[發明專利]一種基于稀疏表示的自適應加權雙字典異常檢測方法

在審

• 申請號: 201710032235.2
• 申請日: 2017-01-16
• 公開（公告）號: CN106898007A
• 公開（公告）日: 2017-06-27
• 發明（設計）人: 胡棟;董方旭;楊園園
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/136
• 代理公司: 南京知識律師事務所32207
• 代理人: 李湘群

1.一種基于稀疏表示的自適應加權雙字典異常檢測方法，其特征在于，該方法包括以下步驟：

(1)對監控視頻序列提取兩種互補特征：主要活動區域原圖特征和二值化差分圖像特征；

(2)利用兩種互補特征的一部分作為訓練集特征分別進行過完備雙字典學習，將測試樣本特征分別在過完備雙字典上進行稀疏表示，計算樣本特征的兩部分稀疏重建代價；

(3)計算視頻序列訓練集的亮度方差，用以反映場景的光照均勻度，使用高斯函數估計器根據亮度方差估計兩部分稀疏重建代價的權重；

(4)根據估計的兩部分權重對兩種稀疏重建代價進行加權求和，得到最終的稀疏重建代價，判斷異常是否出現。

2.根據權利要求1所述的基于稀疏表示的自適應加權雙字典異常檢測方法，其特征在于，所述步驟1對監控視頻序列提取兩種互補特征，具體包括以下步驟：

(1)主要活動區域提取原圖特征：把視頻序列轉換成灰度圖像序列，對灰度視頻相鄰幀進行相減求幀間灰度差分圖像，對灰度差分圖像用最大類間方差法進行閾值分割得到二值化圖像，對二值化差分序列進行檢測將1值區域的最大外接矩形區域確定為主要活動區域，對該區域的原圖提取特征，減少圖像特征的冗余，提高特征的有效性；

(2)二值化差分圖像提取特征：對視頻圖像轉換成灰度圖像，相鄰幀間求差分圖像，對灰度差分圖像用最大類間方差法求灰度閾值，進行閾值分割得到二值化圖像，根據上述得到的二值化差分圖像直接提取特征。

3.根據權利要求1所述的基于稀疏表示的自適應加權雙字典異常檢測方法，其特征在于，所述步驟2利用兩種互補特征分別進行過完備字典學習，并將測試樣本特征在字典上進行稀疏表示，計算稀疏重建代價，具體包括以下步驟：

(1)利用部分主要活動區域原圖特征作為訓練集特征，進行K均值奇異值分解過完備字典學習，并將測試樣本特征在學習到的字典上面進行稀疏表示，根據以下公式計算SRC_ori：

$SRC=\frac{1}{2}\left|\right|y-D*x|{|}_2^2+|\left|x\right|{|}_1---\left(1\right)$

其中y為測試樣本特征，D為訓練得到的過完備字典，x為y在字典D上的稀疏表示系數；

(2)利用部分二值化差分特征作為訓練集特征，進行K均值奇異值分解過完備字典學習，并將測試樣本特征在學習到的字典上面進行稀疏表示，同理根據上述公式1計算SRC_bw。

4.根據權利要求1所述基于稀疏表示的自適應加權雙字典異常檢測方法，其特征在于，所述步驟3計算視頻序列訓練集的亮度方差，用以反映場景的光照均勻度，使用高斯函數估計器根據亮度方差估計兩部分稀疏重建代價的權重，具體包括以下步驟：

(1)對于原圖字典稀疏重建代價，較適合光照不均勻場景，此時亮度方差較大，原圖字典稀疏重建代價權重w_ori應隨著方差變大而變大，使用遞增部分的高斯函數估計器，將權重調大；

(2)對于二值化差分字典稀疏重建代價，較適合光照均勻場景，此時亮度方差較小，二值化差分字典稀疏重建代價權重w_bw應隨著方差變小而變大，使用遞減部分的高斯函數估計器，將權重調大。

5.根據權利要求1所述的基于稀疏表示的自適應加權雙字典異常檢測方法，其特征在于，所述步驟4根據估計的兩部分權重對兩種稀疏重建代價進行加權求和，得到最終的稀疏重建代價，用以判斷群體異常是否出現，具體包含以下步驟：

(1)根據上面估計得到的雙字典權重w_ori和w_bw，利用以下公式對兩部分稀疏重建代價進行加權求和，得到最終的稀疏重建代價SRC：

SRC＝w_ori*SRC_ori+w_bw*SRC_bw；

(2)把加權得到的稀疏重建代價與訓練得到的重建代價閾值T_SRC進行比較，大于閾值則表示當前幀為異常幀，否則判斷為正常幀。