The invention discloses a multi target tracking method of outlier detection of a video frame extraction, multiple video files even in this method, the pixel on the image by Gauss function into the pixel gray image, the extremum points, obtained by derivation of extreme displacement, relative extreme displacement into Gauss candidate feature point function, with a constant to selected feature points, obtained by calculating the maximum effective two image feature point confidence, multi-scale autocorrelation matrix calculation of grayscale image pixel obtained under the function will be obtained by calculation of the matrix into the corner in response, to get the corner under different scales by the threshold limit, obtained by comparing the maximum scale based on the corner, corner finally will be the line, followed by testing all consecutive frames Abnormal point of image. The method of the invention can effectively judge the abnormal behavior occurring in the video multi-target tracking, and prevent the users from making wrong judgments.
【技术实现步骤摘要】
一种视频多目标跟踪检测异常点的方法
本专利技术属于数据挖掘领域,尤其涉及一种视频多目标跟踪检测异常点的方法。
技术介绍
目标跟踪是计算机视觉领域里的基础性问题,在现实生活中应用广泛,如无人机侦查,人机交互,智能汽车等。虽然过去的几十年里视频目标跟踪取得了巨大的进步,但是由于天气的变化,目标可能被遮挡,目标形变等因素的影响,想要精确地跟踪目标仍然很难实现。近年来,随着大数据挖掘技术的发展,基于分类判别的单目标跟踪的算法显著提升了跟踪性能,比较流行的算法有:基于核化的结构化输出算法、多事例学习算法、压缩感知算法…他们都是通过分类解决遇到的一些问题。然而多目标跟踪算法还不够成熟,尤其的这类视频多目标跟踪容易出现异常点,我们通常使用大数据挖掘的相关方法来处理。异常点数据挖掘包括异常点数据检测和异常点数据分析两个部分。异常点数据分析需要结合背景知识、领域知识等相关知识进行研究。本专利技术着重研究的是异常点数据检测问题。异常点数据是与数据的一般行为或模型不一致的数据,它是数据集中与众不同的数据,这些数据并非是随机偏差,而是产生不同的机制。异常点数据检测有着广泛的应用,它不局限于本专利技术所提到的视频多目标跟踪出现的异常点监测,还可以用于不正常的信用卡使用或电信服务、市场客户流失的异常行为、医疗中治疗方式异常反应等等。
技术实现思路
本专利技术所要解决的技术问题是克服现有技术的不足而提供一种视频多目标跟踪检测异常点的方法,其以有效的检测用户进行多目标跟踪时,视频出现的异常点,找出视频文件异常的原因。本专利技术为解决上述技术问题采用以下技术方案:一种视频多目标跟踪检测异常点的 ...
【技术保护点】
一种视频多目标跟踪检测异常点的方法,其特征在于:具体包含以下步骤:步骤1,用户输入视频文件,按时间均匀的抽取视频文件中的图像;步骤2,提取连续帧图像的特征点,并计算特征点的置信度;步骤3,计算连续帧图像的灰度图像像素点自相关矩阵;步骤4,将获得的自相关矩阵带入通过角点响应函数所获取图像的角点;步骤5,观察有效点是否在两图像角点连线上:若不在角点连线上,则输出为异常点,返回步骤2继续监测,直到检测完所有连续帧图像异常点。
【技术特征摘要】
1.一种视频多目标跟踪检测异常点的方法,其特征在于:具体包含以下步骤:步骤1,用户输入视频文件,按时间均匀的抽取视频文件中的图像;步骤2,提取连续帧图像的特征点,并计算特征点的置信度;步骤3,计算连续帧图像的灰度图像像素点自相关矩阵;步骤4,将获得的自相关矩阵带入通过角点响应函数所获取图像的角点;步骤5,观察有效点是否在两图像角点连线上:若不在角点连线上,则输出为异常点,返回步骤2继续监测,直到检测完所有连续帧图像异常点。2.根据权利要求1所述的一种视频多目标跟踪检测异常点的方法,其特征在于:在步骤2中,计算特征点的置信度具体如下:其中,为特征点的置信度,是图像ti特征点与图像ti+1中特征点最近的距离,是图像ti特征点与图像ti+1中特征点次近的距离,为i变为i+1得到图像ti+1的特征点。3.根据权利要求1所述的一种视频多目标跟踪检测异常点的方法,其特征在于:所述步骤3具体如下:计算图像ti的灰度图像像素点在尺度j+1下的自相关矩阵
【专利技术属性】
技术研发人员:陈志,金广华,岳文静,刘星,龚凯,掌静,王福星,
申请(专利权)人:南京邮电大学,南京运享通信息科技有限公司,
类型:发明
国别省市:江苏,32
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。