CN111310581A - 一种基于模糊推理的人群安全性评估方法 - Google Patents

Abstract

本发明涉及视频分析与图像理解领域，公开了一种基于模糊推理的人群安全性评估方法，将场景中的人群安全状况看成是由人群数目和人群分布情况共同作用的结果，首先提取场景中视频序列前景图像，统计场景中人群数目，然后根据前景图像中的前景像素的分布来衡量人群分布情况，最后利用控制工程中的模糊推理理论构造人群的模糊推理系统，通过将场景中的人群数目大小和人群分布的熵值大小输入到模糊推理系统中，得到模糊推理模糊值，根据重心法对输出的模糊值去模糊化得到人群安全性的精确值，根据所得值的大小来判断人群的安全状况。本发明具有新颖、简单易懂、运算简便、设计合理、方便实用、操作简单、计算精确快速的特点。

Description

一种基于模糊推理的人群安全性评估方法

技术领域

本发明涉及视频分析与图像理解领域，尤其是涉及一种基于模糊推理的人群安全性评估方法。

背景技术

人群问题是公共安全领域关注的热点问题，对人群进行分析也是计算机视觉领域的前沿课题与研究难点。在公共场所中，为了减弱人群事故带来的危害，大量的监控设备开始被投入使用，这使得大量视频数据需要监控人员去处理，监控人员工作效率变得十分低下。因此我们急需一种能自动分析视频信息的智能监控系统，帮助监控人员更多留意整个场景区域的安全状况，当场景的安全等级发生变化时能及时准确地向工作人员发出警报，从而减少监控人员的工作量并且避免不必要的损失。

在人群场景中，对于什么样的人群场景是安全的，不同的研究人员有不同的看法。有的研究者认为只要人群数目达到一定数量那么场景就是不安全的；有的则认为整个场景中出现罕见或突出的事件那么该场景就存在危险。目前存在的很多人群分析方法几乎都是通过研究人群的某个单一特征来研究场景是否安全，这些方法得到的人群安全结果是不全面的或者说不精确，无法对场景的真实安全状态进行全面精确描述。因此，一种能够对视频场景中人群的整体安全状况精确评估的方法需要进一步发展与完善。

模糊推理方法的研究思路是从不精确的前提集合中得出可能的精确结论的推理过程。如果将场景中人群安全性与否看作是不同人群特征共同作用的结果，不同特征之间通过模糊规则连接并结合一定的推理方法，那么就构成了一个人群安全性的模糊推理系统。通过将场景中不同的人群特征的数值输入到人群模糊推理系统中，就可以推理出场景中人群的安全性值。因此，模糊推理系统在人群安全性评估中是一个可以整合人群不同特征的有力工具。

发明内容

本发明的目的是通过建立人群模糊推理模型，利用不同反映人群安全状况的人群特征通过结合一定的规则和推理方法，达到对人群场景的安全状况进行预测的目的。

为了实现上述目的，本发明的具体技术方案如下：

一种基于模糊推理的人群安全性评估方法，包括如下步骤：

步骤1，利用背景差分法处理所选场景视频生成的帧序列，获得人群前景图像；提取出前景目标，统计出前景像素数目，利用前景像素数目和人群数目之间的线性关系，统计出场景中的人群数目；

步骤2，将人群前景图像中的前景像素看作是随机分布的，把人群前景图像等分成若干个区域，获得每个小区域前景像素分布的比率，用前景像素分布代替人群分布，根据各区域前景像素分布的比率计算出人群分布的熵值，衡量出场景中人群分布情况；

步骤3，利用人群数目和人群分布情况与人群安全性的关系构建模糊推理系统，通过将模糊推理系统输出的模糊值去模糊化，得出人群安全性的精确值。

进一步的，步骤1具体如下：

步骤1.1，在所选场景视频生成的帧序列中连续取N帧图像，计算这N帧图像像素灰度值的平均值作为背景图像的像素灰度值；将获取的图像序列与得到的背景图像做差分运算，得到背景差分的灰度图；

步骤1.2，对获得的人群前景图像二值化，0表示背景，1表示前景，选取距离相机最近和最远的行人，统计出的前景像素数目分别记为S₁和S₂；标记出S₁和S₂的重心位置L₁，L_n，假设参考线L₁上像素的权值记为m₁＝1，参考线L_n上像素的权值m_n＝1/R且R＝S₂/S₁；若直线L_i，0≤i≤H，H为图像的高，直线L_i上的点距参考线L₁和参考线L_n的距离分别为x₁和x₂，由线性插值法得出直线L_i上的像素点权值为：

步骤1.3，假设对于同一水平线上的前景像素的质量相同，经过透视矫正后图像中灰度值为1的像素个数记为x，则x可以表示为：

w，h表示图像的宽度和高度，

根据人群数目和人群前景像素数目之间的线性关系：y＝kx+b；

式中，y表示场景中的人群数目，k为比例系数，b为常数项；利用最小二乘法拟合出场景中人群数目与前景像素之间的关系，求出k和b，根据所得函数关系式，估计出场景中的人群数目。

进一步的，步骤2具体如下：

步骤2.1，统计出所述人群前景图像中的前景像素数目记为N，将前景图像分为m块区域，计算取m＝2^k，k＝0，1，2，3...，统计出第j块区域中的前景像素的数目记为N_j，j∈{1,2,3…m}，第j块区域中的前景像素数目占所述人群前景图像中的前景像素数目比率大小为：

用第j块区域中前景像素在人群前景图像出现的比率大小近似代替人群分布的比率大小：P_j＝R_j；人群分布的熵值大小为：

步骤2.2，计算出人群分布的熵值，根据熵值的大小来衡量人群分布情况的均匀程度，假设人群分布情况的均匀程度值为E，则E的大小为：

步骤2.3，根据E的大小来判断人群分布情况的均匀程度，当人群分布的较为分散的情况时，此时得到的E值较大；当人群分布较为密集时，E值较小。

进一步的，步骤3具体如下：

步骤3.1，选取场景中人群数目和人群分布情况作为输入变量，人群安全性作为输出变量，构建人群模糊推理系统；

步骤3.2，将人群数目、人群分布情况和人群安全性利用三角型隶属度函数进行模糊化处理；

步骤3.3，根据人群模糊推理系统有2个输入变量，1个输出变量，使用if-then规则，输入变量之间采用and连接，得到模糊推理规则；

步骤3.4，结合模糊推理规则，使用Mamdani推理算法，对人群模糊推理系统进行推理；

步骤3.5，通过将场景视频中的人群数目和人群分布熵值输入到人群模糊推理系统中得到场景中的人群安全性模糊值，将推理得到的模糊值使用重心法去模糊化，得到人群安全性的精确值，作为衡量场景人群安全性等级的值，值越大，人群越安全，值越小，人群越危险。

本发明的有益效果：

本发明提出一种基于模糊推理的人群安全性评估方法具有新颖、简单易懂、运算简便、设计合理、方便实用、操作简单、计算精确快速的特点。

附图说明

图1为本发明方法的流程框图；

图2为本发明方法的具体实现步骤框图；

图3为本发明计算图像分布均匀情况结果图；

图4为本发明结果图。

具体实施方式

为了使本发明实施例中的技术方案及优点更加清楚明白，以下结合附图对本发明的实施例进行详细说明。

如图1、图2所示，一种基于模糊推理的人群安全性评估方法，包括如下步骤：

步骤1，利用背景差分法处理所选场景视频生成的帧序列，获得人群前景图像，提取出前景目标，统计出前景目标像素数目，利用像素数目和人群数目之间的线性关系，统计出场景中的人群数目；

步骤1.1，在选取的场景视频生成的帧序列中连续取N帧图像，计算这N帧图像像素灰度值的平均值作为背景图像的像素灰度值；将获取的图像序列与得到的背景图像做差分运算，得到背景差分的灰度图；

步骤1.2，对获得的人群前景图像二值化，0表示背景，1表示前景，选取距离相机最近和最远的行人，统计出的前景像素数目分别记为S₁和S₂；标记出S₁和S₂的重心位置L₁，L_n，假设参考线L₁上像素的权值记为m₁＝1，参考线L_n上像素的权值m_n＝1/R且R＝S₂/S₁；若直线L_i，0≤i≤H，H为图像的高，直线L_i上的点距参考线L₁和参考线L_n的距离分别为x₁和x₂，由线性插值法得出直线L_i上的像素点权值为：

步骤1.3，假设对于同一水平线上前景像素的质量相同，经过透视矫正后图像中灰度值为1的像素个数记为x，则x可以表示为：

w，h表示图像的宽度和高度，

根据人群数目和人群前景像素数目之间的线性关系：y＝kx+b；

式中，y表示场景中的人群数目，k为比例系数，b为常数项，利用最小二乘法拟合出场景中人群数目与前景像素之间的关系，求出k和b，根据所得函数关系式，估计出场景中的人群数目。

步骤2，将获得的人群前景图像中的前景像素看作是随机分布的，把获得的人群前景图像等分成若干个区域，获得每个小区域前景像素分布的比率，用前景像素分布代替人群分布，根据各区域前景像素分布的比率计算出人群分布的熵值，衡量出场景中人群分布情况；

步骤2.1，统计出所述人群前景图像中的前景像素数目记为N，将前景图像分为m块区域，计算取m＝2^k，k＝0，1，2，3...，统计出第j块区域中的前景像素的数目记为N_j，j∈{1,2,3…m}，第j块区域中的前景像素数目占所述人群前景图像中的前景像素数目比率大小为：

用第j块区域中前景像素在人群前景图像出现的比率大小近似代替人群分布的比率大小：P_j＝R_j；人群分布的熵值大小为：

步骤2.2，计算出人群分布的熵值，根据熵值的大小来衡量人群分布情况的均匀程度,假设人群分布情况的均匀程度值为E，则E的大小为：

步骤2.3，根据E的大小来判断人群分布情况的均匀程度，当人群分布的较为分散的情况时，此时得到的E值较大；当人群分布较为密集时，E值较小。

步骤3，利用人群数目和人群分布情况与人群安全性的关系构建人群的模糊推理系统，通过将模糊推理系统输出的模糊值去模糊化，得出人群安全性的精确值，并对人群安全性等级小的场景进行预警。

步骤3.1，选取人群数目、人群分布情况作为影响人群安全性的特征；

步骤3.2，将人群数目、人群分布情况和人群安全性利用三角型隶属度函数进行模糊化处理作为模糊推理系统的输入和输出，构造具有2个输入变量，1个输出变量的人群模糊推理系统。人群数目、人群分布情况、人群安全性模糊化处理后的集合分别为A，B，C则

A	A1：很少	A2：少	A3：中等	A4：多	A5：很多
						B	B1：很不均匀	B2：不均匀	B3：中等	B4：均匀	B5：很均匀
C	C1：很不安全	C2：不安全	C3：中等	C4：安全	C5：很安全

步骤3.3，根据专家经验和实验制定模糊推理规则库；

针对本发明的人群模糊推理系统有2个输入变量，1个输出变量。使用if-then规则，输入变量之间采用and连接。形如，if x is A and y is B then z is C，这里x表示人群数目，y表示人群分布情况，z表示人群安全性，得到模糊推理规则为：

步骤3.4，结合模糊推理规则，使用Mamdani推理算法，对2个输入变量，1个输出变量的人群模糊推理系统进行推理；

步骤3.5，通过将视频场景中的人群数目和人群分布熵值输入到人群模糊推理系统中得到场景中的人群安全性模糊结果。将推理得到的模糊值使用重心法去模糊化，得到人群安全性的精确值，值越大人群越安全，值越小人群越危险。

如图3所示，是本发明中衡量人群分布情况的实例图，采用的数据集是pes t2009数据集下Time_14-33中的View_002数据集。从图中可以看出，本发明方法可以将人群分布情况通过熵值大小表示出来。

图4为本发明中衡量人群安全性的一个实例图，该实例的数据集为Worldexpo’10数据库下train_video中100736_B03Squap1-04-S20100626083000000E20100626233059000_new.split.319_2，从图中可以看出当场景中人群数目和人群分布情况发生变化时，使用本发明方法可以对场景中人群安全性变化进行评估。

值得说明的是，以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (4)

1.一种基于模糊推理的人群安全性评估方法，其特征在于，包括如下步骤：

步骤1，利用背景差分法处理所选场景视频生成的帧序列，获得人群前景图像，提取出前景目标，统计出前景像素数目，利用前景像素数目和人群数目之间的线性关系，统计出场景中的人群数目；

步骤2，将人群前景图像中的前景像素看作是随机分布的，把人群前景图像等分成若干个区域，获得每个小区域前景像素分布的比率，用前景像素分布代替人群分布，根据各区域前景像素分布的比率计算出人群分布的熵值，衡量出场景中人群分布情况；

步骤3，利用人群数目和人群分布情况与人群安全性的关系构建模糊推理系统，通过将模糊推理系统输出的模糊值去模糊化，得出人群安全性的精确值。

2.如权利要求1所述的一种基于模糊推理的人群安全性评估方法，其特征在于，所述步骤1具体如下：

步骤1.1，在所选场景视频生成的帧序列中连续取N帧图像，计算这N帧图像像素灰度值的平均值作为背景图像的像素灰度值；将获取的图像序列与得到的背景图像做差分运算，得到背景差分的灰度图；

步骤1.2，对获得的人群前景图像二值化，0表示背景，1表示前景，选取距离相机最近和最远的行人，统计出的前景像素数目分别记为S₁和S₂；标记出S₁和S₂的重心位置L₁，L_n，假设参考线L₁上像素的权值记为m₁＝1，参考线L_n上像素的权值m_n＝1/R且R＝S₂/S₁；若直线L_i，0≤i≤H，H为图像的高，直线L_i上的点距参考线L₁和参考线L_n的距离分别为x₁和x₂，由线性插值法得出直线L_i上的像素点权值为：

步骤1.3，假设对于同一水平线上的前景像素的质量相同，经过透视矫正后图像中灰度值为1的像素个数记为x，则x可以表示为：

w，h表示图像的宽度和高度，

根据人群数目和人群前景像素数目之间的线性关系：y＝kx+b；

式中，y表示场景中的人群数目，k为比例系数，b为常数项；利用最小二乘法拟合出场景中人群数目与前景像素之间的关系，求出k和b，根据所得函数关系式，估计出场景中的人群数目。

3.如权利要求1所述的一种基于模糊推理的人群安全性评估方法，其特征在于，所述步骤2具体如下：

步骤2.1，统计出所述人群前景图像中的前景像素数目记为N，将前景图像分为m块区域，计算取m＝2^k，k＝0，1，2，3...，统计出第j块区域中的前景像素的数目记为N_j，j∈{1,2,3…m}，第j块区域中的前景像素数目占所述人群前景图像中的前景像素数目比率大小为：

用第j块区域中前景像素在人群前景图像出现的比率大小近似代替人群分布的比率大小：P_j＝R_j；人群分布的熵值大小为：

步骤2.2，计算出人群分布的熵值，根据熵值的大小来衡量人群分布情况的均匀程度，假设人群分布情况的均匀程度值为E，则E的大小为：

步骤2.3，根据E的大小来判断人群分布情况的均匀程度，当人群分布的较为分散的情况时，此时得到的E值较大；当人群分布较为密集时，E值较小。

4.如权利要求1所述的一种基于模糊推理的人群安全性评估方法，其特征在于，所述步骤3具体如下：

步骤3.1，选取场景中人群数目和人群分布情况作为输入变量，人群安全性作为输出变量，构建人群模糊推理系统；

步骤3.2，将人群数目、人群分布情况和人群安全性利用三角型隶属度函数进行模糊化处理；

步骤3.3，根据人群模糊推理系统有2个输入变量，1个输出变量，使用if-then规则，输入变量之间采用and连接，得到模糊推理规则；

步骤3.4，结合模糊推理规则，使用Mamdani推理算法，对人群模糊推理系统进行推理；

步骤3.5，通过将场景视频中的人群数目和人群分布熵值输入到人群模糊推理系统中得到场景中的人群安全性模糊值，将推理得到的模糊值使用重心法去模糊化，得到人群安全性的精确值。

Images