CN105117683A - 一种公共场所密集人群检测及预警方法 - Google Patents
一种公共场所密集人群检测及预警方法 Download PDFInfo
- Publication number
- CN105117683A CN105117683A CN201510435563.8A CN201510435563A CN105117683A CN 105117683 A CN105117683 A CN 105117683A CN 201510435563 A CN201510435563 A CN 201510435563A CN 105117683 A CN105117683 A CN 105117683A
- Authority
- CN
- China
- Prior art keywords
- crowd
- image
- target image
- early warning
- region
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 14
- 238000001514 detection method Methods 0.000 title description 5
- 238000012544 monitoring process Methods 0.000 claims abstract description 10
- 230000006399 behavior Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种公共场所密集人群检测及预警方法,利用模式识别和安全技术建立人群聚集风险监测与预警系统,通过实时监控人群分布百分比和运动区域百分比,及时对行人的聚集状态进行判断,进而对可能引发危险事件的行为进行控制,具有较广的应用前景。
Description
技术领域
本发明涉及智能监控和模式识别领域,尤其涉及利用模式识别技术对公共场所人群密集程度检测及预警技术。
背景技术
随着我国城市基础设施的不断完善,大型城市广场、地铁站台等区域往往会出现人群的拥挤现象,特别是在节假日期间这种现象更为明显。人员逗留时间长,移动速度慢,尤其是当存在多种步行交通设施的情况下,空间结构的复杂又会使得潜在事故地点增多,诱发事故因素增加,导致人群聚集风险进一步提升,人群安全管理难度也随之增加。
传统的密集人群管理主要采用人力监控的方式,这对于内部分布有地铁出口、公交站点等人员密集区域,同时存在过街天桥、地下通道等多种立体交叉步行设施的热点区域而言,具有很高的实施难度。同时,传统的现场监控仅能起到预警处置的作用,缺少对人群聚集风险的预测预警。因此,利用模式识别和安全技术建立一套人群聚集风险监测与预警系统,及时对行人的聚集状态进行判断,进而对可能引发危险事件的行为进行控制,显得尤为必要,并具有较广的应用前景。
发明内容
现有的各种密集人群检测方法,在实时性和准确率方面尚存在一些不足,因此还不能满足真实场景下公共场所的密集人群检测。为了解决现有技术问题的不足,本发明提出一种基于时空特性的密集人群检测方法。
本发明的密集人群检测及预警方法,其技术方案具体包括如下步骤:
步骤S1:采集公共场所没有人群时的视频帧作为背景图像保存下来,并人工标注检测区域,制作检测区域背景图像,设为FB和检测区域掩码图像,设为FM。
步骤S2:根据高清相机视频流获取密集人群图像帧,记为Fnum,其中num为当前帧编号,并对其划分为n×n网格,比如n=10。
步骤S3:对于步骤S2所采集的图像帧,根据检测区域掩码图像FM获取检测区域的目标图像,设为FO,即:FO=FM⊕Fnum,符号⊕表示图像掩码操作。
步骤S4:对目标图像FO同样划分为n×n网格,计算目标图像中人群分布:当|Fo(x,y)-FB(x,y)|≥Ta时表示像素坐标(x,y)处有人存在,Fo(x,y)、FB(x,y)分别为目标图像和背景图像在像素坐标(x,y)下的图像像素值,Ta表示区域内人群存在的图像像素阈值;
通过图像差分获取当前目标图像的运动信息:当|Fo(x,y)-Fo'(x,y)|≥Tb时表示人在运动,表示前一帧目标图像在像素坐标(x,y)下的图像像素值,Tb表示区域内人群是否运动的图像像素阈值。
步骤S5,根据步骤S4统计出目标图像FO中具有人群区域的网格数目Aperson,然后计算具有人群区域的网格数目Aperson和目标图像总区域的网格数目Aall的比值,并以此作为人群拥挤程度的度量;根据步骤S4统计出人群运动区域的网格数目Amove,然后计算人群运动区域的网格数目Amove和目标图像总区域的网格数目Aall的比值,并以此作为人群运动速度的度量。
步骤S6,实时监控和的数值变化,当η≥ηt并且σ≤σt时,产生人群拥挤预警信息,并抓拍当前图像作为预警依据,ηt为人群拥挤程度的预警阈值,σt为人群运动速度过慢的预警阈值。
本发明的有益效果:对于地铁站台等公共场所密集人群能够实现有准备的预警。该发明的优点在于上述方法由于采用时间和空间上的特征,其计算速度快于其他方法,并且其检测准确率高。
附图说明
图1是本发明的密集人群检测整体流程图。
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。
本发明提出了一种公共场所密集人群的检测方法,如图1所示,该方法在处理流程上主要包括四个模块。第一模块生成背景模板和掩码模板两个模板文件;第二模块进行人群区域和运动区域计算;第三模块进行预警条件判断;第四模块进行结果输出。根据上述流程,具体的实施步骤如下所示:
1、模板生成
对于高清网络相机采集没有人群的背景图片,并事先标定好检测区域,将这个图片标记为FB,该过程初次由人工完成,后续自动更新和生成。
根据检测区域生成掩码图片,该图片用来对待处理的视频帧进行图像掩码操作,获取感兴趣区域,用来做密集人群检测,该图片记为FM。
根据高清相机视频流获取密集人群图像帧,记为Fnum,其中num为当前帧编号,并对其划分为n×n网格,比如n=10。
对于步骤S2所采集的图像帧,根据检测区域掩码图像FM获取检测区域的目标图像,设为FO,即:FO=FM⊕Fnum,符号⊕表示图像掩码操作。
2、区域计算
将视频流中的图像划分为n×n网格,n的取值一般为10;然后通过和第一模块中的掩码模板做掩码运算得到目标图像,对目标图像根据第一模块中的背景模板计算人群占有率,并对目标图像根据帧间差分运算计算运动区域百分比。
对目标图像FO同样划分为n×n网格,n一般取10,计算目标图像中人群分布,当|Fo(x,y)-FB(x,y)|≥Ta时表示像素坐标(x,y)处有人存在,Fo(x,y)、FB(x,y)分别为目标图像和背景图像在像素坐标(x,y)下的图像像素值,Ta表示区域内人群存在的图像像素阈值;标注出有人存在的网格并将有人存在的网格数目作为人群区域数目Aperson,将目标图像的总网格数目作为目标图像总区域数目Aall。
通过图像差分获取当前目标图像的运动信息:当|Fo(x,y)-Fo'(x,y)|≥Tb时表示人在运动,Fo'(x,y)表示前一帧目标图像在像素坐标(x,y)下的图像像素值,Tb表示区域内人群是否运动的图像像素阈值。
3、条件判断
实时监控人群分布百分比和运动区域百分比这两个参数,根据用户所定义的阈值,当满足两个条件时,即当η≥ηt并且σ≤σt时,触发预警条件。
计算人群区域数目Aperson和目标图像总区域数目Aall的比值,并以此作为人群拥挤程度的度量,计算运动区域数目Amove和目标图像总区域数目Aall的比值,并以此作为人群运动速度的度量。
实时监控和的数值变化,当η≥ηt并且σ≤σt时,产生人群拥挤预警信息,并抓拍当前图像作为预警依据,为人群拥挤程度的预警阈值,为人群运动速度过慢的预警阈值。
4、输出模块
将符合预警条件的图片存放到硬盘上,并通过数据库访问操作,向中心服务器发送预警信息。
Claims (1)
1.一种人群检测及预警方法,特别是应用于公共场所密集区域的人群检测及预警方法,其特征在于,该方法依次包含如下步骤:
步骤S1:采集公共场所没有人群时的视频帧作为背景图像保存下来,并人工标注检测区域,制作检测区域背景图像FB和检测区域掩码图像FM;
步骤S2:根据高清相机视频流获取密集人群图像帧Fnum,其中num为当前帧编号,并对其划分为n×n网格;
步骤S3:对于步骤S2所采集的图像帧Fnum,根据检测区域掩码图像FM获取检测区域的目标图像FO:FO=FM⊕Fnum,其中符号⊕表示图像掩码操作;
步骤S4:对目标图像FO同样划分为n×n网格,计算目标图像中人群分布:当|Fo(x,y)-FB(x,y)|≥Ta时表示像素坐标(x,y)处有人存在,Fo(x,y)、FB(x,y)分别为目标图像和背景图像在像素坐标(x,y)下的图像像素值,Ta表示区域内人群存在的图像像素阈值;
通过图像差分获取当前目标图像的运动信息:当|Fo(x,y)-F'o(x,y)|≥Tb时表示人在运动,F'o(x,y)表示前一帧目标图像在像素坐标(x,y)下的图像像素值,Tb表示区域内人群是否运动的图像像素阈值;
步骤S5,根据步骤S4统计出目标图像FO中具有人群区域的网格数目Aperson,然后计算具有人群区域的网格数目Aperson和目标图像总区域的网格数目Aall的比值,并以此作为人群拥挤程度的度量;根据步骤S4统计出人群运动区域的网格数目Amove,然后计算人群运动区域的网格数目Amove和目标图像总区域的网格数目Aall的比值,并以此作为人群运动速度的度量;
步骤S6,实时监控η和σ的数值变化,当η≥ηt并且σ≤σt时,产生人群拥挤预警信息,并抓拍当前图像作为预警依据,ηt为人群拥挤程度的预警阈值,σt为人群运动速度过慢的预警阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510435563.8A CN105117683B (zh) | 2015-07-22 | 2015-07-22 | 一种公共场所密集人群检测及预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510435563.8A CN105117683B (zh) | 2015-07-22 | 2015-07-22 | 一种公共场所密集人群检测及预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105117683A true CN105117683A (zh) | 2015-12-02 |
CN105117683B CN105117683B (zh) | 2019-01-15 |
Family
ID=54665667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510435563.8A Active CN105117683B (zh) | 2015-07-22 | 2015-07-22 | 一种公共场所密集人群检测及预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105117683B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760484A (zh) * | 2016-02-17 | 2016-07-13 | 中国科学院上海高等研究院 | 一种人群踩踏预警方法、系统、及具有该系统的服务器 |
CN107832912A (zh) * | 2017-10-09 | 2018-03-23 | 中国电子科技集团公司第二十八研究所 | 一种密集人群风险分析方法及系统 |
CN108955519A (zh) * | 2018-04-09 | 2018-12-07 | 江苏金海湾智能制造有限公司 | 一种快递活物检测系统和方法 |
CN109087478A (zh) * | 2018-08-22 | 2018-12-25 | 徐自远 | 一种智能防拥挤踩踏的预警与导流方法及系统 |
CN109917727A (zh) * | 2019-04-18 | 2019-06-21 | 南京西麦信息科技有限公司 | 步道桥人流监控预警系统 |
CN111310581A (zh) * | 2020-01-17 | 2020-06-19 | 杭州电子科技大学 | 一种基于模糊推理的人群安全性评估方法 |
CN111866736A (zh) * | 2020-06-12 | 2020-10-30 | 深圳市元征科技股份有限公司 | 一种风险提醒方法、风险提醒装置及服务器 |
CN116206421A (zh) * | 2023-01-04 | 2023-06-02 | 歌尔股份有限公司 | 人群聚集的风险预警方法、装置、电子设备及介质 |
CN116758488A (zh) * | 2023-08-16 | 2023-09-15 | 启迪数字科技(深圳)有限公司 | 场馆人群定位方法、装置、设备及介质 |
CN116206421B (zh) * | 2023-01-04 | 2024-06-04 | 歌尔股份有限公司 | 人群聚集的风险预警方法、装置、电子设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020168108A1 (en) * | 2001-03-28 | 2002-11-14 | Eastman Kodak Company | Event clustering of images using foreground/background segmentation |
CN101325690A (zh) * | 2007-06-12 | 2008-12-17 | 上海正电科技发展有限公司 | 监控视频流中人流分析与人群聚集过程的检测方法及系统 |
CN102324016A (zh) * | 2011-05-27 | 2012-01-18 | 郝红卫 | 一种高密度人群流量统计方法 |
CN102364944A (zh) * | 2011-11-22 | 2012-02-29 | 电子科技大学 | 一种预防人员聚集的视频监控方法 |
CN103077423A (zh) * | 2011-10-25 | 2013-05-01 | 中国科学院深圳先进技术研究院 | 基于视频流的人群数量估计、局部人群聚集状态以及人群跑动状态检测方法 |
-
2015
- 2015-07-22 CN CN201510435563.8A patent/CN105117683B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020168108A1 (en) * | 2001-03-28 | 2002-11-14 | Eastman Kodak Company | Event clustering of images using foreground/background segmentation |
CN101325690A (zh) * | 2007-06-12 | 2008-12-17 | 上海正电科技发展有限公司 | 监控视频流中人流分析与人群聚集过程的检测方法及系统 |
CN102324016A (zh) * | 2011-05-27 | 2012-01-18 | 郝红卫 | 一种高密度人群流量统计方法 |
CN103077423A (zh) * | 2011-10-25 | 2013-05-01 | 中国科学院深圳先进技术研究院 | 基于视频流的人群数量估计、局部人群聚集状态以及人群跑动状态检测方法 |
CN102364944A (zh) * | 2011-11-22 | 2012-02-29 | 电子科技大学 | 一种预防人员聚集的视频监控方法 |
Non-Patent Citations (1)
Title |
---|
黄璐 等: ""一种基于视频的车站人群密度估计算法"", 《计算机时代》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760484B (zh) * | 2016-02-17 | 2019-10-25 | 中国科学院上海高等研究院 | 一种人群踩踏预警方法、系统、及具有该系统的服务器 |
CN105760484A (zh) * | 2016-02-17 | 2016-07-13 | 中国科学院上海高等研究院 | 一种人群踩踏预警方法、系统、及具有该系统的服务器 |
CN107832912A (zh) * | 2017-10-09 | 2018-03-23 | 中国电子科技集团公司第二十八研究所 | 一种密集人群风险分析方法及系统 |
CN108955519A (zh) * | 2018-04-09 | 2018-12-07 | 江苏金海湾智能制造有限公司 | 一种快递活物检测系统和方法 |
CN108955519B (zh) * | 2018-04-09 | 2020-05-22 | 江苏金海湾智能制造有限公司 | 一种快递活物检测系统和方法 |
CN109087478A (zh) * | 2018-08-22 | 2018-12-25 | 徐自远 | 一种智能防拥挤踩踏的预警与导流方法及系统 |
CN109917727A (zh) * | 2019-04-18 | 2019-06-21 | 南京西麦信息科技有限公司 | 步道桥人流监控预警系统 |
CN111310581A (zh) * | 2020-01-17 | 2020-06-19 | 杭州电子科技大学 | 一种基于模糊推理的人群安全性评估方法 |
CN111310581B (zh) * | 2020-01-17 | 2023-04-25 | 杭州电子科技大学 | 一种基于模糊推理的人群安全性评估方法 |
CN111866736A (zh) * | 2020-06-12 | 2020-10-30 | 深圳市元征科技股份有限公司 | 一种风险提醒方法、风险提醒装置及服务器 |
CN116206421A (zh) * | 2023-01-04 | 2023-06-02 | 歌尔股份有限公司 | 人群聚集的风险预警方法、装置、电子设备及介质 |
CN116206421B (zh) * | 2023-01-04 | 2024-06-04 | 歌尔股份有限公司 | 人群聚集的风险预警方法、装置、电子设备及介质 |
CN116758488A (zh) * | 2023-08-16 | 2023-09-15 | 启迪数字科技(深圳)有限公司 | 场馆人群定位方法、装置、设备及介质 |
CN116758488B (zh) * | 2023-08-16 | 2023-11-10 | 启迪数字科技(深圳)有限公司 | 场馆人群定位方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105117683B (zh) | 2019-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105117683A (zh) | 一种公共场所密集人群检测及预警方法 | |
WO2022126669A1 (zh) | 一种基于视频行人识别的地铁人流网络融合方法及人流预测方法 | |
CN105447458B (zh) | 一种大规模人群视频分析系统和方法 | |
CN101751553B (zh) | 一种大规模人群密度分析和预测方法 | |
CN105512772B (zh) | 一种基于移动网络信令数据的动态人流量预警方法 | |
CN105493502B (zh) | 视频监控方法、视频监控系统以及计算机可读存储介质 | |
CN102324016B (zh) | 一种高密度人群流量统计方法 | |
CN102819764B (zh) | 一种适用于交通路口复杂场景下的多视角人流量统计方法 | |
CN101464944B (zh) | 一种基于统计特征的人群密度分析方法 | |
CN104123544A (zh) | 基于视频分析的异常行为检测方法及系统 | |
CN102867177B (zh) | 一种基于图像灰度匹配的人数统计方法 | |
CN109145736B (zh) | 一种基于视频分析的地铁站点行人逆向行走的检测方法 | |
CN111696348A (zh) | 一种多功能的智能信号控制系统和方法 | |
CN103268470A (zh) | 基于任意场景的视频对象实时统计方法 | |
CN102930248A (zh) | 基于机器学习的人群异常行为检测方法 | |
CN103280052B (zh) | 应用于长距离轨道线路智能视频监控的入侵检测方法 | |
CN205665896U (zh) | 一种交叉路口信号灯状态识别装置 | |
CN105321187A (zh) | 基于人头检测的行人计数方法 | |
CN102930719A (zh) | 用于交通路口场景并基于网络物理系统的视频图像前景检测方法 | |
Odeh | Management of an intelligent traffic light system by using genetic algorithm | |
CN107222726A (zh) | 电力设施防外破预警方案 | |
CN205050341U (zh) | 一种视频排队检测装置及城市交通告警控制系统 | |
CN108922172A (zh) | 基于车辆特征矩阵序列变化分析的道路拥堵监测系统 | |
CN112464546B (zh) | 基于动态数据分析的公共空间行人流运动风险判别方法 | |
DE102007022169A1 (de) | Verfahren und System zur Steuerung von Objektbewegungen |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |