孫鐵柱

摘要：家長(zhǎng)和社會(huì)各界都對(duì)學(xué)生的安全和成長(zhǎng)給予了極大關(guān)注。在當(dāng)今校園中，如教學(xué)樓走廊、圖書館及食堂等空間相對(duì)狹小，無論是人群基數(shù)、人流量還是人群密度都非常大。智能人群密度實(shí)時(shí)視頻分析及預(yù)警系統(tǒng)主要用于防止人員過于密集時(shí)產(chǎn)生的群體性擁擠、踩踏等重大安全隱患，其進(jìn)一步的優(yōu)化研究迫在眉睫。通過多個(gè)高斯概率密度函數(shù)的加權(quán)平均來平滑地近似任意形狀的密度分布函數(shù)，能夠處理多模態(tài)情況而且自適應(yīng)的模型。

關(guān)鍵詞：安全 實(shí)時(shí)視頻分析 預(yù)警系統(tǒng) 自適應(yīng)的模型

一、校園人群密度視頻分析的意義

學(xué)生是受關(guān)愛的群體，家長(zhǎng)和社會(huì)各界都對(duì)他們的健康成長(zhǎng)和人身安全給予了極大關(guān)注。然而目前，無論是中小學(xué)還是高校，都在不斷的擴(kuò)招，導(dǎo)致學(xué)生人數(shù)急劇增長(zhǎng)。在校園中如教學(xué)樓走廊、圖書館及食堂等空間相對(duì)狹小，無論是人群基數(shù)、人流量還是人群密度都非常大，且在上、下課或用餐等特定時(shí)刻人群過于集中的特殊環(huán)境中，如果沒有科學(xué)完善的保障和管理措施，極有可能造成更多的嚴(yán)重災(zāi)難。

智能人群密度實(shí)時(shí)視頻分析及預(yù)警系統(tǒng)主要用于防止人員過于密集時(shí)產(chǎn)生的群體性擁擠、踩踏等重大安全隱患，與目前智能監(jiān)控系統(tǒng)的其他功能相比，該功能保護(hù)的人數(shù)更多，所針對(duì)的災(zāi)難的傷害程度更為巨大。因此，人群密度的實(shí)時(shí)視頻分析及預(yù)警對(duì)于保障人民生命安全意義極其重大。

二、人群密度分析的主要方法

傳統(tǒng)的人群密度監(jiān)控是通常是采用人工的方式，通常具有較強(qiáng)的主觀色彩，這種情形下容易出現(xiàn)發(fā)現(xiàn)不及時(shí)或者警報(bào)發(fā)出錯(cuò)誤的情形，且采用人工的方式不能實(shí)現(xiàn)全天候監(jiān)控、實(shí)時(shí)報(bào)警等相關(guān)問題，已經(jīng)不能滿足要求?，F(xiàn)今信息技術(shù)的快速發(fā)展，智能人群聚集密度的監(jiān)測(cè)相關(guān)設(shè)計(jì)研究借助于數(shù)字圖像處理方法，實(shí)現(xiàn)對(duì)特定人群的自動(dòng)監(jiān)測(cè)并實(shí)時(shí)報(bào)警等。如果把人群看作一個(gè)物理整體，那么可以用兩個(gè)物理量來表征這個(gè)整體所處的狀態(tài)：密度和人數(shù)。

目前智能人群密度估計(jì)主要有以下方法：

（1）基于像素點(diǎn)統(tǒng)計(jì)的人群密度估計(jì)。該類方法主要通過背景減，邊緣檢測(cè)等技術(shù)，得到能表征人群密度的特征，在特征空間中統(tǒng)計(jì)屬于人群的像素個(gè)數(shù)進(jìn)行分類。比較有代表性的是Siu-Yeung Cho，T.Coianiz，A N.Mamna等的工作。這類方法簡(jiǎn)單直觀，但僅適用于人群密度較低場(chǎng)合，不能適應(yīng)個(gè)體重疊現(xiàn)象，密度較高時(shí)誤差較大。

（2）基于紋理分析的人群密度估計(jì)。該類方法把人群圖像當(dāng)作紋理來處理，認(rèn)為高密度人群具有較細(xì)的紋理模式，而低密度人群的紋理模式較粗。因此通過紋理分析來提取人群圖像的紋理信息作為分類的特征.比較有代表性的有A.N.Mamna，Xinyu Wu等的工作。這類方法在不同人群密度情況均有較好表現(xiàn)，在人群密度估計(jì)方法中占主導(dǎo)地位。

（3）基于個(gè)體特征的人群密度估計(jì)。Sheng-Fuu Lin的工作，它為真正實(shí)現(xiàn)人數(shù)估計(jì)提供了新的研究思路，但計(jì)算復(fù)雜度高，且通用性較差。

三、系統(tǒng)總體設(shè)計(jì)方案

系統(tǒng)首先由模擬攝像機(jī)采集視頻序列，然后將視頻信號(hào)通過視頻線傳到視頻服務(wù)器的編碼器，編碼器將采集到的模擬視頻信號(hào)轉(zhuǎn)成數(shù)字信號(hào)，再通過網(wǎng)絡(luò)交換機(jī)和雙絞線將信號(hào)傳輸給終端控制平臺(tái)，即PC機(jī)，最后在終端控制平臺(tái)上運(yùn)行軟件系統(tǒng)。系統(tǒng)總體結(jié)構(gòu)如圖3.1所示。校園中人數(shù)眾多，特別在上、下課時(shí)間人流量和人流密度都非常大，擁堵現(xiàn)象十分嚴(yán)重，此時(shí)非常容易產(chǎn)生人與人之間的碰撞，或人與車之間的刮蹭，甚至發(fā)生踩踏事故，因此需要保安人員及時(shí)發(fā)現(xiàn)并對(duì)人流進(jìn)行疏導(dǎo)。我們線性擬合了前景像素面積和人數(shù)的線性關(guān)系，通過這一關(guān)系判斷出場(chǎng)景中某一區(qū)域人數(shù)或前景密度是否超過經(jīng)試驗(yàn)得到的閾值，若超過，我們就認(rèn)定此區(qū)域內(nèi)人員過于密集，有可能發(fā)生安全隱患。此時(shí)系統(tǒng)會(huì)立即自動(dòng)啟動(dòng)語音提示功能提醒場(chǎng)景中的人員注意安全，并同時(shí)通過提示音和警示燈等方式提醒安保人員對(duì)該區(qū)域予以關(guān)注，并及時(shí)進(jìn)行人員疏散，防止踩踏等意外事件發(fā)生。有關(guān)調(diào)查表明，由于在極度擁擠的情況下，人們心理上往往會(huì)很焦慮，甚至?xí)a(chǎn)生緊張、恐懼的情緒，人群中這種情緒的積累會(huì)導(dǎo)致意外事故發(fā)生率的提高。為了避免焦慮、恐慌等情緒在擁擠人群中的積累，我們還會(huì)在非上課時(shí)間，通過廣播舒緩的輕音樂的方式來緩解人們的緊張情緒，以此作為一種輔助功能，盡最大可能的避免踩踏等惡性安全事故的發(fā)生。軟件系統(tǒng)運(yùn)用GMM（混合高斯背景建模）算法對(duì)圖像序列進(jìn)行前景提取，在HSV色彩空間下完成了陰影消除，通過連通域的檢測(cè)計(jì)算出前景面積，再將前景面積和人數(shù)之間的關(guān)系用最小二乘法進(jìn)行線性擬合，得到它們準(zhǔn)確的對(duì)應(yīng)關(guān)系。當(dāng)發(fā)現(xiàn)異常時(shí)，系統(tǒng)將以警報(bào)音和警示燈的形式及時(shí)主動(dòng)地向安保人員報(bào)警。

四、結(jié)束語

目前，常用的運(yùn)動(dòng)目標(biāo)識(shí)別方法有：背景差法、幀差法和光流法和背景建模法等。背景差法通過當(dāng)前幀與背景相減得到前景圖像，可以得到比較完整的運(yùn)動(dòng)目標(biāo)信息，計(jì)算速度快，但實(shí)現(xiàn)實(shí)時(shí)監(jiān)控較難。幀差法能較好地克服場(chǎng)景光線變化，但當(dāng)表面的大部分灰度相近時(shí)，會(huì)產(chǎn)生“孔洞”不能完全提取出目標(biāo)的所有信息。本系統(tǒng)的檢測(cè)模塊采用的是背景建模法中的GMM（混合高斯背景建模），它通過多個(gè)高斯概率密度函數(shù)的加權(quán)平均來平滑地近似任意形狀的密度分布函數(shù)，能夠處理多模態(tài)情況而且自適應(yīng)的模型。