[发明专利]一种基于低维时空特征提取与主题建模的肢体冲突行为检测方法

说明书

本发明属于视频监控技术领域，涉及一种种基于低维时空特征提取与主题建模的肢体冲突行为检测方法，检测的步骤为需要先定义一个词本，再量化对象的像素位置、描述场景中的前景目标的大小、确定前景像素的运动情况，通过上述步骤后完成完整的词本建立和语料库的建立，通过上述计算方式来进行肢体冲突行为的判断，该方法结合了低维的数据特征表示和基于模型的复杂场景分析，利用动作中人体位置信息的变化，学习出一个与身体部位无关的整体运动模型，通过分析整体运动模型，将检测到的结果与模型中的参数进行对比，进而判断出人体运动状态，本发明与现有技术相比，该方法设计构思巧妙，检测原理科学，检测方式简单并且检测精确度高，极具市场前景。

技术领域：

本发明属于视频监控技术领域，涉及一种肢体冲突行为检测方法，特别涉及一种基于低维时空特征提取与主题建模的肢体冲突行为检测方法。

背景技术：

近年来，随着各种安全突发事件的增多，大众安全意识的提升，同时伴随着人工智能理念的渗透和人工智能技术的不断成熟，智能监控越来越受到人们的关注。传统的监控系统主要通过人工监控的方式实现对公共场合的安全管理，缺乏实时性和主动性。在很多情况下，视频监控由于无人管理只是起到了视频备份的作用没有做到监管的职责。此外，随着监控摄像头的普及和广泛布设，传统的人工监控方式已经不能满足现代监控的需求。为解决这一问题，大众都致力于寻求解决方案来代替人工操作。目前，随着视频监控技术以及信息科学的不断发展，视频监控、人机交互、视频搜索等领域有了长足的发展，自动化监控逐渐成为一个具有广泛应用前景的研究课题。异常行为检测是自动监控的重要内容，相较于一般地人体行为识别集中在人的常规动作的识别上，异常行为通常具有高突发性，并且持续时间较短，很难获取行为特征的特点。

近年来，对于异常行为的检测，研究者们提出了不同的方法，早期异常行为检测的研究工作主要集中于利用简单集合模型描述人体行为，如基于二维轮廓模型、三维圆柱体模型等；除静态几何模型外，研究人员还尝试利用描述人体运动的某些特征进行建模，如形状、角度、所在位置、运动速度、运动方向、运动轨迹等特征进行行为描述和区分，并采用包括主成分分析法、独立成分分析法等在内的子空间方法对提取的特征进行降维和筛选，从而进行行为分析。现有针对异常行为检测的发明，存在未能真正理解异常行为的固有特点，因而现有异常行为检测模型并不能完全反应异常行为的本质，从而导致依据现有异常行为检测模型得到的检测精度并未达到理想效果，因此，设计一种基于低维时空特征提取与主题建模的肢体冲突行为检测方法，计算方法准确，检测结果精确。

发明内容：

本发明的目的在于克服现有技术存在的缺陷，寻求设计一种基于低维时空特征提取与主题建模的肢体冲突行为检测方法，计算方式简单，计算精度高，能够快速准确地对肢体冲突行为进行检测，并能够及时预警。

为了实现上述目的，本发明涉及的一种基于低维时空特征提取与主题建模的肢体冲突行为检测方法具体包括的工艺步骤如下：

S1、词本的定义

先从原始的监控视频数据中提取出符合人类认知的语义理解，通过本发明的算法设计自动分析理解视频数据，分析过程分为前景目标的提取、目标特征表示和行为分析归类，该方法基于LDMA模型用于视频监控中人体异常行为检测，对视频中每个对象的像素位置进行描述，对每个像素抽取特征向量，该特征向量包含每一像素的位置、运动的速度和方向、隶属于目标对象的大小，最终形成视觉信息词本和文档，并定义一个有效的词本，作为涵盖监控视频中的像素可查询的字典；

S2、量化对象的像素位置

在视频监控获得的视频中，行为基本是以行为发生者的位置为特征的，因此，本发明将位置信息考虑到词本的构建中，把视频中对象的像素位置量化成不重叠的10*10的细胞元中，对于M×N的视频对象，因此能够获得M/10×N/10个细胞元组；

S3、描述场景中的前景目标的大小