[發明專利]一種基于視頻監控的場景物體異常的識別方法

有效

• 申請號: 202010413188.8
• 申請日: 2020-05-15
• 公開（公告）號: CN111597992B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 譚立國;宋申民;鄂鵬;王曉野
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V20/40;G06V10/774;G06T7/194
• 代理公司: 北京市盛峰律師事務所 11337
• 代理人: 于國強

1.一種基于視頻監控的場景物體異常的識別方法，其特征在于，包括以下步驟：

S1、將視頻的每一幀分為連續的圖像，并確定圖像的每一個像素所屬的類別和數量，對所述圖像進行標記形成樣本集；

S2、將所述樣本集通過rcnn網絡進行圖像分割和前景提取,對場景模型進行訓練，得到場景模型的類別權重，包括以下步驟：

S201、對所述樣本集中的所述圖像進行卷積和池化，得到所述圖像中的特征圖；

S202、再將所述特征圖經過上采樣與淺層特征進行融合，形成圖像中的特征區域劃分；

S203、將所述特征圖經過n*1*1的卷積核，判斷所述圖像中每一個像素中存在的物體類別，其中n表示所述圖像中包含的物體類別的種類數；

S3、依據所述視頻的圖像序列，與步驟S2中的所述場景模型相結合，計算所述圖像中目標物體的光流，得出所述目標物體的速度特征；

S4、獲取所述圖像的灰度圖和邊緣圖，從而得出所述目標物體的形態特征；

S5、通過步驟S2中所述圖像中的所述目標物體的行動軌跡，得出所述目標母體的位置特征；

S6、將實時采集到的視頻通過步驟S1形成實時的樣本，并將其導入經過步驟S2的訓練的場景模型中，進行圖像分割和類別判斷，并通過步驟S3～S5得出實時采集到的視頻中的所述目標物體的速度特征、形態特征和位置特征，實時判斷所述視頻中的所述目標物體是否存在異常。

2.根據權利要求1所述的基于視頻監控的場景物體異常的識別方法，其特征在于，步驟S1中的樣本集中的樣本分為正樣本和負樣本；所述正樣本為沒有行人的樣本，所述負樣本為有行人的樣本。

3.根據權利要求1所述的基于視頻監控的場景物體異常的識別方法，其特征在于，步驟S2中對場景模型的訓練，包括訓練和測試兩部分，即將步驟S1中的樣本集分為訓練集和測試集，首先通過訓練集對所述場景模型進行訓練，對所述圖像中的類別進行劃分，再通過所述測試集對經過訓練集后的所述場景模型進行測試，得出更為精確的類別檢測位置。

4.根據權利要求1所述的基于視頻監控的場景物體異常的識別方法，其特征在于，所述速度特征異常的檢測目標為：同一場景中，實時采集的所述目標物體的速度特征與常規的速度特征存在差距。

5.根據權利要求1所述的基于視頻監控的場景物體異常的識別方法，其特征在于，所述形態特征異常的檢測目標為：同一目標時，實時采集的所述目標物體的形態與常規形態不同。

6.根據權利要求1所述的基于視頻監控的場景物體異常的識別方法，其特征在于，所述位置特征異常的檢測目標為：同一場景中，實時采集到從未出現在對應場景中的所述目標物體。