[發明專利]一種魯棒的異常行為檢測方法

有效

• 申請號: 201310453307.2
• 申請日: 2013-09-29
• 公開（公告）號: CN103530605B
• 公開（公告）日: 2017-01-25
• 發明（設計）人: 王海濱;單言虎;張俊格
• 申請（專利權）人: 數基科技（北京）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京律恒立業知識產權代理事務所(特殊普通合伙)11416
• 代理人: 顧珊,嚴業福

技術領域

本發明涉及模式識別和智能監控領域，特別是一種魯棒的異常行為檢測方法。

背景技術

隨著硬件技術的發展，硬件設備在性能提高的同時，價格也可以被普通消費者所接受，使得監控設備從公共領域走進了千家萬戶，大大提高了公共和家庭的安全。在公共安全和家庭安全等監控領域對計算機技術的需求直接推動了這一計算機視覺技術的發展，這也是人工智能技術發展的一個重要內容。近幾年，隨著跟蹤和檢測技術的提高，一些計算機視覺技術的優勢已經在實際應用中得到了體現。但隨著監控設備數量的劇增，卻帶來了另一個問題：大量的數據已經不可能單靠人力去控制了，因此，人們需要利用計算機技術幫助其自動檢測感興趣的內容，從而根據檢測到的異常內容采取實時報警等后續操作。

計算機技術除了跟蹤和檢測感興趣的物體以外，更重要的是了解這個物體所做的行為，這樣，才可以在大量的檢測數據中找到發生異常行為的物體，并及時報警。行為識別技術就是為了實現在視頻中自動識別出物體在“干什么”所發展的一個研究方向。“行為識別”相對“物體識別”來說，包含了行為主體各個部分的運動信息以及行為主體在各個時間段的狀態轉換。因此，對行為的描述一般需要更為高層的特征。雖然近幾年有很多關于行為識別方法的研究，有些識別方法在簡單場景中可以達到較高的識別率，但在真實場景下，由于存在著大量的光照變化、遮擋、視角變化等因素，使得現有的這些行為識別方法在實際應用中受到很大的限制。因此，解決行為識別的魯棒性問題，是將行為識別技術從理論向應用推廣的關鍵。

因此，需要一種魯棒的異常行為檢測方法，可以克服在真實場景下由于大量的光照變化、遮擋、視角變化等外界因素對行為識別造成的干擾，從而實現準確的異常行為識別。

發明內容

本發明的目的是提供一種魯棒的異常行為檢測的方法，包括如下步驟：a)利用高斯背景建模方法，從連續的視頻幀中提取運動前景信息；b)利用Cascade檢測方法檢測前景中人的位置；c)將所述視頻劃分為多個空間區域，對劃分得到的每個空間區域在每個采樣時間點上應用所述步驟b)，得到對于單位時間內在每個空間的反應人出現與否的局部變化曲線；d)提取行為特征；e)利用步驟d)得到的所有行為特征作為訓練數據送入支持向量機中學習得到多類的分類器；和f)利用經過訓練的所述分類器進行對視頻片段的分類識別，從而判斷所述視頻中是否存在異常行為。

優選地，在所述步驟a)中采用混合高斯模型來進行背景建模。

優選地，在所述步驟c)中劃分的空間區域數量的多少與人體前景在整個窗口中所占的比例有關。

優選地，在所述步驟c)中劃分的空間區域數量為3x3。

優選地，在所述步驟d)中提取每個局部變化曲線的梅爾頻率倒譜系數，以獲取曲線中包含的頻率信息，然后將所有局部區域提取的梅爾頻率倒譜系數連接在一起構成最終的聯合倒譜頻率系數cMFCC特征，即為行為特征。

優選地，得到梅爾頻率倒譜系數的方法包括如下步驟：d1)進行快速傅里葉變換獲取信號功率譜；d2)利用多個三角濾波器求取對應的能量值；d3)對求取的能量值的對數做離散傅里葉變換，得到所述梅爾頻率倒譜系數。

優選地，在所述步驟e)中經過訓練數據的訓練后，所述分類器用來判斷沒有分類的數據的類別。

優選地，所述支持向量機的核函數為線性、多項式、徑向基函數或sigmod。

優選地，所述支持向量機的核函數為徑向基函數。

優選地，步驟f)包含如下子步驟：首先提取在線監控視頻中單位時間內的視頻片段，然后利用步驟a)到步驟d)的方法提取視頻片段的行為特征，最后通過步驟e)訓練的分類器對該視頻片段的行為特征進行分類識別。

根據本發明的魯棒的異常行為檢測方法，可以克服在真實場景下由于大量的光照變化、遮擋、視角變化等外界因素對行為識別造成的干擾，從而實現準確的異常行為識別。

附圖說明

參考隨附的附圖，本發明更多的目的、功能和優點將通過本發明實施方式的如下描述得以闡明，其中：

圖1示意性示出了根據本發明的一種魯棒的異常行為檢測方法的流程圖。

圖2示意性示出了將監控視頻分為9（3×3）個區域的示意圖。

圖3示意性示出了在監控視頻的每個區域中，單位時間內反應人出現與否的局部變化曲線的示意圖。

具體實施方式