基于sift流和隐条件随机场的人群异常行为识别方法
【专利摘要】本发明公开了一种基于SIFT流和隐条件随机场的人群异常行为识别方法，包括了建立相邻帧的SIFT流场，获取行为视频序列的每一帧像素点的运动矢量信息，训练隐条件随机场模型（HCRF）参数，建立隐条件随机场模型，进而识别视频序列中的人群群体异常行为。本发明的目的在于解决传统的基于条件随机场的异常行为识别方法中对人群运动信息特征提取不够准确以及模型识别能力不够丰富的缺点，大大提高了异常行为识别的准确度，可用于公共场所人群群体异常行为的识别。
【专利说明】基于SIFT流和隐条件随机场的人群异常行为识别方法
【技术领域】
[0001]本发明属于图像处理领域，具体是一种基于SIFT流和隐条件随机场的异常行为识别方法，是目前计算机视觉领域中结合SIFT流场和隐条件随机场参数训练并对异常行为进行识别的方法。
【背景技术】
[0002]近些年来，人群行为识别作为计算机视觉的重要课题之一，已经在智能视频监控中应用和普及于公共安全、金融安全、运输、和其他领域中。现有的人群行为识别方法可以分为基于统计的方法和基于描述方法。SIFT流是最近兴起的计算机视觉领域的特征提取方法，对于几何变换、光照变换具有不变性，对于噪声、遮挡、以及背景干扰均具有良好的鲁棒性，并且特征间具有很高的区分度。但是现有技术中缺少基于SIFT流的人群异常行为识别方法。
【发明内容】
[0003]为了解决现 有技术中存在的上述技术问题，本发明提出一种基于SIFT流和隐条件随机场的人群异常行为识别方法，包括如下步骤:
步骤(1)输入包含正常行为的训练视频和包含打架、斗殴、恐慌的人群行为的测试视频，提取视频序列中每一帧图像每一个像素点的SIFT描述子，优化SIFT流场；
步骤(2)匹配相邻帧图像像素点，通过SIFT流获取运动矢量信息，统计归类每帧图像的像素点的运动矢量信息，生成加权方向直方图；
步骤(3)将训练视频每一帧的加权方向直方图集合作为输入隐条件随机场模型的一个观察值序列I =馬,I21r，用于训练隐条件随机场模型的参数5 ;
步骤(4)输入测试视频的加权方向直方图集合，用训练得到的隐条件随机场模型识别，输出该段序列属于正常行为的概率，作为最终的识别结果。
[0004]进一步的，步骤(1)通过如下方式实现:计算此帧图像中每一个像素点的SIFT局部特征描述子,建立SIFT金字塔以(幻}，对图像进行自顶而下进行匹配。
[0005]进一步的，步骤(2)通过如下方式实现:根据相邻帧的像素点SIFT描述子的匹配，生成像素点运动流场，将每帧所有像素点运动矢量信息归类为12个方向，得到每帧图像的加权方向直方图A。
[0006]进一步的，SIFT描述子S(P)采用如下方式计算:
计算每个像素点梯度值及梯度方向:
【权利要求】
1.一种基于SIFT流和隐条件随机场的人群异常行为识别方法，包括如下步骤: 步骤(1)输入包含正常行为的训练视频和包含打架、斗殴、恐慌的人群行为的测试视频，提取视频序列中每一帧图像每一个像素点的SIFT描述子，优化SIFT流场； 步骤(2)匹配相邻帧图像像素点，通过SIFT流获取运动矢量信息，统计归类每帧图像的像素点的运动矢量信息，生成加权方向直方图； 步骤(3)将训练视频每一帧的加权方向直方图集合作为输入隐条件随机场模型的一个观察值序列I =馬，,用于训练隐条件随机场模型的参数^ ; 步骤(4)输入测试视频的加权方向直方图集合，用训练得到的隐条件随机场模型识别，输出该段序列属于正常行为的概率，作为最终的识别结果。
2.如权利要求1所述的基于SIFT流和隐条件随机场的人群异常行为识别方法，其特征在于:步骤(1)通过如下方式实现:计算此帧图像中每一个像素点的SIFT局部特征描述子SiP')，建立SIFT金字塔以(幻}，对图像进行自顶而下进行匹配。
3.如权利要求2所述的基于SIFT流和隐条件随机场的人群异常行为识别方法，其特征在于:步骤(2)通过如下方式实现:根据相邻帧的像素点SIFT描述子的匹配，生成像素点运动流场W =(?V)，将每帧所有像素点运动矢量信息归类为12个方向，得到每帧图像的加权方向直方图A。
4.如权利要求3所述的基于SIFT流和隐条件随机场的人群异常行为识别方法，其特征在于:SIFT描述子s(p)采用如下方式计算: 计算每个像素点梯度值及梯度方向: m{x,y) = -Jdxj +dy2 ，办’少)_ tan 石。
5.如权利要求4所述的基于SIFT流和隐条件随机场的人群异常行为识别方法，其特征在于:对于任意点像素，取其周围X/?像素为局部区域。
6.对局部区域内每一点，计算其梯度值ffiCr,_7)和梯度方向Θ Cr, _7)后，将/?X/7的局部区域均分成个区块，每个区块内部分别计算加权梯度直方图，其中方向角量化为左个区间，权值由Gauss函数给出。
7.如权利要求3所述的基于SIFT流和隐条件随机场的人群异常行为识别方法，其特征在于:生成运动流场W=(u, v)时有如下限制: 相邻两帧的像素点/7按照SIFT描述子.5?&)，.52(/7)的相似程度进行匹配； 考虑实际情况，流速《2⑷+Κ2⑷应加以限制，不能过大； 考虑运动的连续性，必须优先匹配像素点的邻近区域N: f(W) m ^nun(|5, (p) -5|0?+<ρ))|.ο + Σ +Hf) + Σ8—.ceKjp) - μφΙ φ 此方程通过双平面上的序列置信度传递方法(BP-S )求解。
8.如权利要求1所述的基于SIFT流和隐条件随机场的人群异常行为识别方法，其特征在于:对SIFT流场采用如下方式优化:建立SIFT金字塔^⑷}，其中J (I) =A对S⑷进行平滑和下采样得到S (^+1)；在层I令/?表示要匹配的像素的坐标，α为搜索窗口的中心，w (Pk)为最佳匹配；在图像金字塔最顶层S (3)，搜索窗口中心在产3，其大小为Xffi O?为图像S (3)的宽);对下一层的搜索时，只需要对这一层的最优流向量r (Pk)所对应的部分进行搜索即可:即:对图像进行自顶而下进行匹配，即对于同一尺度的S尸,按照计算像素点的流场，则在尺度搜索时，只需计算s (k)尺度匹配点/7的领域r (Λ)即可。
9.如权利要求3所述的基于SIFT流和隐条件随机场的人群异常行为识别方法，其特征在于:分析整段视频序列时，设置滑动窗口 d的大小为10，即选取10帧的加权方向直方图作为一个观察值X={h，h…，滑动窗口一帧一帧移动，形成观察值序列X = Z1, Z2,…馬.输入到隐条件随机场中用于训练模型参数一 其中，假设每个观察值X对应一个潜在的变量S，一组观察序列对应的变量集合为S = K, S2, s-「sT},隐条件随机场模型通过输入一段行为的观察值序列X = XbX2,--' Xr给出该行为属于正常行为的概率，公式如下:
【文档编号】G06K9/62GK103577804SQ201310494769
【公开日】2014年2月12日 申请日期:2013年10月21日 优先权日:2013年10月21日
【发明者】章东平, 徐凯航, 陶玉婷, 芦亚飞 申请人:中国计量学院