[发明专利]一种鲁棒的异常行为检测方法

权利要求书

1.一种鲁棒的异常行为检测的方法，包括如下步骤：

a)利用高斯背景建模方法，从连续的视频帧中提取运动前景信息；

b)利用Cascade检测方法检测前景中人的位置；

c)将所述视频划分为多个空间区域，对划分得到的每个空间区域在每个采样时间点上应用所述步骤b)，得到对于单位时间内在每个空间的反应人出现与否的局部变化曲线；

d)提取行为特征；

e)利用步骤d)得到的所有行为特征作为训练数据送入支持向量机中学习得到多类的分类器；和

f)利用经过训练的所述分类器进行对视频片段的分类识别，从而判断所述视频中是否存在异常行为。

2.如权利要求1所述的方法，其中在所述步骤a)中采用混合高斯模型来进行背景建模。

3.如权利要求1所述的方法，其中在所述步骤c)中划分的空间区域数量的多少与人体前景在整个窗口中所占的比例有关。

4.如权利要求1所述的方法，其中在所述步骤c)中划分的空间区域数量为3x3。

5.如权利要求1所述的方法，其中在所述步骤d)中提取每个局部变化曲线的梅尔频率倒谱系数，以获取曲线中包含的频率信息，然后将所有局部区域提取的梅尔频率倒谱系数连接在一起构成最终的联合倒谱频率系数cMFCC特征，即为行为特征。

6.如权利要求5所述的方法，其中得到梅尔频率倒谱系数的方法包括如下步骤：

d1)进行快速傅里叶变换获取信号功率谱；

d2)利用多个三角滤波器求取对应的能量值；

d3)对求取的能量值的对数做离散傅里叶变换，得到所述梅尔频率倒

谱系数。

7.如权利要求1所述的方法，其中在所述步骤e)中经过训练数据的训练后，所述分类器用来判断没有分类的数据的类别。

8.如权利要求1所述的方法，其中所述支持向量机的核函数为线性、多项式、径向基函数或sigmod。

9.如权利要求8所述的方法，其中所述支持向量机的核函数为径向基函数。

10.如权利要求1所述的方法，其中步骤f)包含如下子步骤：首先提取在线监控视频中单位时间内的视频片段，然后利用步骤a)到步骤d)的方法提取视频片段的行为特征，最后通过步骤e)训练的分类器对该视频片段的行为特征进行分类识别。