基于稠密光流直方图的群体异常检测方法

摘要

本发明提供了一种基于稠密光流直方图的群体异常检测方法，包括步骤1：计算视频帧图像的稠密光流场；步骤2：根据稠密光流场的大小进行分块处理并获取每个图像区块内各个像素点的光流矢量；步骤3：计算得到帧图像对应的光流方向直方图特征；步骤4：选择SVM分类器的训练样本，训练SVM分类器；步骤5：利用训练完成的SVM分类器对待测样本进行分类，判断帧图像中的人群是否出现异常；步骤6：利用人群行为状态持续时间作为帧图像中的人群是否出现异常的一个判断依据，以此对SVM分类器的分类结果进行优化矫正。本发明较好地对光流矢量场进行分析处理，更为客观准确地反映出人群运动情况，并对SVM分类器的分类结果进行优化，降低了分类器判断的错误率。

主权项

一种基于稠密光流直方图的群体异常检测方法，其特征在于，包括如下步骤：步骤1：获取视频图像中至少一幅帧图像的稠密光流场；步骤2：根据所述稠密光流场的大小进行分块处理后得到多个图像区块，获取每个图像区块内各个像素点的光流矢量；步骤3：将像素点的运动方向离散化，即将所述像素点的光流方向离散化，统计每个图像区块内所包含的像素点的光流矢量在圆周范围内的各个角度区间内的数目，并将像素点光流矢量的幅值作为该像素点在光流方向上进行累加的权值，以累计幅值的方式来体现图像区块内像素点在当前时刻各角度区间内运动像素的多少以及瞬时速度的大小；对于每一幅帧图像，结合帧图像的全部图像区块中的所有像素点在该时刻的运动矢量统计结果，得到所述帧图像对应的光流方向直方图特征；步骤4：选择支持向量机SVM分类器的训练样本，并对所述训练样本进行类标签的标记，通过对带有类标签的所述训练样本执行步骤i1、步骤i2、步骤i3的操作，得到与类标签相对应的所述训练样本的光流方向直方图特征。调整SVM分类器和核函数的参数，利用所述训练样本的类标签及对应的光流方向直方图特征，对SVM分类器进行训练，在核函数映射的特征空间中得到最优分类超平面，该超平面将不同类标签的训练样本区分开来；其中：步骤i1：获取样本中的视频图像中至少一幅帧图像的稠密光流场；步骤i2：根据所述稠密光流场的大小进行分块处理后得到多个图像区块，获取每个图像区块内各个像素点的光流矢量；步骤i3：将像素点的运动方向离散化，即将所述像素点的光流方向离散化，统计每个图像区块内所包含的像素点的光流矢量在圆周范围内的各个角度区间内的数目，并将像素点光流矢量的幅值作为该像素点在光流方向上进行累加的权值，以累计幅值的方式来体现图像区块内像素点在当前时刻各角度区间内运动像素的多少以及瞬时速度的大小；对于每一幅帧图像，结合帧图像的全部图像区块中的所有像素点在该时刻的运动矢量统计结果，得到所述帧图像对应的光流方向直方图特征；步骤5：对待测样本进行步骤i1、步骤i2、步骤i3的操作后获得待测样本的光流方向直方图特征，利用核函数将直方图特征映射到特征空间，在该特征空间中判断此待测样本特征位于训练完成的SVM分类器最优分类超平面的哪一侧，确定待测样本所属类别，以此判断帧图像中的人群是否出现异常；步骤6：将人群行为状态持续时间作为帧图像中的人群是否出现异常的一个判断依据，并对SVM分类器对待测样本进行分类得到的分类结果进行矫正。