一种群体客流检测系统

一种群体客流检测系统
1.技术领域
2.本发明涉及客流检测技术领域，尤其涉及一种群体客流检测系统。
3.

背景技术：

4.公交场所属于典型的群体活动地点，群体活动越频繁，与之相关的公共安全问题就越突出。
5.目前公交场所大多直接通过摄像头进行监控，以使相关人员对公交场所进行监控，从而提高公交场所的安全性。
6.但摄像头需要人工进行监视，随之带来的问题就是工作枯燥、强度大、长时间观察注意力难以集中等问题。
7.

技术实现要素：

8.本发明的目的在于提供一种群体客流检测系统，引入计算机视觉，实现对客流数量以及群体异常行为的自动检测。
9.为实现上述目的，本发明提供了一种群体客流检测系统，包括视频监控模块、群体客流检测模块和群体行为判断模块，所述视频监控模块用于利用摄像头捕获视频序列，所述客流检测模块用于获取群体信息数据并对采集得到的数据进行算法分析，所述群体行为判断模块用于群体正常行为和异常行为进行分析判断；所述群体客流检测模块包括：分割单元，由视频图像分隔出视场中的运动区域；分类单元，对运动区域求取特征，根据特征进行目标分类；跟踪单元，用于在跟踪区域内对运动目标进行实时跟踪处理；计数线单元，用于对通过计数线的目标进行计数操作。
10.其中，所述群体行为判断模块包括：正常行为单元，获取群体正常行为的监控视频数据，将其作为训练集合；正常行为分析单元，分析正常行为单元中的监控视频数据，寻找适合描述群体运动行为的特征，以构成基本框架中的群体行为基本表示；建模单元，根据群体行为基本表示的特点，建立与之相符的分类模型，利用由训练集合中的监控视频数据获得的群体行为基本表示来训练分类模型，使得模型能够表示群体正常行为；判断单元，将群体活动的监控视频数据输入至建模单元中进行对比，分析出群体活动的监控视频数据与正常行为单元中的群体行为基本表示的差异，从而判断出群体行为是正常行为还是异常行为。
11.其中，所述群体客流检测系统还包括警报模块，所述警报模块用于在发生异常情况时发出警报提示。
12.其中，所述警报模块包括：声音报警器单元，用于在发生异常情况时发出声音警报；灯光报警器单元，用于在发生异常情况时发生灯光提醒。
13.其中，所述警报模块还包括：无线提示单元，用于在发生异常情况时将异常情况发生至管理人员终端。
14.其中，所述群体客流检测系统还包括储存模块，所述储存模块用于对群体行为监控视频数据进行存储。
15.其中，所述储存模块包括：保存单元，用于对群体行为监控视频数据进行保存；记忆单元，用于对有过异常行为的群体进行特殊保存，并进行标记。
16.本发明的一种群体客流检测系统，通过设置有用于获取群体信息数据并对采集得到的数据进行算法分析的所述客流检测模块以及用于群体正常行为和异常行为进行分析判断的所述群体行为判断模块，实现对客流数量以及群体异常行为的自动检测。
17.附图说明
18.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
19.图1是本发明第一实施例的一种群体客流检测系统的框架图。
20.图2是本发明第一实施例的一种群体客流检测系统的目标检测计数工作流程的框架图。
21.图3是本发明第一实施例的一种群体客流检测系统的群体异常行为检测基本框架的框架图。
22.图4是本发明第一实施例的一种群体客流检测系统的系统计数工作的流程图。
23.图5是本发明第二实施例的一种群体客流检测系统的目标检测计数工作流程的框架图。
24.图6是本发明第三实施例的一种群体客流检测系统的目标检测计数工作流程的框架图。
[0025] 具体实施方式
[0026]
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
[0027]
本技术第一实施例为：请参阅图1-图4，图1是本发明第一实施例的一种群体客流检测系统的框架图，图2是本发明第一实施例的一种群体客流检测系统的目标检测计数工作流程的框架图，图3是本发明第一实施例的一种群体客流检测系统的群体异常行为检测基本框架的框架图，图4
是本发明第一实施例的一种群体客流检测系统的系统计数工作的流程图。本发明提供一种群体客流检测系统，包括视频监控模块，所述视频监控模块用于利用摄像头捕获视频序列，还包括群体客流检测模块和群体行为判断模块，所述客流检测模块用于获取群体信息数据并对采集得到的数据进行算法分析，所述群体行为判断模块用于群体正常行为和异常行为进行分析判断；所述群体客流检测模块包括：分割单元，由视频图像分隔出视场中的运动区域；分类单元，对运动区域求取特征，根据特征进行目标分类；跟踪单元，用于在跟踪区域内对运动目标进行实时跟踪处理；计数线单元，用于对通过计数线的目标进行计数操作。
[0028]
所述群体行为判断模块包括：正常行为单元，获取群体正常行为的监控视频数据，将其作为训练集合；正常行为分析单元，分析正常行为单元中的监控视频数据，寻找适合描述群体运动行为的特征，以构成基本框架中的群体行为基本表示；建模单元，根据群体行为基本表示的特点，建立与之相符的分类模型，利用由训练集合中的监控视频数据获得的群体行为基本表示来训练分类模型，使得模型能够表示群体正常行为；判断单元，将群体活动的监控视频数据输入至建模单元中进行对比，分析出群体活动的监控视频数据与正常行为单元中的群体行为基本表示的差异，从而判断出群体行为是正常行为还是异常行为。
[0029]
所述群体客流检测模块采用了图像帧间与帧内相结合的分割算法，并将图像填充技术应用于图像分割，提出了基于部分轮廓线特征点集的多线程跟踪算法，解决在智能图像跟踪处理领域中目标物体自遮档与不完全相互遮档、目标与背景有效分割等问题，所述群体行为判断模块对于监控视频中的群体全局异常行为检测，针对正常场景下的群体活动和异常场景下的群体活动在原始的各帧图像上具有较大差别的特点，拟设计一个基于卷积神经网络和lstm 网络的端到端的深度预测网络。利用卷积神经网络 vgg16 提取图像的特征，再通过 lstm网络获得视频序列中下一帧的预测特征，从而完成监控视频中群体全局异常行为的检测。
[0030]
所述群体客流检测模块并采集得到的数据进行算法分析，系统计数工作流程包括以下步骤：s101：利用摄像头捕获视频序列；s102：由视频图像分割出视场中的运动区域；s103：对运动区域求取特征，进而根据特征进行目标的分类；s104：在监测区域内设置了跟踪区域，在跟踪区域内进行运动目标的实时跟踪处理；s105：在跟踪过程中如果有目标跨过预先设定的计数线，即可视为某方向上有运动目标通过，对通过计数线的目标进行计数操作。
[0031]
所述群体行为判断模块在工作时，首先，获得一定场景下的群体正常行为的监控视频数据，将其作为训练集合输入到检测系统中。其次，需要分析训练集合中数据的属性和
本质，从而寻找到适合描述群体运动行为的特征。这种特征构成了基本框架中的群体行为基本表示。然后，根据群体行为基本表示的特点，建立与之相符的分类模型，并利用由训练集合中的监控视频数据获得的群体行为基本表示来训练分类模型，使得模型可以很好地表示群体正常行为。最后，在得到分类模型之后，分析群体正常行为与异常行为在行为基本表示方面的差异，确定出合理的检测准则，即根据分类模型的输出结果，定量地判断群体的正常活动和异常活动。这样就得到了群体异常行为检测模型。当作为测试集合的该场景下群体活动的监控视频数据输入到上述基本框架中，需要按照训练集合中的数据与其群体行为基本表示的对应关系，得到测试集合中数据的群体行为基本表示，并将这些特征数据输入到异常行为检测模型。根据异常行为检测模型输出的检测结果，可以得到对应的测试集合中群体活动的正常与异常。
[0032]
本发明的一种群体客流检测系统，对复杂背景下的动目标识别进行了理论创新，分析比较经典运动目标检测算法：1）对称帧差法、背景更新法和背景帧差法。针对公交图像环境以及人体移动目标的移动帧特点，得出基于背景帧差法的目标检测的良好适应性的结论。2） 在运动目标跟踪方面，设计的基于目标特征匹配的跟踪算法对质心欧氏距离代价函数进行了改进；并利用目标的运动特性，预测目标的运动位置，以缩小目标搜索匹配的范围。
[0033]
同时基于深度学习的异常行为判定：结合卷积神经网络和循环神经网络的变体-长短时记忆网络，提出基于预测的深度神经网络，将cnn输出的图像特征代替传统的手工设计特征，利用lstm网络得到视频片段中下一帧的预测特征，最后计算cnn特征与预测特征误差，根据误差的大小从而判断被检测帧是否异常，通过深度学习的反复训练能显著提高判定准确率。
[0034]
本技术第二实施例为：在第一实施例的基础上，请参阅图5，图5是本发明第二实施例的一种群体客流检测系统的目标检测计数工作流程的框架图。本实施例的所述群体客流检测系统还包括警报模块，所述警报模块用于在发生异常情况时发出警报提示。
[0035]
所述警报模块包括：声音报警器单元，用于在发生异常情况时发出声音警报；灯光报警器单元，用于在发生异常情况时发生灯光提醒；无线提示单元，用于在发生异常情况时将异常情况发生至管理人员终端。
[0036]
所述声音报警器单元用于在发生异常情况时发出声音警报，所述灯光报警器单元用于在发生异常情况时发生灯光提醒，所述无线提示单元用于在发生异常情况时将异常情况发生至管理人员终端，以便于相关人员能够及时知晓，同时能够对群众进行预警。
[0037]
本技术第三实施例为：在第二实施例的基础上，请参阅图6，图6是本发明第三实施例的一种群体客流检测系统的目标检测计数工作流程的框架图。本实施例的所述群体客流检测系统还包括储存模块，所述储存模块用于对群体行为监控视频数据进行存储。所述储存模块包括：保存单元，用于对群体行为监控视频数据进行保存；记忆单元，用于对有过异常行为的群体进行特殊保存，并进行标记。
[0038]
所述保存单元用于对群体行为监控视频数据进行保存，以便于后续工作人员回放查看，所述记忆单元用于对有过异常行为的群体进行特殊保存，并进行标记，工作人员能够对有过异常行为的群体进行特殊监视。
[0039]
以上所揭露的仅为本技术一种或多种较佳实施例而已，不能以此来限定本技术之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本技术权利要求所作的等同变化，仍属于本技术所涵盖的范围。