采用离线SVM分类器对每一个前景目标图像块的五维特 征参数进行测试，判断每一个前景目标图像块是否为正常行为图像块，若为正常行为图像 块，则结束。
[0079] 类别判断模块308,主要用于若所述判断模块判断出前景目标图像块为异常行为 图像块，则判别该异常行为图像块所属异常行为类别。
[0080] 具体的，针对异常行为图像块，类别判别模块308利用不同类别的SVM分类器进行 匹配，判断该异常行为图像块所属异常行为类别，若没有与该异常行为图像块匹配的异常 行为类别，则将该异常行为图像块定义为未知异常行为类型图像块。
[0081] 输出模块309,主要用于输出异常行为图像块在所述视频图像序列的位置区域以 及该异常行为图像块的类别标签。
[0082] 本发明提供的一种视频监控异常行为检测方法及其检测系统，以视频图像序列为 原始数据，利用混合高斯模型建立背景模型，能够减少光照变化以及场景内的背景微小变 化对检测的影响；利用背景差除法从获取的所述视频图像序列中提取出前景目标区域图 像，将其划分为若干个前景目标图像块，计算每一个图像块的运动标签和五维特征参数，可 以精确描述前景目标图像块的运动模式，最后利用离线SVM分类器判断前景目标图像块的 运动模式是否属于异常行为模式，若为异常行为模式，则利用不同类别的SVM分类器进行 匹配，判别异常行为模式所属类别，细化了异常行为的分类，同时大大增加了检测的准确 性。
[0083] 在本说明书的描述中，参考术语"实施例一"、"实施例二"、"示例"、"具体示例"、或 "一些示例"等的描述意指结合该实施例或示例描述的具体方法、装置或者特点包含于本发 明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是 相同的实施例或示例。而且，描述的具体特征、方法、装置或者特点可以在任一个或多个实 施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将 本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0084] 尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例 性的，不能理解为对办发明的限制，本领域的普通技术人员在本发明的范围内可以对上述 实施例进行变化、修改、替换和变型。
【主权项】
1. 一种视频监控异常行为检测方法，其特征在于，所述方法包括： 51、 获取视频图像序列，并根据获取的所述视频图像序列，利用混合高斯模型建立背景 丰旲型； 52、 根据建立的所述背景模型，利用背景差除法从获取的所述视频图像序列中提取出 前景目标区域图像； 53、 按照预先设定大小将所述前景目标区域图像划分为若干个前景目标图像块； 54、 利用背景差除法计算每一个前景目标图像块的运动标签，并提取每一个前景目标 图像块的五维特征参数，所述五维特征参数包括位置关系特征、平均运动行为强度特征、运 动行为方向特征、领域相关性特征和单位运动行为强度分布特征； 55、 采用离线SVM分类器对每一个前景目标图像块的五维特征参数进行测试，判断每 一个前景目标图像块是否为正常行为图像块，若为正常行为图像块，则结束；若为异常行为 图像块，则判别该异常行为图像块所属异常行为类别。2. 如权利要求1所述的视频监控异常行为检测方法，其特征在于，所述步骤Sl之前还 包括： 获取视频监控图像，将所述视频监控图像处理成视频图像序列，并对所述视频图像序 列进行预处理，所述预处理包括将彩色视频图像序列转换为灰度视频图像序列，以及对灰 度视频图像序列进行直方图均衡化、中值滤波和伽玛校正。3. 如权利要求2所述的视频监控异常行为检测方法，其特征在于，所述步骤S2具体包 括： 将经过预处理后的视频图像序列中的当前帧图像与建立的所述背景模型中的背景图 像作差，若当前帧图像中的当前位置上的像素特征与背景图像上对应位置上的像素特征差 异大于预设值，则该当前位置上的点为前景点，所述视频图像序列中每一帧图像中的所有 前景点的集合构成前景目标区域图像。4. 如权利要求2所述的视频监控异常行为检测方法，其特征在于，所述步骤S5中若为 异常行为图像块，则判别该异常行为图像块所属异常行为类别具体包括： 针对异常行为图像块，利用不同类别的SVM分类器进行匹配，判断该异常行为图像块 所属异常行为类别，若没有与该异常行为图像块匹配的异常行为类别，则将该异常行为图 像块定义为未知异常行为类型图像块。5. 如权利要求1所述的视频监控异常行为检测方法，其特征在于，所述方法还包括： 输出异常行为图像块在所述视频图像序列的位置区域以及该异常行为图像块的类别 标签。6. -种视频监控异常行为检测系统，其特征在于，所述系统包括 背景模型建立模块，用于获取视频图像序列，并根据获取的所述视频图像序列，利用混 合高斯模型建立背景模型； 前景区域提取模块，用于根据建立的所述背景模型，利用背景差除法从获取的所述视 频图像序列中提取出前景目标区域图像； 划分模块，用于按照预先设定大小将所述前景目标区域图像划分为若干个前景目标图 像块； 运动标签计算模块，用于利用背景差除法计算每一个前景目标图像块的运动标签； 提取模块，用于根据每一个前景目标图像块的运动标签，提取每一个前景目标图像块 的五维特征参数； 判断模块，用于采用离线SVM分类器对每一个前景目标图像块的五维特征参数进行测 试，判断每一个前景目标图像块是否为正常行为图像块，若为正常行为图像块，则结束； 类别判别模块，用于若所述判断模块判断出前景目标图像块为异常行为图像块，则判 别该异常行为图像块所属异常行为类别。7. 如权利要求6所述的视频监控异常行为检测系统，其特征在于，所述系统还包括： 视频图像预处理模块，用于将获取的视频监控图像处理成视频图像序列，并对所述视 频图像序列进行预处理，所述预处理包括将彩色视频图像序列转换为灰度视频图像序列， 以及对灰度视频图像序列进行直方图均衡化、中值滤波和伽玛校正。8. 如权利要求6所述的视频监控异常行为检测系统，其特征在于，所述前景区域提取 模块，用于根据建立的所述背景模型，利用背景差除法从获取的所述视频图像序列中提取 出前景目标区域图像具体包括： 将获取的所述视频图像序列中的当前帧图像与建立的所述背景模型中的背景图像作 差，若当前帧图像中的当前位置上的像素特征与背景图像上对应位置上的像素特征差异大 于预设值，则该当前位置上的点为前景点，所述视频图像序列中每一帧图像中的所有前景 点的集合构成前景目标区域图像。9. 如权利要求6所述的视频监控异常行为检测系统，其特征在于，所述判别模块，用于 若所述判断模块判断出前景目标图像块为异常行为图像块，则判别该异常行为图像块所属 异常行为类别具体包括： 针对异常行为图像块，利用不同类别的SVM分类器进行匹配，判断该异常行为图像块 所属异常行为类别，若没有与该异常行为图像块匹配的异常行为类别，则将该异常行为图 像块定义为未知异常行为类型图像块。10. 如权利要求7所述的视频监控异常行为检测系统，其特征在于，所述系统还包括： 输出模块，用于输出异常行为图像块在所述视频图像序列的位置区域以及该异常行为 图像块的类别标签。
【专利摘要】本发明公开了一种视频监控异常行为检测方法及其检测系统，所述方法包括：获取视频图像序列，利用混合高斯模型建立背景模型；根据建立的背景模型，利用背景差除法从视频图像序列中提取出前景目标区域图像，并将其划分为若干个前景目标图像块；利用背景差除法计算每一个前景目标图像块的运动标签，并提取每一个前景目标图像块的五维特征参数；采用离线SVM分类器判断当前前景目标图像块是否为正常行为图像块，若为正常行为图像块，则结束；若为异常行为图像块，则判别该异常行为图像块所属异常行为类别。通过本发明，利用混合高斯模型进行背景建模，能够精确分割前景区域与背景区域，并能准确检测视频监控图像中的异常行为。
【IPC分类】G06K9/62, G06T7/20
【公开号】CN105184818
【申请号】CN201510560122
【发明人】刁奇, 林巍, 宋磊, 刘建文
【申请人】山东华宇航天空间技术有限公司
【公开日】2015年12月23日
【申请日】2015年9月6日