[發(fā)明專利]一種基于視頻監(jiān)控的人體異常行為識別系統(tǒng)在審
| 申請?zhí)枺?/td> | 202010495514.4 | 申請日: | 2020-06-03 |
| 公開(公告)號: | CN111860119A | 公開(公告)日: | 2020-10-30 |
| 發(fā)明(設計)人: | 胡二琳 | 申請(專利權)人: | 安徽碧耕軟件有限公司 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00 |
| 代理公司: | 上海精晟知識產(chǎn)權代理有限公司 31253 | 代理人: | 龍凱 |
| 地址: | 230000 安徽省合肥市*** | 國省代碼: | 安徽;34 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 視頻 監(jiān)控 人體 異常 行為 識別 系統(tǒng) | ||
本發(fā)明公開了一種基于視頻監(jiān)控的人體異常行為識別系統(tǒng),涉及視頻監(jiān)控技術領域。本發(fā)明包括視頻監(jiān)控模塊、視頻信息處理模塊、自定義行為特征信息錄入模塊、異常行為比對識別模塊、異常行為追蹤模塊和警報模塊;自定義行為特征信息包括正常行為特征信息和異常行為特征信息;異常行為特征信息包括逗留行為信號、逆行行為信號、尾隨行為信號和跌倒不起行為信號。本發(fā)明通過設置視頻信息處理模塊、自定義行為特征信息錄入模塊、異常行為比對識別模塊和報警模塊,提高了異常行為識別的準確率,此外還設置了異常行為追蹤模塊,對于及時消除的異常行為不進行警報模塊,提高了警報模塊的可靠性。
技術領域
本發(fā)明屬于視頻監(jiān)控技術領域,特別是涉及一種基于視頻監(jiān)控的人體異常行為識別系統(tǒng)。
背景技術
隨著社會的不斷發(fā)展,突發(fā)事件的不斷增多,智能視頻監(jiān)控已成為當今社會迫切需要發(fā)展的安防手段之一,而人體異常行為分析在安全監(jiān)控、人機交互、視頻會議和醫(yī)療診斷等方面有著廣泛的應用前景和潛在的經(jīng)濟價值,是當前計算機視覺領域的一個研究熱點。
目前,行為分析技術通常應用在智能家居、交通行業(yè)和公共安全等領域。例如在智能家居中,可用來實時監(jiān)控獨居老人的摔倒、昏迷等情況;在交通行業(yè)中,實時監(jiān)控某些路段發(fā)生的車禍、違章行為等情況;在公共安全領域,用來監(jiān)控恐怖襲擊、騷亂等群體性事件。
但現(xiàn)有的人體異常行為識別系統(tǒng)對于異常行為的區(qū)分并不夠清晰明確;異常行為識別準確率不高;異常行為報警的可靠性不強。因此,需要一種基于視頻監(jiān)控的人體異常行為識別系統(tǒng)來解決上述問題。
發(fā)明內容
本發(fā)明的目的在于提供一種基于視頻監(jiān)控的人體異常行為識別系統(tǒng),通過設置自定義行為特征信息錄入模塊、異常行為對比識別模塊、異常行為追蹤模塊和警報模塊,解決了現(xiàn)有的異常行為識別準確率不高,異常行為報警的可靠性不強的問題。
為解決上述技術問題,本發(fā)明是通過以下技術方案實現(xiàn)的:
本發(fā)明為一種基于視頻監(jiān)控的人體異常行為識別系統(tǒng),包括視頻監(jiān)控模塊、視頻信息處理模塊、自定義行為特征信息錄入模塊、異常行為比對識別模塊、異常行為追蹤模塊和警報模塊;所述視頻監(jiān)控模塊,用于獲取被監(jiān)控者的行為動作、運動軌跡的視頻資料;所述視頻信息處理模塊,用于將獲取的視頻資料處理成行為特征信息數(shù)據(jù)形式;所述自定義行為特征信息錄入模塊,用于事先錄入并存儲行為特征信息數(shù)據(jù);所述行為特征信息是由人體的運動軌跡和動作序列所組成的數(shù)據(jù)資料;所述自定義行為特征信息包括正常行為特征信息和異常行為特征信息;所述正常行為特征信息包括站行為信號、走行為信號、蹲行為信號、跳行為信號和爬行為行為;所述異常行為特征信息包括異常奔跑行為信號、逗留行為信號、徘徊行為信號、逆行行為信號、尾隨行為信號、入侵行為信號、跌倒不起行為信號、打架斗毆行為信號;所述異常行為比對識別模塊,用于將被監(jiān)控者的行為特征信息與已經(jīng)錄入系統(tǒng)的自定義行為特征信息進行比對,判斷被監(jiān)控者是否有異常行為發(fā)生,若是,進一步判斷發(fā)生了何種異常行為;所述異常行為追蹤模塊,用于進一步追蹤具有異常行為特征的被監(jiān)控者;所述警報模塊,用于提示管理者注意并采取相應措施。
進一步地,所述視頻監(jiān)控模塊將視頻場景分為安全區(qū)、過度區(qū)和危險區(qū)。
進一步地,所述視頻信息處理模塊的處理過程是先將視頻中被監(jiān)控者的各個動作分解為不同的姿勢,再從各個姿勢中提取行為特征序列,最后利用Baum-Welch算法處理所述行為特征序列,得到各個動作的HMM模型,從而獲得被監(jiān)控者的行為特征信息數(shù)據(jù)。
進一步地,所述異常奔跑行為是指被監(jiān)控者的運動速度超過了場景定義的最大速度,則判定為異常奔跑;所述逗留行為是指在場景或者場景中劃分的某個區(qū)域停留的時間超過設定的時間,則判定為逗留;所述入侵行為是指被監(jiān)控者進入場景中的危險區(qū)時,判定為入侵。
進一步地,所述異常行為追蹤模塊,對具有異常行為的被監(jiān)控者持續(xù)追蹤1-2min后,若異常行為仍然沒有消除時啟動警報模塊;若異常行為消除后,則停止異常行為追蹤模塊。
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安徽碧耕軟件有限公司,未經(jīng)安徽碧耕軟件有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010495514.4/2.html,轉載請聲明來源鉆瓜專利網(wǎng)。





