专利名称：一种基于因果网络分析的中等规模人群异常行为检测方法
技术领域：
本发明涉及一种视频分析与图像理解领域的人群异常行为检测方法，具体地说，是涉及一种基于因果网络分析的中等规模人群异常行为检测方法。
背景技术：
人群异常行为检测是视频监控与图像分析领域的前沿课题和研究难点，在公共场所监控(如机场、地铁站、校园等)、安全管理等领域有着迫切需求，如犯罪行为报警、多路视频筛选、长视频中的事件检索等等。人群行为分析的方法取决于人群的规模和运行模式对于规模较大且具有共同运 动模式的人群，往往将其看作一个整体，从群体的全局外部表现入手分析其宏观特性；对于极小规模人数的场景，适合从微观角度入手，利用目标的运动轨迹或姿态去识别人群行为。以上方法的局限在于宏观分析的方法忽视了个体的位置、运动方向等特征，无法应用在行人运动无共同物理规律的场合；微观分析的方法无法应用在人数较多且相互间存在遮挡的人群，此时识别个体的姿态并不可行。现实生活中的常见人群通常具有中等规模且运动模式松散，行人的运动方向和速度较为自由，因此无法利用宏观的方法进行识别，同时，行人间相互遮挡较为严重，难以识别个体姿态。因此，检测和分析常规中等规模人群，应综合考虑人群的宏观和微观特性，结合宏观与微观的方法，从个体的运动轨迹出发，并依此在宏观层面进一步表达、分析人群，进而检测异常事件。
发明内容
本发明的目的是通过视频图像分析技术解决运动模式较为松散的中等规模人群的异常行为分析问题。为了实现上述目的，本发明提供了一种基于因果网络分析的中等规模人群异常行为检测方法，其步骤包括如下内容步骤一依据社会力模型来表达人群目标间的作用力和构建其因果认知模型；针对视频中一运动行人目标i，依据该目标的位置、速度参数，利用社会力模型计算目标i的受力状态，所述的社会力模型主要考虑影响目标的三个因素目标i自身的主观意图即个人期望力，其他行人对目标i的作用，即社会关系影响力，以及环境对目标i的影响，即环境影响力，目标i最后的运行状态由这三个力决定，计算公式如下p-p.Pers+p.soc^^hys⑴其中，Fi;为目标的个人期望力，Fist^为社会关系影响力，Fiphys为环境影响力。利用目标所受合力与个人期望力的关系，构建衡量目标间相互影响的因果认知模型，所述的因果认知模型是将目标间的相互影响表达成导致、能够和阻止三种概念。例如目标i为避免与目标j发生碰撞而避让，则目标j对目标i的运动起到阻止的作用。在微观个体特征(位置、速度)的基础上，获得了体现个体间相互关系的进一步描述；
步骤二定量评估目标间的因果关联程度，根据目标受力的大小与方向，依据因果认知概念表达人群目标间的相互影响，构建描述人群行为的因果认知复杂网络；所述构建描述人群行为因果认知的复杂网络的步骤包括如下内容a)定量评估目标间的因果关联度；利用目标的位置参数，对个体目标的位置参数进行预处理后，依据Granger因果检验方法来定量评估目标间的因果关联度，所依据的基本计算公式如下
权利要求
1.一种基于因果网络分析的中等规模人群异常行为检测方法，其特征在于其步骤包括如下内容步骤一依据社会力模型来表达人群目标间的作用力和构建其因果认知模型；步骤二定量评估目标间的因果关联程度，根据目标受力的大小与方向，依据因果认知概念表达人群目标间的相互影响，构建描述人群行为的因果认知的复杂网络；步骤三依据Granger因果关联检验定量评估目标间的因果关联度，结合目标间的因果关联度及其因果认知概念表达，分析复杂网络的结构和功能特性，构建人群因果认知复杂网络模型，计算网络特征参数，通过分析网络特征参数的变化来分析人群行为，检测人群异常行为和检测异常事件的发生。
2.根据权利要求1所述的一种基于因果网络分析的中等规模人群异常行为检测方法， 其特征在于步骤一所述的社会力模型主要考虑影响目标的三个因素目标i自身的主观意图即个人期望力，其他行人对目标i的作用，即社会关系影响力，以及环境对目标i的影响，即环境影响力，目标i最后的运行状态由这三个力决定，计算公式如下Fi = Fipers + Fisoc + Fiphys其中，Fipers为目标的个人期望力，Fisoc为社会关系影响力，Fiphys为环境影响力。
3.根据权利要求1所述的一种基于因果网络分析的中等规模人群异常行为检测方法， 其特征在于步骤一所述的依据社会力模型来表达人群目标间的作用力和构建其因果认知模型的步骤包括如下内容a)基于因果认知概念的复杂网络建立；分别抽取具有导致、能够和阻止关系的三类行人目标作为网络节点，每二个节点间，即每二个行人间，连接一条网络的边，构建三类因果认知复杂网络图模型，即导致网络、能够网络和阻止网络；b)复杂网络边的权值确立机制；利用目标的位置参数，依据Granger因果检验方法来定量评估目标间的因果关联度， 所依据的基本计算公式如下
4.根据权利要求1所述的一种基于因果网络分析的中等规模人群异常行为检测方法， 其特征在于步骤二所述的构建描述人群行为的因果认知的复杂网络的步骤包括如下内容步骤2.1、评估目标间的因果关联度，首先对个体目标的位置参数进行预处理，并作为 Granger因果关系检验的输入数据。数据预处理公式如下
5.根据权利要求1所述的一种基于因果网络分析的中等规模人群异常行为检测方法， 其特征在于步骤三的具体实现步骤如下步骤3.1 :由步骤2. 2得到的一系列复杂网络，分别计算复杂网络的特征参数，即平均路径长度、介数(平均值，最大值，最小值)、聚合系数，相应计算公式如下平均路径长度反映了网络中各目标节点间的分离程度，计算公式如下
全文摘要
本发明公开了一种基于因果网络分析的中等规模人群异常行为检测方法，利用认知概念及社会力模型表达个体间的相互作用，根据Granger因果检验评估个体间关联度，从而依据个体间的联系，构建因果认知复杂网络，在保留个体微观信息的前提下，通过分析网络的功能参数，在宏观上表达和分析人群行为，可有效地检测与判别中等规模人群的异常行为。
文档编号G06K9/62GK103020591SQ20121047513
公开日2013年4月3日 申请日期2012年11月21日 优先权日2012年11月21日
发明者张旭光, 刘春霞 申请人:燕山大学