人群密集区域监测系统.docx
- 文档编号:6985727
- 上传时间:2023-01-15
- 格式:DOCX
- 页数:12
- 大小:4.10MB
人群密集区域监测系统.docx
《人群密集区域监测系统.docx》由会员分享,可在线阅读,更多相关《人群密集区域监测系统.docx(12页珍藏版)》请在冰豆网上搜索。
人群密集区域监测系统
智能人群密集区域监测系统
功能需求说明
2019年12月
一、概述
人群密集区域监测系统,是通过融合电信运营商地理位置数据、上网日志和用户数据,结合所需进行人群密集区域监测的实际应用场景,提供基于位置的区域人流、区域人群分析和监控、公共安全预警等功能的大数据服务。
系统通过采集电信运营商数据,结合政府有关部门发布的预警数据信息,如:
气象数据、交通数据、地理信息等,进行数据融合,进行数据资源梳理、共享,形成统一的数据资源中心,实现多元化数据匹配。
通过数据监测、数据集成、数据报告等方式,形成全面的预警信息数据分析,支持政府有关部门进行决策。
基于视的智能人群分析系统可以复用当前已有的视频资源,无需架设新的基础设施与设备,节省人力成本的同时对人群状态的监测精准率高,实时性好,统计分析全实时与动态展示,实时报警,完全自动化完成。
可适应于地铁站、铁路、公交枢纽、广场、商业区等多种场景。
2、核心技频术
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,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、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,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。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人群 密集 区域 监测 系统
![提示](https://static.bdocx.com/images/bang_tan.gif)