一種視頻圖像序列中運(yùn)動(dòng)目標(biāo)的檢出與異常行為分析算法
【專利摘要】本發(fā)明公開了一種視頻圖像序列中運(yùn)動(dòng)目標(biāo)的檢出與異常行為分析算法，該視頻圖像序列中運(yùn)動(dòng)目標(biāo)的檢出與異常行為分析算法具體步驟如下：S1：通過(guò)結(jié)合均值法初始化混合高斯背景模型、為前景像素?cái)?shù)添加計(jì)數(shù)器和對(duì)前景區(qū)域再處理；S2：利用S1中改進(jìn)的背景減除法檢出目標(biāo)物體；S3：應(yīng)用局部二值模式(Local Binary Pattern，LBP)算子計(jì)算運(yùn)動(dòng)目標(biāo)的LBP特征譜；S4：對(duì)S3中獲得的視頻圖像序列中運(yùn)動(dòng)目標(biāo)的紋理特征和運(yùn)動(dòng)信息進(jìn)行統(tǒng)計(jì)，獲得運(yùn)動(dòng)目標(biāo)的局部運(yùn)動(dòng)特征；S5：將獲得的紋理特征和運(yùn)動(dòng)特征表示成結(jié)構(gòu)化信息，對(duì)神經(jīng)網(wǎng)絡(luò)分類器進(jìn)行訓(xùn)練、學(xué)習(xí)，應(yīng)用訓(xùn)練收斂后的分類器對(duì)捕捉到的運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)行為進(jìn)行識(shí)別。
【專利說(shuō)明】
一種視頻圖像序列中運(yùn)動(dòng)目標(biāo)的檢出與異常行為分析算法
技術(shù)領(lǐng)域
[0001 ]本發(fā)明涉及圖像序列中運(yùn)動(dòng)目標(biāo)的檢出技術(shù)領(lǐng)域，尤其涉及一種視頻圖像序列中運(yùn)動(dòng)目標(biāo)的檢出與異常行為分析算法。
【背景技術(shù)】
[0002]隨著社會(huì)的快速發(fā)展，安全問(wèn)題日益受到人們的關(guān)注和重視，視頻監(jiān)控也隨之得到廣泛應(yīng)用。然而，相比于記錄事實(shí)用以事后取證的傳統(tǒng)視頻監(jiān)控，智能視頻監(jiān)控系統(tǒng)在傳統(tǒng)視頻監(jiān)控系統(tǒng)的基礎(chǔ)上添加了智能分析模塊，該模塊能夠?qū)Ξ嬅嬷械倪\(yùn)動(dòng)行為進(jìn)行實(shí)時(shí)捕獲并進(jìn)行分析，并可以對(duì)異常行為進(jìn)行反饋。運(yùn)動(dòng)目標(biāo)檢測(cè)就是對(duì)視頻圖像序列中的運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)和分割的過(guò)程，其結(jié)果的準(zhǔn)確性是目標(biāo)跟蹤、目標(biāo)分類及行為理解等一系列后處理的基礎(chǔ)。視頻圖像在采集、傳輸和存儲(chǔ)的過(guò)程中存在著各種影響圖像質(zhì)量的因素，在運(yùn)動(dòng)目標(biāo)檢測(cè)之前對(duì)視頻圖像進(jìn)行預(yù)處理可以有效提高運(yùn)動(dòng)目標(biāo)檢測(cè)的準(zhǔn)確度。中值濾波是視頻圖像預(yù)處理的一種常用方法，而標(biāo)準(zhǔn)中值濾波算法難以在去除噪聲與保留圖像細(xì)節(jié)方面同時(shí)達(dá)到滿意的效果。現(xiàn)有的運(yùn)動(dòng)目標(biāo)檢出與動(dòng)態(tài)行為分析技術(shù)對(duì)于目標(biāo)有遮擋、重疊以及多目標(biāo)檢測(cè)的結(jié)果不準(zhǔn)確，存在運(yùn)動(dòng)目標(biāo)檢出不完整有漏檢的現(xiàn)象、行為分析特征包含信息量有限甚至不準(zhǔn)確的問(wèn)題、分類器分類結(jié)果誤檢率大等不足，針對(duì)現(xiàn)有技術(shù)的不足提出該方法。

【發(fā)明內(nèi)容】

[0003]本發(fā)明的目的是為了解決現(xiàn)有技術(shù)中存在的缺點(diǎn)，而提出的一種視頻圖像序列中運(yùn)動(dòng)目標(biāo)的檢出與異常行為分析算法，該視頻圖像序列中運(yùn)動(dòng)目標(biāo)的檢出與異常行為分析算法具體步驟如下:
[0004]S1:通過(guò)結(jié)合均值法初始化混合高斯背景模型、為前景像素?cái)?shù)添加計(jì)數(shù)器和對(duì)前景區(qū)域再處理，消除傳統(tǒng)混合高斯模型在光線突變時(shí)產(chǎn)生誤檢的現(xiàn)象；
[0005]S2:利用SI中改進(jìn)的背景減除法檢出目標(biāo)物體，針對(duì)幀間差分法在提取運(yùn)動(dòng)目標(biāo)時(shí)出現(xiàn)檢測(cè)目標(biāo)不完整、容易出現(xiàn)空洞的現(xiàn)象，把使用三幀差分法和改進(jìn)的背景減除法檢出的結(jié)果做融合運(yùn)算得到感興趣的目標(biāo)物體；
[0006]S3:應(yīng)用局部二值模式(Local Binary Pattern，LBP)算子計(jì)算運(yùn)動(dòng)目標(biāo)的LBP特征譜，使用K-means聚類的方法生成反映興趣目標(biāo)運(yùn)動(dòng)行為的紋理特征值。分析運(yùn)動(dòng)目標(biāo)運(yùn)動(dòng)的姿勢(shì)、速度和方向，針對(duì)目標(biāo)運(yùn)動(dòng)過(guò)程中行為動(dòng)作的特點(diǎn)，提取運(yùn)動(dòng)目標(biāo)外接矩形寬高比、運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)速度、運(yùn)動(dòng)方向、目標(biāo)物體的質(zhì)心和輪廓特征等運(yùn)動(dòng)特征；
[0007]S4:對(duì)S3中獲得的視頻圖像序列中運(yùn)動(dòng)目標(biāo)的紋理特征和運(yùn)動(dòng)信息進(jìn)行統(tǒng)計(jì)，獲得運(yùn)動(dòng)目標(biāo)的局部運(yùn)動(dòng)特征，設(shè)定異常行為判定閾值；
[0008]S5:將獲得的紋理特征和運(yùn)動(dòng)特征表示成結(jié)構(gòu)化信息，對(duì)神經(jīng)網(wǎng)絡(luò)分類器進(jìn)行訓(xùn)練、學(xué)習(xí)，應(yīng)用訓(xùn)練收斂后的分類器對(duì)捕捉到的運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)行為進(jìn)行識(shí)別。
[0009]優(yōu)選的，所述步驟S2中建立背景模型檢出感興趣區(qū)域的運(yùn)動(dòng)目標(biāo)，提取反映運(yùn)動(dòng)目標(biāo)運(yùn)動(dòng)行為的紋理特征和運(yùn)動(dòng)特征參數(shù)。為保證檢出目標(biāo)的準(zhǔn)確性，改進(jìn)目標(biāo)圖像的背景建模方法，把改進(jìn)的背景減除法的檢出結(jié)果與幀間差分法的檢出結(jié)果做融合處理得到檢出目標(biāo)。
[0010]優(yōu)選的，所述步驟S5中應(yīng)用提取的運(yùn)動(dòng)目標(biāo)的特征訓(xùn)練分類器，得到性能優(yōu)越的分類器，應(yīng)用分類器對(duì)運(yùn)動(dòng)行為進(jìn)行分類表達(dá)。
[0011]本發(fā)明提供的一種視頻圖像序列中運(yùn)動(dòng)目標(biāo)的檢出與異常行為分析算法，本算法應(yīng)用LBP紋理特征和目標(biāo)的運(yùn)動(dòng)特征信息分析目標(biāo)的運(yùn)動(dòng)行為，提高了算法的有效性和泛化能力。
【具體實(shí)施方式】
[0012]為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合具體實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0013]實(shí)施例1
[0014]—種視頻圖像序列中運(yùn)動(dòng)目標(biāo)的檢出與異常行為分析算法，該視頻圖像序列中運(yùn)動(dòng)目標(biāo)的檢出與異常行為分析算法具體步驟如下:
[0015]S1:通過(guò)結(jié)合均值法初始化混合高斯背景模型、為前景像素?cái)?shù)添加計(jì)數(shù)器和對(duì)前景區(qū)域再處理，消除傳統(tǒng)混合高斯模型在光線突變時(shí)產(chǎn)生誤檢的現(xiàn)象；
[0016]S2:利用SI中改進(jìn)的背景減除法檢出目標(biāo)物體，針對(duì)幀間差分法在提取運(yùn)動(dòng)目標(biāo)時(shí)出現(xiàn)檢測(cè)目標(biāo)不完整、容易出現(xiàn)空洞的現(xiàn)象，把使用三幀差分法和改進(jìn)的背景減除法檢出的結(jié)果做融合運(yùn)算得到感興趣的目標(biāo)物體；
[0017]S3:應(yīng)用局部二值模式(Local Binary Pattern，LBP)算子計(jì)算運(yùn)動(dòng)目標(biāo)的LBP特征譜，使用K-means聚類的方法生成反映興趣目標(biāo)運(yùn)動(dòng)行為的紋理特征值。分析運(yùn)動(dòng)目標(biāo)運(yùn)動(dòng)的姿勢(shì)、速度和方向，針對(duì)目標(biāo)運(yùn)動(dòng)過(guò)程中行為動(dòng)作的特點(diǎn)，提取運(yùn)動(dòng)目標(biāo)外接矩形寬高比、運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)速度、運(yùn)動(dòng)方向、目標(biāo)物體的質(zhì)心和輪廓特征等運(yùn)動(dòng)特征；
[0018]S4:對(duì)S3中獲得的視頻圖像序列中運(yùn)動(dòng)目標(biāo)的紋理特征和運(yùn)動(dòng)信息進(jìn)行統(tǒng)計(jì)，獲得運(yùn)動(dòng)目標(biāo)的局部運(yùn)動(dòng)特征，設(shè)定異常行為判定閾值；
[0019]S5:將獲得的紋理特征和運(yùn)動(dòng)特征表示成結(jié)構(gòu)化信息，對(duì)神經(jīng)網(wǎng)絡(luò)分類器進(jìn)行訓(xùn)練、學(xué)習(xí)，應(yīng)用訓(xùn)練收斂后的分類器對(duì)捕捉到的運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)行為進(jìn)行識(shí)別。
[0020]所述步驟S2中建立背景模型檢出感興趣區(qū)域的運(yùn)動(dòng)目標(biāo)，提取反映運(yùn)動(dòng)目標(biāo)運(yùn)動(dòng)行為的紋理特征和運(yùn)動(dòng)特征參數(shù)。為保證檢出目標(biāo)的準(zhǔn)確性，改進(jìn)目標(biāo)圖像的背景建模方法，把改進(jìn)的背景減除法的檢出結(jié)果與幀間差分法的檢出結(jié)果做融合處理得到檢出目標(biāo)。所述步驟S5中應(yīng)用提取的運(yùn)動(dòng)目標(biāo)的特征訓(xùn)練分類器，得到性能優(yōu)越的分類器，應(yīng)用分類器對(duì)運(yùn)動(dòng)行為進(jìn)行分類表達(dá)。
[0021]本發(fā)明提供的一種視頻圖像序列中運(yùn)動(dòng)目標(biāo)的檢出與異常行為分析算法，本算法應(yīng)用LBP紋理特征和目標(biāo)的運(yùn)動(dòng)特征信息分析目標(biāo)的運(yùn)動(dòng)行為，提高了算法的有效性和泛化能力。
[0022]以上所述，僅為本發(fā)明較佳的【具體實(shí)施方式】，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，根據(jù)本發(fā)明的技術(shù)方案及其發(fā)明構(gòu)思加以等同替換或改變，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1.一種視頻圖像序列中運(yùn)動(dòng)目標(biāo)的檢出與異常行為分析算法，其特征在于:該視頻圖像序列中運(yùn)動(dòng)目標(biāo)的檢出與異常行為分析算法具體步驟如下: S1:通過(guò)結(jié)合均值法初始化混合高斯背景模型、為前景像素?cái)?shù)添加計(jì)數(shù)器和對(duì)前景區(qū)域再處理，消除傳統(tǒng)混合高斯模型在光線突變時(shí)產(chǎn)生誤檢的現(xiàn)象； S2:利用SI中改進(jìn)的背景減除法檢出目標(biāo)物體，針對(duì)幀間差分法在提取運(yùn)動(dòng)目標(biāo)時(shí)出現(xiàn)檢測(cè)目標(biāo)不完整、容易出現(xiàn)空洞的現(xiàn)象，把使用三幀差分法和改進(jìn)的背景減除法檢出的結(jié)果做融合運(yùn)算得到感興趣的目標(biāo)物體； S3:應(yīng)用局部二值模式(Local Binary Pattern，LBP)算子計(jì)算運(yùn)動(dòng)目標(biāo)的LBP特征譜，使用K-means聚類的方法生成反映興趣目標(biāo)運(yùn)動(dòng)行為的紋理特征值。分析運(yùn)動(dòng)目標(biāo)運(yùn)動(dòng)的姿勢(shì)、速度和方向，針對(duì)目標(biāo)運(yùn)動(dòng)過(guò)程中行為動(dòng)作的特點(diǎn)，提取運(yùn)動(dòng)目標(biāo)外接矩形寬高比、運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)速度、運(yùn)動(dòng)方向、目標(biāo)物體的質(zhì)心和輪廓特征等運(yùn)動(dòng)特征； S4:對(duì)S3中獲得的視頻圖像序列中運(yùn)動(dòng)目標(biāo)的紋理特征和運(yùn)動(dòng)信息進(jìn)行統(tǒng)計(jì)，獲得運(yùn)動(dòng)目標(biāo)的局部運(yùn)動(dòng)特征，設(shè)定異常行為判定閾值； S5:將獲得的紋理特征和運(yùn)動(dòng)特征表示成結(jié)構(gòu)化信息，對(duì)神經(jīng)網(wǎng)絡(luò)分類器進(jìn)行訓(xùn)練、學(xué)習(xí)，應(yīng)用訓(xùn)練收斂后的分類器對(duì)捕捉到的運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)行為進(jìn)行識(shí)別。2.根據(jù)權(quán)利要求1所述的一種視頻圖像序列中運(yùn)動(dòng)目標(biāo)的檢出與異常行為分析算法，其特征在于:所述步驟S2中建立背景模型檢出感興趣區(qū)域的運(yùn)動(dòng)目標(biāo)，提取反映運(yùn)動(dòng)目標(biāo)運(yùn)動(dòng)行為的紋理特征和運(yùn)動(dòng)特征參數(shù)。為保證檢出目標(biāo)的準(zhǔn)確性，改進(jìn)目標(biāo)圖像的背景建模方法，把改進(jìn)的背景減除法的檢出結(jié)果與幀間差分法的檢出結(jié)果做融合處理得到檢出目標(biāo)。3.根據(jù)權(quán)利要求1所述的一種視頻圖像序列中運(yùn)動(dòng)目標(biāo)的檢出與異常行為分析算法，其特征在于:所述步驟S5中應(yīng)用提取的運(yùn)動(dòng)目標(biāo)的特征訓(xùn)練分類器，得到性能優(yōu)越的分類器，應(yīng)用分類器對(duì)運(yùn)動(dòng)行為進(jìn)行分類表達(dá)。
【文檔編號(hào)】G06K9/00GK106096523SQ201610389174
【公開日】2016年11月9日
【申請(qǐng)日】2016年6月2日 公開號(hào)201610389174.0, CN 106096523 A, CN 106096523A, CN 201610389174, CN-A-106096523, CN106096523 A, CN106096523A, CN201610389174, CN201610389174.0
【發(fā)明人】王玉德, 韓翠玲, 王鳴天
【申請(qǐng)人】王玉德