[发明专利]一种异常检测方法及系统

权利要求书

1.一种异常检测方法，其特征在于，包括：

获取一视频片段，其中，所述视频片段包含多个视频帧；

将每一视频帧划分为多个尺寸相同的网格单元，并采用粒子选择策略选择每个所述网格单元中的一特征粒子；

计算所述每一视频帧中的每个所述网格单元中的特征粒子所受到的排斥力合力；

根据所有所述视频帧的相同位置的所述网格单元中的特征粒子所受到的排斥力合力，得到每一所述特征粒子的排斥力力流矩阵，其中，所述排斥力力流矩阵中的向量为所述每一视频帧中的每个所述网格单元中的特征粒子所受到的排斥力合力；

将所述排斥力力流矩阵中的每一向量与每一预设视觉词典比较，其中，所述预设视觉词典包括多个视觉单词，所述视觉单词表示正常情况下的粒子的排斥力合力；

若所述向量在任一所述预设视觉词典中的重构误差小于预设重构误差阈值，则确定所述向量所在的区域正常；

若所述向量在所有所述预设视觉词典中的重构误差不小于预设重构误差阈值，则确定所述向量所在的区域异常；

所述计算所述每一视频帧中的每个所述网格单元中的特征粒子所受到的排斥力合力的步骤，包括：

获取每一所述视频帧中与所述特征粒子相邻的其他粒子；

按照第一规则获取每一所述视频帧中所述特征粒子与其他粒子之间的排斥力；

根据所述视频帧中所述特征粒子与其他粒子之间的排斥力，按照第二规则，获取所述视频帧中的所述特征粒子的排斥力合力；

所述第一规则为j表示与所述特征粒子i相邻的其他粒子，F_ij表示特征粒子i与其他粒子j之间的排斥力，τ是特征粒子i与其他粒子j的即将碰撞时间，τ₀是预设碰撞时间下限，k为常数，表示空间梯度；

所述第二规则为F_i表示特征粒子i的排斥力合力，Ω表示与所述特征粒子i相邻的其他粒子j的集合。

2.根据权利要求1所述的方法，其特征在于，所述将每一视频帧划分为多个尺寸相同的网格单元，并采用粒子选择策略选择每个所述网格单元中的一特征粒子的步骤，包括：

采用深度光流跟踪每一所述视频帧中的所有像素的运动轨迹，获取所有像素的速度；

将初始视频帧的每个所述网格单元中的中心点像素，作为所述初始视频帧的每个所述网格单元中的特征粒子；

对于除所述初始视频帧以外的视频帧的每个所述网格单元，遍历所述网格单元中的每一所述像素的速度；

将每一所述网格单元中的每一所述像素的速度按照从大到小的顺序排序；

获取所述网格单元中的速度最大的所有像素点，并通过K-means算法计算得到所述网格单元中的速度最大的所有像素点的中心点像素，作为所述网格单元中的特征粒子。

3.根据权利要求1所述的方法，其特征在于，所述将所述排斥力力流矩阵中的每一向量与每一预设视觉词典比较的步骤，包括：

按照第三规则计算得到所述向量在一所述预设视觉词典中的重构系数；

根据所述重构系数，按照第四规则计算得到所述向量的重构误差；

将所述向量的重构误差与每一预设视觉词典的预设重构误差阈值比较。

4.根据权利要求3所述的方法，其特征在于：

所述第三规则为其中，β_i表示向量x在预设视觉词典D_i中的重构系数；

所述第四规则为R(x,β_i,D_i)＝∑γ{||x-D_iβ_i||}，R(X,β_i,D_i)表示向量的重构误差，γ取值为0或者1，当γ为0时，表示对于视觉单词x，第i个预设词典D_i没被选择，当γ为1时，表示对于视觉单词x，第i个预设词典D_i被选择。