[发明专利]基于局部二值模式的视频中人群运动模式识别定位方法

权利要求书

1.基于局部二值模式的视频中人群运动模式识别定位方法，其特征在于，包括以下步骤：

（1）使用摄像头获取一段人群场景视频；

（2）利用光流法计算视频中每帧图像，即每一副静止的图像的密集光流图像；

（3）将每帧密集光流图像划分为一个以上N×N大小的不重叠单元；

（4）基于全局运动和局部相对运动计算每一N×N大小的单元中心点的局部二值模式LBP；  

（5）根据所得的局部二值模式LBP将各单元识别为无运动、同方向运动、反方向运动、从中心散开、汇聚至中心、绕中心转动六种不同的运动模式；

（6）以步骤（5）的结果为基础，对步骤（2）中的密集光流图像做下采样，即将一个单元看做一个像素点，构建一幅宽和高分别为原始图像N分之一的新光流图像；

（7）重复步骤（3）~步骤（6）一次以上，获得最终的运动图；

（8）使用区域增长算法分割运动光流场中的各运动模式所占区域，并获取各运动模式的位置和面积信息。

2.根据权利要求1所述的基于局部二值模式的视频中人群运动模式识别定位方法，其特征在于，所述步骤（2）中的光流法为Horn&Schunck算法、Lucas&Kanade算法、Gunnar Farneback 算法和 Simple Flow算法中的任意一种。

3.根据权利要求1所述的基于局部二值模式的视频中人群运动模式识别定位方法，其特征在于，所述步骤（3）中，若密集光流图像的高或宽不是N的整数倍，则采用补零、反折或边界拷贝法将光流场的宽或高扩展到N的整数倍。

4.根据权利要求1所述的基于局部二值模式的视频中人群运动模式识别定位方法，其特征在于，所述步骤（4）中，全局运动采用单元中各点的光流值，局部相对运动采用单元中各点的速度在该点与中心点连线方向的投影，并采用旋转不变均匀模式作为最终的局部二值模式LBP的计算方法。

5.根据权利要求1所述的基于局部二值模式的视频中人群运动模式识别定位方法，其特征在于，所述步骤（5）中，采用分类器对各单元的运动模式进行分类，所述分类器采用的分类方法为近邻法、K-近邻法、贝叶斯决策法、神经网络算法和支撑向量机算法中的任意一种。

6.根据权利要求1所述的基于局部二值模式的视频中人群运动模式识别定位方法，其特征在于，所述步骤（7）中，步骤（3）~步骤（6）的重复次数为1~8次。

7. 根据权利要求6所述的基于局部二值模式的视频中人群运动模式识别定位方法，其特征在于，所述步骤（7）中，步骤（3）~步骤（6）的重复次数为3~4次。

8. 根据权利要求1所述的基于局部二值模式的视频中人群运动模式识别定位方法，其特征在于，所述步骤（8）中，各运动模式的处理原则为：两个相邻的无运动单元划归为同一区域；两个相邻的同方向运动单元若运动方向一致，则划归为同一区域；两个相邻的反方向运动单元若运动方向一致或相反，则归并至同一区域；其他模式不执行归并操作。