[发明专利]一种基于立体视觉运动场分析的打架斗殴检测方法

说明书

技术领域

本发明属于视频智能监控技术领域，涉及一种基于立体视觉运动场分析的打架斗殴检测方法。

背景技术

利用二维图像配准方法，计算视频相邻帧的像素运动矢量，对人体的运动矢量进行统计分析或者转换成能量的形式，提取出运动方向混乱以及快速运动的像素点，这些像素的集合作为剧烈运动区域，作为多人打架斗殴的基本特征。通过对剧烈运动区域的时空分布分析，建立基于运动场的打架斗殴规则，判断剧烈运动区域是否产生于打架斗殴事件，实现对此类人体异常行为的检测。基于此类技术的专利有《一种人群剧烈运动的检测方法及装置-200910242555.6》以及《音视频联合分析的打架斗殴检测系统-200920291779.1》。

此类技术的缺陷：对视频邻近帧的运动矢量计算都采用了基于灰度特征的微分光流方法，得到的是一个二维图像上像素位置偏移量。而基于灰度特征的光流方法有很多缺陷都限制了此类技术的推广，例如它受光照环境的变化影响很大，场景的光照变化会导致目标真实运动场计算错误；无法计算目标遮挡时的运动场；由于三维场景下目标距离相机远近不同时其反应在二维平面上的运动矢量不同，因此传统方法对剧烈运动的判定不够鲁棒。

发明内容

本发明主要针对现有打架斗殴检测方法的缺陷，采用立体视觉与运动场提取结合的方法，减少与过滤光照变化、目标运动混乱与交错遮挡导致的光流计算错误，提升人体打架斗殴行为检测在复杂环境下的鲁棒性。

本发明的主要构思，基于双目视觉的立体匹配算法得到场景中目标的深度信息，提取图像灰度和梯度特征，结合微分光流算法得到鲁棒的目标运动矢量场。根据目标的运动矢量场和深度图，可以提取出感兴趣的目标人体，并且过滤掉受到光照变化和遮挡引起光流计算错误的运动矢量场。以运动矢量场为主要特征，基于块统计累积运动矢量方向直方图，计算一段时间内累积直方图的熵，用来评价此块运动的复杂程度。统计块内平均运动矢量强度，根据目标的深度信息，制定运动剧烈程度评价策略。最后，结合块的混乱和剧烈程度评价分数，得到此块发生打架斗殴行为的概率，经过一段时间和空间的累积，当打架斗殴行为的概率持续大于一定阈值时，则确认打架斗殴行为发生。

本发明解决技术问题所采取的技术方案为：

第一步：获取双目视频图像，并对其灰度化处理。

第二步：对双目视频灰度化的同步帧做立体匹配，得到视差和深度置信图，将视差并转化为深度图。

第三步：对双目视频中的一路视频，提取灰度与梯度特征，计算多分辨率下的微分光流，得到运动矢量场；并根据深度置信图对运动矢量过滤。

第四步：根据深度图，建立远近不同目标速度模型（运动矢量模型）。

第五步：对第三步中的该路视频的灰度图像中的8*8像素单位小块，做运动矢量方向直方图统计。

第六步：累积邻近时间每个块的运动矢量方向直方图，计算累积后直方图的熵作为混乱程度评价，对熵值高的块标记为混乱块。

第七步：统计混乱块运动矢量强度均值，根据第四步建立的速度模型判定其是否为剧烈运动块；如果混乱块判定为剧烈运动块，则执行第八步，否则返回第一步，做下一帧双目视频图像处理。

第八步：对剧烈运动块，统计其在一定时间与一定空间范围内的出现次数，生成概率图。对于概率较大的块，经过时空累积之后，满足持续时间和面积阈值之后，则确认打架斗殴行为产生，输出这些概率较大的块，标识为打架斗殴行为发生的区域。

本发明有益效果：本发明可以过滤监控环境下的场景光照变化、目标交错遮挡引起运动矢量计算错误，克服这些不利条件的影响。根据场景深度信息对剧烈程度判定更为合理，通过建立打架斗殴概率模型，对其时空分布分析之后得到鲁棒的检测结果。

附图说明

图1为本发明方法流程图；

图2为双目成像系统平面示意图；

图3为运动矢量计算流程图；

图4为混乱与剧烈报警块检测流程图；

图5为打架斗殴行为判定规则流程图。

具体实施方式

以下结合附图对本发明作进一步说明。

如图1所示，本发明方法包括以下步骤：

第一步：获取双目视频图像，并对其灰度化处理。