[发明专利]基于运动特征变化的视频运动对象异常行为自动检测方法

说明书

技术领域

本发明涉及一种基于运动特征变化的视频运动对象异常行为自动检测方法，用于公共安全与防范以及视频数字图像分析与理解。属于智能信息处理技术领域。

背景技术

随着城镇人口的快速增长及城镇环境的日益复杂，群体性事件、骚乱、恐怖袭击等城镇突发社会安全事件，严重影响着城镇公共安全。建设和谐、平安社会，己成为当今国际社会的一个重要课题。

近年来，随着安全问题受到社会的日益关注, 视频监控系统的需求正在逐渐扩大，通过对特定场景中停留或经过的目标实时监视，并根据观察到的图像信息，对运动对象行为进行语义分析与理解的智能视觉监控技术已引起国内的广泛关注。实现视频图像序列中的异常行为自动检测，迄今为止仍是一项极具挑战性的工作。一方面，异常行为的定义存在很多分歧，尚未也很难制定统一的规范。其中，部分学者将很少发生或持续时间很短的行为称之为异常行为，如跌倒或者碰撞等；部分学者则预先定义一系列正常行为，若发现与所有正常行为不匹配的行为则判定为异常行为；另一方面，视频序列中的异常行为种类繁多，且随着时间推移，异常行为也将发生变化，转变为正常行为。目前，异常行为检测方法主要分为两类：一是基于运动对象的跟踪，通过不断检测运动对象的运动轨迹，进行异常行为检测。该类方法异常行为检测效果在很大程度上依赖于运动对象跟踪的结果，由于实际场景复杂多变且存在不同程度的互遮挡与自遮挡，导致有效的运动对象跟踪困难，异常行为检测结果不理想。二是基于学习训练，通过预先采集运动对象异常行为视频序列，建立异常行为样本库，通过对未知视频序列进行检测并匹配对比，确定是否为异常行为。由于异常行为种类繁多，且随时间推移不断发生变化，导致运动对象异常行为样本采集困难，异常行为检测结果鲁棒性低。

发明内容

本发明的目的在于针对目前运动对象异常行为检测方法结果明显受外界环境影响，异常行为检测结果鲁棒性低等问题，提供一种基于运动特征变化的视频运动对象异常行为自动检测方法。它是根据拉格朗日粒子动态系统中粒子的流动可反映视频运动对象的运动特征变化状态，通过粒子运动特征提取，对粒子运动特征进行聚类分析，确定粒子运动特征类别的亲疏程度，基于运动对象发生异常行为时，其粒子运动特征类别与正常行为的粒子运动特征类别存在差异，自动检测视频运动对象是否发生异常行为，提高视频运动对象异常行为检测的灵活性和有效性。

为达到上述目的，本发明的构思是：根据拉格朗日粒子动态系统中粒子的流动可反映视频运动对象的运动特征变化状态，通过粒子运动特征提取，对粒子运动特征进行聚类分析，确定粒子运动特征类别的亲疏程度，基于运动对象发生异常行为时，由粒子流场构建的运动对象异常行为与其正常行为在粒子流场的特征空间中具有不同的聚类方式，自动检测视频运动对象是否发生异常行为，实现视频运动对象因运动特征变化的异常行为自动检测。

    为了达到上述的目的，本发明采用下述技术方案：

    一种基于视频运动对象运动特征变化的异常行为自动检测方法，其特征在于根据拉格朗日粒子动态系统中粒子的流动可反映视频运动对象的运动特征变化状态，通过粒子运动特征提取，对粒子运动特征进行聚类分析，确定粒子运动特征类别的亲疏程度，基于运动对象发生异常行为时，其粒子运动特征类别与正常行为的粒子运动特征类别存在差异，自动检测视频运动对象是否发生异常行为，具体步骤如下：

(1)    启动运动对象异常行为检测图像采集系统：采集视频图像；

(2)    粒子运动流场计算；

(3)    粒子运动特征提取；

(4)    粒子运动特征聚类；

(5)    异常行为检测。

所述步骤(2)粒子运动流场计算的具体操作步骤如下：

(2-1) 光流场计算：由摄像机采集的t时刻连续相邻两帧图像，计算光流场在水平x方向的分量u(t)：                                               和光流场在垂直y方向的分量 v(t)：；

(2-2)        粒子流场计算：

其中，，分别表示粒子P在t+1时刻在水平x方向和垂直y方向上的位置，，分别表示粒子P在t时刻在水平x方向和垂直y方向上的位置。

所述步骤(3)粒子运动特征提取的具体操作步骤如下：