基于视频分析的可疑行为检测方法

摘要

本发明涉及一种基于视频分析的可疑行为检测方法。该方法包括三个步骤：人体目标检测、轨迹建模、特征提取与分类。该方法采用计算机辅助手段和视频分析技术，智能化检测监视视频中存在的可疑行为，及时发现和预警，可以有效降低可疑行为对监视场所的威胁，同时安装容易、使用方便，经济和社会效益显著。

主权项

1.一种基于视频分析的可疑行为检测方法，包括在摄像头采集到监视视频的基础上,首先进行人体目标检测，然后对视频不同帧中的人体目标进行轨迹建模，最后进行轨迹特征提取与分类，判断监视场景中是否存在可疑行为，具体流程如下：（A）、人体目标检测采用基于隔帧帧差和轮廓配对的人体目标检测方法，包括以下步骤Step1－Step5：Step1：采用隔帧帧差法检测运动目标，具体是选取间隔t帧的三帧图像I₀、I_t、I_2t，分别计算帧差图像E₁、E₂；t为正整数，单位为帧；Step2：确定自适应阈值T；计算帧差图像均值，将其乘以一个加权系数，以之作为自适应阈值；其中，M×N为视频图像尺寸，β为加权系数；Step3：阈值分割，得到二值图像MR；MR中值为1的像素点记为运动的目标点；Step4：目标块标记；首先采用中值滤波方法平滑目标块，去除噪声，滤波器窗口为3×3；然后采用数学形态学中的开运算操作填补目标块的“孔洞”，合并相邻的目标块；最后采用8-邻接连通方法搜索和标记目标；Step5：人体目标判别；首先，检测目标的轮廓；接着，采用归一化傅立叶描述子表示目标的轮廓；最后，采用欧式距离进行轮廓配对，判决目标属性；（B）、轨迹建模采用基于时间窗四元组的轨迹建模方法；其中，轨迹的四元组记为：其中，i表示目标序号，f表示视频帧号，P(x, y)表示目标质心坐标，d(u)表示目标轮廓描述子；对于第一帧视频图像，依次标记各个人体目标的序号，而对于后续视频图像中出现的各个人体目标，首先和前一帧的各个人体目标进行特征匹配，如果匹配成功，则该目标序号标记为前一帧相匹配的目标序号；否则，为该目标标记新的序号；其中，前后两帧图像中人体目标的匹配采用基于空域约束和时频域特征联合匹配的特征匹配方法，首先进行空域约束，满足约束条件则继续下一步匹配，否则终止匹配过程，判定两目标不匹配；接着进行频域特征匹配，满足频域匹配条件则继续下一步匹配，否则终止匹配过程，判定两目标不匹配；最后进行时域特征匹配，满足时域条件则判定两目标匹配，否则判定两目标不匹配；得到每一帧视频图像中各个目标的四元组后，采用时间窗法得到时间窗四元组，记为W_TR：其中，t₀表示起始视频帧号，t_d表示间隔帧数；（C）、轨迹特征提取与分类采用基于时空离散曲线的标矢量轨迹特征提取和SVM分类方法，包括以下步骤Step6－Step8：Step6：时空离散曲线标量特征提取提取的时空离散曲线标量特征包括：广义曲率、时空长度和时空拐点数目，详述如下：（1）广义曲率首先计算时空离散曲线上各离散点与相邻两点的夹角，作为该离散点的角度特征，然后，取所有离散点角度特征的平均值，作为广义曲率；（2）时空长度时空长度为时空离散曲线上的离散点数目；（3）时空拐点数目在时空离散曲线上，时空拐点的个数为时空拐点数目；Step7：时空离散曲线矢量特征提取对于时空离散曲线上的每一个离散点，提取空域和时域两个矢量特征；（4）空域矢量空域矢量的获取方法是：首先由四元组的轮廓描述子恢复人体轮廓形状，然后采用椭圆曲线拟合方法获取人体椭圆形状，最后提取椭圆的长轴矢量，作为空域矢量；（5）时域矢量对于时空离散曲线上的任一点，其时域矢量的模值为该点与下一点的欧式距离，时域矢量的方向为该点指向下一点的方向和水平方向的夹角；Step8：特征分类对于提取到的轨迹特征，送入由训练阶段得到的SVM分类器进行分类，判别监视场景中是否存在可疑行为。