[發明專利]一種基于高斯混合模型的視頻中異常行為在線檢測方法

有效

• 申請號: 201410361276.2
• 申請日: 2014-07-25
• 公開（公告）號: CN104156979A
• 公開（公告）日: 2014-11-19
• 發明（設計）人: 路通;秦龍飛;馬小林
• 申請（專利權）人: 南京大學
• 主分類號: G06T7/20
• 分類號: G06T7/20
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 胡建華

1.一種基于高斯混合模型的視頻中異常行為在線檢測方法，其特征在于，包括以下步驟：

從視頻中提取原圖像序列，對原圖像序列中的每張圖像執行步驟一至步驟四：

步驟一，合成原圖像的低分辨率圖像，得到原圖像和低分辨率圖像兩種不同分辨率下的圖像；

步驟二，利用Lucas-Kanade算法分別計算原圖像和低分辨率圖像中的光流并對得到的光流進行噪聲處理；

步驟三，分別按照原圖像和低分辨率圖像各自的劃分方法將這兩種圖像劃分成M×N個圖像塊，M，N取值范圍自然數；

步驟四，為原圖像和低分辨率圖像中每個圖像塊計算對應的高斯混合模型：首先對圖像塊中的光流聚類，得到K個聚類中心，然后設置該圖像塊對應的高斯混合模型所包含的高斯分量數目為K，利用最大似然估計算法計算高斯混合模型中的最大似然估計值，得到該圖像塊對應的高斯混合模型；

步驟五，分別對原圖像序列和低分辨率圖像序列中相同位置處的圖像塊合成標準高斯混合模型：首先聚類圖像塊序列對應的高斯混合模型序列，然后選擇聚類結果中包含高斯混合模型最多的聚類中心作為該圖像塊序列的標準高斯混合模型；

步驟六，將原圖像序列的下一張圖像作為待檢測圖像，按照步驟一至步驟四計算待檢測圖像中每個圖像塊的高斯混合模型；

步驟七，判斷待檢測圖像中每個圖像塊是否存在異常行為；

步驟八，標記異常圖像塊并輸出。

2.根據權利要求1所述的一種基于高斯混合模型的視頻中異常行為在線檢測方法，其特征在于，步驟四包括以下步驟：

利用Mean?Shift聚類算法對圖像塊中的光流聚類，得到K個聚類中心以及每個類別中包含的光流數目；

使用高斯混合模型描述圖像塊中光流的分布，其中高斯混合模型表示為：

G(v)=Σk=1KωkNk(v|uk,Σk),]]>

其中，K表示高斯混合模型中高斯分量的數目，值等于光流聚類中心的數量，參數k取值1～K，ω_k表示高斯混合模型中第k個高斯分量的權重，初始化為第k個類別中包含光流數目的比例，v表示光流，Ν_k(v|u_k,Σ_k)表示第k個高斯分量，u_k和Σ_k表示第k個高斯分量的均值和協方差矩陣；

利用最大似然估計算法，學習得到K個高斯混合模型的參數ω_k，u_k，Σ_k，最終得到。