[发明专利]一种群体异常行为实时检测方法

权利要求书

1.一种群体异常行为实时检测方法，其特征在于，所述方法包括：

基于STFD时空体特征描述算子和原始图像帧构建进行群体异常行为检测的第一DCCNN结构；

设置训练参数来优化所述第一DCCNN结构，以获得具有高层语义特征的第二DCCNN结构；

根据所述第二DCCNN结构设计群体异常行为实时检测系统，以确定待检测视频流中是否存在群体异常行为。

2.根据权利要求1所述的群体异常行为实时检测方法，其特征在于，所述基于STFD时空体特征描述算子和原始图像帧构建进行群体异常行为检测的第一DCCNN结构包括：确定所述第一DCCNN的结构构架，所述第一DCCNN结构包括上下两个网络通道，每个网络通道包括1个数据层、5个卷积层Conv、3个池化层Pool、2个归一化层Norm和2个全连接层FC。

3.根据权利要求2所述的群体异常行为实时检测方法，其特征在于，所述数据层在训练和验证阶段，在数据层中计算所有训练图片的均值，并将训练图像I_tain减去mean_Itain均值得到M_Itrain；DCCNN上层通道的特征图是原始视频图像通过所述卷积层中的卷积核从局部到整体来提取的不同特征；卷积层卷积后的特征输入到池化层以降低特征的维度，并选取图像区域的最大值作为该区域的值；归一化层对网络性能的提升起着非常重要的作用，在网络中实现预处理操作，进而在前一层神经元输入到后续一层网络结构时,有效地防止了“梯度弥散”；归一化层输出的全部特征输入到全连接层，并将所有特征直接输入softmax分类器中以实现对不同的群体行为和场景进行分类。

4.根据权利要求1所述的群体异常行为实时检测方法，其特征在于，所述设置训练参数来优化所述第一DCCNN结构，以获得具有高层语义特征的第二DCCNN结构，包括：

计算提取的STFD时空体特征描述算子的实例，并将其与视频原始图像一起作为训练数据集；

组合视频场景的地点、主体和群体活动的类型信息来表达视频中群体行为的高层语义分类，并实现对训练数据集的标注；

将标记的数据集输入到设计的第一DCCNN结构中进行训练，然后设置训练参数来优化网络结构，获得具有高层语义特征的第二DCCNN结构，所述训练参数包括：学习率和动量。

5.根据权利要求4所述的群体异常行为实时检测方法，其特征在于，所述群体异常行为实时检测系统包括：视频读取和参数配置模块、实时监控模块、异常报警显示模块和数据统计模块，所述视频读取和参数配置模块用于设置视频来源以获取和处理视频流数据，所述实时监控模块用于监控视频的实时显示和在线检测场景中群体的恐慌逃散、聚集和打斗这三种群体异常行为；所述异常报警显示模块用于显示异常帧的详细列表信息，然后在列表顶端按时间降序排列显示最新的异常行为信息，并在异常行为的视频上标记显著区域；所述数据统计模块用于根据预设条件筛选相应的视频数据，并将统计的结果显示在界面上。

6.根据权利要求5所述的群体异常行为实时检测方法，其特征在于，所述实时监控模块包括：特征提取单元和异常行为识别单元，所述特征提取单元用于从时间上跟踪群体的运动轨迹，从空间上提取与计算群体的相互作用力；所述异常行为识别单元用于包括所述第二DCCNN结构，以实现对群体异常行为的检测。

7.根据权利要求6所述的群体异常行为实时检测方法，其特征在于，所述特征提取单元包括：目标检测子单元、目标跟踪子单元和STFD提取与编码子单元，所述目标检测子单元用于获取完整、准确的群体运动区域；所述目标跟踪子单元用于跟踪群体运动区域中的特征点，以获得群体运动的轨迹；所述STFD提取与编码子单元用于基于小群组的运动轨迹来提取并编码群体的运动特征，同时从时间和空间两方面来提取与计算群体运动特征的相关性，从而得到群体运动的交互信息。