[發明專利]一種基于視頻序列的人體異常行為檢測方法

無效

• 申請號: 201310059118.7
• 申請日: 2013-02-25
• 公開（公告）號: CN103150579A
• 公開（公告）日: 2013-06-12
• 發明（設計）人: 紀青華;禹素萍;曹新學;張盛漢
• 申請（專利權）人: 東華大學
• 主分類號: G06K9/66
• 分類號: G06K9/66
• 代理公司: 上海申匯專利代理有限公司 31001
• 代理人: 翁若瑩;柏子雵

1.一種基于視頻序列的人體異常行為檢測方法，其特征在于，步驟為：

第一步、建立行為模型數據庫：

步驟1.1、通過攝像頭和WDM視頻采集卡采集訓練行為視頻圖像序列，作為訓練樣本；

步驟1.2、提取訓練行為視頻圖像序列中運動人體的運動特征及局部特征，將運動特征及局部特征相結合，組成一組訓練特征向量；

步驟1.3、將訓練特征向量作為輸入，利用機器方法進行學習從而得到行為模型數據庫；

第二步、人體行為判斷：

步驟2.1、通過攝像頭和WDM視頻采集卡采集實時行為視頻圖像序列；

步驟2.2、提取實時行為視頻圖像序列中運動人體的運動特征及局部特征，將運動特征及局部特征相結合，組成一組實時特征向量；

步驟2.3、將實時特征向量作為輸入，利用行為模型數據庫采用機器方法對識別的運動人體區域的行為做出評判。

2.如權利要求1所述的一種基于視頻序列的人體異常行為檢測方法，其特征在于，所述步驟1.2及所述步驟2.2包括：

步驟S1、從訓練行為視頻圖像序列或實時行為視頻圖像序列中提取運動人體，其步驟為：

步驟S11、對訓練行為視頻圖像序列或實時行為視頻圖像序列利用混合高斯模型進行背景建模；

步驟S12：利用背景差分法將運動人體區域從背景模型中提取出來；

步驟S13：利用幀間差分法從訓練行為視頻圖像序列或實時行為視頻圖像序列中提取運動人體區域；

步驟S14：將步驟S12和步驟S13中提取出來的運動人體區域進行與運算，提取出新的運動人體區域；

步驟S15：對通過步驟S14得到的運動人體區域利用形態學濾波的方法進行陰影的去除和空洞的彌補以及連通域的處理，得到運動人體；

步驟S2、利用NMF算法提取運動人體的局部特征；

步驟S3、提取運動人體的運動特征，該運動特征至少包括長寬比、占空比及周長比，其中，長寬比定義為運動人體外接矩形的長跟寬的比，占空比定義為前景圖中運動人體區域的面積與運動人體外接矩形面積之比，周長比定義為運動人體邊緣周長與運動人體外接矩形周長的比值；

步驟S4、將運動人體的局部特征與運動特征相結合，組成一組訓練特征向量或實時特征向量。

3.如權利要求1所述的一種基于視頻序列的人體異常行為檢測方法，其特征在于，在所述步驟1.3中，利用SVM分類器進行學習，其步驟為：首先，構造個分類器，k為訓練樣本的類別數；其次，對各類訓練樣本的訓練特征向量進行標記，分別取k類訓練樣本中的任意兩類所對應的訓練特征向量作為訓練集，進行訓練。

4.如權利要求3所述的一種基于視頻序列的人體異常行為檢測方法，其特征在于，在所述步驟2.3中，利用SVM分類器對識別的運動人體區域的行為做出評判的步驟為：把待識別的實時特征向量分別對個分類器進行測試，然后采取投票的形式進行分類和識別。