一种基于轨迹序列分析和规则归纳的视频行为识别方法

摘要

本发明公开一种基于轨迹序列分析和规则归纳的视频行为识别方法，解决人工耗费大的问题，采用将场景中的完整轨迹分割为若干有基本语义的轨迹段，通过轨迹聚类得到若干基本运动模式为原子事件，并用隐马尔科夫模型建模，通过基于最小描述长度准则的规则归纳算法，获取蕴含在轨迹序列中的事件规则，基于事件规则，用扩展的文法分析器对感兴趣事件加以识别。本发明提供完整的视频行为识别框架，在规则归纳过程中考虑视频事件的空时属性，提出了一种多层规则归纳策略，大大提高了规则学的有效性，推进模式识别在视频行为识别的应用。本发明应用于智能视频监控，自动分析当前监控场景下汽车或行人的运动行为，使计算机协助人或代替人完成监控任务。

主权项

一种基于轨迹序列分析和规则归纳的视频行为识别方法，其特征在于：轨迹分割步骤S1：对由底层跟踪算法得到的轨迹根据事先定义好的语义区域进行分割，用于获得有最基本语义含义的轨迹段；轨迹聚类步骤S2：在每一个语义区域中的轨迹段进行聚类，用于得到最基本的运动模式；获得原子事件序列步骤S3：为属于同一个最基本运动模式的轨迹段建立隐马尔科夫模型，作为原子事件模型；之后针对原始轨迹序列的每一轨迹段，计算其符合原子事件模型的似然概率来判别事件类别，得到原子事件序列；规则归纳步骤S4：对获得的原子事件序列，利用一个基于最小描述长度准则的多层规则归纳算法以获取带有更高层语义含义的事件规则；基于文法分析的行为识别步骤S5：根据学习得到的事件规则，利用文法分析器识别给定原子事件序列中蕴含的带有更高层语义含义的事件类别。