基于改进局部平移向量域划分的稀疏运动场人群分割技术研究

When the existing methods are used in the crowd scene with complex movement patterns, the movement patterns are so indistinguishable that the final segmentation results are bad due to the inadaptability of the crowd models. To overcome the defects of the existing methods, a crowd motion segmentation method by using the local-translation domain segmentation based on the improved cosine similarity（ICS-LTDS）, capable of being used in the sparse motion field, is proposed in this project. This method can not only distinguish the amplitude difference between tow vectors effectively by using the improved cosine similarity, but make use of multiple local translation motions to fit any complex motion piecewisely in a motion field based on the idea of the piecewise linear fitting of the complex curve, which makes it possible to segment the motion of the crowd with complicated motion patterns. In addition, by sparse strategy, the crowd motion segmentation algorithm based on ICS-LTDS is transplanted into the sparse motion field from the dense motion field to realize the motion segmentation of the crowd feature points set in the sparse motion field with controllable dense degree, so that the algorithm can run in real-time. Through the research of the project, a real-time crowd motion segmentation method with high performance for complex motion crowd scene can be achieved to further improve the performance of the public video monitoring system and avoid the public safety incidence, such as stampede, as possible.

将现有方法应用于包含复杂运动模式的人群场景时，由于所建模型的适应性差，无法有效区分不同运动模式，导致运动分割效果不佳。为克服现有方法缺陷，本项目提出一种基于改进余弦相似度的局部平移向量域划分模式（ICS-LTDS），并借助该模式在稀疏运动场中实现人群运动分割算法。该算法不仅可以借助改进余弦相似度有效区分向量幅值之间的差异，还可应用“局部化”方式，依据复杂曲线的分段线性拟合思想，采用一系列局部平移运动分段拟合运动场中的任意复杂运动，使得包含复杂运动模式的人群的运动分割成为可能；同时，通过“稀疏化”策略，将人群运动分割算法从致密运动场“移植”进入稀疏运动场，在致密程度可控的稀疏场中完成人群特征点集的运动分割，使得算法可实时实现。通过本课题的深入研究，拟获得可应用于复杂运动人群场景的、高性能实时人群运动分割方法，以进一步提升公共视频监控系统性能，最大可能避免踩踏等公共安全事件的发生。

将现有方法应用于包含复杂运动模式的人群场景时，由于所建模型的适应性差，无法有效区分不同运动模式，导致运动分割效果不佳。为克服现有方法缺陷，本项目提出一种基于改进余弦相似度的局部平移向量域划分模式（ICS-LTDS），并借助该模式在稀疏运动场中实现人群运动分割算法。该算法不仅可以借助改进余弦相似度有效区分向量幅值之间的差异，还可应用“局部化”方式，依据复杂曲线的分段线性拟合思想，采用一系列局部平移运动分段拟合运动场中的任意复杂运动，使得包含复杂运动模式的人群的运动分割成为可能；同时，通过“稀疏化”策略，将人群运动分割算法从致密运动场“移植”进入稀疏运动场，在致密程度可控的稀疏场中完成人群特征点集的运动分割，使得算法可实时实现。通过本课题的深入研究，获得了可应用于复杂运动人群场景的、高性能实时人群运动分割方法，项目组在研究期限内，发表了4篇论文（3篇SCI论文)，培养了3名硕士研究生，同时与美国匹斯堡大学开展了为期一年的与项目相关的研究，为下一步申请国家级项目打下了坚实的基础。本项目的研究成果不仅可加强我国在智能视频监控领域的自主创新能力、研究水平和主动地位，同时，对于基于流场建模的多目标运动分割问题在其他相关视觉领域的应用，也将具有重要的参考价值。此外，浙江省作为经济大省和旅游大省，每年均有大批外来流动人口涌入，本项目的研究成果有望为我省公共场所、公共交通的客流状态的实时、准确获取提供一种高效的实时解决方案，对于及时了解公共场所的人群状态和变化趋势以最大限度的减少公共场所安全隐患均将具有重要的实际应用价值，可以进一步提升公共视频监控系统性能，最大可能避免踩踏等公共安全事件的发生。