一种用于视频监控自动探测人群异常行为的特征描述方法
【技术领域】
[0001] 本发明属于模式识别和人工智能技术领域，具体涉及一种用于自动探测视频监控 中异常人群移动的特征描述方法。
【背景技术】
[0002] 视频监控被越来越广泛的用于各种公共场所，如火车站、机场、地铁、公交车、道 路、商场等。人工监控的方式需要安保人员长时间面对大量显示器，工作枯燥又需要长时间 集中注意力，容易造成对异常突发事件的误报、延报和漏报。迫切需要自动监视的方法。
[0003] 较早的基于目标的自动监视方法是将视频中的人群行为看成是由单个人行为组 合而成的。因此，这类方法通过单个个体来研究群体行为，其性能依赖于目标的分割[1]或 者目标的跟踪[2, 3]。在低密度的人群的场景中，基于目标的方法能够获得较好的性能。然 而，在高密度人群的场景中，严重的遮挡以及动态的遮挡严重地影响着目标分割和跟踪的 准确性。捕捉单个人的行为变得不可能。
[0004] 最新的人群异常行为的检测方法通过对视频的局部小单元(视频单帧的像素、小 块或多帧的小块)进行建模，来回避目标的分割和跟踪。基于局部小单元的方法可以分为两 大类：基于机器学习的方法和基于门限的方法。下面将讨论这两类中一些有代表性的方法。
[0005] 基于机器学习的方法需要一个学习过程(有监督，无监督或半监督）来为视频中的 人群行为进行建模。Mehran等[4]结合SocialForceModel(SFM)和光流算法为人群正 常行为状态下粒子之间的作用力进行建模。Zhu等[5]在SFM的框架下提出了环境权重相 互作用力来区分人群的正常行为和异常行为。文献[6]利用动态纹理对人群场景及其动态 特性进行建模。Reddy等[7]提取每个前景单元的运动、大小和纹理特征，对这些特征分别 独立建模来实现异常人群行为的识别。Ryan等[8]基于灰度共生矩阵提出了光流纹理来度 量视频流的均匀程度，进而实现异常行为的探测。Wu等[9]利用拉格朗日粒子轨迹的不变 性来探测和定位人群的异常行为。Wang等[10]利用小波变换来获得频率特征进而探测异 常的人群行为。Kratz等[11]从3D的小块视频中提取梯度信息来拟合高斯模型，利用耦合 的隐马尔科夫模型探测群体事件中的异常。Yang等[12]用正常行为做字典用稀疏表示的 方法重构人群行为，根据重构代价来探测异常行为。这些基于机器学习的方法包含的学习 过程是非常费时间的。此外，机器学习算法的分类结果是与训练样本的选择有关的，也就是 说不同的训练样本可能产生不同的探测结果。如果选择的训练样本不合适或者不充分，检 测到的异常行为有可能是错误的或者根本探测不到。可是，目前还没有公认的训练样本的 选择标准。基于机器学习的方法要实现异常行为的探测需要对人群的异常行为和正常行为 同时进行建模。然而，在长时间的监控视频中，正常行为的类型数会远远超过异常行为的类 型数。用少量的训练样本通过学习的方法为各种类型的正常行为建立统一的模型是非常困 难的。所以，基于机器学习的方法通常不适用于长时间的自动监视[13]。
[0006] 基于门限的方法是一类不需要机器学习的算法，当目标值超过预设门限时发出警 告。Ihaddadene等[14]通过分析运动方向代替目标跟踪来实现异常事件的探测。Xiong 等[13]提出了一种能量模型来探测两种类型的人群异常行为。Zhong等[15]通过用运动 特征定义人群能量来表示拥挤程度，进而探测异常行为。Cao等[16]结合了人群动能、由动 能导出的运动变化和由方向直方图得到的运动方向变化来检测异常事件。众所周知，机器 学习能够用于估计系统的参数，可是基于门限的方法没有学习过程，如果同时参数的物理 意义不够明确，当为了满足不同应用需求对参数作调整时，就会变得非常盲目，需要大量试 误，这样会消耗大量的时间和精力进行参数调整。
[0007] 参考文献
[1] Tu，P. ,etal.,UnifiedCrowdSegmentation,inComputerVision-ECCV 2008，D.Forsyth,P.Torr，andA.Zisserman,Editors. 2008，SpringerBerlin Heidelberg,p. 691-704.
[2] Wang，X. ,K.Tieu，andE.Grimson，LearningSemanticSceneModelsby TrajectoryAnalysis,inComputerVision-ECCV2006，A.Leonardis,H.Bischof， andA.Pinz，Editors. 2006，SpringerBerlinHeidelberg,p. 110-123.
[3] Basharat，A. ,A.Gritai，andM.Shah.Learningobjectmotionpatterns foranomalydetectionandimprovedobjectdetection,inComputerVisionand PatternRecognition, 2008.CVPR2008.IEEEConferenceon. 2008.
[4] Mehran，R.,A.Oyama,andM.Shah.Abnormalcrowdbehaviordetection usingsocialforcemodel,inComputerVisionandPatternRecognition, 2009. CVPR2009.IEEEConferenceon. 2009.
[5] Zhu,X. ,etal. ,WeightedInteractionForceEstimationforAbnormality DetectioninCrowdScenes,inComputerVisionACCV2012，K.Lee,etal., Editors. 2013，SpringerBerlinHeidelberg,p. 507-518.
[6] Mahadevan,V. ,etal.Anomalydetectionincrowdedscenes,inComputer VisionandPatternRecognition(CVPR), 2010IEEEConferenceon. 2010.
[7] Reddy,V.,C.Sanderson,andB.C.Lovell.Improvedanomalydetectionin crowdedscenesviacell-basedanalysisofforegroundspeed,sizeandtexture,inComputerVisionandPatternRecognitionWorkshops(CVPRff), 2011IEEE ComputerSocietyConferenceon. 2011.
[8] Ryan,D. ,etal.Texturesofopticalflowforreal-timeanomaly detectionincrowds,inAdvancedVideoandSignal-BasedSurveillance(AVSS), 2011 8thIEEEInternationalConferenceon. 2011.
[9] Shandong,l，B.E.Moore,andM.Shah.ChaoticinvariantsofLagrangian particletrajectoriesforanomalydetectionincrowdedscenes,inComputer VisionandPatternRecognition(CVPR), 2010IEEEConferenceon. 2010.
[10] Wang，B. ,etal. ,Abnormalcrowdbehaviordetectionusing high-frequencyandspatio-temporalfeatures.MachineVisionandApplications, 2012. 23(3):p. 501-511.
[11] Kratz，L.andK.Nishino.Anomalydetectioninextremelycrowded scenesusingspatio-temporalmotionpatternmodels,inComputerVisionand PatternRecognition, 2009.CVPR2009.IEEEConferenceon. 2009.
[12] Yang,C. ,Y.Junsong，andL.Ji.Sparsereconstructioncostfor abnormaleventdetection,inComputerVisionandPatternRecognition(CVPR), 2011IEEEConferenceon. 2011.
[13] Xiong,G. ,etal. ,Anenergymodelapproachtopeoplecountingfor abnormalcrowdbehaviordetection.Neurocomputing, 2012. 83(0):p. 121-135.
[14] Ihaddadene，N.andC.Djeraba.Real-timecrowdmotionanalysis,in PatternRecognition, 2008.ICPR2008. 19thInternationalConferenceon. 2008.
[15] Zhi,Z.,etal.CrowdEnergyandFeatureAnalysis,inIntegration Technology, 2007.ICIT' 07.IEEEInternationalConferenceon. 2007.
[16] Tian，C. ,etal.Abnormalcrowdmotionanalysis,inRoboticsand Biomimetics(ROB10),2009IEEEInternationalConferenceon. 2009.〇
【发明内容】
[0008] 本发明