一种视频异常行为检测系统.pdf

(19)中华人民共和国国家知识产权局*CN103390278A*(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103390278103390278A(43)申请公布日2013.11.13(21)申请号201310311800.0(22)申请日2013.07.23(71)申请人中国科学技术大学地址230026安徽省合肥市包河区金寨路96号(72)发明人郭立刘鹏王成彰于昊(74)专利代理机构北京科迪生专利代理有限责任公司11251代理人杨学明(51)Int.Cl.G06T7/00(2006.01)权权利要求书5页利要求书5页说明书12页说明书12页附图5页附图5页(54)发明名称一种视频异常行为检测系统(57)摘要一种视频异常行为检测系统，包括轨迹提取模块，功能是使用高斯混合模型提取人物轮廓得到轨迹序列；区域划分模块，功能是针对不同的需求，人工或者通过算法将检测视频背景划分为不同的区域，将这些背景块序列人工标定；条件随机场建模模块，功能是将划分的区域与对应轨迹相结合构造特征向量，将其用于CRF模型训练、估计参数；待测视频检测模块，最后通过上述类似方法获得测试序列的特征向量，利用之前估计得到的参数进行推断，计算属于不同异常行为的概率，取最大概率所属的异常行为作为分类。本发明提供具有良好的实用性和较高的分类正确率。CN103390278ACN1039278ACN103390278A权利要求书1/5页1.一种视频异常行为检测系统，其特征在于包括：轨迹提取模块、区域划分模块、条件随机场建模模块、待测视频检测模块；其中：轨迹提取模块：通过GMM模型即混合高斯模型在视频中先检测出待检测目标的轨迹，送至条件随机场建模模块；区域划分模块：将背景进行区域分类，根据不同的要求通过人工划分或者通过算法自动划分，然后对划分后的区域进行标记，送至条件随机场建模模块；条件随机场建模模块：将划分后的区域和轨迹坐标相结合得到这些异常行为的特征向量，利用同属于一种异常行为的特征向量，构造特征函数，进行条件随机场模型训练和参数估计，获得条件随机场中特征函数的权重系数，送至待测视频检测模块；待测视频检测模块：将测试序列提取轨迹坐标，与划分后的区域结合，得到测试序列的特征向量，利用条件随机场建模模块估计的参数进行判断，计算属于不同异常行为的概率，取最大概率所属的异常行为作为分类。2.根据权利要求1所述的视频异常行为检测系统，其特征在于：所述轨迹提取模块具体实现过程如下：（1）假设每个颜色通道独立分布，简化协方差为初始化混合高斯模型：每个高斯模型的均值和方差都初始化为零，每个高斯模型的权重初始化为1/M，M是每个高斯模型的数目；（2）在时刻t对视频的每个像素Xt和所有的高斯模型进行匹配，如果像素Xt的值与第k个高斯分布gk的均值的距离小于阈值，则像素Xt和这个高斯分布匹配成功，该高斯分布则按照下列公式更新参数，增大该匹配的高斯模型的权重，根据步骤（1）初始化时各高斯模型的权重、均值、方差，一帧中每个像素的RGB三通道值，同时该像素和现有模型匹配，输出的是第2时刻匹配后各高斯模型的权重、均值、方差，以此类推，已知t-1时刻高斯模型的参数，更新求出t时刻各高斯模型的权重、均值、方差；式中α是学习率，反应的是高斯模型更新参数的速度，是一个比较接近于零的小数，取初始值为0.001，wk,t是在t时刻第k个高斯模型所占的权重（1≤k≤M），μk,t和Σk,t分别是t时刻GMM模型中第k个高斯模型均值和协方差矩阵，简化协方差为σk,t是第k个高斯模型的标准差；（3）假如不匹配，则最小权值的高斯分布被新的分布代替，其余高斯分布按照下列公式更新：根据步骤（1）初始化时各高斯模型的权重，均值，方差，一帧中每个像素的RGB三通道值，同时该像素不和现有模型匹配，输出的是第2时刻各高斯模型的权重、均值、方差；以此类推已知t-1时刻高斯模型的参数，更新求出t时刻各高斯模型的权重、均值、方差，wk,t＝(1-α)wk,t-1（2）（4）最后按照优先级wk,t/σk,t对高斯模型进行排序，其中较大者表示其具有较小的方差，出现概率较大；将排序后的前C个分布选为背景模型，其余作为前景模型，所述C满足：2CN103390278A权利要求书2/5页其中T是一个权重阈值，权重阈值范围为0.65到0.75，最后判断该像素是否属于背景模型，如果不属于背景模型则属于前景模型；确定了属于前景模型的每个像素以后，能够判断出每一帧图像中属于前景目标的是哪些像素，获得所有的前景像素，即获得前景目标；根据上一步骤得到k时刻的各高斯分布的权重、均值、方差，该步骤输出的是符合属于前景条件的像素点集合，即前景目标；获得前景目标之后，将前景包围盒的质心作为轨迹点，实现过程如下：找出前景目标横纵坐标的极大值和极小值点，