[發(fā)明專利]一種基于視頻錄像中的異常行為檢測算法

有效

• 申請?zhí)枺?/td>: 201810224910.6
• 申請日: 2018-03-19
• 公開（公告）號: CN108596028B
• 公開（公告）日: 2022-02-08
• 發(fā)明（設計）人: 宋耀蓮;馬麗華;徐文林;王慧東;武雙新
• 申請（專利權(quán)）人: 昆明理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06T7/254
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于視頻錄像中的異常行為檢測算法，其特征在于：包括如下步驟：

Step1，針對所提供的視頻錄像進行前景提??；

Step2，針對Step1處理后的視頻錄像進行網(wǎng)格化處理；

Step3，對Step2處理后的視頻錄像進行特征點提取，并且利用光流法進行追蹤，得到速度矩陣；

Step4，得到加速度的大小a和方向角β，進而得到加速度矩陣；

Step5，通過分析加速度的方向角，得到相鄰兩幀圖像中同一個微粒不同時刻加速度方向變化所成的角度β′，并通過β′分布的區(qū)域得到每個區(qū)域內(nèi)微粒所占比例m；得到的加速度a和占比m分別與之前設置好的a*和m*作對比，如果|a|＞|a^*|且m＜m^*就可以將該點位置判斷為是異常行為發(fā)生地O₁點，即為中心監(jiān)測點，O₁點坐標為(x_o1,y_o1)，a*是提前設置的人群正常時的最大加速度，m*是提前設置的對比參數(shù)，mm^*時說明人群沒有一個確定的加速度方向，處于雜亂無章的狀態(tài)，不存在異常行為；

Step6，通過機器學習建立模型，模型是根據(jù)經(jīng)典案例和大量的數(shù)據(jù)進行訓練得到人群變化比率標準值ρ^*；

Step7，首先定義表情變化率為ρ

n表示人群中表示特征變化程度超過一般值上限的人數(shù)，N表示提取的目標人群總的人數(shù)，

然后根據(jù)經(jīng)典法對Step2處理后的已經(jīng)網(wǎng)格化處理過的視頻錄像進行面部特征提取，將提取的面部表情輸入Step6建立的模型中得到表情變化率ρ，將ρ與ρ^*的值做對比，若ρ大于ρ^*則認為該視頻中的提取人面部表情的這個區(qū)域點O₂處于異常，O₂點坐標為(x_o2,y_o2)；

Step8，將O₂點坐標(x_o2,y_o2)與O₁點坐標(x_o1,y_o1)進行對比，在一定的誤差允許范圍內(nèi)可以認為兩點表示的是同一個發(fā)生地；

所述的步驟Step1具體包括：

利用幀差分法對前景進行提取，將目標對象和背景區(qū)分開；

幀差分法利用相鄰幀之間的圖像序列進行操作，對圖像的像素點的灰度值取絕對值，再通過與閾值進行比較從而得到了運動前景信息，也就實現(xiàn)了前景的提取，相鄰幀的圖像差分值計算如下

D(x,y,i)＝|I(x,y,i+1)-I(x,y,i)| (1-1)

其中D(x,y,i)表示圖像的差分值，I(x,y,i+1)表示第i+1幀的灰度值，I(x,y,i)表示第i幀的灰度值，當圖像差分后某一點的像素值大于某一個預設的閾值，此時說明該點是屬于前景點，否則屬于背景點；

所述的步驟Step2中視頻錄像網(wǎng)格化處理的步驟具體包括：

Step2.1：提取視頻在t時刻圖像的幀畫面，記為F_t；

Step2.2：將整個幀畫面按照p₁*p₂來劃分成一系列的小格子；

所述的Step8的具體步驟是：

對Step5和Step7得到的O₁(x_o1,y_o1)和O₂(x_o2,y_o2)兩個點坐標進行分析，

當O₁和O₂兩個中心監(jiān) 測點的距離d≤d*時就可以認為這兩個中心監(jiān)測點為同一個位置，

d*表示提前設置好的閾值上限，最終根據(jù)O₁和O₂確定中心點O，O點坐標為(x₀,y_o)

由上確定了異常事件發(fā)生點O。