[發明專利]基于改進單元分析的監控視頻異常事件檢測方法在審
| 申請號: | 201711373999.4 | 申請日: | 2017-12-19 |
| 公開(公告)號: | CN108460320A | 公開(公告)日: | 2018-08-28 |
| 發明(設計)人: | 浦世亮;徐向華;郭倩如;李平;張靈均 | 申請(專利權)人: | 杭州海康威視數字技術股份有限公司;杭州電子科技大學 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00 |
| 代理公司: | 杭州君度專利代理事務所(特殊普通合伙) 33240 | 代理人: | 黃前澤 |
| 地址: | 310000 浙*** | 國省代碼: | 浙江;33 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 前景對象 異常事件檢測 檢測 單元分析 監控視頻 紋理 等價模式 視覺特征 特征表示 紋理檢測 紋理特征 異常事件 運動檢測 運動特征 非重疊 分類器 極坐標 精細化 視頻幀 建模 算法 改進 | ||
1.基于改進單元分析的監控視頻異常事件檢測方法,其特征在于該方法包括以下特征:
步驟S101、圖像預處理:
讀取視頻流作為輸入,對其進行解碼,并使用高斯濾波進行去噪處理;
步驟S102、前景掩碼的計算:
通過ViBe算法計算去噪后圖像的前景掩碼;
步驟S103、單元的劃分:
對去噪處理后的圖像進行單元劃分;
步驟S104、基本事件表示:
利用前景掩碼分別計算各單元的運動、尺寸和紋理特征;
采用基于前景對象的極坐標下的HOG3D特征作為運動特征,用于判斷前景對象運動速度大小和運動方向;采用前景像素點個數作為尺寸特征;采用等價模式的LBP特征作為紋理特征;
步驟S105、模型訓練:
運動特征和紋理特征使用自適應的半參數方法進行建模,尺寸特征使用近似核密度估計的方法進行建模;
步驟S106、分類器構建:
利用訓練的模型,建立兩個分類器:運動特征分類器和尺寸紋理特征分類器;
步驟S107、異常事件判斷:
計算測試單元的運動、尺寸和紋理特征,輸入到分類器中進行視頻異常事件的判斷。
2.如權利要求1所述的基于改進單元分析的監控視頻異常事件檢測方法,其特征在于步驟S102采用ViBe算法計算前景掩碼,設p(x,y,t)為第t幀位于(x,y)位置像素點的灰度值,每個位于(x,y,t)的像素點是否為前景的具體過程如下:
步驟S301、當t=1時,初始化像素點(x,y,t)的模型;從(x,y,t)的鄰居像素點中隨機選擇z個像素點的灰度值來初始化(x,y,t)的樣本集{p1,p2,...,pz}(x,y,t),該樣本集可構成該像素點的灰度值模型;
步驟S302、t=t+1,讀取下一幀的新像素點,轉至步驟S303,如果沒有新的像素點,算法結束;
步驟S303、閾值判斷:將{p1,p2,...,pz}(x,y,t-1)中的灰度值與以p(x,y,t)為中心、以R為半徑的球體SR(p(x,y,t))范圍內的灰度值進行對比;灰度值p(x,y,t)周圍球體SR(p(x,y,t))與灰度值樣本集{p1,p2,...,pz}(x,y,t-1)交集的勢用符號#{SR(p(x,y,t)∩{p1,p2,...,pz}(x,y,t-1)}表示,最小閾值用#min表示,如果#{SR(pt(x)∩{p1,p2,...,pz})}>#min,轉至步驟S304;否則,轉至步驟S305;
步驟S304、判斷(x,y,t)為背景像素點,設置當前像素點(x,y,t)的掩碼mask=0,更新當前像素點前景計數count=0,該像素點有的概率更新自身樣本集,該像素點有的概率更新鄰居的樣本集;轉至步驟S302;
步驟S305、判斷(x,y,t)為前景像素點,設置當前像素點(x,y,t)的掩碼mask=1,更新當前像素點前景計數count=count+1;
步驟S306、如果連續多幀被判為前景,即像素點前景計數大于前景計數閾值count>Tfore,轉至步驟S307,否則轉至S302;
步驟S307、該像素點有的概率更新自身樣本集,轉至步驟S302。
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杭州海康威視數字技術股份有限公司;杭州電子科技大學,未經杭州海康威視數字技術股份有限公司;杭州電子科技大學許可,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/201711373999.4/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:異常人臉檢測方法及裝置
- 下一篇:激光分析儀小波分析數據處理方法





