专利名称：基于视频分析的可疑行为检测方法
技术领域：
本发明涉及基于视频分析的可疑行为检测方法。
背景技术：
目前，在银行、商店、停车场等处广泛应用的摄像机，通常只能在异常情况发生后，通过视频回放方式查找和追究可疑人员，无法实时报警。若能智能检测监视视频中人体的可疑行为，则可以在事件发生时及时报警，避免生命和财产的损失。现有的可疑行为检测方法很多，张瑞玉等在《基于行走轨迹的智能监控算法》中提 出了一种基于行走轨迹的异常行为识别方法，运用背景减除法与时间差分法加权平均的目标检测法对运动人体进行检测，通过对人的行走轨迹的跟踪与记录来判断某人是否可疑，但该方法主要检测徘徊行为，功能単一；张锦等在《监控视频中异常事件检测方法研究》中采用轨迹提取方法对徘徊事件进行检测与分析，但该方法也只能检测徘徊行为，功能单一；周维柏等在《基于轨迹特征分析的行人异常行为识别》中提出ー个以行人为目标的视频监控系统，利用行人的移动轨迹特征来判断是否发生异常行为，但该轨迹模型元素简单，对复杂行为的虚警率和漏警率高；胡卫明等在《轨迹分布模式学习的层次自组织神经网络方法》中利用神经网络建立运动目标的轨迹模型，通过一系列轨迹点对轨迹模型进行学习，根据当前轨迹点和模型參数对运动目标在下一时刻的方向和位置进行预測，以便检测出交通车辆运动方向的可疑之处，以及在停车场中是否有可疑人员等，但该方法仅利用了轨迹中目标的方向和位置特征，难以检测较为复杂的可疑行为；胡芝兰等在《基于运动方向的异常行为检測》中提出ー种基于运动方向的异常行为检测方法，采用块运动方向描述不同的动作，并利用支持向量机对实时监控视频进行异常行为分类，计算复杂度小，能够实现实时监控，但对于复杂背景或者目标遮挡的情况检测效果较差；印勇等在《基于改进Hu矩的异常行为识别》中提出ー种基于改进Hu矩的异常行为识别算法，主要对蹦跳、加速跑、摔倒、下蹲、挥手和手拿异物六种可疑行为进行识别，但该方法需要提取较为精细的人体轮廓，这在复杂环境中是难以实现的。总的来说，现有技术有的功能単一，只能检测特定可疑行为；有的模型简单，无法适应复杂环境；有的实时性或准确性不高，在实际应用过程中经常出现虚警和漏警现象。
发明内容
针对现有技术的不足，本发明特提出ー种基于视频分析的可疑行为检测方法，采用计算机辅助手段和视频分析技术，智能化检测监视视频中存在的可疑行为，及时发现和预警。本发明提出的可疑行为检测方法主要包括三个步骤人体目标检测、轨迹建模、轨迹特征提取与分类，流程如图I所示，详述如下
一、人体目标检测在监视场景中，我们感兴趣的目标是运动的人体目标，本发明提出基于隔帧帧差和轮廓配对的人体目标检测方法，具体步骤如下
Stepl :对于一般的实时视频采集系统(帧率25fps)，目标在相邻两帧之间的运动位移很小，相邻帧差法难以检测运动目标，为此，本发明提出隔帧帧差法检测运动目标，具体是选取间隔t帧的三帧图像ん、I0ん，分别计算帧差图像E1,E2。
权利要求
1.ー种基于视频分析的可疑行为检测方法，包括在摄像头采集到监视视频的基础上，首先进行人体目标检测，然后对视频不同帧中的人体目标进行轨迹建摸，最后进行轨迹特征提取与分类，判断监视场景中是否存在可疑行为，具体流程如下 (A)、人体目标检测 采用基于隔帧帧差和轮廓配对的人体目标检测方法，包括以下步骤St印I 一 St印5 Stepl :采用隔帧帧差法检测运动目标，具体是选取间隔 帧的三帧图像ん、I0 I2t，分别计算巾贞差图像·尽;
2.根据权利要求I所述的基于视频分析的可疑行为检测方法，其特征在干，采用轮廓配对方法剔除干扰目标，步骤是 首先，检测目标的轮廓，在同一帧ニ值图像中，轮廓点Cr，ァ)满足条件条件 I : MR(x,y) = I ,条件 2 MR{x,y +1) +MR(x,y -1) = I, 或者 + ヌ+ l) + MR(x— Xy- I) = I, 或者！￡S(z + l，ア一I) +1,ア + 1) = I, 或者_ (1 + 1，7) + ]^(1-1，ァ)=1， 接着，釆用归一化傅立叶描述子表示目标的轮廓；对坐标为Cr, y)的第/ 个轮廓点，记I[/ ]=X，ダ[/7]=7，计算傅立叶描绘子
3.根据权利要求I所述的基于视频分析的可疑行为检测方法，其特征在于，基于空域约束和时频域特征联合匹配的人体目标特征匹配方法的具体步骤为 Stepl :空域约束 依据空域约束区分明显不是同一个人体的目标；假设重叠点为Cr，ァ)，则在前后两帧ニ值图像中，Cr，ァ)必须满足两个条件 条件 I条件 2 其中，M^1表示当前帧目标块，表示前ー帧目标块； 如果前后两帧人体目标有重叠点，则认为两个人体目标有可能是同一个目标，继续下一歩匹配；否则，认为两个人体目标不匹配，終止目标匹配过程； Step2 :频域特征匹配 采用已经求出的傅立叶描述子特征进行频域特征匹配，假设当前帧目标的傅立叶描述子为dx (a)，前一帧目标的傅立叶描述子为d2 (u)，则依据上述描述，目标之间的频域特征差异为
4.根据权利要求I所述的基于视频分析的可疑行为检测方法，其特征在干，SVM分类器的训练方法是首先选择正负样本，正样本为包含徘徊、奔跑、匍匐、倾倒或躬身行为的视频，负样本为包含正常行走、聚集或聊天行为的视频，然后建立轨迹模型，提取轨迹特征，最后采用SVM方法进行训练，得到分类器。
5.根据权利要求I所述的基于视频分析的可疑行为检测方法，其特征在于，在时空离散曲线上，当离散点的角度特征小于π H吋，该点为时空拐点。
全文摘要
本发明涉及一种基于视频分析的可疑行为检测方法。该方法包括三个步骤人体目标检测、轨迹建模、特征提取与分类。该方法采用计算机辅助手段和视频分析技术，智能化检测监视视频中存在的可疑行为，及时发现和预警，可以有效降低可疑行为对监视场所的威胁，同时安装容易、使用方便，经济和社会效益显著。
文档编号G06K9/66GK102663452SQ20121010838
公开日2012年9月12日 申请日期2012年4月14日 优先权日2012年4月14日
发明者刘通, 唐朝京, 李沛秦, 谢剑斌, 谢昌颐, 闫玮 申请人:中国人民解放军国防科学技术大学