[發(fā)明專利]一種群體異常行為識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910838851.6
• 申請(qǐng)日: 2019-09-05
• 公開（公告）號(hào): CN110781723B
• 公開（公告）日: 2022-09-02
• 發(fā)明（設(shè)計(jì)）人: 李文書
• 申請(qǐng)（專利權(quán)）人: 杭州視鑫科技有限公司
• 主分類號(hào): G06V40/20
• 分類號(hào): G06V40/20;G06V20/52;G06V20/40
• 代理公司: 杭州賽科專利代理事務(wù)所(普通合伙) 33230
• 代理人: 郭薇

本發(fā)明涉及一種群體異常行為識(shí)別方法，基于獲取的視頻流進(jìn)行串聯(lián)行人檢測，當(dāng)判斷為多人時(shí)，基于運(yùn)動(dòng)歷史圖，計(jì)算能量值E，當(dāng)E大于等于設(shè)定能量閾值時(shí)判斷為多人異常行為，進(jìn)行告警。本發(fā)明從整體角度出發(fā)，找到區(qū)分異常行為和正常行為的顯著特征進(jìn)行分析判斷，結(jié)合人群密度估計(jì)和運(yùn)動(dòng)歷史圖的能量值，對(duì)群體正常行為和群體異常行為進(jìn)行區(qū)分，識(shí)別算法準(zhǔn)確率高，滿足系統(tǒng)實(shí)時(shí)性要求。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)識(shí)別；數(shù)據(jù)表示；記錄載體；記錄載體的處理的技術(shù)領(lǐng)域，特別涉及一種群體異常行為識(shí)別方法。

背景技術(shù)

異常行為識(shí)別方法一般可以分為兩類，包括基于模型匹配的行為識(shí)別方法和基于相似度度量的行為識(shí)別方法。

基于模型的行為識(shí)別方法是從包含人體行為，如行走、跳躍、跑步、摔倒等的視頻序列中，提取運(yùn)動(dòng)目標(biāo)的外形、特征點(diǎn)、光流等信息進(jìn)行人工建模作為已知行為的參考模型，然后將視頻中的行為與已知模型進(jìn)行匹配分類從而達(dá)到行為識(shí)別的目的；人工建模常用的模型有隱馬爾科夫模型以及它的改進(jìn)方法。Chen等通過提取目標(biāo)的步態(tài)特征進(jìn)行建模，利于步態(tài)特征模型進(jìn)行異常行為檢測；Piciarelli等提提取目標(biāo)的運(yùn)動(dòng)軌跡進(jìn)行建模，利用單類支持向量機(jī)(SVM)實(shí)現(xiàn)異常行為的識(shí)別的方法。基于模型的行為識(shí)別方法的檢測效果取決于每個(gè)模型是否有足夠多的樣本，在訓(xùn)練樣本足夠多的前提下，該類算法的識(shí)別效果較好，但提取多維特征進(jìn)行建模以及大量樣本的訓(xùn)練需要足夠的時(shí)間和較大的內(nèi)存。

基于相似性度量的行為分析方法將異常行為識(shí)別看成一個(gè)二分類問題，即人的行為只有兩種，正常行為和異常行為；該方法無需定義人體行為模型，而是通過自動(dòng)的從視頻圖像序列中學(xué)習(xí)正常行為的模式達(dá)到異常行為識(shí)別的目的；將視頻進(jìn)行分段處理，提取每一小段視頻的特征組成矢量特征，運(yùn)用聚類以及相似性度量的方法進(jìn)行行為分析，把類別少的視頻段作為異常行為視頻段。朱旭東等提出了基于主題隱馬爾科夫模型的人體異常行為識(shí)別方法，該方法通過無任何人工標(biāo)注的視頻訓(xùn)練集自動(dòng)學(xué)習(xí)人體行為模型實(shí)時(shí)檢測異常行為；王燕妮等提出一種基于模糊迭代自組織數(shù)據(jù)分析聚類結(jié)合直方圖熵值算法的異常行為智能檢測方法，通過模糊迭代自組織數(shù)據(jù)分析聚類方法獲取視頻關(guān)鍵幀，根據(jù)分類結(jié)果采用直方圖熵值法對(duì)異常行為進(jìn)行判斷。基于相似性度量的行為分析方法對(duì)異常判斷較為準(zhǔn)確，但不能對(duì)具體是何種異常行為進(jìn)行分類，容易受到目標(biāo)被遮擋、人體四肢運(yùn)動(dòng)的隨意性的影響，所以該類算法不適宜做具體異常行為的分析，也不適宜做指定目標(biāo)的行為分析。

公共場所發(fā)生打架斗毆、群體恐慌等多人異常行為，常常伴隨著人員傷亡和財(cái)產(chǎn)損失，造成不良社會(huì)影響，因此對(duì)公共場所的多人異常行為進(jìn)行智能監(jiān)測和預(yù)警對(duì)保護(hù)人民人身財(cái)產(chǎn)安全，維護(hù)社會(huì)秩序穩(wěn)定有重大意義。多人異常行為是指在非單人場景下的打架斗毆行為、多人恐慌行為，若提取監(jiān)控場景下每個(gè)人的特征進(jìn)行行為分析，將產(chǎn)生巨大的運(yùn)算量，直接影響檢測的實(shí)時(shí)性。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)中存在的問題，本發(fā)明提供一種優(yōu)化的群體異常行為識(shí)別方法，采用基于相似性度量的識(shí)別算法，分別通過設(shè)計(jì)能量函數(shù)計(jì)算視頻序列運(yùn)動(dòng)歷史圖的能量值來來判定多人異常行為是否發(fā)生。

本發(fā)明所采用的技術(shù)方案是，一種群體異常行為識(shí)別方法，所述方法包括以下步驟：

步驟1：獲取視頻流；

步驟2：基于視頻流進(jìn)行串聯(lián)行人檢測；若為多人，則進(jìn)行下一步，否則，重復(fù)步驟2；

步驟3：基于運(yùn)動(dòng)歷史圖，計(jì)算能量值E；

步驟4：若E小于設(shè)定能量閾值，則為正常行為，返回步驟2，否則，進(jìn)行下一步；

步驟5：判斷為多人異常行為，進(jìn)行告警。

優(yōu)選地，所述步驟2包括以下步驟：

步驟2.1：對(duì)視頻流進(jìn)行處理，獲得前景二值圖；

步驟2.2：對(duì)前景二值圖進(jìn)行連通域檢測，獲得代表行人的白色像素；