[發明專利]一種基于運動檢測的人體異常行為檢測方法

有效

• 申請號: 201610104559.8
• 申請日: 2016-02-25
• 公開（公告）號: CN105678811B
• 公開（公告）日: 2019-04-02
• 發明（設計）人: 鄭嘉杰;滕國偉;安平
• 申請（專利權）人: 上海大學
• 主分類號: G06T7/254
• 分類號: G06T7/254;G06T7/246;G06T7/215;G06T5/20;G06T5/30;G06K9/00;G06K9/62;G06T11/20
• 代理公司: 上海上大專利事務所(普通合伙) 31205
• 代理人: 陸聰明

1.一種基于運動檢測的人體異常行為檢測方法，其特征在于，操作步驟如下：

(1)運動檢測：采用背景相減法和運動歷史圖像相結合進行運動檢測，運用幀差法得到的掩膜來控制背景的更新，同時運用自適應動態閾值分割，得到二值圖像，然后結合二值圖像，從而得到運動前景圖像；

(2)后處理部分：對由步驟(1)中得到的二值圖像進行中值濾波、連通域、膨脹腐蝕的形態學操作，然后將得到的運動前景按預設的條件進行分類，從而得到人體的特征：輪廓、矩形框、質心；

(3)基于上下文信息的匹配：通過判斷當前幀的運動人體矩形框與上一幀的運動人體矩形框的面積重疊覆蓋率，并且利用前后兩幀的質心是否在所設定的范圍之內，若在設定的范圍之內則將前后兩幀的檢測結果匹配起來，否則，則認為前后兩幀所檢測到的人體的結果并不屬于同一個人體；

(4)視頻分析：根據步驟(3)得到的結果，將檢測到的人體與預先設定好的異常行為做判斷邏輯，即判斷視頻幀中的人體是否出現異常行為；

(5)軌跡標示與計數：根據步驟(4)得到的結果，如果判定發生了異常行為，則發出相應的警報信息、計數并標識出人體在發生異常行為后的運動軌跡；反之則進行下一幀的檢測判斷；

所述步驟(1)中，背景的更新運用Surendra背景更新算法，運用幀差法得到的掩膜來控制背景的更新，同時運用自適應動態閾值分割，得到二值圖像R_n(x,y)，其計算式如下：

用二值圖像R_n(x,y)控制更新背景圖像B_n(x,y)，其計算式如下：

上式(1-1)和(1-2)中：B_n(x,y)，R_n(x,y)分別為背景圖像和差分二值圖像在(x,y)處的灰度值；F_n(x,y)為輸入的第n幀圖像在(x,y)處的灰度值；α為迭代速度系數，其中T為幀差法的閾值；

上述的背景相減法受到α系數的影響較大，若α值過小，則背景更新過慢，而α值過大，則會使檢測到的前景有拖尾現象產生；而運動歷史圖像具有較好分割運動目標的特點，而其每幀圖像由于包含了先前的輪廓從而會使分割目標擴大，不夠準確；設置稍大的α值，能夠較好的得到運動目標，同時需要滿足MHI_n＞0，從而最終得到前景圖像，其計算式如下：

上式(1-3)和(1-4)中：MHI_n(x,y)為更新后的運動歷史圖像，R_n(x,y)為背景相減法得到的二值圖像，FI_n(x,y)為前景圖像；BI_n(x,y)為背景相減法得到的二值圖像；由上式(1-3)看到，首先根據幀差得到的結果更新運動歷史圖像MHI_n(x,y)，然后根據該MHI_n(x,y)值與背景相減法得到的二值函數的結果相結合，確定最后的前景圖像；

所述步驟(2)中，針對步驟(1)中得到的前景圖像進行濾波、連通域、膨脹腐蝕處理，然后通過對運動前景進行分類從而得到人體，考慮到攝像機是靜止的，因而在分類出人體的前景過程中依據以下3個標準：前景連通域像素所占的面積、前景外接矩形框的長寬比、前后相鄰兩幀的質心位移，從而有效準確地從運動前景中得到人體的前景。

2.根據權利要求1所述的基于運動檢測的人體異常行為檢測方法，其特征在于：所述步驟(3)中，由于1s的視頻有15-25幀圖像，因而在相鄰兩幀圖像中，同一個人的位置移動很小，因此利用幀與幀之間的這一特點，通過將前后兩幀人體的外接矩形框重疊部分所占的面積比與預先人為所設定的值進行比較，或者通過前后兩幀所檢測到的人體的質心是否在預先所設定的半徑范圍內，從而判斷出前后兩幀的檢測結果是否匹配為同一人體。