一种视频异常行为检测方法技术

本发明专利技术涉及一种视频异常行为检测方法。本发明专利技术的步骤是：确定将视频序列各时空块的局部光流特征向量作为行为特征描述；对训练视频的局部光流特征向量采用K均值聚类，并为每一类训练一个分析稀疏字典；利用训练获得的分析稀疏字典对测试视频的局部光流特征向量进行重构；计算重构获得的局部光流特征的分析稀疏比，由该比值判别视频中是否存在异常行为。本发明专利技术采用分析稀疏字典对局部光流特征向量进行重构，由重构获得的局部光流特征的分析稀疏比判别行为是否异常，具有较好的检测效果，提高了检测率。

Method for detecting abnormal behavior of video

The invention relates to a method for detecting abnormal behavior of video. The present invention includes the following steps: determining the local optical flow feature vector video sequence the space-time block is used as the behavior description; local flow feature vector of the training video using K clustering, and for each type of training a sparse dictionary was reconstructed by the analysis; analysis of sparse dictionary training to obtain the local flow of test video feature vector; sparse analysis to calculate the local optical flow feature reconstruction obtained by the ratio of the ratio, determine whether there is abnormal behavior in the video. The invention adopts the analysis of sparse dictionary to reconstruct the local optical flow feature vector analysis, sparse optical flow feature obtained by local reconstruction than discrimination behavior is abnormal, has better detection and improve the detection rate.

【技术实现步骤摘要】

本专利技术属于图像与视频处理
，涉及一种视频异常行为检测方法。
技术介绍
视频检测是计算机视觉领域最重要的应用之一，从视频序列中检测出异常事件有相当大的实际意义。其中，基于视频的人群异常行为检测尤为重要，这项技术对区域内人群进行检测，可以将潜在的危险事件检测出来，从而提高相关部门的响应和救援效率。通常人群异常可以分为局部异常和全局异常，其中，局部异常是指人群中某些个体的行为异于其他个体的行为，全局异常事件是指监控区域中多个个体行为异于之前群体的行为。近年来已经有了多种针对异常检测的模型，其中基于合成稀疏表示的异常行为检测模型是最近比较著名的检测模型之一，其认为正常行为可以通过对正常行为的线性组合来重建获得，达到较小的重建误差，且表示系数较稀疏；而异常行为在借助于正常行为线性组合重建时具有较大的重建误差，且表示系数不具有稀疏性。相比于其他检测模型，这种模型具有较高的检测性能。本专利技术采用分析稀疏用于检测异常行为，具有更优的检测性能。
技术实现思路
本专利技术的目的是为了获得更好的异常行为检测性能，提供一种视频异常行为检测方法。本专利技术方法的具体步骤是：步骤(1)确定光流特征作为本文档来自技高网...

【技术保护点】
一种视频异常行为检测方法，其特征在于该方法的具体步骤是:步骤(1)确定光流特征作为行为的特征描述，具体如下：对每帧图像按从上到下、从左到右划分成互不重叠的大小为M×P的块，从t‑(l‑1)时刻到t时刻连续取l帧，t≥(l‑1)，t为当前帧时刻，得到大小为M×P×l的局部时空块b(i,j)，1≤i≤M,1≤j≤P，每一块的时间长度是l帧，对各块进行目标检测；提取当前时空块b(i,j)的光流值vop，按阈值Tv分类，如果vop≤Tv，将光流方向θ∈[0,2π]按45°为间隔，统计像素直方图，获得8个容器；如果vop＞Tv，将θ也分为8个容器；得到位置(i,j)的d维局部特征向量y(i,j)，d＝(...

【技术特征摘要】
1.一种视频异常行为检测方法，其特征在于该方法的具体步骤是:步骤(1)确定光流特征作为行为的特征描述，具体如下：对每帧图像按从上到下、从左到右划分成互不重叠的大小为M×P的块，从t-(l-1)时刻到t时刻连续取l帧，t≥(l-1)，t为当前帧时刻，得到大小为M×P×l的局部时空块b(i,j)，1≤i≤M,1≤j≤P，每一块的时间长度是l帧，对各块进行目标检测；提取当前时空块b(i,j)的光流值vop，按阈值Tv分类，如果vop≤Tv，将光流方向θ∈[0,2π]按45°为间隔，统计像素直方图，获得8个容器；如果vop＞Tv，将θ也分为8个容器；得到位置(i,j)的d维局部特征向量y(i,j)，d＝(8+8)×(l-1)；步骤(2)训练分析稀疏字...

【专利技术属性】
技术研发人员：陈华华，盖杰，汪超，郭春生，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33