[發明專利]一種采用單類序列化模型的人群異常行為檢測方法在審
| 申請號: | 201410312813.4 | 申請日: | 2014-07-01 |
| 公開(公告)號: | CN104077571A | 公開(公告)日: | 2014-10-01 |
| 發明(設計)人: | 紀慶革;李小蓮;陳青輝 | 申請(專利權)人: | 中山大學 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00;G06K9/46 |
| 代理公司: | 廣州粵高專利商標代理有限公司 44102 | 代理人: | 林麗明 |
| 地址: | 510006 廣東省*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 采用 序列 模型 人群 異常 行為 檢測 方法 | ||
技術領域
本發明涉及計算機視覺領域,更具體地,涉及一種采用單類序列化模型的人群異常行為檢測方法。
背景技術
隨著計算機技術的不斷更新,互聯網傳輸速度的大幅度提升,手持視頻記錄設備逐步大眾化,數字視頻成為日益重要的呈現和表達信息的一種新型載體。由于視頻數據形象生動、直觀的表現力,深受人們所喜愛,正呈爆炸式增長。面對數量如此之多、內容如此豐富的視頻,如何對視頻中異常事件監控已成為視頻領域急需解決的問題之一。
在公共場所中,人群視頻異常檢測技術可以用于保障個人的生命財產安全以及維持公共秩序。無論是在超市、機場、交通道路等人群比較密集的地方,還是在私人住宅、地下停車場等一些人流稀少的地方,若能夠對人群進行監測,及時發現人群異常行為,就可以及時采取相應的解決方案,避免意外事件的發生,但是大多數傳統的監控系統都需要人工來完成,耗費大量的人力、物力、財力,同時人長時間專注于一件事情,可能會疏忽某些異常行為,從而帶來嚴重的后果。
專利申請號為201110090467.6的“一種基于改進的社會力模型的異常集群行為檢測方法”,是用于解決復雜高度密集場景中人群異常行為的檢測與定位,考慮到行人速度對相互間作用力的影響,使其更好地描述行人間的速度場,即行人受到的社會力。用光流法跟蹤均勻分布在前景像素中的粒子,得到行人的速度場,用改進的社會力模型,計算出行人受到的社會力。統計每個前景矩形塊行人的速度和受力,設定閾值,判斷每個矩形塊中行人行為不穩定的級別,并視不穩定性高的矩形塊為異常塊,既能檢測異常行為又能通過矩形塊對異常行為進行準確的定位,但該方法較為復雜,需要進行背景建模、前景提取以及目標檢測與跟蹤等處理。
發明內容
為了解決現有技術中存在的上述技術問題,本發明提出了一種采用單類序列化模型的人群異常行為檢測方法,該方法是基于視頻序列性特征的人群異常行為檢測方法,該方法能有效地解決了人工監測帶來的時間和成本問題,同時提高了人群異常檢測的準確率。
為了解決上述問題,本發明的技術方案為:
一種基于單類序列化模型的人群異常行為檢測方法,獲取人群視頻圖像,將每一幀圖像用同一組均勻的橫向以及縱向的網格線分隔成多個區域單元,采用基于區域社會力ASF的特征來表示圖像,
在訓練過程中,結合區域社會力特征訓練得到支持向量數據描述SVDD模型;
在測試過程中,結合支持向量數據描述的定時在線更新的SVDD模型來檢測人群異常,基于視頻數據的序列性特征,采取連續密度的隱馬爾可夫模型CDHMM來平滑處理異常檢測結果,得到基于區域社會力的單類序列化模型的ASF+SVDD人群異常檢測,實現異常定位。
由于每幀圖像的粒子數目是各不相同的,但可用于模型的特征的維度都必須是相同,為此本發明引入區域社會力模型。具體的,本方法首先提取圖像的區域社會力(ASF)特征;然后采用支持向量數據描述模型(SVDD)來進行異常檢測,該過程包括檢測模型SVDD的訓練學習以及使用學習到的模型來預測樣本異常與否;最后進行異常的定位,基于視頻數據的序列性特征,采取連續密度的隱馬爾可夫模型(CDHMM)來平滑處理異常檢測結果,得到基于區域社會力的單類序列化模型的ASF+SVDD異常檢測方法。
進一步,在基于區域社會力特征提取前,采用統計的方法,去除所有場景圖像的干擾,剔除場景圖像的粒子光流,具體流程:
1)對圖像中所有的幀計算任意兩幀之間的灰度差,將灰度差小于閾值τ的點標記為背景點;
2)統計所有幀中各個位置被標記為背景點的次數,得到整個視頻的區域活動圖;
3)若該位置被標記為背景點的次數超過總次數的比例η,則將其標記為整個視頻的背景點,得到新的活動圖;其中η不可以設置的太高,若為100%則不允許任何噪聲點,若是設置過低,又會剔除過多的活動區域,把一些前景的區域誤判為背景區域;
4)將步驟3)得到的活動圖作為掩碼圖,與樣本進行“與”操作,即可將樣本的背景區域去除。
更進一步,本文中設定所有的粒子都處在前景的邊框上;為了適應不同的人群密度,在計算區域社會力時每次都需要重新對依據上述方法除去背景區域后的場景圖像的前景輪廓采樣,即每個粒子的生命周期只有1幀。
實際上,每個區域的人群的行走速度在統計意義上和具體區域的位置無關,每個人群總體的光流場值是一致的,對每個區域,在計算區域社會力之前,可以將各人群區域的光流場歸一化至同一個總體光流場值,本發明采用的是標準歸一化到0均值和1方差的方法。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于中山大學,未經中山大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201410312813.4/2.html,轉載請聲明來源鉆瓜專利網。





