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制造方法及图纸

本发明专利技术提供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，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，获取关于运动物目标的目标跟踪数据；异常判断步骤，判断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。计算机装置的处理器用于执行存储器中存储的计算机程序时实现上述车厢异常行为检测方法的步骤，计算机可读存储介质上存储的计算机程序被处理器执行时实现上述的车厢异常行为检测方法的步骤。本发明专利技术有效对运动物目标进行跟踪且能判断多种异常行为，方法功能全面且准确率高。

Vehicle abnormal behavior detection method, computer device and computer readable storage medium

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，获取关于运动物目标的目标跟踪数据；异常判断步骤，判断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。由上述方案可见，在前景检测步骤中获取了运动物目标后，在目标跟踪步骤中判断运动物目标的移动情况，如移动距离、运动物目标间距和重叠情况等选择欧式距离算法、MeanShift算法或Kalman算法去实现最有效的目标跟踪，随后判断目标跟踪数据是否与异常行为预设数据匹配，如越界行为预设数据、徘徊行为预设数据和摔倒行为预设数据等，从而判断运动物目标是否发生异常行为。本专利技术提供的车厢异常行为检测方法能有效地对运动物目标进行跟踪，且能判断多种出现频率较高的乘客异常行为，该方法功能全面且准确率高。进一步的方案是，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。由上可见，采用混合高斯模型法获取图像数据中的运动物目标能在轻微抖动和光照变化的场景中具有较好的鲁棒性，实现复杂背景的前景分离。进一步的方案是，目标跟踪步骤中，根据获取的运动物目标的间距情况切换对运动物目标的目标跟踪方式包括若多个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。更进一步的方案是，目标跟踪步骤中，根据获取的运动物目标的重叠情况切换对运动物目标的目标跟踪方式包括若多个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。由上可见，欧式距离比较用于处理简单情况且计算量相对较小，当目标间距较大时，比较前后帧目标区域的最小外接矩形之间的欧式距离可减少系统计算量；当目标间距小或重叠面积小，采用MeanShift算法，采用前景检测所得的颜色直方图作为搜索特征，通过比较直方图相似度达到跟踪的目的；当重叠面积达到设定阈值，采用Kalman算法，当目标之间遮挡区域增大达到一定阈值，目标之间难以区分，则将相互遮挡的多个目标合为一个跟踪目标。进一步的方案是，前景检测步骤还包括，获取运动物目标的最小外接矩形，并根据最小外接矩形的宽高比判断运动物目标是否为人体运动目标。由上可见，此方法可有效判断出运动物目标是否为乘客。进一步的方案是，目标跟踪步骤还包括，获取场景三维坐标数据，目标跟踪数据包括运动物目标的轨迹数据，获取关于同一运动物在连续的多个图像帧的多个最小外接矩形，结合多个最小外接矩形和场景三维坐标数据生成运动物目标的轨迹数据。更进一步的方案是，目标跟踪步骤还包括，目标跟踪数据还包括该运动物目标的实际高度数据和移动速度数据。由上可见，通过三维重构得到运动物目标在场景三维坐标系中的轨迹、运行速度和实际高度变化等目标跟踪数据并用于与异常行为预设数据匹配，以判定是否出现异常行为，目标跟踪数据的种类多样化可实现更多种类异常行为的判断，且结合多种数据综合判断可有效提高判断准确率。进一步的方案是，异常判断步骤中，异常行为预设数据包括越界行为预设数据、徘徊行为预设数据和摔倒行为预设数据；判断目标跟踪数据对应运动物目标的最小外接矩形是否与预设区域发生重叠，若是，目标跟踪数据与越界行为预设数据匹配，判定运动物目标发生越界行为；根据轨迹数据判断运动物目标的运动距离超过距离阈值且存在三个拐点，若是，目标跟踪数据与徘徊行为预设数据匹配，判定运动物目标发生徘徊行为；根据目标跟踪数据判断运动物目标的重心变化量是否超过阈值，若是，目标跟踪数据与摔倒行为预设数据匹配，判定运动物目标发生摔倒行为。由上可见，通过目标跟踪数据与越界行为预设数据、徘徊行为预设数据和摔倒行为预设数据之间的比对而对目标的越界行为、徘徊行为以及摔倒行为进行有效判断。本专利技术第二目的提供的计算机装置包括处理器，处理器用于执行存储器中存储的计算机程序时实现上述车厢异常行为检测方法的步骤。由上述方案可见，计算机装置实现的车厢异常行为检测方法在前景检测步骤中获取了运动物目标后，在目标跟踪步骤中判断运动物目标的移动情况，如移动距离、运动物目标间距和重叠情况等选择欧式距离算法、MeanShift算法或Kalman算法去实现最有效的目标跟踪，随后判断目标跟踪数据是否与异常行为预设数据匹配，如越界行为预设数据、徘徊行为预设数据和摔倒行为预设数据等，从而判断运动物目标是否发生异常行为。本专利技术提供的车厢异常行为检测方法能有效地对运动物目标进行跟踪，且能判断多种出现频率较高的乘客异常行为，功能全面且判断准确率高。本专利技术第三目的提供的计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述的车厢异常行为检测方法的步骤。由上述方案可见，计算机程序被处理器执行时实现上述的车厢异常行为检测方法能有效地对运动物目标进行跟踪，且能判断多种出现频率较高的乘客异常行为，功能全面且判断准确率高。附图说明图1为本专利技术车厢异常行为检测装置实施例的结构框图。图2为本专利技术车厢异常行为检测方法实施例的流程图。以下结合附图及实施例对本专利技术作进一步说明。具体实施方式车厢异常行为检测装置实施例参见图1，图1为本专利技术车厢异常行为检测装置实施例的结构框图。车厢异常行为检测装置包括视频采集模块1、前景检测模块2、目标跟踪模块3、三维映射模块4、异常行为判断模块5和警报模块6。视频采集模块1为安装在车厢场景内的摄像头等图像数据获取装置，视频采集装置1用于获取车厢内的视频数据。前景检测模块2为具有数据处理能力的检测装置，前景检测模块2用于接收来自视频采集装置1的视频数据，并获取视频数据中每个图像帧的图像数据。目标本文档来自技高网...

【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