一种在视频中识别异常动作的方法和系统技术方案

本发明专利技术公开了一种在视频中识别异常动作的方法，包括：通过前景提取模块从视频序列中提取像素存在一定变化的区域；通过行人判定模块将前景提取模块检出的运动目标进行判定，将判定为行人的矩形框保留下来，传递给目标跟踪模块；通过目标跟踪模块持续、多目标地跟踪场景内的每一个识别到的目标；通过异常行为触发模块对目标跟踪模块跟踪的每一个目标每一帧时刻内的体态进行判定，并对异常行为进行行为分析；通过行为识别模块处理运算异常行为视频片段，对异常行为进行报警并且识别其行为类型。本发明专利技术还公开了在视频中识别异常动作的系统。本发明专利技术解决了大量视频数据无法实时进行异常行为(跌倒)检测的问题，而且大大提高了检测的准确率。

【技术实现步骤摘要】

本专利技术涉及视频监控与计算机视觉领域，尤其涉及一种在视频中识别异常动作的方法和系统。
技术介绍
随着我国人口老龄化程度的不断加深，老年人数量与比重急剧增加。老年人的日常起居的健康安全问题也变得尤为突出。而中国养老机制与产业发展的不成熟，使得中国失能半失能的空巢老人的日常居家生活面临很大的安全隐患。一种低成本的实时、准确的老年人安全监护系统的应用与普及是对现有问题有效的缓解之道。智能视频监控技术为老年人的远程监护提供了很大的便利，使得子女或监护人员能够远程实时地关注老人的居家状态。这样能够很大程度地减轻老人健康安全问题所带来的严重后果。目前有一些专利利用了智能视频监控技术进行老年人安全的监测，通过查询与检索，得到了一些与本专利技术技术相近的现有技术及存在的问题。中国专利公布号为CN103517042A，公布日为2014年1月15号，专利技术名称为一种养老院老人危险行为的检测方法。该专利技术利用摄像头采集视频，以PC机作为处理平台，实现了对目标的检测、跟踪与行为识别，达到了对老人的行为检测的目的。但其存在的不足如下：(1)对于检测到的前景信息，该系统没有判断其是否是人体目标，对于场景中的其它非人体的移动物体，其系统一律视为目标进行跟踪与识别，这严重地降低了检测系统的准确性。(2)其使用了PC机作为视频的处理平台，视频需要完全传输到计算机中进行处理，其传输的数据量巨大，对于信道不佳的情况，可能存在信道干扰等情况。如数据率过慢则会加大处理时延，没有较好的实时性。如今，有关跌倒等行为识别的研究是一个热点，有很大的发展空间。基于视频的行为识别虽然有许多方法提出，但是依然缺少快速、准确的方法与合理设计的系统。中国专利公布号为CN103425971A，公布日为2013年12月04号，专利技术名称为一种养老院老人危险行为的检测方法。其通过对Meanshift算法进行目标跟踪，对目标团块中心进行卡尔曼滤波的方法来进行预测和判断异常行为。在当今的复杂背景与高清视频海量数据传输的条件下，以上两种方法不管是跟踪的稳定性还是异常行为(跌倒)检测的实时性和准确率都不能满足实际要求。
技术实现思路
有鉴于现有技术的上述缺陷，本专利技术所要解决的技术问题是提供一种快速、精度高、前端-末端视频处理相结合的在视频中识别异常动作的方法和系统。为实现上述目的，本专利技术提供了一种在视频中识别异常动作的方法，包括通过前景提取模块从视频序列中提取像素存在一定变化的区域，即检出运动目标；通过行人判定模块将所述前景提取模块检出的运动目标进行判定，将判定为行人的矩形框保留下来，传递给目标跟踪模块；通过目标跟踪模块持续、多目标地跟踪场景内的每一个识别到的目标，对输入的前一帧图像预测判别下帧的尺寸与位置；对新进入场景的目标或离开场景的目标进行相应的处理；通过异常行为触发模块对所述目标跟踪模块跟踪的每一个目标每一帧时刻内的体态进行判定，并对异常行为进行行为分析；通过行为识别模块处理运算异常行为视频片段，对异常行为进行报警并且识别其行为类型。进一步地，前景提取模块采用高斯混合模型来进行前景提取，用多个高斯分布模型共同描述颜色分布，从而建立背景模型，之后将检出的前景团块用矩形轮廓框框出，传递给行人判定模块判定后传递给目标跟踪模块；当检测出场景内的新进入的目标，将结果进行再次判定，并传递给目标跟踪模块。进一步地，行人判定模块用于判定前景检测的矩形框中的内容是否为行人，利用方向梯度直方图(HOG)特征通过预训练的行人特征库来使用SVM支持向量机构建分类器，将判定为行人的矩形框保留下来，传递给目标跟踪模块。进一步地，目标跟踪模块使用核相关滤波器(KCF)的跟踪算法，快速高效地实现对目标的跟踪，并将每一个目标的序号、每帧的跟踪框中心点轨迹、行为异常状况记录下来形成生活轨迹。核相关滤波器(KCF)的跟踪算法是当前处理速度最快的跟踪算法之一，能够在移动端处理设备上快速运行。进一步地，目标跟踪模块采用以下进入机制和退出机制，并采用了跟踪结果与前景提取相融合的融合机制：(一)进入机制：当一个新的目标进入场景时，初始化一个新的跟踪器对其进行跟踪。判定一个目标是新进入场景的目标有以下两个条件：(1)一个检出外接矩形框与当前任何一个跟踪器的跟踪外接矩形框都不相交；(2)这个检出的外接矩形框在“虚拟边界”内。如果这个检出框均满足以上两个条件，就可以把这个检出外接矩形框判定为新进入场景的运动目标。以上条件中的相交指的是两个外接矩形框没有重合的部分，“虚拟边界”指的是在视频图像的边界内侧5个像素的一圈边界线；(二)退出机制：当场景内的一个目标离开了场景，或者被场景里的另外一个目标长时间遮挡时，前景提取模块已经检测不到其存在；这时，对相应的跟踪器做删除处理；当跟踪结果外接矩形框边界超越了“虚拟边界”时，认为其打算离开场景，退出机制计数器加1；当这样的状态的图像帧数连续累计达到指定数阈值K时，该目标被认定为离开了场景；若未达到K就结束这样的状态，则该目标被认定为没有离开场景。(三)融合机制：将跟踪结果与前景提取结果加以融合。跟踪算法是对一个目标的持续锁定地位置尺寸的估计，这样有时并不能很好的反映场景内物体的真实位置与尺寸。假若将跟踪结果与前景提取结果加以融合，就能够适当地减少跟踪算法引入的不精确性。进一步地，异常行为触发模块定义了异常行为触发的机制，通过形态学判定机制，将异常行为发生时刻前后各3秒组成的H264视频上传至末端设备进行进一步的行为分析。在这里，异常行为主要包括“弯曲”、“跌倒”等体态行为。进一步地，末端设备为运算与存储服务器，运算与存储服务器内设置有行为识别模块，行为识别模块用于进一步识别与确定异常行为的类型，从而保证更为精确的识别。运算与存储服务器接收到来自前端设备发送的异常行为视频片段后，立即对视频片段进行行为识别。进一步地，行为识别模块采用动态模式分解的方法和特征降维的方法。(一)动态模式分解：在运用光流来提取目标运动的稠密轨迹的时候，难免会提取到很多由于噪声、光照变化等引起的无效的轨迹，因此，采用光流的动态模式分解的方法，能够有效地去除背景和噪声对轨迹提出的影响，从而有效地提高行为识别的准确率；(二)特征降维：在得到的稠密轨迹上进行特征提取之后，对每一个特征都进行主成分分析，并将特征降低到原来一半的长度，这样极大地降低了特征的冗余度，从而有效提升识别的速度和准确率。进一步地，行为识别模块利用稠密轨迹来表征行为，在视频的每一帧中，密集采样很多特征点，对这些特征点进行跟踪来获得轨迹。进一步地，行为识别模块还利用运动边界直方图来描述密集的光流特征，通过轨迹之间的时空信息和轨迹周围的信息对行为进行表达，然后再对其进行识别，并将识别结果传输给前端设备。进一步地，前端设备包括硬件模块和软件模块，硬件模块包括视频采集模块、前端运算控制模块、前端存储模块和前端编码通信模块，软件模块包括前景提取模块、行人判定模块、目标跟踪模块和异常行为触发模块。进一步地，多个硬件模块构建了基于嵌入式处理芯片硬件平台、Android开发环境的前端处理型智能摄像头。进一步地，视频采集模块为一组高清的摄像头，能够全天候、全方位地监控老人的日常活动。本专利技术还提供了一种在视频中识别异常动作的系统，包括前端设备和末端设备，前端设备本文档来自技高网...

【技术保护点】
一种在视频中识别异常动作的方法，其特征在于，所述方法包括：通过前景提取模块从视频序列中提取像素存在一定变化的区域，即检出运动目标；通过行人判定模块将所述前景提取模块检出的运动目标进行判定，将判定为行人的矩形框保留下来，传递给目标跟踪模块；通过目标跟踪模块持续、多目标地跟踪场景内的每一个识别到的目标，对输入的前一帧图像预测判别下帧的尺寸与位置；对新进入场景的目标或离开场景的目标进行相应的处理；通过异常行为触发模块对所述目标跟踪模块跟踪的每一个目标每一帧时刻内的体态进行判定，并对异常行为进行行为分析；通过行为识别模块处理运算异常行为视频片段，对异常行为进行报警并且识别其行为类型。

【技术特征摘要】
1.一种在视频中识别异常动作的方法，其特征在于，所述方法包括：通过前景提取模块从视频序列中提取像素存在一定变化的区域，即检出运动目标；通过行人判定模块将所述前景提取模块检出的运动目标进行判定，将判定为行人的矩形框保留下来，传递给目标跟踪模块；通过目标跟踪模块持续、多目标地跟踪场景内的每一个识别到的目标，对输入的前一帧图像预测判别下帧的尺寸与位置；对新进入场景的目标或离开场景的目标进行相应的处理；通过异常行为触发模块对所述目标跟踪模块跟踪的每一个目标每一帧时刻内的体态进行判定，并对异常行为进行行为分析；通过行为识别模块处理运算异常行为视频片段，对异常行为进行报警并且识别其行为类型。2.根据权利要求1所述的在视频中识别异常动作的方法，其特征在于，所述前景提取模块采用高斯混合模型来进行前景提取，用多个高斯分布模型共同描述颜色分布，从而建立背景模型，之后将检出的前景团块用矩形轮廓框框出，传递给所述行人判定模块判定后传递给所述目标跟踪模块；当检测出场景内的新进入的目标，将结果进行再次判定，并传递给所述目标跟踪模块。3.根据权利要求1所述的在视频中识别异常动作的方法，其特征在于，所述行人判定模块用于判定前景检测的矩形框中的内容是否为行人，利用方向梯度直方图特征通过预训练的行人特征库来使用SVM支持向量机构建分类器，将判定为行人的矩形框保留下来，传递给所述目标跟踪模块。4.根据权利要求1所述的在视频中识别异常动作的方法，其特征在于，所述目标跟踪模块使用核相关滤波器的跟踪算法实现对目标的跟踪，并将每一个目标的序号、每帧的跟踪框中心点轨迹、行为异常状况记录下来形成生活轨迹。5.根据权利要求1所述的在视频中识别异常动作的方法，其特征在于，所述目标跟踪模块采用以下机制：(一)进入机制：当一个新的目标进入场景时，初始化一个新的跟踪器对其进行跟踪；(二)退出机制：当场景内的一个目标离开了场景，或者被场景里的另外一个目标长时间遮挡时，所述前景提取模块已经检测不到其...

【专利技术属性】
技术研发人员：王国祥，常志刚，
申请(专利权)人：上海伟赛智能科技有限公司，
类型：发明
国别省市：上海;31