基于运动周期分析的人体异常行为识别方法及装置

摘要

本发明公开一种基于运动周期分析的人体异常行为识别方法，其特征在于按以下步骤进行：获取人体运动行为区域，组成人体运动序列；计算序列中人体运动行为区域的一维变化曲线及曲线的频谱图；判断频谱图是否满足周期性条件，三个频谱图都不满足，则为异常行为；有一个满足则为近似周期性行为；提取近似周期性行为的一个运动周期单元；对运动周期单元进行R变换特征提取；将特征送入单状态隐马尔可夫模型分类器识别；出现异常行为时提醒。一种基于运动周期分析的人体异常行为识别装置，其特征在于：包括有处理机构、运动周期提取机构、运动特征提取机构、分类器和异常行为提醒装置。本发明能在较高的识别率下识别出人体异常行为并报警。

主权项

1.一种基于运动周期分析的人体异常行为识别方法，其特征在于按以下步骤进行：(一)利用视频捕获装置获取人体运动视频序列，并将该视频序列送入计算机，由中央处理机构(1)从人体运动视频序列中提取人体运动行为区域，组成人体运动行为序列；序列中的人体运动行为区域为二值化图像；(二)中央处理机构(1)分别计算人体运动行为区域的面积、宽度、高宽比的一维变化曲线，并对三个参数的一维变化曲线进行傅里叶频谱分析，获得三个曲线的频谱图；(三)中央处理机构(1)分析所述三个频谱图，判断三个频谱图是否满足周期性条件，所述周期性条件是：频谱的能量集中在非0的离散值处；如果三个频谱图都不满足，则该人体运动行为是异常行为，异常行为提醒装置(5)提醒异常行为出现；如果有一个频谱图满足，则该人体运动行为是近似周期性行为；(四)运动周期提取机构(2)确定近似周期性行为的周期，并提取一个运动周期单元，具体方法如下：A.选择所有满足周期性的频谱图对应的一维变化曲线，并对这些一维变化曲线按下式进行二值化：其中，n表示帧数，h(n)表示一维变化曲线上第n帧对应的参数值，f(n)表示二值化结果；B.利用中值滤波对二值化后的一维变化曲线进行平滑，得到平滑后的一维变化曲线；C.舍弃符合舍弃条件的一维变化曲线，所述舍弃条件是：如果在一个变化曲线中，-1到+1变化之前一段连续的-1的个数为1，或者，-1到+1变化之后一段连续的+1的个数为1，则舍弃这样的曲线；D.从剩下的一维变化曲线中，确定求取周期的最佳变化曲线，最佳变化曲线的确定方法如下：-1到+1变化次数以及+1到-1变化次数之和最小，且该和大于4的一维变化曲线，即为最佳变化曲线；E.从最佳变化曲线中，确定一个运动周期单元的起始点，两个起始点的距离为一个周期，两个起始点之间的运动为一个运动周期单元，起始点的确定按如下方法进行：当最佳变化曲线是面积、宽度的一维变化曲线时，起始点是参数值由-1到+1变化的点；当最佳变化曲线是高宽比的一维变化曲线时，起始点是参数值由+1到-1变化的点；F.运动周期提取机构(2)从所述人体运动行为序列中提取出一个运动周期单元；(五)运动特征提取机构(3)对该人体运动行为的一个运动周期单元进行R变换，提取该人体运动行为的特征数据，并将提取的特征数据进行降维处理；所述R变换按下式进行：$R\left(\theta \right)={\int }_{-\infty }^{+\infty }{T}_R^2(\rho ,\theta )\mathrm{d\rho }$上式中，θ∈[0，180°]；$T_R(\rho ,\theta )={\int }_{-\infty }^{+\infty }{\int }_{-\infty }^{+\infty }f(x,y)\sigma (x\cos \theta +y\sin \theta -\rho )\mathrm{dxdy}$其中，x、y分别为二值化图像f(x，y)中像素点的横坐标和纵坐标，θ∈[0，180°]，ρ∈[-∞，∞]，$\sigma \left(x\right)=\left\{\begin{array}{cc}1,& \mathrm{ifx}=0\\ 0,& \mathrm{else}\end{array}\right.;$(六)采用单状态隐马尔可夫模型作为分类器(4)，将降维后的特征数据送入该分类器(4)，对该人体运动行为进行识别；在所述分类器(4)进行识别之前，首先要对该分类器(4)进行训练；(七)如果分类器(4)识别出该人体运动行为为异常行为，由异常行为提醒装置(5)提醒异常行为出现；如果分类器(4)识别出该人体运动行为不是异常行为，则返回到步骤(一)。