The invention discloses a fighting video analysis fights abnormal behavior detection based on automatic methods, including: S1, input the original image in the video sequence; S2, Pyramid L K optical flow method, calculating motion vectors of all pixels in the image; S3, adding a correction view adjustment coefficient matrix DM based on moving speed matrix; S4, velocity of matrix modified by cluster analysis, the dynamic extraction of effective pixels of each image under different behavior; S5, combined with the motion vector of the movement speed and direction information, comprehensive characteristic index presented abnormal behavior; S6, determine the motion feature index fights threshold this abnormal behavior, and fights abnormal behavior according to the judgment threshold. The invention results in optical flow method on the increase of angle adjustment coefficient matrix, the optical flow vector improved will reflect more accurately with the motion characteristics of the target scene longitudinal perspectives.
【技术实现步骤摘要】
基于视频分析的打架斗殴异常行为自动检测方法
本专利技术涉及异常行为识别
,特别是涉及一种基于视频分析的打架斗殴异常行为自动检测方法。
技术介绍
视频监控系统是多媒体技术、计算机网络、工业控制和人工智能等技术的综合运用,正向着数字化、系统的网络化和管理的智能化方向不断发展。目前,视频监控广泛用于信息获取、指挥调度、安全防范等方面,可以提供生产流程控制、医疗监护、远程教育、大型公共设施的安防等多种服务。特别客流密集的公共场所,视频监控系统的安全防护功能体现的尤为突出。城市轨道交通作为当前公共交通重要的出行方式之一,在发展相对成熟的北京、上海等城市日服务乘客达到1000余万人次,要确保正常、平稳的运营秩序,视频监控系统必不可少,是城市轨道交通维护和保证运营安全的重要手段。它能够为控制中心的调度员、各车站值班员、列车司机等提供站台、扶梯、检票口等有关列车运行、防灾救灾、旅客疏导以及社会治安等方面的视觉信息。旨在使相关人员针对异常事件能够快速反应、合理处置,并将所发生事件的全过程及重要数据进行记录,为处理事故提供切实依据。但是这些轨道交通闭路电视监视系统也存在明显不足。首先,由于监控室或监控中心空间有限,因而只能通过轮换画面来监视所有的场景或选择敏感区域进行重点监视,导致在时间和空间上都难以将监控画面完全实时呈现,留下监测盲区。其次,监控系统主要依靠工作人员值守监视,依据人对视频信息的内容作出判断,鉴于人员成本,只能有重点的监视关键区域。同时人的视觉疲劳也会导致判断能力的下降,面对多点多站海量监控画面,难免出现漏查,这导致视频监控系统只能起到利用录像存储进行事 ...
【技术保护点】
一种基于视频分析的打架斗殴异常行为自动检测方法,其特征在于,所述方法包括:S1、输入视频序列中的原始图像;S2、采用金字塔L‑K光流法,计算图像中所有像素点的运动矢量,运动矢量包括运动速度
【技术特征摘要】
1.一种基于视频分析的打架斗殴异常行为自动检测方法,其特征在于,所述方法包括:S1、输入视频序列中的原始图像;S2、采用金字塔L-K光流法,计算图像中所有像素点的运动矢量,运动矢量包括运动速度和运动方向S3、在运动速度矩阵的基础上增加视角调整系数矩阵DM的修正;S4、对修正后的运动速度矩阵进行聚类分析,动态提取每一帧图像不同行为下的有效像素点;S5、结合运动矢量关于运动速度和运动方向的信息,提出异常行为的综合特征指标;S6、确定运动特征指标发生打架斗殴异常行为的判定阈值,并根据该阈值进行打架斗殴异常行为的判断。2.根据权利要求1所述的基于视频分析的打架斗殴异常行为自动检测方法,其特征在于,所述步骤S2中:图像I中像素点为m=(x,y)T,vm=(u,v)是像素点m的光流;运动速度运动方向3.根据权利要求1所述的基于视频分析的打架斗殴异常行为自动检测方法,其特征在于,所述步骤S3中:修正后的运动速度矩阵为DVelk×l=DMk×l*Velk×l,(*,Hadamard乘积),其中k×l是图像的分辨率,Hadamard乘积为两个矩阵对应元素的乘积。4.根据权利要求3所述的基于视频分析的打架斗殴异常行为自动检测方法,其特征在于,所述步骤S3中的系数矩阵DMk×l获取方法为:S301、在图像所处的实际场景中,将所呈现的站台研究区域从前至后进行标定,以纵向设置若干测试点,各测试点间距相同;S302、从前至后依次各测试点上做横向匀速运动,并记录提取整个测试过程的视频;S303、将测试视频图像序列进行相邻帧之间的光流法计算,获得运动速度并均值化体现对应图像整体的运动速度量;S304、通过测试视频中的各帧整体运动速度统计,计算各测试点的平均速度值;S305、统计处理场景中各测试点的速度值,以前景中第一个测试点作为标准点反推后续各测试点的速度调整系数;S306、将各测试点的调整系数进行拟合,估算出在图像整个纵向坐标下连续的调整系数矩阵DMk×l。5.根据权利要求1所述的基于视频分析的打架斗殴...
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。