The invention provides a car abnormal behavior detection method, a computer device and a computer readable storage medium. The car abnormal behavior detection method includes a foreground detection step to obtain moving objects in image data; a target tracking step to switch moving objects according to the distance and overlap of the acquired moving objects. Target tracking method obtains target tracking data about moving objects; abnormal judgment steps determine whether the target tracking data matches the presupposed data of abnormal behavior; if so, determine whether the target of moving objects has abnormal behavior. The processor of the computer device is used to implement the steps of the abnormal behavior detection method of the carriage when executing the computer program stored in the memory. When the computer program stored in the computer readable storage medium is executed by the processor, the steps of the abnormal behavior detection method of the carriage are realized. The method can effectively track the moving object and can judge various abnormal behaviors, and has comprehensive functions and high accuracy.
【技术实现步骤摘要】
车厢异常行为检测方法、计算机装置和计算机可读存储介质
本专利技术涉及视频监控
,具体涉及一种车厢异常行为检测方法、计算机装置和计算机可读存储介质。
技术介绍
随着摄像设备成本下降,网络速度的提高以及安防需求的增加,火车站,停车场等大量公共场所配备了视频监控设施,并产生了海量的视频数据。依靠工作人员肉眼监控需耗费大量人力、物力和财力,且监控效果差,遗漏概率高。随计算机视觉处理技术、电子技术以及通信技术的发展,智能视频分析技术及其应用越来越受到人们的重视,识别异常行为的智能视频监控系统成为趋势。智能视频监控领域的研究起步较晚,大部分智能分析仅仅是对时间进行标记,减少重复人工操作方面,尤其是对于车厢内这种设备清晰度不高,且数据繁多的特殊环境。现有的多种图像识别的智能识别受到极大的限制,如人脸识别。现有一种针对校园室外和室内不同的场景监控方法,其包括越界检测和周界保护,但此方法仅适用于远距离视频监控的场景,远距离场景中乘客形变不明显,而车厢内对乘客检测为近距离视频监控,需要对乘客的移动、摔倒和其他异常行为进行判断,现有的该种场景监控方法并不适用。
技术实现思路
本专利技术的第一目的在于提供一种功能全面有效的车厢异常行为检测方法。本专利技术的第二目的在于提供一种可实现上述车厢异常行为检测方法的计算机装置。本专利技术的第三目的在于提供一种可实现上述车厢异常行为检测方法的计算机可读存储介质。本专利技术第一目的提供的车厢异常行为检测方法包括前景检测步骤,获取图像数据中的运动物目标;目标跟踪步骤,根据获取的运动物目标的间距和重叠情况切换对运动物目标的目标跟踪方式,获取关于 ...
【技术保护点】
1.车厢异常行为检测方法,其特征在于,包括:前景检测步骤,获取图像数据中的运动物目标;目标跟踪步骤,根据获取的所述运动物目标的间距和重叠情况切换对所述运动物目标的目标跟踪方式,获取关于所述运动物目标的目标跟踪数据;异常判断步骤,判断所述目标跟踪数据是否与异常行为预设数据匹配,若是,判定运动物目标发生异常行为。
【技术特征摘要】
1.车厢异常行为检测方法,其特征在于,包括:前景检测步骤,获取图像数据中的运动物目标;目标跟踪步骤,根据获取的所述运动物目标的间距和重叠情况切换对所述运动物目标的目标跟踪方式,获取关于所述运动物目标的目标跟踪数据;异常判断步骤,判断所述目标跟踪数据是否与异常行为预设数据匹配,若是,判定运动物目标发生异常行为。2.根据权利要求1所述的车厢异常行为检测方法,其特征在于:所述前景检测步骤中,采用混合高斯模型法获取图像数据中的运动物目标。3.根据权利要求2所述的车厢异常行为检测方法,其特征在于:所述目标跟踪步骤中,根据获取的所述运动物目标的间距情况切换对所述运动物目标的目标跟踪方式包括:若多个所述运动物目标的间距达到预设值,选择欧式距离算法对运动物目标进行跟踪;若多个所述运动物目标的间距小于预设值,选择MeanShift算法对运动物目标进行跟踪。4.根据权利要求3所述的车厢异常行为检测方法,其特征在于:所述目标跟踪步骤中,根据获取的所述运动物目标的重叠情况切换对所述运动物目标的目标跟踪方式包括:若多个所述运动物目标的重叠面积小于预设值,选择MeanShift算法对运动物目标进行跟踪;若多个所述运动物目标的重叠面积达到预设值,选择Kalman算法对运动物目标进行跟踪。5.根据权利要求1所述的车厢异常行为检测方法,其特征在于:所述前景检测步骤还包括:获取运动物目标的最小外接矩形,并根据所述最小外接矩形的宽高比判断所述运动物目标是否为人体运动目标。6.根据权利要求1至5任一项所述的车厢异常行为...
【专利技术属性】
技术研发人员:郭江凌,李景,谢勇君,黄元亮,
申请(专利权)人:暨南大学,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。