技術(shù)特征：

1.一種基于視頻分析的自動扶梯智能安全監(jiān)測方法，其特征在于，包括以下步驟：

步驟1，獲取安裝在監(jiān)控區(qū)域的攝像機(jī)中視頻圖像序列；

步驟2，建立混合高斯背景模型，結(jié)合陰影抑制方法提取前景；

步驟3，在前景區(qū)域內(nèi)，利用SVM+HOG分類器識別人體對象；

步驟4，人體目標(biāo)跟蹤及光流計算；

步驟5，根據(jù)運(yùn)動目標(biāo)軌跡及光流大小和方向判斷乘電扶梯人員是否有異常行為，若有則緊急停止電扶梯并進(jìn)行聲音報警；

步驟6，實(shí)時顯示視頻圖像，判斷異常行為是否結(jié)束，若結(jié)束則重新啟動電扶梯。

2.根據(jù)權(quán)利要求1所述的基于視頻分析的自動扶梯智能安全監(jiān)測方法，其特征在于，步驟3所述在前景區(qū)域內(nèi)，利用SVM+HOG分類器識別人體對象，具體步驟如下：

(1)建立人體肩部以上軀體訓(xùn)練樣本庫，包括正樣本庫和負(fù)樣本庫，正樣本庫包括各種姿態(tài)的人體肩部以上軀體圖像，負(fù)樣本庫指行人乘電扶梯時隨身攜帶的干擾物，包括箱子、手提包、書包、推車、桶的物件圖像；

(2)采用SVM+HOG分類器對樣本庫進(jìn)行訓(xùn)練，并將提取到的前景區(qū)域與訓(xùn)練后的人體特征進(jìn)行匹配，從而獲得人體對象。

3.根據(jù)權(quán)利要求1所述的基于視頻分析的自動扶梯智能安全監(jiān)測方法，其特征在于，步驟4中所述人體目標(biāo)跟蹤及光流計算，具體步驟如下：

(1)采用金字塔Lucas-Kanade光流法對步驟3中檢測到的人體對象進(jìn)行跟蹤，并把每個人體對象跟蹤軌跡點(diǎn)存放在數(shù)組trace_i[j]，i＝1,…,n,j＝1,…,m中，其中，n表示檢測到的人體對象個數(shù)，m表示從t₁時刻到t₂時刻攝像機(jī)拍攝到的總幀數(shù)；

(2)計算檢測到的第i個人體對象中每個像素點(diǎn)的梯度和曲率，以得到第i個人體對象的角點(diǎn)C_ik,i＝1,…,n,k＝1,…,K，其中，K表示第i個人體對象的角點(diǎn)個數(shù)，采用金字塔Lucas-Kanade光流法跟蹤視頻序列中連續(xù)兩幀圖像中的相對應(yīng)角點(diǎn)C_ik，得到當(dāng)前每個角點(diǎn)的速度矢量即角點(diǎn)光流的大小和方向。

4.根據(jù)權(quán)利要求3所述的基于視頻分析的自動扶梯智能安全監(jiān)測方法，其特征在于，步驟5中所述根據(jù)運(yùn)動目標(biāo)軌跡及光流大小和方向判斷乘電扶梯人員是否有異常行為，若有則緊急停止電扶梯并進(jìn)行聲音報警，具體步驟如下：

(1)判斷行人是否逆行：在步驟4中得到人體對象的跟蹤軌跡點(diǎn)trace_i[j]，并得到當(dāng)前電扶梯運(yùn)行方向d，若同一個人體對象在連續(xù)12幀視頻序列中，有8幀的跟蹤軌跡點(diǎn)trace_i[j]的方向與電扶梯運(yùn)行方向d不一致，則判斷行人逆行；

(2)判斷行人是否跌倒：在步驟4中得到人體對象角點(diǎn)光流大小和方向，判斷人體上半身的角點(diǎn)與人體下半身的角點(diǎn)光流大小若滿足下式，則判斷行人跌倒：

$\left|{\stackrel{\‾}{v}}_{down}\right|-\left|{\stackrel{\‾}{v}}_{up}\right|\>T$

其中，T表示人體上半身與下半身光流大小相差的閾值；

(3)若出現(xiàn)行人逆行或跌倒的異常行為，則自動停止電扶梯運(yùn)行。