專利名稱：基于視頻分析的可疑行為檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及基于視頻分析的可疑行為檢測方法。
背景技術(shù)：
目前，在銀行、商店、停車場等處廣泛應(yīng)用的攝像機(jī)，通常只能在異常情況發(fā)生后，通過視頻回放方式查找和追究可疑人員，無法實(shí)時(shí)報(bào)警。若能智能檢測監(jiān)視視頻中人體的可疑行為，則可以在事件發(fā)生時(shí)及時(shí)報(bào)警，避免生命和財(cái)產(chǎn)的損失?，F(xiàn)有的可疑行為檢測方法很多，張瑞玉等在《基于行走軌跡的智能監(jiān)控算法》中提 出了一種基于行走軌跡的異常行為識別方法，運(yùn)用背景減除法與時(shí)間差分法加權(quán)平均的目標(biāo)檢測法對運(yùn)動人體進(jìn)行檢測，通過對人的行走軌跡的跟蹤與記錄來判斷某人是否可疑，但該方法主要檢測徘徊行為，功能単一；張錦等在《監(jiān)控視頻中異常事件檢測方法研究》中采用軌跡提取方法對徘徊事件進(jìn)行檢測與分析，但該方法也只能檢測徘徊行為，功能單一；周維柏等在《基于軌跡特征分析的行人異常行為識別》中提出ー個(gè)以行人為目標(biāo)的視頻監(jiān)控系統(tǒng)，利用行人的移動軌跡特征來判斷是否發(fā)生異常行為，但該軌跡模型元素簡單，對復(fù)雜行為的虛警率和漏警率高；胡衛(wèi)明等在《軌跡分布模式學(xué)習(xí)的層次自組織神經(jīng)網(wǎng)絡(luò)方法》中利用神經(jīng)網(wǎng)絡(luò)建立運(yùn)動目標(biāo)的軌跡模型，通過一系列軌跡點(diǎn)對軌跡模型進(jìn)行學(xué)習(xí)，根據(jù)當(dāng)前軌跡點(diǎn)和模型參數(shù)對運(yùn)動目標(biāo)在下一時(shí)刻的方向和位置進(jìn)行預(yù)測，以便檢測出交通車輛運(yùn)動方向的可疑之處，以及在停車場中是否有可疑人員等，但該方法僅利用了軌跡中目標(biāo)的方向和位置特征，難以檢測較為復(fù)雜的可疑行為；胡芝蘭等在《基于運(yùn)動方向的異常行為檢測》中提出ー種基于運(yùn)動方向的異常行為檢測方法，采用塊運(yùn)動方向描述不同的動作，并利用支持向量機(jī)對實(shí)時(shí)監(jiān)控視頻進(jìn)行異常行為分類，計(jì)算復(fù)雜度小，能夠?qū)崿F(xiàn)實(shí)時(shí)監(jiān)控，但對于復(fù)雜背景或者目標(biāo)遮擋的情況檢測效果較差；印勇等在《基于改進(jìn)Hu矩的異常行為識別》中提出ー種基于改進(jìn)Hu矩的異常行為識別算法，主要對蹦跳、加速跑、摔倒、下蹲、揮手和手拿異物六種可疑行為進(jìn)行識別，但該方法需要提取較為精細(xì)的人體輪廓，這在復(fù)雜環(huán)境中是難以實(shí)現(xiàn)的?？偟膩碚f，現(xiàn)有技術(shù)有的功能単一，只能檢測特定可疑行為；有的模型簡單，無法適應(yīng)復(fù)雜環(huán)境；有的實(shí)時(shí)性或準(zhǔn)確性不高，在實(shí)際應(yīng)用過程中經(jīng)常出現(xiàn)虛警和漏警現(xiàn)象。

發(fā)明內(nèi)容
針對現(xiàn)有技術(shù)的不足，本發(fā)明特提出ー種基于視頻分析的可疑行為檢測方法，采用計(jì)算機(jī)輔助手段和視頻分析技術(shù)，智能化檢測監(jiān)視視頻中存在的可疑行為，及時(shí)發(fā)現(xiàn)和預(yù)警。本發(fā)明提出的可疑行為檢測方法主要包括三個(gè)步驟人體目標(biāo)檢測、軌跡建模、軌跡特征提取與分類，流程如圖I所示，詳述如下
一、人體目標(biāo)檢測在監(jiān)視場景中，我們感興趣的目標(biāo)是運(yùn)動的人體目標(biāo)，本發(fā)明提出基于隔幀幀差和輪廓配對的人體目標(biāo)檢測方法，具體步驟如下
Stepl :對于一般的實(shí)時(shí)視頻采集系統(tǒng)(幀率25fps)，目標(biāo)在相鄰兩幀之間的運(yùn)動位移很小，相鄰幀差法難以檢測運(yùn)動目標(biāo)，為此，本發(fā)明提出隔幀幀差法檢測運(yùn)動目標(biāo)，具體是選取間隔t幀的三幀圖像ん、I0ん，分別計(jì)算幀差圖像E1,E2。
權(quán)利要求
1.ー種基于視頻分析的可疑行為檢測方法，包括在攝像頭采集到監(jiān)視視頻的基礎(chǔ)上，首先進(jìn)行人體目標(biāo)檢測，然后對視頻不同幀中的人體目標(biāo)進(jìn)行軌跡建摸，最后進(jìn)行軌跡特征提取與分類，判斷監(jiān)視場景中是否存在可疑行為，具體流程如下 (A)、人體目標(biāo)檢測 采用基于隔幀幀差和輪廓配對的人體目標(biāo)檢測方法，包括以下步驟St印I 一 St印5 Stepl :采用隔幀幀差法檢測運(yùn)動目標(biāo)，具體是選取間隔 幀的三幀圖像ん、I0 I2t，分別計(jì)算巾貞差圖像·盡;
2.根據(jù)權(quán)利要求I所述的基于視頻分析的可疑行為檢測方法，其特征在干，采用輪廓配對方法剔除干擾目標(biāo)，步驟是 首先，檢測目標(biāo)的輪廓，在同一幀ニ值圖像中，輪廓點(diǎn)Cr，ァ)滿足條件條件 I : MR(x,y) = I ,條件 2 MR{x,y +1) +MR(x,y -1) = I, 或者 + ヌ+ l) + MR(x— Xy- I) = I, 或者！￡S(z + l，ア一I) +1,ア + 1) = I, 或者_(dá) (1 + 1，7) + ]^(1-1，ァ)=1， 接著，釆用歸一化傅立葉描述子表示目標(biāo)的輪廓；對坐標(biāo)為Cr, y)的第/ 個(gè)輪廓點(diǎn)，記I[/ ]=X，ダ[/7]=7，計(jì)算傅立葉描繪子
3.根據(jù)權(quán)利要求I所述的基于視頻分析的可疑行為檢測方法，其特征在于，基于空域約束和時(shí)頻域特征聯(lián)合匹配的人體目標(biāo)特征匹配方法的具體步驟為 Stepl :空域約束 依據(jù)空域約束區(qū)分明顯不是同一個(gè)人體的目標(biāo)；假設(shè)重疊點(diǎn)為Cr，ァ)，則在前后兩幀ニ值圖像中，Cr，ァ)必須滿足兩個(gè)條件 條件 I條件 2 其中，M^1表示當(dāng)前幀目標(biāo)塊，表示前ー幀目標(biāo)塊； 如果前后兩幀人體目標(biāo)有重疊點(diǎn)，則認(rèn)為兩個(gè)人體目標(biāo)有可能是同一個(gè)目標(biāo)，繼續(xù)下一歩匹配；否則，認(rèn)為兩個(gè)人體目標(biāo)不匹配，終止目標(biāo)匹配過程； Step2 :頻域特征匹配 采用已經(jīng)求出的傅立葉描述子特征進(jìn)行頻域特征匹配，假設(shè)當(dāng)前幀目標(biāo)的傅立葉描述子為dx (a)，前一幀目標(biāo)的傅立葉描述子為d2 (u)，則依據(jù)上述描述，目標(biāo)之間的頻域特征差異為
4.根據(jù)權(quán)利要求I所述的基于視頻分析的可疑行為檢測方法，其特征在干，SVM分類器的訓(xùn)練方法是首先選擇正負(fù)樣本，正樣本為包含徘徊、奔跑、匍匐、傾倒或躬身行為的視頻，負(fù)樣本為包含正常行走、聚集或聊天行為的視頻，然后建立軌跡模型，提取軌跡特征，最后采用SVM方法進(jìn)行訓(xùn)練，得到分類器。
5.根據(jù)權(quán)利要求I所述的基于視頻分析的可疑行為檢測方法，其特征在于，在時(shí)空離散曲線上，當(dāng)離散點(diǎn)的角度特征小于π H吋，該點(diǎn)為時(shí)空拐點(diǎn)。
全文摘要
本發(fā)明涉及一種基于視頻分析的可疑行為檢測方法。該方法包括三個(gè)步驟人體目標(biāo)檢測、軌跡建模、特征提取與分類。該方法采用計(jì)算機(jī)輔助手段和視頻分析技術(shù)，智能化檢測監(jiān)視視頻中存在的可疑行為，及時(shí)發(fā)現(xiàn)和預(yù)警，可以有效降低可疑行為對監(jiān)視場所的威脅，同時(shí)安裝容易、使用方便，經(jīng)濟(jì)和社會效益顯著。
文檔編號G06K9/66GK102663452SQ20121010838
公開日2012年9月12日 申請日期2012年4月14日 優(yōu)先權(quán)日2012年4月14日
發(fā)明者劉通, 唐朝京, 李沛秦, 謝劍斌, 謝昌頤, 閆瑋 申請人:中國人民解放軍國防科學(xué)技術(shù)大學(xué)