[发明专利]基于改进单元分析的监控视频异常事件检测方法

权利要求书

1.基于改进单元分析的监控视频异常事件检测方法，其特征在于该方法包括以下特征：

步骤S101、图像预处理：

读取视频流作为输入，对其进行解码，并使用高斯滤波进行去噪处理；

步骤S102、前景掩码的计算：

通过ViBe算法计算去噪后图像的前景掩码；

步骤S103、单元的划分：

对去噪处理后的图像进行单元划分；

步骤S104、基本事件表示：

利用前景掩码分别计算各单元的运动、尺寸和纹理特征；

采用基于前景对象的极坐标下的HOG3D特征作为运动特征，用于判断前景对象运动速度大小和运动方向；采用前景像素点个数作为尺寸特征；采用等价模式的LBP特征作为纹理特征；

步骤S105、模型训练：

运动特征和纹理特征使用自适应的半参数方法进行建模，尺寸特征使用近似核密度估计的方法进行建模；

步骤S106、分类器构建：

利用训练的模型，建立两个分类器：运动特征分类器和尺寸纹理特征分类器；

步骤S107、异常事件判断：

计算测试单元的运动、尺寸和纹理特征，输入到分类器中进行视频异常事件的判断。

2.如权利要求1所述的基于改进单元分析的监控视频异常事件检测方法，其特征在于步骤S102采用ViBe算法计算前景掩码，设p(x,y,t)为第t帧位于(x,y)位置像素点的灰度值，每个位于(x,y,t)的像素点是否为前景的具体过程如下：

步骤S301、当t＝1时，初始化像素点(x,y,t)的模型；从(x,y,t)的邻居像素点中随机选择z个像素点的灰度值来初始化(x,y,t)的样本集{p₁,p₂,...,p_z}_(x,y,t)，该样本集可构成该像素点的灰度值模型；

步骤S302、t＝t+1，读取下一帧的新像素点，转至步骤S303，如果没有新的像素点，算法结束；

步骤S303、阈值判断：将{p₁,p₂,...,p_z}_(x,y,t-1)中的灰度值与以p(x,y,t)为中心、以R为半径的球体S_R(p(x,y,t))范围内的灰度值进行对比；灰度值p(x,y,t)周围球体S_R(p(x,y,t))与灰度值样本集{p₁,p₂,...,p_z}_(x,y,t-1)交集的势用符号#{S_R(p(x,y,t)∩{p₁,p₂,...,p_z}_(x,y,t-1)}表示，最小阈值用#min表示，如果#{S_R(p_t(x)∩{p₁,p₂,...,p_z})}＞#min，转至步骤S304；否则，转至步骤S305；

步骤S304、判断(x,y,t)为背景像素点，设置当前像素点(x,y,t)的掩码mask＝0，更新当前像素点前景计数count＝0，该像素点有的概率更新自身样本集，该像素点有的概率更新邻居的样本集；转至步骤S302；

步骤S305、判断(x,y,t)为前景像素点，设置当前像素点(x,y,t)的掩码mask＝1，更新当前像素点前景计数count＝count+1；

步骤S306、如果连续多帧被判为前景，即像素点前景计数大于前景计数阈值count＞T_fore，转至步骤S307，否则转至S302；

步骤S307、该像素点有的概率更新自身样本集，转至步骤S302。