本發(fā)明涉及智能視頻監(jiān)控系統(tǒng)，更具體地，本發(fā)明涉及一種監(jiān)控視頻的行人識(shí)別及運(yùn)動(dòng)軌跡分析系統(tǒng)控制策略優(yōu)化方法。

背景技術(shù)：

1、現(xiàn)有的監(jiān)控視頻系統(tǒng)在行人識(shí)別和運(yùn)動(dòng)軌跡分析方面面臨著一些挑戰(zhàn)。隨著城市化進(jìn)程的加快，公共安全需求的提升，以及人工智能技術(shù)的發(fā)展，對(duì)監(jiān)控視頻系統(tǒng)的要求越來(lái)越高。傳統(tǒng)的監(jiān)控系統(tǒng)主要依賴于簡(jiǎn)單的圖像處理技術(shù)來(lái)識(shí)別和追蹤行人，但這些方法在復(fù)雜環(huán)境下，如低光照、高動(dòng)態(tài)或多行人場(chǎng)景中，往往難以提供準(zhǔn)確的識(shí)別和分析結(jié)果。此外，現(xiàn)有系統(tǒng)在處理大規(guī)模數(shù)據(jù)時(shí)，計(jì)算效率較低，且難以適應(yīng)多變的環(huán)境因素和行人行為模式。技術(shù)原理方面，許多現(xiàn)有系統(tǒng)采用了基于特征的識(shí)別方法，這些方法依賴于手工提取的特征，如形狀、顏色和紋理等，這些特征在復(fù)雜環(huán)境中容易受到干擾，導(dǎo)致識(shí)別精度下降。同時(shí)，一些系統(tǒng)嘗試使用機(jī)器學(xué)習(xí)方法來(lái)提高識(shí)別率，但這些方法往往需要大量的標(biāo)注數(shù)據(jù)，且在模型泛化能力上存在局限。

2、在實(shí)現(xiàn)本發(fā)明實(shí)施例過(guò)程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在如下問(wèn)題或缺陷：現(xiàn)有系統(tǒng)在復(fù)雜環(huán)境下的適應(yīng)性不足，難以準(zhǔn)確捕捉和分析行人的運(yùn)動(dòng)軌跡；缺乏有效的模型來(lái)綜合考慮行人行為與環(huán)境因素的耦合關(guān)系；以及在大規(guī)模數(shù)據(jù)處理和實(shí)時(shí)性要求上存在瓶頸，限制了監(jiān)控系統(tǒng)的實(shí)用性和效率。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供了一種監(jiān)控視頻的行人識(shí)別及運(yùn)動(dòng)軌跡分析系統(tǒng)控制策略優(yōu)化方法，包括：

2、步驟s1.對(duì)視頻采集子系統(tǒng)開(kāi)展實(shí)驗(yàn)測(cè)試，獲取實(shí)驗(yàn)數(shù)據(jù)；其中，實(shí)驗(yàn)測(cè)試的工況覆蓋第一測(cè)試工況集和第二測(cè)試工況集；實(shí)驗(yàn)數(shù)據(jù)包括與第一測(cè)試工況集對(duì)應(yīng)的第一實(shí)驗(yàn)數(shù)據(jù)和與第二測(cè)試工況集對(duì)應(yīng)的第二實(shí)驗(yàn)數(shù)據(jù)；

3、步驟s2.基于行人行為分析模型的行人-環(huán)境耦合關(guān)系，對(duì)行人分析子系統(tǒng)建立初始分析模型，經(jīng)第一實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證獲得驗(yàn)證后的分析模型；利用驗(yàn)證后的分析模型對(duì)行人分析子系統(tǒng)的行為特性進(jìn)行仿真，輸出獲得第一仿真結(jié)果；

4、步驟s3.基于深度學(xué)習(xí)算法，對(duì)行人分析子系統(tǒng)建立初始行為降維模型；利用第一仿真結(jié)果對(duì)該初始行為降維模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的行為降維模型；

5、步驟s4.利用第二實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證訓(xùn)練后的行為降維模型得到驗(yàn)證后的行為降維模型；

6、步驟s5.設(shè)置優(yōu)化參數(shù)和控制策略優(yōu)化目標(biāo)；其中，控制策略優(yōu)化目標(biāo)包括行人分析子系統(tǒng)內(nèi)的預(yù)期行為分布、預(yù)期最高速度、預(yù)期最低速度和預(yù)期速度不一致性；

7、步驟s6.采用機(jī)器學(xué)習(xí)-模擬優(yōu)化算法，生成控制策略對(duì)應(yīng)的優(yōu)化參數(shù)，輸入驗(yàn)證后的行為降維模型得到預(yù)測(cè)結(jié)果；持續(xù)更新優(yōu)化參數(shù)并輸入驗(yàn)證后的行為降維模型獲得對(duì)應(yīng)的預(yù)測(cè)結(jié)果，直至該對(duì)應(yīng)的預(yù)測(cè)結(jié)果達(dá)到步驟s5設(shè)置的控制策略優(yōu)化目標(biāo)。

8、進(jìn)一步地，第一測(cè)試工況集和第二測(cè)試工況集的交集為空集。

9、進(jìn)一步地，實(shí)驗(yàn)數(shù)據(jù)包括行人分析子系統(tǒng)內(nèi)各行人的實(shí)際位置值、速度傳感器布局采集的實(shí)際速度值、實(shí)際行為分布、實(shí)際最高速度、實(shí)際最低速度和實(shí)際速度不一致性。

10、進(jìn)一步地，步驟s2中初始分析模型包括行人行為子模型和行人運(yùn)動(dòng)子模型；其中，行人行為子模型表示為：

11、

12、其中，hi表示第i個(gè)行人的行為描述；n為環(huán)境中影響行人行為的因素?cái)?shù)量；wij為第i個(gè)行人與第j個(gè)因素相關(guān)性的權(quán)重；pij為第i個(gè)行人的位置參數(shù)；ej為第j個(gè)環(huán)境因素；g為綜合考慮位置和環(huán)境因素的行為分析函數(shù)；

13、行人運(yùn)動(dòng)子模型表示為：

14、

15、其中，vij為第i個(gè)行人在第j個(gè)環(huán)境因素下的速度；vbase為基礎(chǔ)速度；m為影響速度的行為特征數(shù)量；hijk為行人i在環(huán)境因素j下特征k的活躍度；sijk為特征k對(duì)速度的調(diào)整值，根據(jù)行人行為hi和環(huán)境因素ej確定。

16、進(jìn)一步地，步驟s2中初始分析模型的輸入為第一測(cè)試工況集下行人分析子系統(tǒng)的實(shí)際輸入?yún)?shù)和實(shí)際環(huán)境參數(shù)，輸出為行人分析子系統(tǒng)內(nèi)的第一初始仿真行為分布、第一初始仿真最高速度、第一初始仿真最低速度和第一初始仿真速度不一致性，其中仿真行為分布bi由以下公式確定：

17、

18、其中，t0和t1分別為仿真的起始和結(jié)束時(shí)間。

19、進(jìn)一步地，步驟s2中所述經(jīng)第一實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證獲得驗(yàn)證后的分析模型具體包括：將行人分析子系統(tǒng)內(nèi)的第一初始仿真行為分布、第一初始仿真最高速度、第一初始仿真最低速度和第一初始仿真速度不一致性與第一實(shí)驗(yàn)數(shù)據(jù)進(jìn)行第一階段對(duì)比，若第一階段對(duì)比的誤差小于預(yù)設(shè)第一閾值，則保留初始分析模型作為驗(yàn)證后的分析模型；否則，調(diào)節(jié)初始分析模型的參數(shù)并進(jìn)行第一階段對(duì)比，直至第一階段對(duì)比的誤差小于預(yù)設(shè)第一閾值。

20、進(jìn)一步地，步驟s4中所述利用第二實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證訓(xùn)練后的行為降維模型得到驗(yàn)證后的行為降維模型具體包括：將第二測(cè)試工況集下行人分析子系統(tǒng)的實(shí)際輸入?yún)?shù)和實(shí)際環(huán)境參數(shù)輸入訓(xùn)練后的行為降維模型，輸出第二仿真結(jié)果，用于與第二實(shí)驗(yàn)數(shù)據(jù)進(jìn)行第二階段對(duì)比，若第二階段對(duì)比的誤差小于預(yù)設(shè)第二閾值，則執(zhí)行步驟s5；否則，重復(fù)執(zhí)行步驟s3和s4直至第二階段對(duì)比的誤差小于預(yù)設(shè)第二閾值。

21、進(jìn)一步地，步驟s5中所述優(yōu)化參數(shù)為視頻采集子系統(tǒng)的采集頻率和分辨率。

22、進(jìn)一步地，第一測(cè)試工況集包括低光照環(huán)境測(cè)試和高動(dòng)態(tài)環(huán)境測(cè)試；第二測(cè)試工況集包括多行人環(huán)境測(cè)試和復(fù)雜背景環(huán)境測(cè)試。

23、進(jìn)一步地，步驟s3中所述初始行為降維模型為深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)與循環(huán)神經(jīng)網(wǎng)絡(luò)的融合模型；其中，卷積神經(jīng)網(wǎng)絡(luò)層數(shù)設(shè)置為3，每個(gè)卷積層后接一個(gè)最大池化層，循環(huán)神經(jīng)網(wǎng)絡(luò)使用長(zhǎng)短期記憶網(wǎng)絡(luò)lstm結(jié)構(gòu)，lstm層數(shù)設(shè)置為2，學(xué)習(xí)率設(shè)置為0.0001，迭代次數(shù)設(shè)置為5000次，由第一仿真結(jié)果劃分得到的驗(yàn)證集與訓(xùn)練集的分割比例為8:2，單次抽取的數(shù)據(jù)片段長(zhǎng)度為15，訓(xùn)練目標(biāo)殘差設(shè)置為0.00005。

24、根據(jù)本發(fā)明的上述實(shí)施例至少具有以下有益效果：本監(jiān)控視頻的行人識(shí)別及運(yùn)動(dòng)軌跡分析系統(tǒng)控制策略優(yōu)化方法可以提高行人識(shí)別的準(zhǔn)確性和運(yùn)動(dòng)軌跡分析的精確度。通過(guò)實(shí)驗(yàn)測(cè)試獲取的實(shí)驗(yàn)數(shù)據(jù)，結(jié)合行人行為分析模型，系統(tǒng)能夠建立更為準(zhǔn)確的初始分析模型，并通過(guò)深度學(xué)習(xí)算法進(jìn)一步優(yōu)化行為降維模型。這種方法不僅可以增強(qiáng)系統(tǒng)對(duì)復(fù)雜環(huán)境的適應(yīng)性，還可以提升對(duì)行人行為的預(yù)測(cè)和分析能力。此外，該方法通過(guò)機(jī)器學(xué)習(xí)-模擬優(yōu)化算法，可以動(dòng)態(tài)調(diào)整優(yōu)化參數(shù)和控制策略，以實(shí)現(xiàn)對(duì)行人分析子系統(tǒng)內(nèi)預(yù)期行為分布、速度等參數(shù)的精確控制。這種持續(xù)的優(yōu)化過(guò)程可以確保系統(tǒng)在不同的測(cè)試工況下都能達(dá)到預(yù)期的性能目標(biāo)，從而在實(shí)際應(yīng)用中提供更加穩(wěn)定和可靠的監(jiān)控效果。通過(guò)這種方法，系統(tǒng)能夠更好地服務(wù)于公共安全、交通管理等領(lǐng)域，為決策者提供更加科學(xué)和有效的數(shù)據(jù)支持。

技術(shù)特征：

1.一種監(jiān)控視頻的行人識(shí)別及運(yùn)動(dòng)軌跡分析系統(tǒng)控制策略優(yōu)化方法，該系統(tǒng)包括視頻采集子系統(tǒng)和行人分析子系統(tǒng)，其特征在于，該方法包括如下步驟：

2.根據(jù)權(quán)利要求1所述的監(jiān)控視頻的行人識(shí)別及運(yùn)動(dòng)軌跡分析系統(tǒng)控制策略優(yōu)化方法，其特征在于，第一測(cè)試工況集和第二測(cè)試工況集的交集為空集。

3.根據(jù)權(quán)利要求2所述的監(jiān)控視頻的行人識(shí)別及運(yùn)動(dòng)軌跡分析系統(tǒng)控制策略優(yōu)化方法，其特征在于，實(shí)驗(yàn)數(shù)據(jù)包括行人分析子系統(tǒng)內(nèi)各行人的實(shí)際位置值、速度傳感器布局采集的實(shí)際速度值、實(shí)際行為分布、實(shí)際最高速度、實(shí)際最低速度和實(shí)際速度不一致性。

4.根據(jù)權(quán)利要求3所述的監(jiān)控視頻的行人識(shí)別及運(yùn)動(dòng)軌跡分析系統(tǒng)控制策略優(yōu)化方法，其特征在于，步驟s2中初始分析模型包括行人行為子模型和行人運(yùn)動(dòng)子模型；其中，行人行為子模型表示為：

5.根據(jù)權(quán)利要求4所述的監(jiān)控視頻的行人識(shí)別及運(yùn)動(dòng)軌跡分析系統(tǒng)控制策略優(yōu)化方法，其特征在于，步驟s2中初始分析模型的輸入為第一測(cè)試工況集下行人分析子系統(tǒng)的實(shí)際輸入?yún)?shù)和實(shí)際環(huán)境參數(shù)，輸出為行人分析子系統(tǒng)內(nèi)的第一初始仿真行為分布、第一初始仿真最高速度、第一初始仿真最低速度和第一初始仿真速度不一致性，其中仿真行為分布bi由以下公式確定：

6.根據(jù)權(quán)利要求5所述的監(jiān)控視頻的行人識(shí)別及運(yùn)動(dòng)軌跡分析系統(tǒng)控制策略優(yōu)化方法，其特征在于，步驟s2中所述經(jīng)第一實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證獲得驗(yàn)證后的分析模型具體包括：將行人分析子系統(tǒng)內(nèi)的第一初始仿真行為分布、第一初始仿真最高速度、第一初始仿真最低速度和第一初始仿真速度不一致性與第一實(shí)驗(yàn)數(shù)據(jù)進(jìn)行第一階段對(duì)比，若第一階段對(duì)比的誤差小于預(yù)設(shè)第一閾值，則保留初始分析模型作為驗(yàn)證后的分析模型；否則，調(diào)節(jié)初始分析模型的參數(shù)并進(jìn)行第一階段對(duì)比，直至第一階段對(duì)比的誤差小于預(yù)設(shè)第一閾值。

7.根據(jù)權(quán)利要求6所述的監(jiān)控視頻的行人識(shí)別及運(yùn)動(dòng)軌跡分析系統(tǒng)控制策略優(yōu)化方法，其特征在于，步驟s4中所述利用第二實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證訓(xùn)練后的行為降維模型得到驗(yàn)證后的行為降維模型具體包括：將第二測(cè)試工況集下行人分析子系統(tǒng)的實(shí)際輸入?yún)?shù)和實(shí)際環(huán)境參數(shù)輸入訓(xùn)練后的行為降維模型，輸出第二仿真結(jié)果，用于與第二實(shí)驗(yàn)數(shù)據(jù)進(jìn)行第二階段對(duì)比，若第二階段對(duì)比的誤差小于預(yù)設(shè)第二閾值，則執(zhí)行步驟s5；否則，重復(fù)執(zhí)行步驟s3和s4直至第二階段對(duì)比的誤差小于預(yù)設(shè)第二閾值。

8.根據(jù)權(quán)利要求7所述的監(jiān)控視頻的行人識(shí)別及運(yùn)動(dòng)軌跡分析系統(tǒng)控制策略優(yōu)化方法，其特征在于，步驟s5中所述優(yōu)化參數(shù)為視頻采集子系統(tǒng)的采集頻率和分辨率。

9.根據(jù)權(quán)利要求8所述的監(jiān)控視頻的行人識(shí)別及運(yùn)動(dòng)軌跡分析系統(tǒng)控制策略優(yōu)化方法，其特征在于，第一測(cè)試工況集包括低光照環(huán)境測(cè)試和高動(dòng)態(tài)環(huán)境測(cè)試；第二測(cè)試工況集包括多行人環(huán)境測(cè)試和復(fù)雜背景環(huán)境測(cè)試。

10.根據(jù)權(quán)利要求9所述的監(jiān)控視頻的行人識(shí)別及運(yùn)動(dòng)軌跡分析系統(tǒng)控制策略優(yōu)化方法，其特征在于，步驟s3中所述初始行為降維模型為深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)與循環(huán)神經(jīng)網(wǎng)絡(luò)的融合模型；其中，卷積神經(jīng)網(wǎng)絡(luò)層數(shù)設(shè)置為3，每個(gè)卷積層后接一個(gè)最大池化層，循環(huán)神經(jīng)網(wǎng)絡(luò)使用長(zhǎng)短期記憶網(wǎng)絡(luò)lstm結(jié)構(gòu)，lstm層數(shù)設(shè)置為2，學(xué)習(xí)率設(shè)置為0.0001，迭代次數(shù)設(shè)置為5000次，由第一仿真結(jié)果劃分得到的驗(yàn)證集與訓(xùn)練集的分割比例為8:2，單次抽取的數(shù)據(jù)片段長(zhǎng)度為15，訓(xùn)練目標(biāo)殘差設(shè)置為0.00005。

技術(shù)總結(jié)
本發(fā)明提供了一種監(jiān)控視頻的行人識(shí)別及運(yùn)動(dòng)軌跡分析系統(tǒng)控制策略優(yōu)化方法，包括獲取實(shí)驗(yàn)數(shù)據(jù)；對(duì)行人分析子系統(tǒng)建立初始分析模型，獲得驗(yàn)證后的分析模型，對(duì)行人分析子系統(tǒng)的行為特性進(jìn)行仿真，輸出獲得第一仿真結(jié)果；基于深度學(xué)習(xí)算法，對(duì)行人分析子系統(tǒng)建立初始行為降維模型；利用第一仿真結(jié)果對(duì)該初始行為降維模型進(jìn)行訓(xùn)練；利用第二實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證訓(xùn)練后的行為降維模型得到驗(yàn)證后的行為降維模型；設(shè)置優(yōu)化參數(shù)和控制策略優(yōu)化目標(biāo)；采用機(jī)器學(xué)習(xí)?模擬優(yōu)化算法，生成控制策略對(duì)應(yīng)的優(yōu)化參數(shù)，輸入驗(yàn)證后的行為降維模型得到預(yù)測(cè)結(jié)果。本發(fā)明可以提高監(jiān)控系統(tǒng)的識(shí)別準(zhǔn)確性和預(yù)測(cè)效率，增強(qiáng)系統(tǒng)的適應(yīng)性和實(shí)用性。

技術(shù)研發(fā)人員：鄔歡歡,王建夏
受保護(hù)的技術(shù)使用者：塔里木大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19