一種電梯轎廂內(nèi)暴力行為檢測方法
【專利摘要】本發(fā)明提供了一種電梯轎廂內(nèi)暴力行為檢測方法。首先使用混合高斯模型提取運動前景，并對運動區(qū)域進行標記；采用Harris算子檢測運動區(qū)域的角點：再采用金字塔Lucas-Kanade光流算法計算運動區(qū)域中角點的光流信息。然后統(tǒng)計角點光流信息的熵，并與設定的閾值進行比較，判斷是否存在異常行為。本發(fā)明提出了一種電梯轎廂內(nèi)暴力行為檢測方法，較好地解決了當前電梯監(jiān)控中依靠人工判別暴力行為的問題，具有良好的實用性和較高的檢測率。
【專利說明】—種電梯轎廂內(nèi)暴力行為檢測方法
【技術(shù)領域】
[0001]本發(fā)明涉及行為識別領域，尤其涉及一種電梯轎廂內(nèi)暴力行為檢測方法。
【背景技術(shù)】
[0002]隨著社會發(fā)展，高樓大廈越來越多，電梯的使用越來越普遍，同時由于電梯的相對封閉性，電梯轎廂內(nèi)暴力行為日益增多，其安全問題得到廣泛的關注。傳統(tǒng)的視頻監(jiān)控無法自動的檢測暴力行為，還需要人工參與其中，效率很難令人滿意，因此基于動態(tài)圖像理解的電梯內(nèi)防暴力監(jiān)控成為當前的迫切需求之一。
[0003]但是目前研究較多的都是基于統(tǒng)計特征來檢測異常行為的，這就需要建立一個訓練學習機制，而這一學習機制的建立就要求必須有較多的訓練樣本，從而使得現(xiàn)有的基于統(tǒng)計特征的檢測方法無法得到實際應用。此外，即使能夠做到建立多樣本數(shù)據(jù)庫，由于收集較多訓練樣本的成本和工作量很大，無法在實際電梯系統(tǒng)中推廣。
[0004]針對上述問題，以及電梯轎廂內(nèi)人體運動幅度較小的特點，本發(fā)明提供了一種基于光流信息的電梯轎廂內(nèi)暴力行為檢測方法，無需建立樣本訓練庫，實時性和魯棒性較好，具有良好的實用性。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的主要目的在于克服現(xiàn)有技術(shù)的缺點與不足，提供一種電梯轎廂內(nèi)暴力行為檢測方法，該方法具有很好的適用性，并且具有較高的檢測正確率。
[0006]本發(fā)明專利所解決的技術(shù)問題可采用如下的技術(shù)解決方案來實現(xiàn):
[0007]—種電梯轎廂內(nèi)暴力行為檢測方法，其特征在于包括以下步驟:
[0008]步驟1，采用混合高斯模型提取運動前景，在提取出前景后，經(jīng)過形態(tài)學處理，包括腐蝕、膨脹、高斯平滑濾波和開閉運算，可以得到較完整的運動前景區(qū)域，然后去除面積較小的區(qū)域，標記出主要的運動區(qū)域。
[0009]步驟2，采用Harris算子檢測運動區(qū)域的角點，并記錄角點的位置信息。
[0010]步驟3,采用3層金字塔Lucas-Kanade光流法計算角點光流信息。圖像In中的某個角點u=(ux uy)T，計算其光流的過程就是在圖像In+1中找到具有相似圖像強度的一點u' =u+d=[ux+dx uy+dy]T,其中向量d=[dx dy]T是角點u的速度向量。
[0011]步驟4，計算角點光流信息的熵值Ef，閾值Tab取0.50?0.60，若Ef > Tab判斷有異常行為發(fā)生。
[0012]本發(fā)明較已有暴力行為檢測技術(shù)的優(yōu)點在于:無需大量的訓練樣本，并且不需要精確的人體分割和跟蹤，靈活性、魯棒性較好，檢測率高。
【專利附圖】

【附圖說明】
[0013]圖1是本發(fā)明提出的一種電梯轎廂內(nèi)暴力行為檢測方法的流程圖【具體實施方式】
[0014]下面結(jié)合附圖和實施例對本發(fā)明作進一步說明。
[0015]如圖1所示，一種電梯轎廂內(nèi)暴力行為檢測方法包括以下步驟:
[0016]I)混合高斯模型提取運動前景目標。圖像的每個像素點在時間域內(nèi)的變化用K個多維高斯分布來模擬，{Xi，X2,…，XJ表示像素點P(x，y)的觀測值序列，在t時刻該像素點值為Xt的概率為
[0017]
【權(quán)利要求】
1.一種電梯轎廂內(nèi)暴力行為檢測方法，其特征在于，包括以下幾個步驟: 步驟1，通過高斯混合模型提取出運動的視頻目標，經(jīng)過形態(tài)學處理，包括腐蝕、膨脹、高斯平滑濾波和開閉運算，得到較完整的運動前景區(qū)域； 步驟2，采用Harris算子檢測運動前景區(qū)域中的角點； 步驟3,使用金字塔Lucas-Kanade光流算法提取步驟2所獲取的角點光流信息； 步驟4，計算步驟3中的角點光流信息的熵值，并與設定的閾值進行比較，大于閾值則判為異常行為。
2.根據(jù)權(quán)利要求1所述的電梯轎廂內(nèi)暴力行為檢測方法，其特征在于:所述的光流信息為運動區(qū)域中的角點光流信息，這樣不但減少了由光照引起的干擾，而且有效的降低了光流法的計算量。
3.根據(jù)權(quán)利要求1所述的電梯轎廂內(nèi)暴力行為檢測方法，其特征在于:步驟4中對角點光流信息的熵值統(tǒng)計，其中包括了光流矢量的方向和位移信息。
【文檔編號】B66B11/02GK103693532SQ201310745123
【公開日】2014年4月2日 申請日期:2013年12月26日 優(yōu)先權(quán)日:2013年12月26日
【發(fā)明者】王憲, 柳絮青, 王呈, 宋書林, 秦磊 申請人:江南大學