[发明专利]打架行为检测监控方法与系统

说明书

技术领域

本发明是有关于一种打架行为检测监控方法，特别是指一种采用宏观分析的方法，本发明不需事先建立背景且不论在光源变化大的环境或是影像品质较低的情况皆可准确的进行打架行为检测。

背景技术

在传统安全监控系统中，透过监控人员长时间在监视画面前观察异常，以即时发现异常状况做出反应。这种监控模式既费时又费力，在大范围监视系统中，势必要聘请足够的监控人员才能同时监控众多监视画面，但过多的人手又容易形成资源的浪费，而监视人员也会因为疲倦而发生遗漏重要画面的情形。因此，传统安全监控系统往往是在事件发生后，提供录影数据来辅助事件的分析，但这种被动的监控模式最多只能做到亡羊补牢的效果，无法即时防止或阻止伤害事件的发生。

在行为检测方法的相关研究方面，Rohr在1994年使用14个椭圆圆柱体来表示人体的架构，而Ju等人则在1996年提出了纸牌人模型(Cardboard people model)，利用数个相连的平面及连接的参数来表示人类的动作，英国爱丁堡大学教授Robert等人在2001年进行了CAVIAR计划，利用微观的体分割来分析人类的行为模式。但以上研究皆为单一影像所构成，为了能够了解主体在连续时序影像中的移动情形，应透过时序样板(Temporal temple)来表达行为在时间与空间下的关系，因此Bobick及Davis在2001提出了移动能量影像(Motion Energy Images，MEI)以及移动历史影像(Motion History Images，MHI)来识别人类的动作。其中MEI是将移动信息的二值化影像依时间累积起来，记录序列视频影像中每个移动物体的像素点，即

Eτ(x,y,t)=∪i=0τ-1D(x,y,t-i)]]>

其中D(x，y，t)代表在时间t的二值化前景影像，τ则为动态序列影像的长度。因此E_τ(x，y，t)代表在时间长度为τ的情况下所有移动点的集合，且E_τ(x，y，t)值为1或0。由于MEI仅能记录主体曾移动过的位置信息，并无法描述时间信息，因此Bobick进一步将MEI的移动点随时间的远近以不同强度来表示，而形成移动历史影像(MHI)，此方法可同时记录运动人体在时间与空间中所发生的信息。

现行的行为检测方法，对于各种不同的行为模式，例如：走路、坐下、跌倒、举手、晕倒等，大多必须藉由完整的肢体信息才能了解其行为的意义，此类的行为检测方法大多采用微观(Micro-view)的角度来进行分析。所谓微观分析，是指详细地区分出主体的肢体位置，并事先定义各种动作与姿势。因此，微观分析的成败往往取决于主体分割的好坏。但在实际的监控应用上，由于面临光源变化、背景物体移动、遮蔽及获取影像解析度较差等状况，往往无法取得完整的主体，导致无法正确的进行行为模式分析。此外，在行为定义的部份，由于打架行为可能由两人或多人所构成，打架行为的动作型态种类众多且复杂，要能够完整地逐一定义颇具困难性。

发明内容

本发明的目的是为提供一种自动检测打架行为系统，藉由检测出各种环境中的打架行为，自动发出警报或通知相关人员进行协助，减少人员伤亡与不必要的损失。本发明在动态主体于时间-空间维度的表达方法上采用宏观(Macro-view)的方法，此方式的优点主要有三：

1、不需建立复杂的人体肢节模式，减少许多影像前处理步骤，使得即时检测的目标更易达成，也减少人体肢节的大量储存空间。

2、不需细微的前景信息，因此固定摄影镜头的监控场景可有效增大。