基于视频运动信息特征提取与自适应增强算法的误差反向传播网络的异常行为识别方法

摘要

本发明涉及一种基于视频运动信息特征提取与基于自适应增强算法的误差反向传播网络(BP Adaboost)的异常行为识别方法，包括：首先根据视频相邻图像帧计算光流，由水平方向和竖直方向的光流计算光流方向，以光流的强度为权重计算光流方向直方图，并将直方图特征转换成具有概率属性的特征属性，然后根据正常和异常的训练样本训练基于自适应增强算法的误差反向传播网络(BP Adaboost)得到分类器。测试阶段，在使用训练得到的分类模型前，按照相邻帧光流直方图相同的计算方法，得到测试样本的光流方向直方图，最后根据训练学得到的分类模型进行测试样本中的异常行为识别。本发明具有识别率高、计算复杂度小等特定，可广泛应用于异常行为识别、动作分析领域。

主权项

一种基于视频运动信息特征提取与基于自适应增强算法的误差反向传播网络(BP Adaboost)的异常行为识别方法，其特征在于实现步骤如下：步骤1、读取训练样本视频，将视频分解成单个帧，根据相邻帧计算光流；步骤2、根据步骤1得到的光流，由水平方向和竖直方向的光流计算光流方向，以光流的强度为权重计算光流方向直方图，然后将光流直方图作为描述场景中运动信息的特征向量；步骤3、将步骤2得到的训练样本的特征向量分成正常和异常两类，根据正常和异常类的视频样本，得到运动的特征向量，即全图的光流方向直方图，用这些特征数据训练BP网络的弱分类器，即基于图像运动特征的训练得到弱分类器；步骤4、根据弱分类器的结果，利用基于自适应增强算法的误差反向传播网络(Adaboost)调整若干个弱分类器的权重，由若干个弱分类器加权得到强分类器；步骤5、根据步骤4得到的强分类器，便可以进行测试，读取待检测视频，按照步骤1的方法，将视频分解成单帧，根据相邻帧计算光流；步骤6、由步骤5得到的光流，根据水平方向和竖直方向的光流计算光流方向，以光流的强度为权重计算光流方向直方图，然后将直方图作为描述场景中运动信息的特征向量；步骤7、根据步骤4得到的强分类器和步骤6计算得到的特征向量，对待测试样本进行检测，便可检测正常、异常两类视频帧。