[发明专利]一种基于无监督学习的监控视频异常检测方法

权利要求书

1.一种基于无监督学习的监控视频异常检测方法，其特征在于对给定场景下的监控视频集合，进行如下操作：

1)提取视频中的运动块，并计算运动块的3D梯度特征；

2)在局部异常检测中，首先对视频中的运动块进行扩展，然后以扩展后的运动块为中心，分别从时间维度、空间维度以及时空维度上比较该运动块与其邻域块之间的差异性，从而找到异常的运动块并输出；

3)在全局异常检测中，首先对视频中的运动块进行聚类提取运动目标，然后在运动目标序列上使用滑动窗口，比较窗口内两个运动目标之间的差异性，最后基于一致性对检测结果进行优化并输出；

所述的步骤1)具体为：

1.1)对输入视频使用帧差法，将视频中连续的两帧之间进行逐像素相减：

f_t(x,y)＝I_t(x,y)-I_t-1(x,y)

其中，f_t(x,y)为视频第t帧与第t-1帧之间对应坐标(x,y)处像素值的差值，I_t(x,y)为视频第t帧上坐标(x,y)处的像素值；

1.2)对于使用帧差法后得到的视频数据，将其中的每一帧划分为尺寸为w×h的不重叠区域，每个区域大小为w_b×h_b，在每个区域内取连续的k帧组成一个时空块，时空块大小为w_b×h_b×k；

1.3)对时空块进行筛选，提取其中的运动块，具体为设定运动阈值σ，遍历视频中的所有时空块，如果一个时空块内包含的所有像素点的像素值之和大于运动阈值σ，4.5≤σ≤6，则判断该时空块为一个运动块，运动块的判断公式为：

其中，α_i为第i个时空块的判断结果，其值为0表示该时空块不是运动块，值为1表示该时空块是一个运动块；s_i为第i个时空块内所有像素点的像素值之和；

1.4)计算视频中运动块的3D梯度特征χ'_i，具体为：对于每个运动块u_i，将块内包含的所有像素点的像素值串联起来形成特征向量χ_i，并对其进行L2归一化，形成运动块u_i的3D梯度特征，计算3D梯度特征χ'_i的公式为：

其中，χ_i＝(χ_i1,χ_i2,...,χ_im)表示将运动块u_i内像素点的像素值串联起来形成的特征向量，norm(χ_i)为特征向量χ_i的L2范数，m为特征向量χ_i的维度，χ'_i表示将特征向量χ_i进行L2归一化后得到的结果。