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 |