发明名称 | 一种基于视频序列的人体异常行为检测方法 | ||
摘要 | 本发明是一种基于视频序列的人体异常行为检测方法。首先,对摄像头采集到的视频图像序列进行运动目标检测;接着提取运动人体区域的运动特征、并使用非负矩阵分解对运动区域进行特征降维,作为运动目标的局部特征;然后将运动特征和局部特征的进行融合,作为运动行为的特征向量;然后采用基于“投票法”的SVM多类分类器进行运动行为的识别和分类,对识别的运动目标行为做出评判。本分明在降维的同时进行了多特征融合,提高了分别识别性能。本发明应用于智能视频监控,自动分析公共场所中运动人体的行为,对异常行为做出判断,使计算机协助人活着代替人完成监控任务。 | ||
申请公布号 | CN103150579A | 申请公布日期 | 2013.06.12 |
申请号 | CN201310059118.7 | 申请日期 | 2013.02.25 |
申请人 | 东华大学 | 发明人 | 纪青华;禹素萍;曹新学;张盛汉 |
分类号 | G06K9/66(2006.01)I | 主分类号 | G06K9/66(2006.01)I |
代理机构 | 上海申汇专利代理有限公司 31001 | 代理人 | 翁若莹;柏子雵 |
主权项 | 一种基于视频序列的人体异常行为检测方法,其特征在于,步骤为:第一步、建立行为模型数据库:步骤1.1、通过摄像头和WDM视频采集卡采集训练行为视频图像序列,作为训练样本;步骤1.2、提取训练行为视频图像序列中运动人体的运动特征及局部特征,将运动特征及局部特征相结合,组成一组训练特征向量;步骤1.3、将训练特征向量作为输入,利用机器方法进行学习从而得到行为模型数据库;第二步、人体行为判断:步骤2.1、通过摄像头和WDM视频采集卡采集实时行为视频图像序列;步骤2.2、提取实时行为视频图像序列中运动人体的运动特征及局部特征,将运动特征及局部特征相结合,组成一组实时特征向量;步骤2.3、将实时特征向量作为输入,利用行为模型数据库采用机器方法对识别的运动人体区域的行为做出评判。 | ||
地址 | 201620 上海市松江区人民北路2999号 |