| 发明名称 | 视频监控中的团体人群异常行为检测方法 | ||
| 摘要 | 本发明提供了一种基于视频监控中的团体人群异常行为检测方法，包括步骤如下：视频目标检测：通过相继帧中的边缘信息差异检测得到视频对象，和通过前景帧与背景帧的帧差得到运动变化的视频对象，结合两种视频对象检测结果得到相对精确的运动目标；视频目标跟踪：通过基于视频粒子的长周期的运动估计方法，对目标进行跟踪得到相应的运动轨迹；团体人群检测：通过团体人群在视频中的运动特性，对轨迹间距离，行进速度信息进行谱聚类分析；人群异常行为识别：使用MGHMM模型对人群轨迹建立模型，通过正常轨迹的突然变化来进行堵塞和跌倒的识别。本发明集成了人群目标检测、人群目标跟踪、模式识别、机器学方面的技术。 | ||
| 申请公布号 | CN102799863B | 申请公布日期 | 2014.12.17 |
| 申请号 | CN201210223375.5 | 申请日期 | 2012.07.02 |
| 申请人 | 中国计量学院 | 发明人 | 章东平;陈非予;彭怀亮 |
| 分类号 | G06K9/00(2006.01)I;G06K9/62(2006.01)I | 主分类号 | G06K9/00(2006.01)I |
| 代理机构 | 杭州浙科专利事务所(普通合伙) 33213 | 代理人 | 吴秉中 |
| 主权项 | 一种基于视频监控中的团体人群异常行为检测方法，包括步骤如下：（1）视频目标检测：通过相继帧中的边缘信息差异检测得到视频对象，和通过前景帧与背景帧的帧差得到运动变化的视频对象，结合两种视频对象检测结果得到相对精确的运动目标；（2）视频目标跟踪：通过基于视频粒子的长周期的运动估计方法，对目标进行跟踪得到相应的运动轨迹；（3）团体人群检测：通过团体人群在视频中的运动特性，对轨迹间距离，行进速度信息进行谱聚类分析；（4）人群异常行为识别：使用MGHMM模型对人群轨迹建立模型，通过正常轨迹的突然变化来进行堵塞和跌倒的识别；所述MGHMM模型的参数是<img file="775746dest_path_image001.GIF" wi="176" he="29" />，<img file="404173dest_path_image002.GIF" wi="18" he="25" />是状态<img file="705842dest_path_image003.GIF" wi="54" he="20" />的初始概率，<img file="66416dest_path_image004.GIF" wi="20" he="26" />是状态转移概率，其中<img file="266584dest_path_image005.GIF" wi="148" he="34" />，<img file="636386dest_path_image006.GIF" wi="22" he="25" />是混合系数，<img file="526981dest_path_image007.GIF" wi="25" he="25" />是均值向量，<img file="386353dest_path_image008.GIF" wi="42" he="29" />是高斯模型<img file="995189dest_path_image009.GIF" wi="18" he="16" />在状态<img file="972941dest_path_image010.GIF" wi="9" he="18" />的协方差矩阵。 | ||
| 地址 | 315470 浙江省余姚市泗门镇光明路126号 | ||