CN102325250B - 基于社会力模型的监控系统 - Google Patents

Abstract

一种基于社会力模型的监控系统，其包括：数据采集装置，其用于拍摄并识别出行人及固定物的二维平面位置信息；预处理装置，其用于计算出行人的行为特性值，并对异常数据进行剔除；以及该监控系统还包括：分析装置，其用于对接触排斥作用力强度及接触摩擦作用力强度进行标定，并其分别与预设的接触排斥作用力强度及预设的接触摩擦作用力强度进行比较，以确定是否输出报警信号；报警装置，其用于根据报警信号进行报警；以及人机交互装置，其用于监控系统与工作人员的交互。本发明有效地基于社会力模型并将视频监视与计算机模式识别结合起来，操作简单地对集群行为进行监控，极大限度地避免了由于异常集群行为导致的社会安全问题。

Description

基于社会力模型的监控系统

技术领域

本发明涉及一种基于社会力模型的监控系统。

背景技术

随着人口的快速增加及社会安全意识的加强，为了有效避免异常集群行为(例如突发异常事件的发生)，对于社会安全及人身安全的影响和伤害，当前的监控系统主要是采用视频监视和人工识别来对异常集群行为进行监控，已广泛应用于路口及大厦等集群行为的关键场合。但是，这种监控系统显然需要工作人员时刻不停地用眼睛盯着显示器，这对于工作人员的身体(尤其是眼睛)的伤害巨大，而且往往由于工作人员的片刻疏忽而造成异常现象的遗漏。

发明内容

本发明的一个目的是提供一种基于社会力模型并将视频监视与计算机模式识别报警相结合的监控系统，其可以有效地克服现有监控系统的缺陷。

为实现该目的，本发明提供了一种基于社会力模型的监控系统，其包括：数据采集装置，其用于拍摄并识别出行人及固定物的二维平面位置信息；预处理装置，其用于计算出行人的行为特性值，并对异常数据进行剔除；以及该监控系统还包括：分析装置，其用于对接触排斥作用力强度及接触摩擦作用力强度进行标定，并其分别与预设的接触排斥作用力强度及预设的接触摩擦作用力强度进行比较，以确定是否输出报警信号；报警装置，其用于根据报警信号进行报警；以及人机交互装置，其用于显示数据采集装置所获得的图像、分析装置所标定的接触排斥作用力强度值以及接触摩擦作用力强度值，并对数据采集装置、预处理装置、分析装置和报警装置进行设定。

优选地，该数据采集装置包括数据采集装置包括摄像装置以及图像自动识别装置，该图像自动识别装置用于识别出行人及固定物的二维平面位置信息。

优选地，该行为特性值包括速度、加速度、运动方向以及行人间距。

优选地，该分析装置包括标定装置及比较装置。

优选地，在不存在接触时的社会力模型如下：

$m_i\frac{d\stackrel{\→}{v_i}\left(t\right)}{\mathrm{dt}}=m_i\frac{v_i^0\left(t\right)\stackrel{\→}{e_i^0}-\stackrel{\→}{v_i}\left(t\right)}{{\mathrm{\τ}}_i}+A_i[\underset{j(j\≠i)}{\mathrm{\Σ}}\exp \left(\frac{r_{\mathrm{ij}}-d_{\mathrm{ij}}}{B_i}\right)\stackrel{\→}{n_{\mathrm{ij}}}+\underset{b}{\mathrm{\Σ}}\exp \left(\frac{r_{\mathrm{ib}}-d_{\mathrm{ib}}}{B_i}\right)\stackrel{\→}{n_{\mathrm{ib}}}]+{\mathrm{\ξ}}_i\left(t\right)$

其中，表示行人i在t时刻的加速度

τ_i表示行人i的适应时间；

分别表示行人i在t时刻的期望速率和期望运动方向的单位向量，期望运动方向为行人i所在位置与目标位置的连线方向，m_i表示行人i的体重；d_ij表示行人i与行人j的质心之间的距离，d_ib是行人外围身体与固定物的最短距离，r_ij表示行人i与行人j俩人的半径之和，r_ib是行人质心与固定物的最短距离，

是从行人j指向行人i的单位向量，

为法方向；ξ_i(t)表示随机扰动项，其均值为0；A_i表示行人非接触排斥作用力强度和B_i表示行人排斥力的作用范围；

在存在接触时的社会力模型如下：

$m_i\frac{d\stackrel{\→}{v_i}\left(t\right)}{\mathrm{dt}}=m_i\frac{v_i^0\left(t\right)\stackrel{\→}{e_i^0}-\stackrel{\→}{v_i}\left(t\right)}{{\mathrm{\τ}}_i}+A_i[\underset{j(j\≠i)}{\mathrm{\Σ}}\exp \left(\frac{r_{\mathrm{ij}}-d_{\mathrm{ij}}}{B_i}\right)\stackrel{\→}{n_{\mathrm{ij}}}+\underset{b}{\mathrm{\Σ}}\exp \left(\frac{r_{\mathrm{ib}}-d_{\mathrm{ib}}}{B_i}\right)\stackrel{\→}{n_{\mathrm{ib}}}]$

$+K[\mathrm{\Θ}(r_{\mathrm{ij}}-d_{\mathrm{ij}})\stackrel{\→}{n_{\mathrm{ij}}}+\mathrm{\Θ}(r_{\mathrm{ib}}-d_{\mathrm{ib}})\stackrel{\→}{n_{\mathrm{ib}}}]$

$+\mathrm{\κ}[\mathrm{\Θ}(r_{\mathrm{ij}}-d_{\mathrm{ij}})\mathrm{\Δ}{v}_{\mathrm{ji}}^t\stackrel{\→}{t_{\mathrm{ij}}}+\mathrm{\Θ}(r_{\mathrm{ib}}-d_{\mathrm{ib}})\mathrm{\Δ}{v}_{\mathrm{bi}}^t\stackrel{\→}{t_{\mathrm{ib}}}]+{\mathrm{\ξ}}_i\left(t\right)$

其中，函数Θ(x)为 $\mathrm{\&Theta;}\left(x\right)=\left\{\begin{array}{cc}x,& x\&GreaterEqual;0\\ 0,& x<0\end{array}\right.,,$

为切方向，

表示i、j两人在切线方向的速率差，K表示行人身体接触排斥作用力强度，κ表示行人身体摩擦力强度。

优选地，当K＞K_p或者κ＞κ_p时候，向报警装置发出报警信号，其中K_p为预设的排斥作用力强度值及κ_p为预设的摩擦力强度值。

优选地，该报警装置是声报警装置或者光报警装置。

本发明有效地基于社会力模型并将视频监视与计算机模式识别结合起来，操作简单地对集群行为，尤其是行人流进行监控，极大限度地避免了由于异常集群行为导致的社会安全问题。

附图说明

通过下面结合附图对本发明的一个优选实施例进行的描述，本发明的技术方案及其技术效果将变得更加清楚，且更加易于理解。其中：

图1示出了本发明监控系统的结构简图。

图2示出了无接触时行人间作用力示意图。

图3示出了接触时行人间作用力示意图。

具体实施方式

以下将结合所附的附图对本发明的一个优选实施例进行描述。

如图1所示，该监控系统包括数据采集装置，预处理装置，分析装置，报警装置及人机交互装置。

数据采集装置包括摄像装置以及图像自动识别装置，采用摄像装置对行人及固定物进行拍摄，并将所拍摄的图像传送给图像自动识别装置，图像自动识别装置按照需求动态分帧，准确识别出行人及固定物，再利用图像投影和坐标变化的方法来准确识别出行人及固定物的二维平面位置信息。

预处理装置用于在数据采集装置中图像识别装置所输出的二维平面位置信息基础上计算出行人的速度v_i(t)、加速度

运动方向

行人间距d_i等行人的行为特性值，并对异常数据进行剔除，以尽量降低异常数据的负面影响。预处理装置对于异常数据的剔除采用分位值法，即设定上、下两个分位值PA_U和PA_l。取一个时间段内的加速度值数据(通常选用5分钟，但可以根据应用情况而不同)，超出这两个分位值的数据认为是异常数据。如下：

A(i)为行人i的加速度值。很明显，分位值法的一个先决条件是：需要先假设加速度值的分布，然后根据分布来选择上下分位值。在通常的情况下，由于很难先验知道加速度值的分布，因此选用10分位值和90分位值(10分位值是指在比该值小的样本个数所占比例为10％时的加速度值，90分位值与此同理)。当然，根据不同的应用情况，也可以根据具体情况选择分位值。

该分析装置包括标定装置以及比较装置。

其中，该标定装置用于对非接触排斥作用力强度A_i和行人排斥力的作用范围B_i进行标定，以及对于行人身体接触排斥作用力强度K和行人身体接触摩擦作用力强度κ进行标定。如图2和图3分别示出了不存在接触时与存在接触时的行人之间作用力示意图。

(1)当不存在接触时

由上所述，当人与人之间无接触并且人与边界无接触时，社会力模型简化为如下形式：

$m_i\frac{d\stackrel{\&RightArrow;}{v_i}\left(t\right)}{\mathrm{dt}}=m_i\frac{v_i^0\left(t\right)\stackrel{\&RightArrow;}{e_i^0}-\stackrel{\&RightArrow;}{v_i}\left(t\right)}{{\mathrm{\&tau;}}_i}+A_i[\underset{j(j\&NotEqual;i)}{\mathrm{\&Sigma;}}\exp \left(\frac{r_{\mathrm{ij}}-d_{\mathrm{ij}}}{B_i}\right)\stackrel{\&RightArrow;}{n_{\mathrm{ij}}}+\underset{b}{\mathrm{\&Sigma;}}\exp \left(\frac{r_{\mathrm{ib}}-d_{\mathrm{ib}}}{B_i}\right)\stackrel{\&RightArrow;}{n_{\mathrm{ib}}}]+{\mathrm{\&xi;}}_i\left(t\right)$ 式1

其中，

表示行人i在t时刻的加速度

τ_i表示行人i的适应时间；

分别表示行人i在t时刻的期望速率和期望运动方向的单位向量，期望运动方向为行人i所在位置与目标位置的连线方向，m_i表示行人i的体重；d_ij表示行人i与行人j的质心之间的距离，d_ib是行人外围身体与固定物的最短距离，r_ij表示行人i与行人j俩人的半径之和，r_ib是行人质心与固定物的最短距离，

是从行人j指向行人i的单位向量，

为法方向；ξ_i(t)表示随机扰动项，其均值为0；A_i表示行人非接触排斥作用力强度和B_i表示行人排斥力的作用范围。

通过建立多目标优化模型求解最优模型标定值。

将式1中两边同时除以m_i，计算得到估计加速度，即，

由于行人非接触排斥作用力强度A_i和行人排斥力的作用范围B_i未知，因此，

是关于A_i和B_i的二维向量函数。

令

下面，针对实测加速度

和估计加速度

的大小及方向分别建立目标函数，即

其中，

式2

式3

根据误差精度的需求，确定两个常数ε和C，则约束条件如下：

为了简便，将式3的分子、分母分别简记为f_i(A_i，B_i，t)和g_i(A_i，B_i，t)，f_i(A_i，B_i，t)，g_i(A_i，B_i，t)是A_i和B_i的标量函数。

将式2分别关于A_i和B_i求偏导，得，

式4

式5

将式3分别关于A_i、B_i求偏导，得，

式6

式7

令以上的式4、5、6及7均等于0，结合约束条件，求解得到A_i和B_i的值。

(2)当存在接触时

当人与人或人与固定物(如建筑物或障碍)之间有接触时，产生身体压力和切向滑动摩擦力，在这种情况下，社会力模型的表达式如下：

$m_i\frac{d\stackrel{\&RightArrow;}{v_i}\left(t\right)}{\mathrm{dt}}=m_i\frac{v_i^0\left(t\right)\stackrel{\&RightArrow;}{e_i^0}-\stackrel{\&RightArrow;}{v_i}\left(t\right)}{{\mathrm{\&tau;}}_i}+A_i[\underset{j(j\&NotEqual;i)}{\mathrm{\&Sigma;}}\exp \left(\frac{r_{\mathrm{ij}}-d_{\mathrm{ij}}}{B_i}\right)\stackrel{\&RightArrow;}{n_{\mathrm{ij}}}+\underset{b}{\mathrm{\&Sigma;}}\exp \left(\frac{r_{\mathrm{ib}}-d_{\mathrm{ib}}}{B_i}\right)\stackrel{\&RightArrow;}{n_{\mathrm{ib}}}]$

$+K[\mathrm{\&Theta;}(r_{\mathrm{ij}}-d_{\mathrm{ij}})\stackrel{\&RightArrow;}{n_{\mathrm{ij}}}+\mathrm{\&Theta;}(r_{\mathrm{ib}}-d_{\mathrm{ib}})\stackrel{\&RightArrow;}{n_{\mathrm{ib}}}]$

$+\mathrm{\&kappa;}[\mathrm{\&Theta;}(r_{\mathrm{ij}}-d_{\mathrm{ij}})\mathrm{\&Delta;}{v}_{\mathrm{ji}}^t\stackrel{\&RightArrow;}{t_{\mathrm{ij}}}+\mathrm{\&Theta;}(r_{\mathrm{ib}}-d_{\mathrm{ib}})\mathrm{\&Delta;}{v}_{\mathrm{bi}}^t\stackrel{\&RightArrow;}{t_{\mathrm{ib}}}]+{\mathrm{\&xi;}}_i\left(t\right)$ 式8

其中，

为切方向，表示i、j两人在切线方向的速率差，K表示行人身体接触排斥作用力强度，κ表示行人身体摩擦力强度，函数Θ(x)的表达式如下：

$\mathrm{\&Theta;}\left(x\right)=\left\{\begin{array}{cc}x,& x\&GreaterEqual;0\\ 0,& x<0\end{array}\right..$

在该式8中只有行人身体接触排斥作用力强度K和行人身体接触摩擦作用力强度κ待标定。同理于对不存在接触时对于A_i和B_i的标定，可同样获得行人身体接触排斥作用力强度K和行人身体接触摩擦作用力强度κ。

显然，行人身体接触排斥作用力强度K和行人身体摩擦力强度κ直接体现了行人流的情况，该两个强度值的大小可用于判定集群行为是否异常，以防止出现过度拥挤或踩踏事件的发生。

该比较装置用于将标定装置所标定的行人身体接触排斥作用力强度K和行人身体摩擦力强度κ与预设的排斥作用力强度值K_p及预设的摩擦力强度值κ_p进行比较，并根据比较结果，判定是否相报警装置提供报警信号。

也就是说，当K＞K_p或者κ＞κ_p时候，向报警装置发出报警信号；否则，将并不向报警装置发出报警信号。

该报警装置是声报警装置或者光报警装置，用于接收分析装置的比较装置所发出的报警信号，以声光等报警方式进行报警。

该人机交互装置用于显示数据采集装置所获得的图像、分析装置所标定的接触排斥作用力强度值以及接触摩擦作用力强度值，并对数据采集装置、预处理装置、分析装置和报警装置进行设定。

对于所属技术领域的技术人员而言，随着技术的发展，本发明构思可以不同方式实现。本发明的实施方式并不仅限于以上描述的实施例，而且可在权利要求的范围内进行变化。

Claims (5)

1.一种基于社会力模型的监控系统，其包括： 

数据采集装置，其用于拍摄并识别出行人及固定物的二维平面位置信息； 

预处理装置，其用于计算出行人的行为特性值，并对异常数据进行剔除；以及 

其特征在于，该监控系统还包括： 

分析装置，其用于对接触排斥作用力强度及接触摩擦作用力强度进行标定，并其分别与预设的接触排斥作用力强度及预设的接触摩擦作用力强度进行比较，以确定是否输出报警信号； 

报警装置，其用于根据报警信号进行报警；以及 

人机交互装置，其用于显示数据采集装置所获得的图像、分析装置所标定的接触排斥作用力强度值以及接触摩擦作用力强度值，并对数据采集装置、预处理装置、分析装置和报警装置进行设定； 

其中，在不存在接触时的社会力模型如下： 

其中，表示行人i在t时刻的加速度

τ_i表示行人i的适应时间； 

分别表示行人i在t时刻的期望速率和期望运动方向的单位向量，期望运动方向为行人i所在位置与目标位置的连线方向，m_i表示行人i的体重；d_ij表示行人i与行人j的质心之间的距离，d_ib是行人外围身体与固定物的最短距离，r_ij表示行人i与行人j俩人的半径之和，r_ib是行人质心与固定物的最短距离，

是从行人j指向行人i的单位向量，

为法方向；ξ _i(t)表示随机扰动项，其均值为0；A_i表示行人非接触排斥作用力强度和B_i表示行人排斥力的作用范围； 

在存在接触时的社会力模型如下： 

其中，函数Θ(x)为

为切方向，

表示i、j两人在切线方向的速率差，K表示行人身体接触排斥作用力强度，κ表示行人身体摩擦力强度； 

当K＞K_p或者κ＞κ_p时候，向报警装置发出报警信号，其中K_p为预设的排斥作用力强度值 及κ_p为预设的摩擦力强度值。 

2.如权利要求1所述的监控系统，其中，该数据采集装置包括摄像装置以及图像自动识别装置，该图像自动识别装置用于识别出行人及固定物的二维平面位置信息。 

3.如权利要求2所述的监控系统，其中，该行为特性值包括速度、加速度、运动方向以及行人间距。 

4.如权利要求3所述的监控系统，其中，该分析装置包括标定装置及比较装置。 

5.如权利要求4所述的监控系统，其中，该报警装置是声报警装置或者光报警装置。 

Images