到精密级分类器，对得到的粗级行人ROIs进行检 测，得到精密级ROIs，精密级要求检测率高，虚警率低。
[0014] 步骤3:行人行为跟踪 3. 1、采用粒子滤波方法将视频中每个跟踪目标分别包围在一个矩形框中，矩形框自适 应的随运动目标大小变化； 3. 2、对每个跟踪目标的状态转移建立多阶自回归过程数学模型，以当前状态之前的多 个状态作为基准，加入随机扰动对下一状态进行预测，获得描述运动目标实际运动情况的 状态转移模型； 3. 3、在粒子滤波器框架之下，根据监控视频中行人的颜色和形状特征在行为分析过程 中的稳定性，利用加权颜色直方图和四方向特征作为观测模型，获得融合颜色和形状特征 的粒子滤波人体跟踪方法，通过融合后行人的颜色和形状特征确定粒子的权值进行更新； 步骤4:异常行人分类 4. 1、计算精密级ROIs的光流特征，去除由环境产生的扰动，采用幅值加权的方向直方 图来描述异常行为的运动幅度和混乱程度，首先对幅值进行归一化处理，作为方向的权值， 然后求和作为直方图的大小，像素的变化情况反映不规则行为； 4. 2、采用Markov随机场理论，将监控视频流中的每帧灰度图像设定为一个Markov随 机场，像素点的灰度值作为Markov随机场的随机变量，其的随机场能量值用于反映视频中 被监控目标在短时间内行为的变化； 4. 3、对视频监控场景中判断为异常交通行为的行人进行特征提取，根据通过收集训练 数据建立的连续隐马尔可夫模型，采用概率的方法对异常行为进行识别，细化为不同的行 为模式，如挥手、跳跃、奔跑，并将行为模式进行分类存储。
[0015]Markov随机场的能量函数能较好地反映视频中多个行人目标区的剧烈变化，对群 聚和突发暴力事件有较好的识别率。将监控视频流中的每帧灰度图像设定为一个Markov 随机场，这时随机变量X就成了像素点s处的标值，即为灰度值，其能量值可以很好地反映 了视频中被监控目标在短时间内行为的剧烈变化。第獻:帧能量函数由两部分组成：（1)空 间算子部分尾_/?)，它记录了第《帧图像中每个像素点灰度值与背景以及邻域的相对关 系信息；（2)时间算子部分革，它记录了第w帧的灰度值与前后帧的关系信息。
[0016] 空间算子的MRF模型由两类节点组成，隐藏变量:# = |^，观测变量X= ，本发 明初步假设x、y满足高斯正态分布，可得到视频流中第η帧能量函数的空间算子部分的计 算公式：
其中尤为两者间的比例关系，是第η帧视频图像中s像素点位置的灰度值，Α(?) 是背景图像中对应位置像素点的灰度值，N(s)为s的邻域系统。
[0017] 时间算子的MRF模型主要利用的每个像素点某帧的灰度值与邻域帧的联系，它与 除此之外的其他帧无关。第η帧图像能量的时间算子部分可以初步表示为：
其中$丨为，前一帧的在s处的灰度值。
[0018] 本发明在上述理论框架的基础上深入研究能量函数和监控场景行人行为之间的 深层次内涵，分析大量视频监控基础上寻求Markov场能量函数的最佳表示，相应调整经验 参数β_和尤，可以提高行人异常行为的检出率。
[0019] 最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制；尽 管参照较佳实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然 可以对本发明的【具体实施方式】进行修改或者对部分技术特征进行等同替换；而不脱离本发 明技术方案的精神，其均应涵盖在本发明请求保护的技术方案范围当中。
【主权项】
1. 一种基于安防监控视频数据的多人异常行为检测方法，其特征在于：它包括以下步 骤： 步骤1 :视频数据采集 对监控摄像头标准AV输出信号进行采集，并将采集到的AV信号经过压缩编码形成H. 264和MPEG-4标准视频数据； 步骤2 :行人特征提取 2. 1、针对采集到的视频图像，提取Haar特征和FDF特征，得到粗级检测器； 2. 2、对待测图像进行遍历检测，采用AdaboostCascade方法得到粗级行人ROIs; 2. 3、采用方向梯度直方图特征提取算法，利用SVM进行训练得到精密级分类器，对得 到的粗级行人ROIs进行检测，得到精密级ROIs; 步骤3 :行人行为跟踪 3. 1、采用粒子滤波方法将视频中每个跟踪目标分别包围在一个矩形框中，矩形框自适 应的随运动目标大小变化； 3. 2、对每个跟踪目标的状态转移建立多阶自回归过程数学模型，以当前状态之前的多 个状态作为基准，加入随机扰动对下一状态进行预测，获得描述运动目标实际运动情况的 状态转移模型； 3. 3、在粒子滤波器框架之下，根据监控视频中行人的颜色和形状特征在行为分析过程 中的稳定性，利用加权颜色直方图和四方向特征作为观测模型，获得融合颜色和形状特征 的粒子滤波人体跟踪方法，通过融合后行人的颜色和形状特征确定粒子的权值进行更新； 步骤4:异常行人分类 4. 1、计算精密级ROIs的光流特征，去除由环境产生的扰动，采用幅值加权的方向直方 图来描述异常行为的运动幅度和混乱程度，首先对幅值进行归一化处理，作为方向的权值， 然后求和作为直方图的大小，像素的变化情况反映不规则行为； 4. 2、采用Markov随机场理论，将监控视频流中的每帧灰度图像设定为一个Markov随 机场，像素点的灰度值作为Markov随机场的随机变量，其的随机场能量值用于反映视频中 被监控目标在短时间内行为的变化； 4. 3、对视频监控场景中判断为异常交通行为的行人进行特征提取，根据通过收集训练 数据建立的连续隐马尔可夫模型，采用概率的方法对异常行为进行识别，细化为不同的行 为模式，并将行为模式进行分类存储。
【专利摘要】本发明提供一种基于安防监控视频数据的多人异常行为检测方法，对监控摄像头标准AV输出信号进行采集；对行人特征进行提取，分别得到粗级检测器，粗级行人ROIs和精密级ROIs；对行人行为进行跟踪，采用粒子滤波方法将视频中每个跟踪目标分别包围在一个矩形框中，对每个跟踪目标的状态转移建立多阶自回归过程数学模型，获得描述运动目标实际运动情况的状态转移模型；在粒子滤波器框架之下，获得融合颜色和形状特征的粒子滤波人体跟踪方法；异常行人分类，计算精密级ROIs的光流特征；将监控视频流中的每帧灰度图像设定为一个Markov随机场；对视频监控场景中判断为异常交通行为的行人进行特征提取，建立连续隐马尔可夫模型，对异常行为进行识别。
【IPC分类】G06K9/00, G06K9/62
【公开号】CN105426820
【申请号】CN201510730745
【发明人】陈长宝, 李传奎, 杜红民, 孔晓阳, 王茹川, 郭振强, 王磊
【申请人】中原智慧城市设计研究院有限公司
【公开日】2016年3月23日
【申请日】2015年11月3日