[发明专利]基于轮廓的异常行为识别方法

权利要求书

1.一种基于轮廓的异常行为识别方法，其特征在于：包括步骤：

步骤S1：对摄像头采集到的图像序列进行运动目标检测与跟踪，提取目标轮廓；

步骤S2：对得到的目标轮廓姿态，利用R变换表达得到每一帧中运动轮廓的空间信息，用做行为识别的底层特征；

步骤S3：利用主成分分析对上述特征向量进行特征降维，得到适合的特征序列；

步骤S4：将不同行为的特征序列做为输入，利用隐马尔可夫模型学习其随时间的变化关系，通过每个行为的隐马尔可夫模型参数表示；

步骤S5：利用训练的模型参数库，根据最大似然准则，判断待识别行为和预先定义行为的匹配程度。

2.根据权力要求1所述的基于轮廓的异常行为识别方法，其特征在于：所述步骤S1中的运动目标检测包括如下步骤：

步骤S11：对得到的图像序列构建背景模型；

步骤S12：从运动图像序列中将变化区域从背景模型中提取出来，用于得到运动目标；

步骤S13：将得到的运动目标进行形态学操作和连通域分析，得到分割准确的运动目标轮廓。

3.根据权力要求1所述的基于轮廓的异常行为识别方法，其特征在于：所述步骤S2的空间信息表达包括如下步骤：

步骤S21：对步骤S1已经得到的轮廓进行尺度归一化；

步骤S22：对归一化过的轮廓进行R变换，得到轮廓空间信息的特征描述。

4.根据权力要求1所述的基于轮廓的异常行为识别方法，其特征在于：所述步骤S3的特征降维过程包括如下步骤：

步骤S31：将行为序列中每一帧经R变换后的1×180维的特征向量分成三部分，每一部分为一个1×60的向量，依次排列形成一个60×3的矩阵；

步骤S32：对步骤S31得到的矩阵进行主成分分析，根据信息贡献率得到一个2×3的矩阵；

步骤S33：对步骤S32得到的降维矩阵，依次展开排成一行，最后得到一个1×6的特征向量，用做最后的特征描述。

5.根据权力要求1所述的基于轮廓的异常行为识别方法，其特征在于：所述步骤S4的行为模型参数学习过程包括如下步骤：

步骤S41：将每个行为所得的特征序列作为隐马尔可夫模型的输入；

步骤S42：学习不同行为的隐马尔可夫模型的参数并保留。

6.根据权力要求1或5所述的基于轮廓的异常行为识别方法，其特征在于：所述步骤S5的行为识别过程包括如下步骤：

步骤S51：将原始识别序列按照步骤S1到S3转换成行为特征序列；

步骤S52：将所得到的行为特征序列分别与步骤S42存储保留的模型参数进行比较，根据最大似然原则选择最匹配的行为。