The invention discloses a method based on motion energy model for abnormal target monitoring video speed detection method, including: considering the motion vector information of anomaly target and around 8 neighborhood, a motion energy model, using the data and the difference and the energy, to indicate the movement of each space block value of each block; the space of video frames are boundary value extraction, each boundary value represents the corresponding space block, the distinction between normal motion and anomalous motion boundary value; motion energy function sigmoid two classifier on the test set value based classification, to test the difference between sets motion energy of each block boundary value and extraction value as input, and outputs a probability value of [0,1]; the space block corresponding probability value is greater, said the occurrence of abnormal movement, namely the possibility of more high velocity anomaly. The invention effectively expresses the movement intensity mode, has low complexity, balances the detection accuracy and the detection efficiency, and can detect the speed abnormity target in the surveillance video in real time.
【技术实现步骤摘要】
基于运动能量模型针对监控视频速度异常目标的检测方法
本专利技术涉及视频监控异常检测
,尤其涉及一种基于运动能量模型针对监控视频速度异常目标的检测方法。
技术介绍
近年来,随着一些恐怖袭击事件和群体暴力事件的频发,人们对城市生活质量和生活安全防范的要求与日俱增。虽然各种视频监控设备已经广泛安置在各种人流密集的公共场所,如火车站、地铁站、医院、广场、以及小区等等,但是目前的视频监控系统只能够对某个监控场景进行简单的视频录制,将视频传输至监控室,通过监控人员进行人工的场景监控;或是将监控视频存储起来,供事后查找取证之用。这种传统的监控系统缺乏实时性和智能性,十分依赖于监控人员的经验和主观判断。因此,为了能够使监控系统实时自动地分析视频内容,判断监控视频中的异常目标和异常事件,辅助监控人员进行判断,需要大大提高监控视频异常判断的准确度和公共场所安全防范的质量。公共场景下的异常事件是多种多样的,例如:抢劫、跌倒、入侵、人群聚拢、人流逆行,物体超速等等。其中,检测速度异常目标的应用范围非常广泛,实用性非常高。在近年来的研究中,许多科研人员基于不同的技术提出了不同的物体速度异常检测方法。Helbing等人基于运动信息提出社会力模型来计算人群的交互力,以此判断方向及速度的异常,但该方法对于缺乏足够运动信息的人群稀疏的场景并不适用[1];Adam等人利用位置固定的多重监控单元对场景的低级特征进行统计,检测超速不同位置的超速物体,但是该方法受限于监控单元的数量和密度[2];Weixin等人提取场景中物体的动态文理特征描述不同状态的物体,以此对异常和正常进行分类,但该方法 ...
【技术保护点】
一种基于运动能量模型针对监控视频速度异常目标的检测方法,其特征在于,所述检测方法包括以下步骤:考虑异常目标及其周围8邻域的运动矢量信息,建立运动能量模型,所述模型包括:数据项和差异项,利用数据项和差异项的加和,来表示每一个空间块的运动能量值;对视频帧的每一空间块均进行边界值提取,每一个边界值代表其对应空间块的,区分正常运动和异常运动的边界值;基于sigmoid函数的二分类器对测试集中的运动能量值进行分类,以测试集每一块的运动能量值和提取的边界值的差异作为输入,并输出一个[0,1]的概率值;该空间块对应的概率值越大,表示发生异常运动,即速度异常的可能性越高。
【技术特征摘要】
1.一种基于运动能量模型针对监控视频速度异常目标的检测方法,其特征在于,所述检测方法包括以下步骤:考虑异常目标及其周围8邻域的运动矢量信息,建立运动能量模型,所述模型包括:数据项和差异项,利用数据项和差异项的加和,来表示每一个空间块的运动能量值;对视频帧的每一空间块均进行边界值提取,每一个边界值代表其对应空间块的,区分正常运动和异常运动的边界值;基于sigmoid函数的二分类器对测试集中的运动能量值进行分类,以测试集每一块的运动能量值和提取的边界值的差异作为输入,并输出一个[0,1]的概率值;该空间块对应的概率值越大,表示发生异常运动,即速度异常的可能性越高。2.根据权利要求1所述的一种基于运动能量模型针对监控视频速度异常目标的检测方法,其特征在于,所述检测方法还包括:结合图像金字塔,利用Lucas-Kanade光流法在不同尺度上对监控视频中的每一帧提取光流矢量,建立光流场,将每一帧的光流场分为M×N的不重叠的空间块,获取每一空...
【专利技术属性】
技术研发人员:侯春萍,陈天宇,王晓燕,王致芃,刘琦,
申请(专利权)人:天津大学,
类型:发明
国别省市:天津,12
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。