一种基于多点式人员聚簇的校园安全分析方法与流程

本发明涉及图像处理，具体是一种基于多点式人员聚簇的校园安全分析方法。

背景技术：

1、校园安全是教育领域重点关注的核心问题，校园公共区域人员流动频繁、场景复杂，人员聚簇现象时常出现，而不合理的人员聚簇往往可能潜藏安全隐患，及时准确识别聚簇状态并判断安全风险，对校园安保工作具有重要意义。

2、当前，校园安全监控多依赖人工值守或简单的图像识别技术，人工值守效率低下，难以实现全时段、全覆盖的实时监测，且易受人为疏忽影响，进而无法有效实现校园安全风险的提前预警与科学研判，无法满足校园安全精细化、智能化的防控需求。

3、因此，现提供一种基于多点式人员聚簇的校园安全分析方法。

技术实现思路

1、为了解决上述技术问题，本发明的目的在于提供一种基于多点式人员聚簇的校园安全分析方法。

2、为了实现上述目的，本发明提供如下技术方案：一种基于多点式人员聚簇的校园安全分析方法，所述方法包括：

3、获取校园公共区域的监控视频流，并对所述监控视频流进行图像数据筛选，包括对所述监控视频流关键帧标定以及计算像素差值变化速率，获得首帧以及辅帧，进而得到对应的视频监控筛选图像；

4、基于图像数据增强技术，对所述视频监控筛选图像进行图像数据增强，获取对应帧的全局亮度灰度图和单通道灰度图并提取局部纹理哈希特征，进而获得对应的视频监控增强图像；

5、基于yolov5n轻量深度学习算法以及欧式距离，对所述视频监控增强图像进行特征提取并通过密度聚类，获得对应的多点式人员聚簇特征；其中，多点式人员聚簇特征包括聚簇视线特征、聚簇数量以及聚簇分散特征；

6、根据所述多点式人员聚簇特征，分析是否存在校园安全风险。

7、进一步地，所述视频监控筛选图像是指图像数据筛选后的一组若干个帧的视频监控筛选图像，包括首帧和辅帧对应的视频监控筛选图像，其中，对应若干个帧是以标定关键帧为首帧，其余帧为辅帧。

8、进一步地，对所述监控视频流进行图像数据筛选的过程包括：

9、对所述监控视频流进行关键帧标定，基于校园不同公共区域的实际人流量需求，设定关键帧标定规则，基于帧间差分法计算相邻监控视频流帧的像素差值，当所述像素差值大于预设像素差值阈值时，即判定该帧为候选关键帧；

10、根据所述相邻候选关键帧之间的像素差值变化速率，对候选关键帧进行初步筛选，若相邻候选关键帧之间的像素差值变化速率大于预设像素差值变化速率阈值，则将对应相邻两个候选关键帧中的后一个候选关键帧，标定为正式关键帧，作为筛选视频监控筛选图像组的首帧；

11、按照预设的时间间隔，从所述首帧之后的视频流中提取若干个帧作为候选辅帧；对每个候选辅帧进行图像清晰度检测，基于灰度方差法计算候选辅帧的清晰度指标，若候选辅帧的清晰度指标符合预设值，则标定为正式辅帧，作为筛选视频监控筛选图像组的辅帧；

12、根据所述首帧以及辅帧，获得对应的视频监控筛选图像。

13、进一步地，对所述视频监控筛选图像进行图像数据增强的过程包括：

14、获取每一帧的视频监控筛选图像的全局亮度灰度图和单通道灰度图，从预设的非连续参考帧集合中，提取局部纹理哈希特征，构建纹理哈希库；

15、对全局亮度灰度图做网格分块，逐块生成块级哈希指纹，并根据所述纹理哈希库做模糊匹配，划分区域类型，包括稳定背景域以及变化前景域；

16、对单通道灰度图构建多尺度拉普拉斯金字塔，生成对应的梯度响应图；

17、根据区域类型、梯度强度与信噪比计算动态融合权重；根据所述动态融合权重对梯度响应图进行加权融合，合并三通道得到对应的视频监控增强图像。

18、进一步地，对所述视频监控增强图像进行特征提取的过程包括：

19、基于yolov5n轻量深度学习算法，对每一帧的视频监控增强图像进行人员检测，输出对应视频监控增强图像的有效人员个体集合；根据所述有效人员个体集合的欧式距离判断进行密度聚类，进而获得人员聚簇集合，其中每个人员聚簇不少于1个人员个体；并统计聚簇数量；

20、遍历时间窗口内所有非连续采样帧，逐帧计算每个人员聚簇的视线聚集度以及空间分散度；设定聚集度阈值以及分散度阈值；根据所述视线聚集度、空间分散度、聚集度阈值以及分散度阈值，分别获得对应的聚簇视线特征以及聚簇分散特征；其中所述聚簇视线特征包括聚簇视线聚集平均时长以及聚簇视线聚集综合指向；所述聚簇分散特征包括聚簇分散平均时长以及聚簇分散速率。

21、进一步地，获取聚簇视线特征的过程包括：

22、根据所述视线聚集度以及聚集度阈值，标记每帧的人员聚簇为聚集态或非聚集态；统计聚集态的累计时长，并根据人员聚簇总存在时长，得到聚簇视线聚集平均时长；提取聚集态对应人员聚簇内所有个体视线向量的均值向量；将均值向量映射至水平8方向以及垂直3层级的综合指向空间，进而输出聚簇视线聚集综合指向。

23、进一步地，获取聚簇分散特征的过程包括：

24、根据所述空间分散度以及分散度阈值，标记每帧的人员聚簇为分散态或非分散态；根据分散态累计时长，并根据人员聚簇总存在时长，得到聚簇分散平均时长；选取相邻帧，计算两帧间人员聚簇的分散度变化量，并根据两帧时间间隔，得到聚簇分散速率。

25、进一步地，根据所述多点式人员聚簇特征，分析是否存在校园安全风险的过程包括：

26、预先构建校园安全风险分级判定规则库，包括：

27、若满足聚簇数量大于等于预设聚簇数量阈值，则标记为一般聚集风险；反之则不存在聚集风险；

28、若满足一般聚集风险，并且对应人员聚簇的聚簇视线聚集平均时长大于等于预设视线聚集时长阈值或对应人员聚簇的聚簇视线聚集综合指向同一个方向、则标记为高聚集风险，下发指令到相关安保部门；

29、若满足一般聚集风险，并且对应人员聚簇的聚簇分散平均时长小于等于预设聚簇分散时长阈值或聚簇分散速率大于等于预设聚簇分散速率阈值，则将一般聚集风险修正为无聚集风险；

30、不满足上述任一风险条件，判定为安全状态。

31、与现有技术相比，本发明的有益效果是：通过获取校园公共区域的监控视频流，并对所述监控视频流进行图像数据筛选，得到对应的视频监控筛选图像；基于图像数据增强技术，对所述视频监控筛选图像进行图像数据增强，获得对应的视频监控增强图像；对所述视频监控增强图像进行特征提取，获得对应的多点式人员聚簇特征；根据所述多点式人员聚簇特征，分析是否存在校园安全风险。通过提取多点式人员聚簇特征，全面捕捉聚簇的数量、视线及分散等多维度信息，打破了单一特征分析的局限性；结合预设的风险分级判定规则库，能够对不同聚簇状态对应的安全风险进行精准分级与灵活修正，实现安全风险的及时识别与合理处置，有效降低校园安全隐患，为校园安保工作提供科学、高效的技术支撑，保障校园公共区域的人员安全与秩序稳定。

1.一种基于多点式人员聚簇的校园安全分析方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种基于多点式人员聚簇的校园安全分析方法，其特征在于，所述视频监控筛选图像是指图像数据筛选后的一组若干个帧的视频监控筛选图像，包括首帧和辅帧对应的视频监控筛选图像，其中，对应若干个帧是以标定关键帧为首帧，其余帧为辅帧。

3.根据权利要求2所述的一种基于多点式人员聚簇的校园安全分析方法，其特征在于，对所述监控视频流进行图像数据筛选的过程包括：

4.根据权利要求3所述的一种基于多点式人员聚簇的校园安全分析方法，其特征在于，对所述视频监控筛选图像进行图像数据增强的过程包括：

5.根据权利要求4所述的一种基于多点式人员聚簇的校园安全分析方法，其特征在于，对所述视频监控增强图像进行特征提取的过程包括：

6.根据权利要求5所述的一种基于多点式人员聚簇的校园安全分析方法，其特征在于，获取聚簇视线特征的过程包括：

7.根据权利要求6所述的一种基于多点式人员聚簇的校园安全分析方法，其特征在于，获取聚簇分散特征的过程包括：

8.根据权利要求7所述的一种基于多点式人员聚簇的校园安全分析方法，其特征在于，根据所述多点式人员聚簇特征，分析是否存在校园安全风险的过程包括：