[发明专利]一种基于团块与轨迹特征的异常行为描述方法

摘要

本发明提出一种基于团块与轨迹特征的异常行为描述方法，利用特征提取方法提取场景的颜色特征、纹理特征、位置特征，利用K-means算法将这些特征聚类生成团块，并用条件随机场模型(CRF)对团块进行描述。利用混合高斯模型进行运动目标检测，并提取目标的轨迹特征，组合团块描述与轨迹特征，形成组合特征向量，用隐马尔科夫模型(HMM)对组合特征向量建模，用建立的HMM模型描述目标在场景内的异常行为，摘要附图为本发明的原理框图。本发明基于团块与轨迹特征的异常行为描述方法不但考虑了场景对异常行为的影响，并且实现了对目标长时间的跟踪和描述。

主权项

一种基于团块与轨迹特征的异常行为描述方法，其特征在于，包括如下步骤：步骤（1）、利用特征提取方法提取场景特征，包括颜色特征、纹理特征、位置特征；步骤（2）、利用K‑means算法对颜色特征、纹理特征、位置特征进行聚类，形成视觉单词；利用pLSA模型将视觉生成隐含语义的主题分布，利用CRF模型对主题分布进行建模，通过模型训练获取模型的参数估计，最终通过模型推断获取场景团块的描述；步骤（3）、利用混合高斯模型对视频信息中的运动目标进行检测，获得运动目标区域，求取区域的质心，连接质心坐标生成目标的运动轨迹特征；步骤（4）、组合目标的运动轨迹特征和场景团块描述，生成组合特征向量；步骤（5）、利用HMM模型对组合特征向量建模，通过HMM模型的训练获得新的转移状态矩阵和混淆矩阵，通过评估问题获得测试视频序列的异常行为描述。