[發明專利]基于輪廓的異常行為識別方法

無效

• 申請號: 200710179881.8
• 申請日: 2007-12-19
• 公開（公告）號: CN101464952A
• 公開（公告）日: 2009-06-24
• 發明（設計）人: 譚鐵牛;黃凱奇;王瑩
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/62;G06K9/48
• 代理公司: 中科專利商標代理有限責任公司
• 代理人: 周國城

技術領域

本發明屬于模式識別領域，涉及圖像處理和計算機視覺等技術，特別涉及智能視覺監控中的異常行為識別方法。

背景技術

隨著現代科技的飛速發展，利用攝像機監控動態場景早已被廣泛應用在社會的方方面面，除了一些對于安全要求級別高的場合，如銀行、軍事基地等，越來越多的智能視覺監控應用在民用，如交通路口、生活社區、地鐵沿線等，用以保障人民的生命財產安全。盡管目前商用監控攝像機普遍存在于商場、超市、電梯間，但沒有充分發揮其實時主動的監視報警功能。雖然這些攝像頭可以提供大量的視頻數據，但還不能對感興趣行為進行實時的分析處理，而且海量數據的存在以及長時間枯燥乏味的監視很容易使得安保人員疲倦，松懈，對場景發生的異常不能及時反應，造成災難性的后果。因此，開發出實時的監控系統，并根據場景中的異常行為與現象自動報警，引起警衛的注意，對破壞行為及時制止，對威脅安全的行為及時救援等成為日益迫切的需求。這要求攝像機不僅僅記錄一堆堆的數據，更重要的是會分析數據，理解數據，這樣計算機可以警醒人，幫助人完成監控任務，提高監控質量。

動態場景中運動目標的行為分析與理解一直是計算機視覺領域最活躍的主題，尤其是監控場景下異常行為的檢測與識別更具有廣泛的應用。如前所述，安全問題，無論國防還是民用一直是各個國家長期關注的熱點。英國的Closed?Circuit?Television(CCTV)監控項目有不計其數的攝像頭分布在商場、社區、學校、停車場以及眾多公共場合，成功降低犯罪率。同時，北美，澳大利亞，歐洲其他一些國際緊隨其后，有關動態場景中運動目標行為分析與識別的研究項目紛沓而至，這要求計算機可以從攝像機捕獲的運動序列中檢測，跟蹤目標并對其行為進行理解。但目前大部分的技術，尤其是實時系統還處在對運動目標的檢測跟蹤階段，就算涉及運動目標的行為分析，也僅是簡單的走跑運動。因此開發出具有自動分析視頻數據能力的監控技術，通過攝像頭可以知道場景中發生了什么是智能視覺監控的一個首要目的。

不過在監控場景下，由于攝像頭數量眾多，而且還存在很多可自由控制的帶云臺攝像頭，這樣即使獲得同一行為的底層運動數據，不同的視覺，不同的鏡頭下，在二維圖像平面還是具有不同的表現形式。因此，如何獲取針對平移，旋轉，比例尺度變換具有不變性的底層特征是行為分析與識別成功的關鍵。目前，運動目標的軌跡與輪廓被認為可以用于視覺監控系統中行為識別算法的兩個主要的運動特征。與軌跡相關的其他特征，比如速度，距離等也得到廣泛應用，不過這些特征只能描述運動目標在場景中的位置移動，不能刻畫行為細致的空間特征。輪廓則不然，完整的行為輪廓序列是一種時空變化的運動模式，它既可以表達運動過程中肢體的變化又能描述行為時間上的相互關系。而且具有易于捕捉，受噪聲影響小等優點。

傳統監控可以實現視頻數據的分發、存儲功能，但對場景中的異常情況只能通過人工處理。面對海量視頻數據，連續長時間的工作會讓警衛倦怠、不警醒，對危險事件不敏感。

發明內容

輪廓可以描述行為序列中每一幀的姿態，包括全部的邊緣信息與身體內部信息，因此特征維數比較高，而且一般的實時監控場景往往比較復雜，受變換的光照條件、陰影、飄動的旗幟等影響，運動分割后的目標輪廓不可避免的出現形狀分塊，內部空洞或者陰影。而且運動目標對于攝像頭的距離是不斷變換的，表現在二維圖像平面上就是運動目標輪廓在整個行為序列中尺度大小不一。考慮到上述情形，本發明的目的是公開一種基于輪廓的異常行為識別方法，通過一種新的特征表達方式，變換，來進行特征描述，并將變換的結果用做行為識別的特征，經此變換得到的特征計算復雜度低，具有幾何變換不變性而且抗噪性比較強，對形狀噪聲魯棒而且對于相似性高的行為可區分性高。

為實現上述目的，本發明的技術解決方案是：

一種基于輪廓的異常行為識別方法，包括輪廓提取，特征表達，訓練和識別多個過程，步驟如下：

步驟S1：對攝像頭采集到的圖像序列進行運動目標檢測與跟蹤，提取目標輪廓；

步驟S2：對得到的目標輪廓姿態，利用變換表達得到每一幀中運動輪廓的空間信息，用做行為識別的底層特征；

步驟S3：利用主成分分析對改進的特征向量進行特征提取；

步驟S4：利用隱馬爾可夫模型表達具有空間信息的輪廓序列在時間上的變換關系；

步驟S5：利用訓練的模型參數庫，根據最大似然準則，看待識別行為和哪個預先定義的行為最匹配。

所述的基于輪廓的異常行為識別方法，其所述步驟S1的運動目標檢測包括如下步驟：