[發(fā)明專利]一種基于RGB-D數(shù)據(jù)建立超平面的異常行為識別方法

在審

• 申請?zhí)枺?/td>: 201810849521.2
• 申請日: 2018-07-28
• 公開（公告）號: CN109117763A
• 公開（公告）日: 2019-01-01
• 發(fā)明（設(shè)計）人: 董瀟;李千目;侯君;張靜
• 申請（專利權(quán)）人: 南京理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 薛云燕

1.一種基于RGB-D數(shù)據(jù)建立超平面的異常行為識別方法，其特征在于，包括以下步驟：

步驟1，利用RGB-D攝像頭獲取訓練集，形成帶有深度、時間幀的骨骼圖；

步驟2，對數(shù)據(jù)進行特征分析，篩除冗余數(shù)據(jù)，將數(shù)據(jù)分類并打上標簽；

步驟3，使用oneclass算法對已分類的數(shù)據(jù)進行訓練，得到訓練邊界；

步驟4，計算測試樣本的邊界，與訓練邊界進行對比，得出判決函數(shù)，判斷測試樣本是否為異常行為。

2.根據(jù)權(quán)利要求1所述的基于RGB-D數(shù)據(jù)建立超平面的異常行為識別方法，其特征在于，步驟1中所述的利用RGB-D攝像頭獲取訓練集，形成帶有深度、時間幀的骨骼圖，具體如下：

步驟1.1、調(diào)用已有的RGB-D攝像頭接口API直接獲取數(shù)據(jù)，數(shù)據(jù)中標明25個身體關(guān)節(jié)的關(guān)節(jié)坐標，以脊椎為1號主節(jié)點建立坐標系；

步驟1.2、每個關(guān)節(jié)的3個action標記代表自身的X，Y方向和到攝像頭的深度D，將數(shù)據(jù)中有關(guān)于時間幀數(shù)的記錄作為索引。

3.根據(jù)權(quán)利要求1所述的基于RGB-D數(shù)據(jù)建立超平面的異常行為識別方法，其特征在于，步驟2中所述的對數(shù)據(jù)進行特征分析，篩除冗余數(shù)據(jù)，將數(shù)據(jù)分類并打上標簽，具體如下：

步驟2.1、剔除異常節(jié)點，重新分析節(jié)點

對得到的數(shù)據(jù)進行濾波，計算橫軸關(guān)節(jié)點在所建立坐標系中的X值與關(guān)節(jié)點在坐標系中的Y值，計算擴散值T，T＝X-Y，篩除T＞0.8的數(shù)據(jù)；

步驟2.2、過濾異常幀數(shù)

對樣本進行正態(tài)樣本分析，得到上四分位數(shù)Q_u、下四分位數(shù)Q_l，計算幀數(shù)分布IQR，其中IQR＝Q_u-Q_l，篩除小于Q_l-1.5IQR和大于Q_u+1.5IQR的值；

步驟2.3、降低維度

對數(shù)據(jù)特征采用pca方法進行降維，具體為：計算不用樣本時每一幀數(shù)、節(jié)點、坐標的平均值mean，得到樣本與mean之差的cov協(xié)方差矩陣，求得特征向量的特征值，對樣本進行分析得到具體特征值的數(shù)量，對數(shù)據(jù)特征進行降維處理。

4.根據(jù)權(quán)利要求1所述的基于RGB-D數(shù)據(jù)建立超平面的異常行為識別方法，其特征在于，步驟3中所述的使用oneclass算法對已分類數(shù)據(jù)進行訓練，得到訓練邊界，具體為：

步驟3.1、樣本核函數(shù)映射

將輸入的數(shù)據(jù)集過核函數(shù)映射到特征空間H：

k(x，y)＝(Φ(x)·Φ(y))

其中，x、y為特征空間下的兩個數(shù)據(jù)樣本，Φ為將低維映射到高維的核映射，k(x，y)為在高維下兩個樣本的內(nèi)積；

步驟3.2、計算樣本與坐標原點的距離

利用松弛變量ξ_i，求解如下二次規(guī)劃問題：

(w·Φ(x))≥ρ-ξ_i，ξ_i≥0

其中，為目標函數(shù)，為了求哪一個樣本到?jīng)Q策邊界的最小；定義決策平面的垂直法向量w，松弛變量ξ_i為目標函數(shù)的懲罰項，x為特征空間下的樣本；(w·Φ(x))≥ρ-ξ_i為求解的約數(shù)條件；v∈(0，1)為平衡參數(shù)，用來最大化坐標原點到正常樣本數(shù)據(jù)集之間的距離，并保證正常樣本的分類正確。

5.根據(jù)權(quán)利要求1所述的基于RGB-D數(shù)據(jù)建立超平面的異常行為識別方法，其特征在于，步驟4中所述的計算測試樣本的邊界，與訓練邊界進行對比，得出判決函數(shù)，判斷測試樣本是否為異常行為，具體如下：

步驟4.1、計算測試樣本的邊界：

將測試樣本使用步驟1、步驟2、步驟3的過程進行采樣和數(shù)據(jù)處理，得到測試樣本的邊界；

步驟4.2、計算ρ值：

步驟4.3、計算判決函數(shù)：

對于給定的特征向量X，如果結(jié)果f(x)＞0，本樣本屬于class+1，即屬于正常樣本；如果f(x)＜0，則屬于異常樣本。