基于计算机视觉的人群异常事故检测系统

李风雷　苑新伟

摘 要：提出一种基于计算机视觉的人群异常活动检测算法，能够快速、高效地对监控视频中的人群异常事故进行检测。核心算法是通过比较实时视频与正常视频之间的运动空间矩阵的方法，预测和判断人群异常事故的发生。对交通十字路口等场所的监控视频的实验结果表明，该方法能够对多人、多车辆的异常事故进行有效的检测，而且对运动过程中目标大小的变化、光照和噪声等具有良好的鲁棒性。

关键词：视频监控；计算机视觉；异常检测

该项目获得郑州大学全国大学生创新创业训练计划资助，编号为201510459086.

我国人口基数大，社会群体多，人员踩踏、交通事故等人群异常事故时常发生。而对于救援部队来说，顺利进行救援工作是非常困难的：人群数量过大，事故发生后第一时间收到事故发生信息十分不容易；人群活动复杂，通过人眼观察简单的交通视频监控很难准确迅速地定位异常点。因此，我们利用计算机视觉技术，基于图像基础特征分析的方法，设计出了一种分析监控视频中的人群异常活动情况、预测危险情况并发生报警的系统—基于计算机视觉的人群异常活动实时检测系统。通过真实的实验数据表明，该方法实现简单、处理速度快，能够快速准确地对人群异常事故作出检测判断。

1 方法概述

计算机视觉是指用摄像机和计算机代替人眼对目标进行识别、追踪和测量等，并进一步做图像处理，用计算机处理成更适合人眼观察或传送仪器检测图像的技术。

基于计算机视觉的人群异常活动检测系统由硬件和软件两大部分组成：硬件方面由视频采集分析装置和报警装置等部分组成；软件部分由图像分析处理程序等组成。系统的组成框图如下图1所示。工作时，系统首先通过摄像头采集实时图像，并把图像上传到处理器。处理器通过对实时视频的分析，判断是否有异常情况的发生，并通过分析人群的异常行为对紧急情况进行预测。

如果预测到有紧急情况即将发生，系统会启动部分报警装置，通过监控区域两侧的报警装置发出警报，警告人群停止涌入，避免发生危险事故。如果检测到异常情况，则立即启动全部报警装置，一方面通过事故发生点两侧的报警装置发出警报，警告人群停止涌入事故发生地，避免事故进一步扩大化；另一方面，通过GSM模块迅速联系管理人员，通知他们前往事发现场维持秩序和救助伤员，使损失降到最小。如下面模拟效果图2所示：

2.检测过程

检测过程包含以下的环境信息的采集、处理和视频图像的分析与检测过程等。

2.1 环境信息的采集

由于人群密集处信息复杂、环境波动较大，不利于多种传感器的安装测量和综合分析。因此，我们采用计算机视觉技术，分析和处理摄像机采集的视频图像。

2.2 视频图像的处理

通常，视频图像的分析与特定场景的识别主要有基于图像基础特征的分析和基于模板匹配的图像分析方法两大类。然而人群活动密集处的场景较为复杂，人们活动情况多种多样，难以进行匹配和判断。因此，我们采用基于图像基础特征分析的方法对摄像头采集的场景进行分析。步骤是：对视频的每帧图像进行灰度化、滤波处理，减少噪声等影响因素；使用迭出的连续两帧图像，通过提取图像的大小、长度、宽度等信息后，建立矩阵A，储存运动方向信息，再行列循环，按块来读取图像的每一个小块，其中的运动向量是根据相邻两幅图像中，灰度值最相似的小块的偏移量求出的；最后计算向量的个数，将计算出来的运动向量信息转化为矩阵和运动矢量图。

2.3 异常检测算法

程序运行时，首先是自动学习的功能，将采集到的一段或多段正常情况下的视频依据具体的特征分为多段，每段内部各帧图像运动特征相近，各段之间运动特征有所不同。分析正常情况下该摄像头视野范围内各区域的运动状况，构建各段视频正常情况速度方向直方图，建立正常情况下的运动空间矩阵。工作监测时，用同样的方法处理监控视频，经过视频分段、建立每段视频速度方向直方图，得到实时视频的运动空间矩阵。并比较实时视频运动子空间与正常视频运动子空间之间的误差，根据预先设定的阈值，预测和判断是否有异常情况的发生。如果相比较的误差大于预先设定的阈值，则判断出现了异常情况，反之则正常。程序处理流程图如下图3所示：

3. 实验结果及分析

我们以交通十字路口的监控视频为例，通过以上的算法思路，进行系统的硬件制作，电路设计和整体调试、实验，得出了以下的实验结果（如下图4所示）。由实验结果可见，本文方法能够有效检测交通十字路口中的异常事故，比如发生交通事故、路口出现大面积长时间拥堵等情况，能够及时发现异常事故。

4.结束语

该系统能在很大程度上解决人群活动事故而造成的交通拥堵、经济损失、人员伤亡等问题，具有广阔的发展前景。我们将在以后的实验研究中不断改进思路算法，不断优化完善系统功能，尽量缩短运行时间，提高效率，降低误判率、

参考文献

[1] 胡芝兰，江帆，王贵锦，等. 基于运动方向的异常行为检测[J]. 自动化学报，2008，34（11）：1348—1357

[2] 吴艳平，崔宇，胡士强. 基于运动图像序列的异常行为检测[J]. 计算机应用研究，2007，27（7）：2741-2744

[3] Liu C，Wang G，Ning W，et al，Anomaly detection in surveillance video using motion detection statistics[C]//Image Processing（ICIP），2010 17th IEEE International Conference on.IEEE，2010：717-720

作者简介

李风雷（1994—），男，河南周口人，郑州大学自动化专业本科生。

苑新伟（1994—），男，安徽阜阳人，郑州大学自动化专业本科生。