帧的人群流向θp(k)和人群流速ρp(k)。
通过多帧的结果可以求得一段时间内的平均人群流向和人群流速。通过实地的勘测,还可以把人群流向和场景方向结合起来,并且把人群流速的单位转换为实际物理单位。
4.人群密度和人数的预测
在所有监控点中,有些监控点具有特殊的地位,需要重点关注,比如交通枢纽、售票厅、安检门和广场。这些地方是人群汇聚的地方,容易发生突发事件。如果能够对这些地方的人群密度和人数做未来一段时间内(比如5分钟)的预测,那么就可以提前做好各种防护措施。为了实现对重要地点的人群密度和人数的预测,我们根据各个监控点的空间距离和人流方向建立一个有向图结构。
如图2所示的图结构,A为主节点(比如某一个广场),是需要重点关注的区域,用摄像头C0进行监控;B、D、E、F为分节点,分别用摄像头C1、C2、C3、C4进行监控,S1、S2、S3、S4为各个分节点B、D、E到主节点A的距离、主节点A到分节点F的距离。广场A在一段时间之后的预测人数值WA'为当前A区域实测人数值WA与将来这一段时间内可能从B、D、E流入A中的人数值WB、WD、WE之和,并减去从F流出的人数值WF,即:WA'=WA+WB+WD+WE-WF。实测人数WA已知,只需要求出WB,WC、WD、WF,它们的求解方法相同,这里只给出WB的计算过程。
设处在摄像机镜头C1下(即区域B内)的人数为W,摄像头监控到的街道长度为L(人流方向的长度,实地可以勘测得到),V为监控区域的平均人流速度,Vi为每个流出摄像头监控范围的人流分析单元的速度。假设每经过Δ秒钟摄像头抓拍一帧,需要预测以t0时刻为基准点时间T0后广场中的人数。
设 为摄像头下单位长度的人流密度,两帧之间人流走过的距离为Li=V×Δ,得出两帧之间流出摄像头监控范围的人数为Ni=ρLi,以每个Ni作为一个分析单元。各个分析单元从摄像头下到达广场所需的时间为 并且假设所有走出摄像头监控范围的分析单元中到达广场A需要时间最长为Timax,则有:
从时刻t0开始每过Δ秒钟得到一个分析单元值,相对于基准点时刻t0来说每个分析单元到达广场的时间分别为T1、T2+Δ、T3+2Δ、...Ti+(i-1)Δ...(i=1,2,3,4......)。将这些单元人数值以T为单位进行求和,例如:从t0到t0+T时间内到达的人数进行求和并存入一个数据单元,从t0+T到t0+2T时间内到达的人数求和并放入另一个数据单元,以此类推。并且每过去时间T,之前所获得的所有的以T为单位的人数分析单元和的到达时间减T。对于不同的最长到达时间Timax有以下两种情况:
(1)对于T0<Timax的情况,假设在t0时刻预测未来的T0时间后的广场的人数。那么要将通过摄像头下并且其Ti<T0的所有Ni加入到广场的总人数中,即 加入后将这些数据丢弃。
(2)对于T0>Timax的情况,除需要加上经过摄像头下并且还未到达广场的所有人数外还需要对这个时间差值内到达广场的人数值进行预测,预测方法为:用经过摄像头下的当前单位时间内的人数值N0×(T0-Timax),作为未来(T0-Timax)时间内的估计值,将它加入到广场的总人数中,此时有 到下一分钟时,要将广场的总人数减去前一分钟的(T0-Timax)时间内的估计值,并且根据现在时刻的情况用同样的方法重新进行预测和累加。
得到重点区域的预测人数之后,可以通过步骤2中的人数到密度的转换关系将预测人数转化为预测密度。
以上所述,仅为本发明中的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人在本发明所揭露的技术范围内,可理解想到的变换或替换,都应涵盖在本发明的包含范围之内,因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (1)
1.一种大规模人群密度分析和预测方法,其特征在于,包括步骤:
步骤1:基于统计特征的人群密度分析对输入视频作人群密度分析,获取单个监控点的人群密度值;
步骤2:采用多段线性拟合实现人群密度和人数的互相转换;
步骤3:采用光流法对单个监控点中人群流速和流向进行计算,获得单个监控点中人群流速和流向信息;
步骤4:根据各个监控点的空间位置关系和人群流向流速关系建立一个有向图的结构,对重要监控枢纽节点做一段时间内的人数和人群密度预测;
所述多段线性拟合的人群密度和人数的互相转换的特征为:
人群密度到人数的转换:
人数到人群密度的转换:
其中,s和r分别表示一个不大于p-1的自然数,p是一个自然数;d和n分别表示待转换的人群密度和人数,f(d)和g(n)分别表示转换之后的人数和人群密度;而ds、ds+1、dr、dr+1表示已知的人群密度,ns、ns+1、nr、nr+1表示已知的人数,ds、ds+1、dr、dr+1、ns、ns+1、nr、nr+1来自于一个在设置好摄像头的监控范围后实测得到的p组按升序排列的人群密度和人数的对应关系表:{(d1,n1),(d2,n2),...,(dp,np)};
所述光流法计算人群流速和流向方法包括如下步骤:
1)使用光流速率和光流角度计算每个像素点的光流速率OFρ(k)和光流角度OFθ(k):
光流速率:
光流角度:
其中,u和v分别代表水平方向和垂直方向,ρ代表光流矢量的径向,OFu(k)和OFv(k)分别是算得光流矢量的水平分量和垂直分量,k代表视频的帧数;
2)用直方图法计算光流主导方向是对光流角度OFθ(k)在M个组作直方图,设取得最大投票的组的序号为Mmax,则得到光流主导方向θc:
3)在光流的主导方向附近计算人群流速和流向,以θc为中心,±θoffset为左右幅度,选取所有光流角度OFθ(k)在这个区间的像素,并对这些像素的对应的光流速率OFρ(k)和光流角度OFθ(k)求均值得到第k帧的人群流向θp(k)和人群流速ρp(k);
所述重要监控点的人群密度和人数的预测如下:
设一个重点监控点A,重点监控点A的当前的实测人数为WA,需要求解的一段时间后的预测人数为W′A,则预测人数W′A等于当前的实测人数WA加上从其它节点即将流入的人数并减去即将流入到其它节点的人数,跟重点监控点A有关联的若个监控点分别是B、D、E、F,从B、D、E将流入重点监控点A的人数分别为WB、WD、WE,从重点监控点A到监控点F将流出的人数为WF,则
WA′=WA+WB+WD+WE-WF
而重点监控点A的预测人群密度则根据人数到人群密度的转换公式将人数W′A转换成密度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810238875XA CN101751553B (zh) | 2008-12-03 | 2008-12-03 | 一种大规模人群密度分析和预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810238875XA CN101751553B (zh) | 2008-12-03 | 2008-12-03 | 一种大规模人群密度分析和预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101751553A CN101751553A (zh) | 2010-06-23 |
CN101751553B true CN101751553B (zh) | 2012-04-25 |
Family
ID=42478518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200810238875XA Expired - Fee Related CN101751553B (zh) | 2008-12-03 | 2008-12-03 | 一种大规模人群密度分析和预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101751553B (zh) |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102074059B (zh) * | 2010-12-13 | 2013-05-22 | 北京北大千方科技有限公司 | 利用决策序列提高基于激光的客流检测精度的方法及设备 |
CN103530601B (zh) * | 2013-07-16 | 2016-08-10 | 南京师范大学 | 一种基于贝叶斯网络的监控盲区人群状态推演方法 |
CN103679215B (zh) * | 2013-12-30 | 2017-03-01 | 中国科学院自动化研究所 | 基于视觉大数据驱动的群体性行为分析的视频监控方法 |
CN103839065B (zh) * | 2014-02-14 | 2017-02-01 | 南京航空航天大学 | 人群动态聚集特征提取方法 |
CN103984937A (zh) * | 2014-05-30 | 2014-08-13 | 无锡慧眼电子科技有限公司 | 基于光流法的行人计数方法 |
JP6597609B2 (ja) | 2014-06-30 | 2019-10-30 | 日本電気株式会社 | 画像処理装置、監視システム、画像処理方法、及びプログラム |
WO2016061724A1 (zh) * | 2014-10-20 | 2016-04-28 | 中国科学院自动化研究所 | 一种基于深度学习的全天候视频监控方法 |
CN105809092A (zh) * | 2014-12-30 | 2016-07-27 | 深圳中兴力维技术有限公司 | 人群目标检测方法及其装置 |
BR112017014024B1 (pt) * | 2014-12-30 | 2023-01-17 | Telecom Italia S.P.A. | Método de estimativa de um número de pessoas reunidas em uma área de interesse, e, sistema. |
CN105261148A (zh) * | 2015-10-14 | 2016-01-20 | 广州医科大学 | 一种基于天网监控系统的踩踏事件预警疏散方法 |
CN106022244B (zh) * | 2016-05-16 | 2019-09-17 | 广东工业大学 | 基于递归神经网络建模的无监督人群异常监测及定位方法 |
CN108537089B (zh) | 2017-03-01 | 2024-03-15 | 开利公司 | 人流量估测系统及人流量估测方法 |
CN107025450B (zh) * | 2017-04-25 | 2020-01-07 | 广东兆邦智能科技有限公司 | 热图生成方法 |
CN107203760A (zh) * | 2017-06-09 | 2017-09-26 | 中国联合网络通信集团有限公司 | 人群密度监控方法及装置 |
CN107169555B (zh) * | 2017-06-30 | 2020-11-13 | Oppo广东移动通信有限公司 | 一种闸机提示方法、装置、存储介质和终端 |
CN108665691A (zh) * | 2018-08-22 | 2018-10-16 | 张菁菁 | 一种智能防拥挤踩踏的预警与导流的系统及方法 |
CN109658554B (zh) * | 2018-11-19 | 2020-11-24 | 合肥未来计算机技术开发有限公司 | 一种基于大数据的智能小区安防系统 |
CN110222886A (zh) * | 2019-05-28 | 2019-09-10 | 东南大学 | 一种商业建筑逐时人员密度预测方法 |
CN110852208B (zh) * | 2019-10-29 | 2023-06-02 | 贵州民族大学 | 一种人群密度估计方法及可读存储介质 |
CN111242096B (zh) * | 2020-02-26 | 2023-04-18 | 贵州安防工程技术研究中心有限公司 | 基于人数梯度的人群聚集的判别方法 |
CN111539301B (zh) * | 2020-04-20 | 2023-04-18 | 贵州安防工程技术研究中心有限公司 | 一种基于视频分析技术的场景混乱程度判别方法 |
CN112418200B (zh) * | 2021-01-25 | 2021-04-02 | 成都点泽智能科技有限公司 | 基于热成像的对象检测方法、装置及服务器 |
-
2008
- 2008-12-03 CN CN200810238875XA patent/CN101751553B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN101751553A (zh) | 2010-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101751553B (zh) | 一种大规模人群密度分析和预测方法 | |
CN105447458B (zh) | 一种大规模人群视频分析系统和方法 | |
CN101795395B (zh) | 一种人群态势监控系统及方法 | |
CN107071342B (zh) | 一种异常事件自动推送及基于历史操作的监控方法及系统 | |
CN105117683B (zh) | 一种公共场所密集人群检测及预警方法 | |
Gao et al. | Digital twin and its application in transportation infrastructure | |
CN103108159A (zh) | 一种电力智能视频分析监控系统和方法 | |
CN110334563A (zh) | 一种基于大数据的社区安全管理方法和系统 | |
CN115272037A (zh) | 一种基于物联网的智慧城市区域治安管理预警方法和系统 | |
Zhang et al. | A dynamic evacuation model for pedestrian–vehicle mixed-flow networks | |
Avanzi et al. | Design and assessment of an intelligent activity monitoring platform | |
CN109409710A (zh) | 一种城市轨道交通全过程综合监管系统 | |
CN106251240A (zh) | 基于大数据的输电网络预警方法 | |
CN211630273U (zh) | 用于铁路环境的图像智能识别装置 | |
CN109613861A (zh) | 一种基于智慧城市的公共安全防护报警系统 | |
CN107920224B (zh) | 一种异常告警方法、设备及视频监控系统 | |
CN114898889A (zh) | 一种基于大数据的聚集性风险控制模型的设计方法 | |
CN116976625A (zh) | 一种基于gis系统的智慧工地监测系统 | |
CN116882670A (zh) | 基于bim的水运工程智慧工地管理系统 | |
CN115222295B (zh) | 一种基于风险等级模型的体育赛事风险防控方法及系统 | |
CN103258397A (zh) | 智慧天网治安防控与分析系统 | |
CN107992449A (zh) | 一种基于低秩表示的地铁异常流量检测方法 | |
Cao et al. | Research on Human Behavior Feature Recognition and Intelligent Early Warning Methods in Safety Supervision Scene Video based on Yolov7 | |
Intawong et al. | Short Term prediction of statistics for Bigdata in video surveillance | |
CN110867086A (zh) | 一种城市道路施工交通组织管理系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120425 Termination date: 20171203 |
|
CF01 | Termination of patent right due to non-payment of annual fee |