人群密集区域监测系统Word下载.docx

1、事实上，模型找出的只是已经被定义好的一组特征，比如传统“头部模型”等，根据头部、肩部特征点，去分析画面中的目标。通过计算目标与既定特征组合的相似程度来判断该目标是不是“人”，进而对找到的“人”作行为分析，个数统计等等。基于传统技术实现的智能分析系统，受场景制约比较显著。一般是要求在背景简单，光照稳定，特定摄像机安装方式的视频中。一旦有影响模型特征提取的干扰情况，“人”的误检漏检就会表现明显。本系统所使用的人群分析技术，通过大量数据样本分析，采用深度学习，让计算机自行学习人和其他目标的区别，运算出能显著标识“人”的一层层特征信息。由于样本覆盖率较大，在机器学习的过程中，该技术能有效突破光照突变，

2、背景复杂，人体部分遮挡，应用场景单一等传统技术的难点。深度学习是机器学习研究中的一个新的领域，其概念源于人工神经网络的研究。深度学习的提出动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像、声音和文本。通俗地讲，深度学习没有像传统机器学习那样自己框定边界，而是直接把海量数据投放到算法当中去，让数据自己说话，系统会自动从数据中学习，在训练的时候从来不会告诉机器说：“这是一个人”。系统其实是在通过大量的学习后自己发明并领悟了这是一个“人”的概念。目前深度学习在声音、图像、文本等机器学习研究领域已经取得了巨大的突破。在针对视频的人群分析技术领域，我们将深度学习技术用于

3、其中，也已经取得了突破性的进展。借助于深度学习的特性，新的技术还可以对某个场景进行自学习，从而朝着真正的场景自动理解前进。3、系统功能系统运用基于深度学习的图像处理算法、大数据分析和数据挖掘等技术，对监控视频中的人和人群的特征行为进行分析。系统由状态监测、流量监测、统计分析、事件查询、系统配置模块组成。其功能架构如下图所示：1.状态监测状态监测可实现对多路人群监控点位的视频进行实时报警监测、实时状态查看，如图；人群分析多路监控界面示意图该模块有以下功能：1） 多路视频同时监测为便于对多路视频的同时监测，系统提供多路并发计算，使监控人员可以同时查看多个区域的报警情况。2） 多种异常事件检测针对多

4、路视频监控摄像头，系统提供了实时看板功能，可帮助监控人员快速、及时地发现过密、聚集、混乱、滞留、逆行这5类异常事件。过密：人群在不同区域的画面中的面积占比可由用户设置，当达到对应阈值时，会在监控板上显示人群面积占比和对应的告警状态；聚集：用户可按不同区域设置聚集人数的对应阈值，当达到不同阈值，产生对应告警；混乱：分析场景中群体运动的一致性，混乱程度高产生报警；滞留：用户可按不同区域设置滞留时间阈值，达到阈值时产生告警；逆行：可设置响应区域和非逆行方向，逆行时产生报警。当前通道内是否发生异常事件可以通过查看该通道内报警状态，报警一列不仅显示了当前报警的异常事件类型，同时用红色数字标志了出当天异常

5、事件的合计数量。3） 多种参数监测看板以矩阵形式展示内容，其中每一行分别代表一个视频通道，每一列分别表示该行视频通道的名称、现场图片展示、当前人数、当前拥挤程度、当前安全指数、异常事件报警。每一行数据，即可以完整的展现当前该通道上的监测状态以及发展情况。人数：实时展示该通道当前总人数以及人数变化趋势；密度：实时展示该通道当前人员密度，用于展示当前的拥挤状态以及人员密度变化趋势。安全指数：人群相关的安全指数，综合考虑了人员数量、人群密度以及人群运动方向等参数，用该指数来量化评估某个场景下人群活动是否存在安全隐患。报警：过密、聚集、混乱、滞留、逆行这5类异常事件。监控人员可实时查看不同区域的人数、

6、人群密度的数值，和自主设置报警阈值，可根据事件的严重程度采取相应措施进行干预。2.流量监测流量监测可实现对多路人流量监测点位的视频进行实时分析，累加计算视频区域中进、出人数，以及单位时间的人流量信息，并报警监测、实时状态查看该模块窗口的可以监测展示多路人流量的视频通道，分别表示该行视频通道的名称、现场图片展示、进/出人数、进出人流量，人流量趋势图，即可以完整的展现当前该通道上人流量的状态以及发展情况。1）多路视频同时监测为便于对多路视频的同时监测，系统提供多路路并发计算，使监控人员可以同时查看多个区域的人流量实时状态情况。2）进、出人数统计针对多路人流量点位的视频监控摄像头，系统提供了实时人数

7、统计的看板功能，可直观查看各个点位当天实时累计的进、出人数。3）进、出人流量实时统计单位时间内进、出的人数，可得到人流量的实时数据。4）人流量趋势图根据各个点位实时的人流量数据，绘制出人流量趋势图，将数据转换为可视化图表，方便管理者查看和判断人流量状态。3.统计分析统计分析模块可根据过去某一段时间内某一点位的数据，统计出该通道人群的状态变化趋势，可快速统计近一天，近一周，近一个月的数据变化趋势。用户也可以通过选择具体的日期来选择具体需要统计的时间段。1） 人员数量统计单路人员数量趋势图选取某一个时间段，每分钟绘制一个点，统计该时间段每10分钟、30分钟、一小时内人群数量的最大值，平均值以及最小

8、值，分别绘制出最大值变化曲线，平均值变化曲线及最小值变化曲线。可支持多路统计。2） 进/出流量统计基于各个通道的人流量的实时监测数据分析记录，在统计分析中可实现对各个通道进、出人流量的统计分析，已及对进出总流量的统计，对每天，每周，每月的人流量进行统计分析，从而查找确定出每天，每周，每月的客流量高峰时段，低谷时段，为地铁运营管理提供有效的决策手段。3） 人群密度统计单路人群密度趋势图选取某一个时间段，每分钟绘制一个点，统计该时间段每10分钟、30分钟、一小时内人群密度指数的最大值，平均值，最小值，分别绘制出最大值变化曲线，平均值变化曲线以及最小值变化曲线。4） 安全系数统计单路人群安全系数趋势

9、图安全系数给出了人群相关的安全指数的一种定义方法，系统可以通过综合量化如人群数量、人群密度、人群跟踪等指标来评估某个场景下人群活动是否存在安全隐患。系统可对安全级别划分为很安全、安全、不安全、很不安全。当系统出现不安全情况时系统实时报警；系统每10分钟、30分钟、一小时统计一次安全系数，按时间顺序绘制安全系数图。安全系数分成不同的等级，相关的级别设置在系统配置当中进行设置。5） 事件类型统计系统可以按每天、每周、每月事件统计人群异常活动事件，直观显示事件的分布情况，用户可以选择关注时间段的事件，查看对应事件详情。6） 安全诊断报告人群分析系统就是一套城市人群安全的诊断系统。让数据更有价值，生成

10、实时和深度的诊断报告，输出相应健康描述，包括人数、密度高峰时段，安全指数低峰时段等，帮助运营者全面诊断城市人群整体健康状况，为整个城市安全运营提供保驾护航。4.事件查询事件查询是对各监控视频内已发生的事件追溯和定位，可通过查询功能来完成。在事件查询页面内，依次选择视频通道、类型发生的时间段即可查询出已发生的事件。事件查询界面示意图5.任务配置任务配置主要包含系统报警配置和点位管理两部分。该部分仅针对系统管理员开放。可进行任务状态启用/暂停操作，添加视频源、编辑报警事件参数、任务分组、地图点位配置操作任务配置主界面示意图报警配置界面示意图选择相应的摄像机可进行报警设置。可设置的参数有监控区域绘制

11、，监控高度绘制，安全系统分级设置，人群过密事件阈值，人群聚集事件阈值，滞留区域绘制以及混乱、逆行设置。图14 添加视频界面示意图点击任务配置的右上角添加视频，可进行视频通道的添加操作。如图14，设置点位的服务器名称，IP地址，端口号，用户名及密码，点击确定即可添加成功。点出点位列表，也可对该点位进行编辑修改。任务分组界面示意图点击任务配置的右上角任务分组，可进行摄像机任务的分组操作。如上图，支持新增任务分组，支持对已配置任务的摄像机进行分组。点位配置界面示意图选择相应的点位可进行坐标的添加、删除、导入/导出。4、技术特点将深度学习的先进理念与算法研究成果，应用于视频的人群分析应用领域当中，是该

12、系统的一大技术特色。该技术应用在视频人群分析领域当中具备以下几大优势特点：1.场景适应性强大规模人群分析系统能在背景复杂、光照变化大、人体部分遮挡的大场景中使用，当画面中有车、物遮挡人体运动时，系统可准确识别并分离人和物，使受关注目标一直锁定为人，不受其他目标干扰，提高人群分析计算的精度。并可以同时统计运动和静止的人体。相比于传统人群分析技术，该技术具有更强的环境抗干扰能力，能有效突破单一场景应用的局限；2.模型自适应系统采用的深度学习算法，通过大数量数据样本分析，自动选择人群特征，比传统“人头”“人肩”模型具有更强的适应性，同时系统可根据以往的场景不断自动学习优化模型提高算法的能力，达到更高

13、的精确度，从而真正的理解场景；3.处理速度快系统基于GPU计算，可达到实时分析的效果。系统内具备了基于大数据处理的算法和模型；极大的提高了数据的处理速度。5、功能特点1.全状态的实时监测状态监测面板，可同时查看到人群数量、人群密度、人群安全指数的当前状态与变化趋势，当前报警事件。且可实时监测到多视频通道的人群状态，满足用户单面板进行多通道多参数的全状态实时监测。2.基于事件的报警不仅提供人群的实时区域人数，人流量、密度和安全系数等状态信息，还可对人群异常事件进行监控并预警，系统可以对人群聚集、人群过密、人群混乱、逆行、滞留，过流六种事件监测预警。3.全时空的统计与分析按时间的维度，更详细的统计指定时间段内人群数量，人员密度，安全系数以及事件的数量，并以图表展示其变化情况，更直观更形象的展示各种人群状态的变化曲线和变化趋势。