【技术实现步骤摘要】
本专利技术涉及视频监控
，具体涉及一种人体异常行为检测方法及系统。
技术介绍
视频监控技术被应用在各行各业中，在传统的监控模式下，一方面需要工作人员时刻监控每个相机场景的是否发生异常情况，容易使得感官疲劳，从而导致漏检和误检。另一方面，各个相机每天不间断的拍摄，储存大量的视频数据，若漏检的异常情况需要查找对应视频段时，人工查找比较困难，而且效率低下。对监控视频进行智能分析则成为解决上述问题的一个研究方向。现有智能监控系统主要通过检测和跟踪场景中的运动目标进行智能分析，也包括对所跟踪的运动目标的行为分析。目前，行为分析技术通常应用在智能家居、金融行业、交通行业和公共安全等领域。例如在智能家居行业中，行为分析技术可用来实时监控独居老人的摔倒、昏迷等情况；在金融行业中，可用来实时监控ATM间发生的摔倒不起、打架斗殴、抢劫等情况；在交通行业中，可用来实时监控某些路段发生的车祸、人员异常集聚等情况；在公共安全领域中，可用来监控恐怖袭...
【技术保护点】
一种人体异常行为检测方法，其特征在于，包括：根据视频场景内容将该视频场景划分为多个区域，根据每个区域所包含的场景内容获取人体在其中可实施的动作集合，并对所述多个区域以及每个区域中可实施的动作集合进行标记；根据所述多个区域以及每个区域中可实施动作集合的标记集合获取异常行为判断规则；获取所述多个区域中人体的运动轨迹和动作序列，并根据所述标记集合来获取运动轨迹和动作序列的可观察标记序列；利用所述异常行为判断规则对所述可观察标记序列进行分析，判断上述人体是否有异常行为发生，若是，进一步判断发生了何种异常行为。
【技术特征摘要】
1.一种人体异常行为检测方法，其特征在于，包括：
根据视频场景内容将该视频场景划分为多个区域，根据每个区域
所包含的场景内容获取人体在其中可实施的动作集合，并对所述多个
区域以及每个区域中可实施的动作集合进行标记；
根据所述多个区域以及每个区域中可实施动作集合的标记集合获
取异常行为判断规则；
获取所述多个区域中人体的运动轨迹和动作序列，并根据所述标
记集合来获取运动轨迹和动作序列的可观察标记序列；
利用所述异常行为判断规则对所述可观察标记序列进行分析，判
断上述人体是否有异常行为发生，若是，进一步判断发生了何种异常
行为。
2.根据权利要求1所述的人体异常行为检测方法，其特征在于，
采用数字、字符或者颜色标记所述多个区域，以及采用数字或者字符
标记每个区域中可实施的动作集合。
3.根据权利要求2所述的人体异常行为检测方法，其特征在于，
采用以下步骤生成运动轨迹的可观察标记序列，包括：
从人体上选择一特征点作为跟踪点，获取该跟踪点经过一个或多
个区域的连续轨迹；
根据上述连续轨迹所在区域的标记对该连续轨迹进行采样编码生
成离散的可观察标记序列。
4.根据权利要求3所述的人体异常行为检测方法，其特征在于，
所述特征点为人体质心或者脚部上的特征点。
5.根据权利要求1～4任意一项所述的人体异常行为检测方法，其
特征在于，所述异常行为判断规则包括宏观异常行为判断规则，所述
宏观异常行为判断规则通过每个区域自身的功能或者监控者赋予所述
多个区域特有的功能以及区域之间的空间逻辑关系来获取。
6.根据权利要求1～4任意一项所述的人体异常行为检测方法，其
特征在于，所述异常行为判断规则还包括微观异常行为判断规则；所
述微观异常行为判断规则根据被监控者自身异常行为的动作序列来获
取。
7.根据权利要求1～4任意一项所述的人体异常行为检测方法，其
特征在于，所述方法还包括采用机器学习方法训练已知的人体异常行
为视频集中的异常轨迹序列以及异常动作序列，从而判断未知人体行
为是否异常；所述机器学习方法为支持向量机SVM、迭代算法Adaboost
和神经网络中的一种或者多种。
8.根据权利要求7所述的人体异常行为检测方法，其特征在于，
所述方法还包括采...
【专利技术属性】
技术研发人员：宫明波，董建平，陈浩然，吴克松，党鑫鹏，
申请(专利权)人：兴唐通信科技有限公司，
类型：发明
国别省市：北京;11
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。