申请/专利权人：杭州电子科技大学

申请日：2020-09-03

公开（公告）日：2024-03-22

公开（公告）号：CN112001354B

主分类号：G06V20/52

分类号：G06V20/52;G06V10/764;G06N7/02

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2020.12.15#实质审查的生效;2020.11.27#公开

摘要：本发明涉及图像处理与视频分析领域，公开了一种基于模糊推理的人群情绪识别方法，首先提取场景中视频序列前景图像，计算人群运动焓值，接着利用光流法跟踪运动FAST特征点，求出人群运动方向，幅度，依此计算出人群运动幅度方差和人群运动混乱程度，然后利用运动FAST特征点结合维诺图求出人群密度。最后利用模糊控制工程中的模糊推理理论，将人群运动焓值和人群运动幅度方差输入激励度模糊推理系统，将人群运动混乱程度和人群密度输入愉悦度模糊推理系统，分别得到激励度和愉悦度的模糊值，根据重心法对输出的模糊值去模糊化，得到激励度和愉悦度的精确值，根据所得值的大小判断人群情绪的状况。

主权项：1.一种基于模糊推理的人群情绪识别方法，其特征在于，利用不同的人群特征归一化后的结果作为输入，构建模糊推理系统，推理得出激励度、愉悦度的模糊值，去模糊化后得到对应的精确值，包括以下两个步骤：步骤1、从视频中提取出人群运动焓值和人群运动幅度方差这两个人群特征，构建两输入一输出的激励度模糊推理系统，输入是人群运动焓值和人群运动幅度方差这两个人群特征，输出是激励度；步骤2、从视频中提取人群运动混乱程度和人群密度这两个特征，构建两输入一输出的愉悦度模糊推理系统，输入是人群运动混乱程度和人群密度这两个特征，输出是愉悦度；其中，利用LK光流法跟踪图像帧中FAST特征点，得到每个特征点的运动方向和大小，依此求出人群运动幅度方差和人群运动混乱程度；所述步骤1具体如下：1.1、选取场景中人群运动焓值和人群运动幅度方差作为输入变量，激励度作为输出变量，构建人群激励度模糊推理系统；1.2、将人群运动焓值、人群运动幅度方差和人群激励度利用高斯型隶属度函数进行模糊化处理；1.3、人群激励度模糊推理系统有2个输入变量，1个输出变量，使用if-then规则，输入变量之间采用and连接，得到模糊推理规则，使用Mamdani推理算法，对人群激励度模糊推理系统进行推理；1.4、通过将场景视频中的人群运动焓值和人群运动幅度方差输入到人群激励度模糊推理系统中得到场景中的人群激励度模糊值，将推理得到的模糊值使用重心法去模糊化，得到人群激励度的精确值，作为衡量场景人群情绪的值，激励值越大，人群情绪越激烈；所述步骤2具体如下：步骤2.1，利用LK光流法跟踪FAST特征点，求出光流大小，特征点运动幅度阈值在0.01到0.1之间的被认为是静态特征点，将其剔除，不进入下一步骤的计算；步骤2.2，求出运动特征点的维诺图，计算每一个单人维诺多边形面积Si： 代表单人可活动范围，其中xj和yj是多边形顶点坐标；依此求出整个人群图像的密度D：其中D代表人群密度，为图像单人Voronoi多边形平均面积，即图像内平均每人的可活动范围，n是图像中检测到的运动特征点数，以图像中可出现最多特征点时的维诺密度作为最大值进行归一化；2.3、选取场景中人群运动混乱程度和人群密度作为输入变量，愉悦度作为输出变量，构建人群愉悦度模糊推理系统；2.4、将人群运动混乱程度、人群密度和人群愉悦度利用高斯型隶属度函数进行模糊化处理；2.5、人群愉悦度模糊推理系统有2个输入变量，1个输出变量，使用if-then规则，输入变量之间采用and连接，得到模糊推理规则，使用Mamdani推理算法，对人群愉悦度模糊推理系统进行推理；2.6、通过将场景视频中的人群运动混乱程度和人群密度输入到人群愉悦度模糊推理系统中得到场景中的人群愉悦度模糊值，将推理得到的模糊值使用重心法去模糊化，得到人群愉悦度的精确值，作为衡量场景人群情绪的值，愉悦值越大，人群情绪越愉悦。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 一种基于模糊推理的人群情绪识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD