[发明专利]视频监控场景中的交互行为检测方法

权利要求书

1.一种视频监控场景中的交互行为检测方法，其特征在于，包括以下步骤：

1)利用TV-L¹，即全变差‐L¹范式光流算法计算视频序列中相邻帧之间的光流特征，并对光流进行幅度去噪；

2)对去噪后的光流特征进行位置和方向的量化，将视频序列表示成词袋模式；

3)利用分层狄利克雷过程模型对视频文档建模，使得每一个视频文档d_t都有一个与之相关的原子行为分布G_t表示；

4)将原子行为的动态变化表示成多变量点过程；

5)对多变量点过程进行非参格兰杰因果分析；

6)根据格兰杰因果关系获得因果有向图，检测局部以及全局交互行为。

2.根据权利要求1所述的方法，其特征在于，所述的步骤2具体包括；

2.1)构建视觉词典：由于每个运动像素都包含位置和方向两个特征，为了对位置进行量化，将整个视频场景分割成M×N的网格，每个网格单元大小H×H，一般的H=5或者H=10；然后运动方向均匀量化为L个，一般的L=8或者L=4，从而构建出一个规模为N_v=M×N×L的视觉词典每个光流特征根据其所在的位置和方向映射成一个视觉单词v_f；

2.2)构建视频文档：将视频序列分割成时长dt的不重叠的D个视频片段，累积每个视频片段内包含的视觉单词，构建成对应的视频文档d_t。

3.根据权利要求1所述的方法，其特征在于，所述的原子行为分布G_t为全局原子行为G₀的一个子集，随时间动态变化；G_t|α,G₀～DP(α,G₀),其中α表示HDP模型的集中参数；DP表示狄利克雷过程。

4.根据权利要求1所述的方法，其特征在于，所述的步骤4具体包括；

4.1)挑选K个主要原子行为：由于HDP模型的学习过程中，每一个观测到的底层视觉单词都会分配一个原子行为ID，因此统计每个原子行为包含的视觉单词数，对所有的原子行为进行降序排序，挑选前K个作为主要原子行为；

4.2)构建多变量点过程：统计主要原子行为在dt时间内发生的次数，并统计其平均强度；

4.3)根据平均强度构建出多变量点过程N_i(t)=M_i(t)-λ_idt，该多变量点过程N_i(t)是零均值、广义平稳、混合有序过程，对应K个主要原子行为将构建成一个K维的多变量点过程。

5.根据权利要求4所述的方法，其特征在于，所述的平均强度为：E{dM_i(t)}/dt=λ_i，其中：dM_i(t)=M_i(t+dt)-M_i(t),dt表示时间分辨率；M_i(t)表示在时间间隔(0,t]内原子行为发生的次数。