東方網(wǎng)力基于深度學(xué)習(xí)的人群智能分析系統(tǒng),突破傳統(tǒng),引入安全指數(shù)概念,能夠?qū)崿F(xiàn)超過(guò)300人的大場(chǎng)景人群異常狀態(tài)監(jiān)控,大大提高了場(chǎng)景內(nèi)人數(shù)統(tǒng)計(jì)的精確性,為相關(guān)部門(mén)的決策提供強(qiáng)有力的技術(shù)支撐。
傳統(tǒng)人群系統(tǒng)VS深度學(xué)習(xí)人群分析
智能分析系統(tǒng)應(yīng)用到實(shí)戰(zhàn),有三個(gè)先決條件,即準(zhǔn)確性、適用性和抗干擾能力。傳統(tǒng)的人群分析系統(tǒng)在三個(gè)條件中都具有明顯的局限性:
1、規(guī)模上的局限性:無(wú)法針對(duì)大規(guī)模,極端密集情況下的人群進(jìn)行分析;
2、精度上的局限性:基于像素統(tǒng)計(jì)和紋理的人群特征獲取,在描述精度和復(fù)雜度方面精度不夠;
3、場(chǎng)景復(fù)雜度上的局限性:如何克服射影畸形、干擾背景、光照條件變化等仍不夠理想。
傳統(tǒng)的視頻分析技術(shù),是通過(guò)各種模型找到“人”。事實(shí)上,模型找出的只是已經(jīng)被定義好的一組特征,比如“頭肩模型”,根據(jù)頭部形狀,頭肩輪廓,還有頭發(fā)顏色等組合特征,去分析畫(huà)面中的目標(biāo)。通過(guò)計(jì)算目標(biāo)與既定特征組合的相似程度來(lái)判斷該目標(biāo)是不是“人”,進(jìn)而對(duì)找到的“人”進(jìn)行行為分析,數(shù)量統(tǒng)計(jì)等。
基于這樣的技術(shù)原理實(shí)現(xiàn)的智能分析系統(tǒng),受場(chǎng)景制約比較顯著。一般要求在背景簡(jiǎn)單,光照穩(wěn)定,特定攝像機(jī)安裝方式的視頻中。一旦有影響模型特征提取的干擾情況,“人”的誤檢漏檢就會(huì)表現(xiàn)明顯。
而東方網(wǎng)力基于深度學(xué)習(xí)的人群分析技術(shù),不再采用人為定義特征組合的方式去判斷目標(biāo)是否為“人”。而是通過(guò)大量數(shù)據(jù)樣本分析,讓計(jì)算機(jī)自行學(xué)習(xí)人和其他目標(biāo)的區(qū)別,運(yùn)算出能顯著標(biāo)識(shí)“人”的一層層特征信息。由于樣本覆蓋率較大,在機(jī)器學(xué)習(xí)的過(guò)程中,該技術(shù)能有效突破光照突變,背景復(fù)雜,人體部分遮擋,應(yīng)用場(chǎng)景單一等傳統(tǒng)技術(shù)的難點(diǎn)。
圖1 深度學(xué)習(xí)與傳統(tǒng)技術(shù)對(duì)比
基于深度學(xué)習(xí)的人群分析系統(tǒng)可支持超過(guò)300人的大場(chǎng)景監(jiān)控,對(duì)感興趣區(qū)域人數(shù)統(tǒng)計(jì)精確度達(dá)到95%以上。
系統(tǒng)中為業(yè)務(wù)應(yīng)用提供決策依據(jù)的重要指標(biāo)
針對(duì)大規(guī)模人群監(jiān)控的應(yīng)用,過(guò)去以應(yīng)急處置為核心,現(xiàn)在轉(zhuǎn)移到以應(yīng)急準(zhǔn)備為重點(diǎn)。要做好應(yīng)急準(zhǔn)備,必然需要精確的數(shù)據(jù)支撐。
我們根據(jù)調(diào)研及項(xiàng)目實(shí)際應(yīng)用總結(jié)發(fā)現(xiàn),人群密度和安全指數(shù)兩項(xiàng)指標(biāo)對(duì)應(yīng)急準(zhǔn)備具有重要的指導(dǎo)意義。
人群密度判定
傳統(tǒng)方法利用人數(shù)的統(tǒng)計(jì)來(lái)判斷場(chǎng)景內(nèi)是否擁擠。但因監(jiān)控場(chǎng)景面積不同,單純的人數(shù)統(tǒng)計(jì)無(wú)法判斷出場(chǎng)景內(nèi)人員的密集情況,而用戶(hù)更關(guān)注場(chǎng)景內(nèi)的人群密度,人數(shù)統(tǒng)計(jì)僅做為輔助數(shù)據(jù)提供。
人群密度與計(jì)數(shù)對(duì)視頻進(jìn)行實(shí)時(shí)分析,檢測(cè)出畫(huà)面中人群的區(qū)域,并對(duì)其進(jìn)行人群分割(如圖所示),從而可以統(tǒng)計(jì)場(chǎng)景中的實(shí)時(shí)人數(shù)。同時(shí)根據(jù)人群和人體之間的關(guān)系,計(jì)算各區(qū)域的人群密度,得到感興趣區(qū)域的人群密度分布圖(如圖所示)。
圖2 人群檢測(cè)與分割示意圖
圖3 人群密度與計(jì)數(shù)示意圖
判定人群密度后,引入“情景構(gòu)建”概念,不同的人群密度對(duì)應(yīng)不同的預(yù)案等級(jí)。
借鑒某省公安廳人群密度指標(biāo),實(shí)現(xiàn)“人群四色報(bào)警”。
當(dāng)人群密度達(dá)到四色報(bào)警閾值時(shí),觸發(fā)相關(guān)報(bào)警,工作人員對(duì)應(yīng)執(zhí)行四種等級(jí)的預(yù)案。
安全指數(shù)判定
人群密度做為人群的屬性之一,對(duì)實(shí)戰(zhàn)工作具有重要的指導(dǎo)意義,但不能僅憑這一指標(biāo)就做出決策。因?yàn)榧幢惝?dāng)人群密度較低時(shí),各種突發(fā)狀況同樣有可能引起群體事件。
舉例說(shuō)明:人數(shù)比較稀疏的場(chǎng)景,突然聚集了多人;某通道,有多人滯留;場(chǎng)景中有個(gè)體劇烈運(yùn)動(dòng);人群無(wú)序的狀態(tài)等等。以上多種狀態(tài),即使在人群密度較小時(shí),也有可能發(fā)生危害性事件。
基于上述提到的各種人群異常狀況,我們引入了“混亂”的概念,并結(jié)合多種人群行為,輸出“安全指數(shù)”。
混亂的定義:場(chǎng)景中群體運(yùn)動(dòng)是否具有一致性。對(duì)于混亂程度高的場(chǎng)景,如下圖中,左圖人群滯留時(shí)間長(zhǎng),基本無(wú)運(yùn)動(dòng),因此混亂程度低;右圖區(qū)域顏色為藍(lán)色,說(shuō)明運(yùn)動(dòng)頻繁。
圖4不同混亂程度的畫(huà)面(左圖混亂程度低)
“安全指數(shù)”綜合聚集、滯留、混亂等多種異常情況,系統(tǒng)輸出一個(gè)具體數(shù)值給用戶(hù),安全指數(shù)越高,代表場(chǎng)景內(nèi)人群運(yùn)動(dòng)更有序更可控。當(dāng)安全指數(shù)低于閾值時(shí),推送報(bào)警至決策者,決策是否啟動(dòng)預(yù)案。
我們基于深度學(xué)習(xí)的人群分析系統(tǒng),通過(guò)輸出人群密度和安全指數(shù),全方位描述人群異常狀態(tài),有效地對(duì)人群活動(dòng)進(jìn)行預(yù)判,為用戶(hù)在事前提供精準(zhǔn)的信息,幫助用戶(hù)進(jìn)行各項(xiàng)決策。