[發(fā)明專利]一種視頻多目標跟蹤檢測異常點的方法

有效

• 申請?zhí)枺?/td>: 201710338908.7
• 申請日: 2017-05-15
• 公開（公告）號: CN107273801B
• 公開（公告）日: 2021-11-30
• 發(fā)明（設(shè)計）人: 陳志;金廣華;岳文靜;劉星;龔凱;掌靜;王福星
• 申請（專利權(quán)）人: 南京郵電大學(xué);南京運享通信息科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46
• 代理公司: 南京經(jīng)緯專利商標代理有限公司 32200
• 代理人: 朱小兵

本發(fā)明公開了一種視頻多目標跟蹤檢測異常點的方法，該方法均勻的抽取視頻文件中的多個幀畫面，將圖像上的像素點通過高斯差函數(shù)轉(zhuǎn)為灰度圖像的像素點，求這些點的極值，通過求導(dǎo)獲得相對極值位移，將相對極值位移代入到高斯差函數(shù)中獲得候選特征點，再用一個常數(shù)來篩選得到特征點，通過計算兩圖像特征點置信度的最大值獲得有效點，計算獲得的灰度圖像像素點的多尺度下的自相關(guān)矩陣，用角點響應(yīng)函數(shù)將計算獲得的矩陣代入，通過閾值限制來獲取不同尺度下的角點，通過尺度最大的比較依據(jù)獲得角點，最后將獲得的角點連線，依次檢測所有連續(xù)幀圖像的異常點。本發(fā)明方法能夠有效判斷出視頻多目標跟蹤時出現(xiàn)的異常行為，防止用戶作出錯誤的判斷。

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)據(jù)挖掘領(lǐng)域，尤其涉及一種視頻多目標跟蹤檢測異常點的方法。

背景技術(shù)

目標跟蹤是計算機視覺領(lǐng)域里的基礎(chǔ)性問題，在現(xiàn)實生活中應(yīng)用廣泛，如無人機偵查，人機交互，智能汽車等。雖然過去的幾十年里視頻目標跟蹤取得了巨大的進步，但是由于天氣的變化，目標可能被遮擋，目標形變等因素的影響，想要精確地跟蹤目標仍然很難實現(xiàn)。

近年來，隨著大數(shù)據(jù)挖掘技術(shù)的發(fā)展，基于分類判別的單目標跟蹤的算法顯著提升了跟蹤性能，比較流行的算法有：基于核化的結(jié)構(gòu)化輸出算法、多事例學(xué)習(xí)算法、壓縮感知算法…他們都是通過分類解決遇到的一些問題。然而多目標跟蹤算法還不夠成熟，尤其的這類視頻多目標跟蹤容易出現(xiàn)異常點，我們通常使用大數(shù)據(jù)挖掘的相關(guān)方法來處理。異常點數(shù)據(jù)挖掘包括異常點數(shù)據(jù)檢測和異常點數(shù)據(jù)分析兩個部分。異常點數(shù)據(jù)分析需要結(jié)合背景知識、領(lǐng)域知識等相關(guān)知識進行研究。本發(fā)明著重研究的是異常點數(shù)據(jù)檢測問題。

異常點數(shù)據(jù)是與數(shù)據(jù)的一般行為或模型不一致的數(shù)據(jù)，它是數(shù)據(jù)集中與眾不同的數(shù)據(jù)，這些數(shù)據(jù)并非是隨機偏差，而是產(chǎn)生不同的機制。異常點數(shù)據(jù)檢測有著廣泛的應(yīng)用，它不局限于本發(fā)明所提到的視頻多目標跟蹤出現(xiàn)的異常點監(jiān)測，還可以用于不正常的信用卡使用或電信服務(wù)、市場客戶流失的異常行為、醫(yī)療中治療方式異常反應(yīng)等等。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是克服現(xiàn)有技術(shù)的不足而提供一種視頻多目標跟蹤檢測異常點的方法，其以有效的檢測用戶進行多目標跟蹤時，視頻出現(xiàn)的異常點，找出視頻文件異常的原因。

本發(fā)明為解決上述技術(shù)問題采用以下技術(shù)方案：

一種視頻多目標跟蹤檢測異常點的方法，具體包含以下步驟：

步驟1，用戶輸入視頻文件，按時間均勻的抽取視頻文件中的圖像；

步驟2，提取連續(xù)幀圖像的特征點，并計算特征點的置信度；

步驟3，計算連續(xù)幀圖像的灰度圖像像素點自相關(guān)矩陣；

步驟4，將獲得的自相關(guān)矩陣帶入角點響應(yīng)函數(shù)獲取圖像的角點；

步驟5，觀察有效點是否在兩圖像角點連線上：若不在角點連線上，則輸出為異常點，返回步驟2繼續(xù)監(jiān)測，直到檢測完所有連續(xù)幀圖像異常點。

作為本發(fā)明一種視頻多目標跟蹤檢測異常點的方法的進一步優(yōu)選方案，在步驟2中，計算特征點的置信度具體如下：

其中，為特征點的置信度，是圖像t_i特征點與圖像t_i+1中特征點最近的距離，是圖像t_i特征點與圖像t_i+1中特征點次近的距離，為i變?yōu)閕+1得到圖像t_i+1的特征點；

作為本發(fā)明一種視頻多目標跟蹤檢測異常點的方法的進一步優(yōu)選方案所述步驟3具體如下：