人群分析系统立项报告_图文

《人群分析系统立项报告_图文》由会员分享，可在线阅读，更多相关《人群分析系统立项报告_图文（19页珍藏版）》请在金锄头文库上搜索。

1、人群分析系统立项报告2015年门月随着我国经济的发展和人口的增长，大城市交通状况日趋恶化，各大城市将 城市轨道交通作为城市基础设施建设领域的投资重点，但轨道交通在飞速发展的 同吋，由于人流密集、人员复杂、空间相对封闭等因素，成为了盗窃、恐怖袭击 等违法犯罪行为的高发场所。如何保障乘客的安全出行成为了轨道交通运营和安 全管理部门工作的重中之重。同时在现代城市中完善的生活和强大的交通运输能力，在公共场所形成大规 模的聚集状况，随Z而来的人群聚集风险也愈发突出，已成为政府和社会关注的 城市公共安全首要问题。而口随着轨道交通最近几年的快速发展，在各人城市中, 轨道交通承担的人员运输量也越来越大，例如在

2、北京、上海等发达城市的上下班 高峰时段，轨道交通主要线路都处于人员密度非常大、拥挤度非常高的情况，公 共安金隐患也越来越高。R前人群密度过高主要体现在两个方面：一是人群过度密集可能直接引发拥 挤踩踏事件，二是人群过度密集造成公共场所火灾、爆炸、中壽等风险的二次放 大，导致更大的人员伤亡和社会影响。我司的人群分析系统主要功能是：分析即时人群密度，累计人群驻留时间, 分析个体运动轨迹，群体运动方向。通过以上分析可以为相关管理人员提供实时 的数据，为预防和解决问题的发生提供技术手段支持。2.技术背景21为什么采用视频分析为什么要釆用视频来进行人群分析？主要有以下原因：直观获取方便视频监控资源多，可复

3、用性高技术可实现（参见下面介绍的深度学习技术）性能已基本接近实用22什么是深度学习技术深度学习|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。深度学的动机在于建立、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，声音和文木。包含多隐层的神经网络就是一种深度学习结构。深度学习通过组合低层特征 形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。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 量数据投放到算法中，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

4、后是自己 发明或者领悟了 “人”的概念。目前深度学习技术在声音、图像、文本等机器学习研究领域已经取得巨大的 突破。在针对视频的人群分析技术领域，我司将深度学习技术用于其中，也己经 取得了突破性的进展。借助于深度学习本身的特性，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理解前景。3.总体设计3.1.系统总体架构木系统由数据接入层、深度学习层、核心算法层、应用算法层、展现层组成：】深度学习的概念由Hinton等人于2006年提出。基于深信度网（DBN）提出非监督逐层训练算法，为解决 深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经 网络

5、是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。展现层应用算法层核心算法层深度学习层数据层图1系统总体架构图数据接入层：系统可接入外部的实时视频流或不含私有协议的视频文件。 深度学习层：包含两部分：离线学习部分和在线分析部分。其中离线学 习主要是通过深度学习框架对大量数据进行学习，同时也支持增量学习。 学习得到的模型库将用于在线分析。在线分析会将最底层的分析结果输 送给核心算法层。这里的模型库包括人体模型、人群模型、单个场景相 关的参数模型、事件模型、群体运动模型等。核心算法层：包含用于人群分析技术的所有核心算法模块，包括人群检 测、人群分割、冃标跟踪、群体行为分析

6、、数据挖掘与预测等。这些核 心算法模块是实现各种应用的基础。应用算法层：针对人群分析应用，例如统计人群流量，跟踪人群运动轨 迹，计算人流运动速度与方向，计算即时人群密度，统计人群驻留的累 计时间，分析人群活动的界常状态等，将核心算法分析结果转换为用户 需要的、用户能理解的结果。展现层：直接面向用户的数据展现，包括报警查看、状态展示、热力图、 轨迹分析、趋势预测等。32系统流程说明本系统支持实时视频流接入或视频文件的的接入，工作流程如下:实时视频流或视频文件视频分析服务器图2实时视频处理基本流程客户端展示在外部数据接入后，通过部署在视频分析服务器中我司系统，主要是进行外 部数据的处理，分离岀场景

7、数据、在复杂的图像画面中，识别出“人”和“人群”； 再根据实际业务需求进行统计人群流量、跟踪人群运动轨迹、计算即时人群密度、 统计人群驻留的累计时间、分析人群活动的异常状态等，再用不同颜色进行渲染, 最后用最直观、有效的方式展现给相关管理人员。图3人群分析中间结果示意图（左图为原图）4系统功能4总体功能介绍本系统主要是由：实时监控、趋势分析、事件查询、系统配置四大模块组成。其中：实时监控可实现对多路监控视频进行实时报警监测、实时状态查看；SB7BX1S人图4人群分析多路监控界面示意图趋势分析主要利用历史数据，采用数据挖掘技术，针对单一场景进行分 析，通过人群数量折线图和人群平均分布热力图的方式

8、来统计过去人群 相关规律、预测后续人群行为状态。主要包括状态监控、统计分析、趋 势预测三大功能。1 ifiiS2通迪3iSiKifi道5ifl道6通道7通道8和. nrtMM atnnMtimMa“ nMQMibthSEnSETilYE实时报*坦势分析事件葩益控设注*人群分析系统人 mite/*图5趋势分析界面示意图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 來完成。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。soimptaQ C M C U M 3 mat0X4穴加3 C M- UMffW MOWeaAB IMW UHIScHScTiMc

9、 爻器7i.eefiww图6事件查询界面示意图系统配置主要包含系统参数配置和监控算法参数配置。42主要功能介绍人群智能分析系统是以事件分析为主，此处主要介绍事件分析的详细功能。4.2.1.人群密度与计数此功能是系统对视频进行实时分析，检测出画面中人群的区域，并对其进行 人群分割（如图7所示），从而可以统计场景中的实时人数。同时根据人群和人 体之间的关系，估计各区域的人群密度，得到整个场景的人群密度分布图，如图8所示。图7人群检测与分割示意图图8人群密度与计数示意图在地铁环境中，可以根据不同的环境进行设置进行人数的统计；下图是地铁中的闸机入口，在该图中可以看到此图像包含了扶梯、楼梯及闸机、和进入

10、闸机的区域；在实际使用中更加关心的应该是人员从扶梯、楼梯进入本站的情况，而在闸机及闸机后侧区域（黄色圆圈区域）由于遮挡物等原因也不 便于人员计数分析等，所以建议的在图中红色框线范围内定义为人数统计区域, 以便得到更加精确的数据。图9地铁场景人数统计区域设置示意图4.2.2.过线人流统计此功能是在需要计数的图像中设置一条虚拟规则线，当人越过此线时系统自 动进行计数从而达到人员计数的功能。此功能一般应用于人员不太拥挤的场景中, 如地铁可以在站厅层的进行设置。在换乘通道、站台层的候车区域建议采用人群 计数方式实现计数功能。图io过线人流统计参数设置示意图4.2.3.个体轨迹分析此功能主要是实现在视频

11、图像分析“人”的个体移动、停留的信息和轨迹。图11人体轨迹分析示意图4.2.4.滞留区域分析滞留分析主要用于识别场景中有人长时滞留的区域，在展现层用不同颜色标 记。以下图为例，红色区域表示有滞留时间较长，蓝色表示滞留时间较短。滞留 的等级和标准及显示的颜色可以根据实际需求和要求进行调整，在本系统中也可 对到达何种级别进行报警等进行灵活设置。(b)图12人群滞留分析示意图4.2.5.混乱程度分析此功能主耍分析场景中群体运动的一致性，我们给出了一个混乱程度的定义。 对于混乱程度高的场景，进行报警。如下图中，左图人群滞留时间长，基本无运 动，因此混乱程度低；右图区域颜色为蓝色，说明运动频繁。事实上场

12、景中很多 人在奔跑，因此混乱程度高。此事可能伴随有事件发生，当予以警示。图13不同混乱程度的画面（左图混乱程度低）4.2.6.群体轨迹分析此功能主要是分析在视频中，静止的人群对常用的行进路线的影响情况。当 出现有人群的滞留严重影响了止常的行进路线时，系统会进行报警，告知工作人 员；便于对该区域的人群进行疏导，避免岀现更大范围的人群滞留。图14人群运动轨迹分析示意图5产品优势和传统视频分析技术的比较在传统的视频分析技术，是通过各种模型找到“人”。事实上，模型找出的只是己经被定义好的一组特征，比如“头肩模型”，根据头部形状，头肩轮螂，还有头发颜色等组合特征，去分析画面中的目标。通过计算目标与既定特

13、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”做行为分析，个数 统计等等。基于这样的技术原理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。而我司的人群分析技术，不再采用人为定义特征组合的方式去判断冃标是否 为“人”。而是通过大量数据样本分析，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。由于样木覆盖率较大，在机器学习 的过程中，该技术能有效突破光照突变，背景复杂，人体部分遮挡，应用场景单一等传统技术的难点。我司的智能分析中 的

14、人Mil数解决部分追描问觀不依恤运动、完整人休町同时统计动、挣人休更加适用十地铁行业.便用现有撮机图像 即吋不需单独设机传统秤能分析的人 员il数俯视场景5.2技术亮点1. 场景适应性，能在光照变化，背景复杂，人群遮挡严重的不利环境中使 用；并且系统通过了在线学习的功能，在不同的行业应用时，可以通过 对该行业的场景进行系统的实际视频图像学习后主动更新各类的模型库、 规则库，是的更加符合该行业用户的实际需求；2. 分析的准确性：在准确性中，同样可以通过系统的在线学习功能，优化 模型、优化算法，得到更加准确的分析结果；3. 处理速度快，基于大数据处理：本系统在设计都已充分考虑到用户对处 理速度相应

15、的要求，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。6. 算法部门定位6工作内容概述算法部门主要服务于公司2016年的产品需求，包活人群分析系统，人体追 逃系统，综合搜人系统，图像清晰化服务等。1. 人群分析系统最初是由香港中文大学王晓刚老师实验室提供ITF SDK, SenseTime深圳进行算法应用开发包装，目前人群分析系统SDK包括人群 计数，静止人群检测，人群跟踪，跨线计数；2. 人体追逃系统目前在ITFSDK中已经有原型封装，规划内容包括人体检测, 人体跟踪，人体再识别；3. 综合搜人系统处于预研阶段，规划利用人脸、人体、人体属性、wifi/app 定位信息等综合信息进行研发；4. 图像清晰化服务也是处于预研阶段，主要解决监控视频场景下特有的压缩 模糊，预期清晰化的人体和人脸图