人员异常聚集分析方法、装置、设备、介质及产品与流程

本发明涉及人工智能，尤其涉及一种人员异常聚集分析方法、装置、设备、介质及产品。

背景技术：

1、随着经济不断发展，我国城市人口数量指数增长，对于人生安全和通信保障等需求日益增加。尤其是在大型活动(例如演唱会、展会和马拉松赛事等)举办时，容易在关键交通枢纽、景区、体育馆和其他重点场所聚集大量人员。如何快速识别人员异常聚集事件并定位异常聚集区域，是目前相关部门十分重视的工作之一。

2、由于人员聚集区域的范围通常较大，传统固定视角的监控摄像头因为拍摄角度有限，难以发现异常事件。随着无人机技术的快速发展，基于人工智能算法实现的人员异常聚集分析有较大突破，目前在无人机巡检系统中所采用的算法主要有目标检测模型。目标检测模型可以快速识别区域中包含的人员位置，但是对于是否出现人员聚集需要增加处理逻辑进行计算，例如通过对比区域内人数上限和实时人数来进行异常聚集识别，该人员异常聚集分析方式的灵活性较低。

技术实现思路

1、本发明提供一种人员异常聚集分析方法、装置、设备、介质及产品，用以解决现有技术中人员异常聚集分析方式的灵活性较低的问题。

2、第一方面，本发明提供一种人员异常聚集分析方法，包括：

3、获取视频流；

4、在所述视频流中抽取第一目标帧图像；

5、对所述第一目标帧图像进行人员检测，得到所述第一目标帧图像中每个人员的目标框信息；基于每个人员的目标框信息，对多个人员进行聚类分析，得到多个聚类簇；

6、基于所述多个聚类簇进行人员异常聚集分析，得到所述第一目标帧图像的人员异常聚集分析结果。

7、在一个实施例中，所述基于每个人员的目标框信息，对多个人员进行聚类分析，得到多个聚类簇，包括：

8、将每个人员确定为未访问样本点；

9、确定邻域半径和预设最少样本点数；

10、基于每个未访问样本点的目标框信息，确定每两个未访问样本点之间的距离；

11、从多个未访问样本点中选择第一访问样本点；

12、以所述第一访问样本点作为聚类中心，基于所述邻域半径划定所述第一访问样本点的邻域；若所述邻域内目标样本点的数量小于所述预设最少样本点数，则返回从多个未访问样本点中选择第一访问样本点的步骤；所述目标样本点是所述多个未访问样本点中除了所述第一访问样本点之外满足与所述第一访问样本点之间的距离小于或等于所述邻域半径的未访问样本点；若所述邻域内目标样本点的数量大于或等于所述预设最少样本点数，则将所述邻域内所述第一访问样本点和所述目标样本点划分到一个聚类簇中；

13、从多个其余未访问样本点中选择第二访问样本点；所述其余未访问样本点是指所述多个未访问样本点中除了所述第一访问样本点和所述目标样本点之外剩余的未访问样本点；

14、将所述第二访问样本点更新为第一访问样本点，迭代执行以所述第一访问样本点作为聚类中心，基于所述邻域半径划定所述邻域的步骤，直至所有未访问样本点都被划分到聚类簇中，得到多个聚类簇。

15、在一个实施例中，所述邻域半径的计算公式如下：

16、

17、其中，ε表征邻域半径；表征人员hi所在目标框的像素面积；m表征所述第一目标帧图像中人员总数量；α表征预设人员间隔距离。

18、在一个实施例中，所述基于所述多个聚类簇进行人员异常聚集分析，得到所述第一目标帧图像的人员异常聚集分析结果，包括：

19、确定每个聚类簇的人员数量；

20、将人员数量超过预设阈值的聚类簇确定为初始异常聚集区域；

21、确定每个初始异常聚集区域的中心点位置信息；

22、基于每个初始异常聚集区域的中心点位置信息进行人员异常聚集分析，得到所述第一目标帧图像的人员异常聚集分析结果。

23、在一个实施例中，所述基于每个初始异常聚集区域的中心点位置信息进行人员异常聚集分析，得到所述第一目标帧图像的人员异常聚集分析结果，包括：

24、将所述第一目标帧图像和每个初始异常聚集区域的中心点位置信息输入至聚集区域类型识别模型，得到所述聚集区域类型识别模型输出的每个初始异常聚集区域的所属类型；所述聚集区域类型识别模型是基于区域样本以及所述区域样本的类型标签进行模型训练所得到的；将满足预设区域类型的初始异常聚集区域确定为目标异常聚集区域；

25、将每个目标异常聚集区域的中心点位置信息、所属类型和人员数量确定为所述第一目标帧图像的人员异常聚集分析结果。

26、在一个实施例中，基于所述多个聚类簇进行人员异常聚集分析，得到所述第一目标帧图像的人员异常聚集分析结果之后，包括：

27、从所述第一目标帧图像的时间戳开始，按照预设时间间隔，在所述视频流中抽取多个第二目标帧图像；

28、对所述多个第二目标帧图像分别进行人员异常聚集分析，得到每个第二目标帧图像的人员异常聚集分析结果；

29、将所述第一目标帧图像的人员异常聚集分析结果和所述多个第二目标帧图像分别对应的人员异常聚集分析结果叠加到所述视频流中，并进行展示。

30、第二方面，本发明还提供一种人员异常聚集分析装置，包括：

31、获取模块，用于获取视频流；

32、抽取模块，用于在所述视频流中抽取第一目标帧图像；

33、人员检测模块，用于对所述第一目标帧图像进行人员检测，得到所述第一目标帧图像中每个人员的目标框信息；

34、聚类模块，用于基于每个人员的目标框信息，对多个人员进行聚类分析，得到多个聚类簇；异常聚集分析模块，用于基于所述多个聚类簇进行人员异常聚集分析，得到所述第一目标帧图像的人员异常聚集分析结果。

35、第三方面，本发明提供一种设备，所述设备包括电子设备，所述电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述人员异常聚集分析方法的步骤。

36、第四方面，本发明还提供一种介质，所述介质包括非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述人员异常聚集分析方法的步骤。

37、第五方面，本发明还提供一种产品，所述产品包括计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被所述处理器执行时实现如上述任一种所述人员异常聚集分析方法的步骤。

38、本发明提供的人员异常聚集分析方法、装置、设备、介质及产品，对抽取的第一目标帧图像进行人员检测，可以精确识别出第一目标帧图像中包括的所有人员的目标框信息，即可确定每个人员所在位置，进一步通过每个人员的目标框信息，对多个人员进行聚类分析，得到多个聚类簇，并针对多个聚类簇进行人员异常聚集分析，可以动态适应分布模式的场景，准确且具体地检测出哪些区域存在异常聚集的情况，提高了人员异常聚集分析的准确性，同时提高了人员异常聚集分析的灵活性。