[发明专利]一种基于概率潜在语义分析的行人异常识别方法

权利要求书

1.一种基于概率潜在语义分析的行人异常识别方法，其特征在于，包括下述步骤：

步骤A、取一个视频样本，采用混合高斯背景建模算法提取前景目标，对该视频每一帧生成仅含人体目标的二值掩码图片，通过掩码图片生成仅含人体目标的视频；

步骤B、采用基于三维Hessian矩阵检测生成视频的时空兴趣点；

步骤C、采用HOG3D/HOF描述子计算步骤B中检测到的时空兴趣点，获得相应的特征向量；

步骤D、采用K-mean聚类算法对视频的特征向量集合建立视频图像的词袋模型；

步骤E、采用概率潜在语义分析模型训练视频集，进行行人异常识别。

2.根据权利要求1所述的一种基于概率潜在语义分析的行人异常识别方法，其特征在于，所述的步骤A包括：

步骤A1、读取视频前n帧，用混合高斯模型建立背景模型，对每一帧不断更新背景模型；

步骤A2、每读取新的一帧，根据步骤A1所得背景分割出仅含人体的二值图像；

步骤A3、将二值图像与原图像做掩膜操作，生成仅含人体目标的灰度图像；

步骤A4、将这一系列的灰度图像合并成仅含前景人体的视频。

3.根据权利要求1所述的一种基于概率潜在语义分析的行人异常识别方法，其特征在于，所述的步骤B包括：

步骤B1、三维Hessian矩阵定义为

其中，σ、τ分别为空间和时间尺度，ξ、η分别表示x、y或t，g(·；σ²，τ²)为高斯平滑函数，在该尺度下，对每一个像素计算Hessian矩阵行列式，得到兴趣点响应函数S＝|det(H)|，在时间、空间和尺度(x，y，t，σ，τ)上采用非最大值抑制选择局部最大值作为兴趣点的位置；

步骤B2、极值点尺度归一化，时空兴趣点局部极值所在尺度和真实尺度之间的关系为：也就是说在5维空间(x，y，t，σ，τ)中，将极值点处的尺度乘以得到兴趣点尺度，计算过程采用积分视频和盒滤波器进行加速。

4.根据权利要求1所述的一种基于概率潜在语义分析的行人异常识别方法，其特征在于，所述的步骤C包括：

步骤C1、将兴趣点周围的视频块划分为不同子块，每一子块又划分为不同的元胞，每个元胞的直方图q_j由元胞的平均梯度经正多面体量化得到，每个子块分别用直方图h_i表示，则子块直方图h_i由元胞直方图q_j累加得到，再将所有子块直方图h_i连接得到视频块直方图d_s，进行二范数归一化最终生成HOG3D特征向量；

步骤C2、平均梯度的计算过程：元胞的平均梯度由积分视频计算得到，给定一个视频v(x，y，t)，它沿不同的方向的偏导分别为对的积分视频定义为对的积分视频以此类推；对于一个边长分别为w，h，l视频块j＝(x，y，t，w，h，l)^T，平均梯度其中定义为

对以此类推；

步骤C3、平均梯度的量化过程：通常使用正多面体进行量化，设P为所有n个面的中心p₁，…，p_n组成的矩阵P＝(p₁，…，p_n)^T，其中p_i＝(x_i，y_i，t_i)^T，在P下的映射为元胞中的直方图由各方向的幅值决定，可得元胞梯度直方图通过元胞梯度直方图的累加与子块直方图级联生成HOG3D特征；

步骤C4、所述计算图像序列中光流直方图HOF特征的方法为：以人体活动时空兴趣点p为中心，将局部时空小块按x，y，t方向均分成n_x×n_y×n_t个小格，将0度至360度的光流方向划分成0度至90度、90度至180度、180度至270度和270度至360度这四个主方向，外加一个光流量为零的方向；采用LK光流法计算每个像素位置的光流向量之后在这五个方向做量化和直方图统计，得到每个小格的统计结果为一个五维向量，将每个小格按x，y，t的顺序顺次连接可得到一个5×n_x×n_y×n_t维的光流直方图HOF特征；

步骤C5、将HOG3D与HOF特征级联生成该时空兴趣点的HOG3D/HOF特征向量。