暴力行为监控方法技术

本发明专利技术公开了一种暴力行为监控方法，包含：采集当前视频帧的图像，并提取该当前视频帧的图像的二值前景图像；将该当前视频帧的图像的二值前景图像与暴力行为模板进行对比，得到相似度R；根据该当前视频帧的图像与前一视频帧的图像，计算全局运动强度E；根据该相似度R与该全局运动强度E，融合计算暴力行为指数；如果该暴力行为指数大于预先设定的阈值，则判定发生暴力行为，并且系统发出报警信号。本发明专利技术能够更加准确、及时地发现暴力犯罪情况，尤其是在较为密闭的场所，从而使得更及时地对暴力犯罪的受害人进行及时的救援。

【技术实现步骤摘要】
暴力行为监控方法
本专利技术涉及安防领域，具体涉及基于对多种场景下的暴力行为监控领域。
技术介绍
随着城市化进程的不断发展，城市中出现了越来越多的类似于ATM机操作间、电梯轿厢等较为密闭的场所。近年来，在较为密闭的场所发生暴力犯罪案件屡有发生。又因为这些场所的密闭特点，这些暴力犯罪案件在发生时很难被发现，从而无法对受害者进行及时的帮助。在城市中，上述的较为密闭的场所一般会安装有监控摄像头。这些监控系统只负责将监控场景中的事件进行记录回传。这样发生重大事件后，可以通过视频进行事后取证，排解纠纷，破获案件。但现有的监控系统缺乏有效的数据分析功能，无法准确、及时地自动发现场景中出现的异常事件。另外，在一些较为重要的场所，其监控摄像头拍摄到的画面回传至监控中心，监控中心往往不得不有监控人员对实时画面进行监视分析。这样不仅造成监控成本的上升，而且一个监控人员往往监控多个画面，容易引起工作疲劳，反应不够及时和准确，导致监控的准确度和效率均不够理想。综上所述，本领域迫切需要一种暴力行为监控技术，能够更加准确、及时地发现暴力犯罪情况，尤其是在较为密闭的场所，从而使得更及时地对暴力犯罪的受害人进行及时的救援。
技术实现思路
本专利技术的目的就是提供一种暴力行为监控方法，能够准确、及时地检测到暴力犯罪行为，从而更及时有效地对暴力犯罪的是害人进行救援。本专利技术提供了一种暴力行为监控方法，包含：采集当前视频帧的图像，并提取该当前视频帧的图像的二值前景图像；将该当前视频帧的图像的二值前景图像与暴力行为模板进行对比，得到相似度R；根据该当前视频帧的图像与前一视频帧的图像，计算全局运动强度E；根据该相似度R与该全局运动强度E，融合计算暴力行为指数：Value＝αR+βE其中，Value为暴力行为指数，α为相似度系数，β为全局运动强度系数；如果该暴力行为指数大于预先设定的阈值，则判定发生暴力行为，并且系统发出报警信号。在另一优选例中，在该将该当前视频帧的图像的二值前景图像与暴力行为模板进行对比，得到相似度R的步骤中，采用分层匹配方法。在另一优选例中，该分成匹配方法包含以下步骤：在系统更新时，根据归一化化相关系数匹配法计算任意两个暴力行为模板之间的相似度；采用AP聚类算法根据该暴力行为模板之间的相似度进行聚类,获得聚类结果，并将每个类簇中的暴力行为模板图像视为一个暴力行为模板包；将该当前视频帧的图像的二值前景图像和每个该暴力行为模板包的聚类中心图像进行匹配，获得和每个该暴力行为模板包的聚类中心图像的相似度，并确定相似度最高的聚类中心图像；计算该当前视频帧的图像的二值前景图像与该相似度最高的聚类中心图像所在的暴力行为模板包中的所有图像的相似度，并将最高的相似度作为该当前视频帧的图像的二值前景图像与该暴力行为模板的相似度R。在另一优选例中，在该将该当前图像的二值前景图像与暴力行为模板进行对比的步骤中，还包含：对该当前图像和该暴力行为模板分别进行去均值处理。在另一优选例中，该相似度R的计算方式为：其中，U，V为暴力行为模板大小，f(x,y)为匹配区域内的像素灰度值，t(x-u,y-v)为暴力行为模板中的像素灰度值，为匹配区域中的均值，为暴力行为模板的灰度均值：公式(1)的分母是零均值函数与零均值暴力行为模板函数的方差。在另一优选例中，该全局运动强度E的计算公式为：其中，m为图像上的目标像素点的个数，V＝(vx,vy)为像素的运动速度。在另一优选例中，该暴力行为指数的预先设定的阈值为0.5。在另一优选例中，该α和β的取值范围为0-1之间的自然数,并且，α≤β。在另一优选例中，该α＝0.4，并且，该β＝0.6。在另一优选例中，该方法还包含：当该暴力行为指数大于该预先设定的阈值时，监控人员根据采集的当前视频帧的图像判断是否发生暴力行为，如果是，则将采集到的该当前视频帧的图像的二值前景图像保存并加入到暴力行为模板库中作为新的暴力行为模板。在另一优选例中，在该采集当前视频帧的图像，并提取该当前视频帧的图像的二值前景图像的步骤中，还包含：设定该二值前景图像独立物体的面积阈值，将小于该阈值的独立物体从该二值前景图像中删除。本专利技术实施方式与现有技术相比，至少具有以下区别和效果：能够准确、及时地检测到暴力犯罪行为，从而更及时有效地对暴力犯罪的是害人进行救援。具体地说，首先，将模板匹配相似度和运动强度融合判断。摄像头捕获的每帧图像和模板匹配相似度R从静态图像的角度提供了判定当前是否发生暴力行为的信息，而全局运动强度E则从时序的图像序列角度提供了判定当前是否发生暴力行为的信息。因此将两者融合起来进行判定可以获得更好的效果。在获得R和E后，对每帧图像可能含有暴力行为的程度进行打分，分数定义为：Value＝αR+βE。当该分数超过设定的阈值时判定发生暴力行为。进一步地说，α和β的取值范围为0-1之间的自然数。经过大量数据统计，α小于β时，融合判断的结果准确率较高，进一步地说，当α＝0.4，β＝0.6时，融合判断的结果准确率更高。第二，考虑到随着系统使用时间的增加，会不断有新的暴力行为模板被添加至模板库中，模板库中的模板也不断增加。在这种情况下，当模板库中的模板数量增加到一定程度后，将帧图像的前景二值图像和每个模板都进行对比，并计算相似度，将会耗费大量时间，使得系统难以进行实时处理。因此，本专利技术采用分层匹配方法以获得每帧图像的模板匹配相似度，显著减少了模板匹配所需要消耗的时间，使暴力行为监控更为及时高效。应理解，在本专利技术范围内中，本专利技术的上述各技术特征和在下文(如实施例)中具体描述的各技术特征之间都可以互相组合，从而构成新的或优选的技术方案。限于篇幅，在此不再一一累述。附图说明图1是本专利技术的一个实施例的暴力行为监控方法涉及的硬件结构示意图；图2是本专利技术的一个实施例的暴力行为监控方法中的远程用户终端界面；图3是本专利技术的一个实施例的基于改进的背景消除的图像前景内容提取的计算流程图；图4是本专利技术的一个实施例的基于二值前景图像和暴力行为模板库的图像匹配的流程图；图5是本专利技术的一个实施例的基于C/S通信模式的通信报警系统的流程图；图6是本专利技术的一个实施例的使用径向基神经网络结构示意图；图7是本专利技术的一个实施例的发生暴力行为时的图像与正常情况下的图像的示意图；图8是本专利技术的一个实施例的暴力行为监控方法流程示意图。具体实施方式本专利技术人经过广泛而深入的研究，发现摄像头捕获的每帧图像和模板匹配相似度R从静态图像的角度提供了判定当前是否发生暴力行为的信息，而全局运动强度E则从时序的图像序列角度提供了判定当前是否发生暴力行为的信息。因此将两者融合起来进行判定可以获得更好的效果。因为很难通过经验知识来手动设计融合方式，所以选择通过训练一个基于径向基神经网络(RBF神经网络)的融合模型来进行相似度R和全局运动强度E的融合。此外，考虑到本专利技术受具体使用环境的影响(如使用环境的背景，摄像头的位置)，事先训练好的融合模型可能并不完全适用于新的使用环境中。因此，采用在线学习的方式，在使用时根据使用环境中产生的暴力事件图像和正常事件图像，对系统本身的性能进行不断的自我完善。在以下的叙述中，为了使读者更好地理解本申请而提出了许多技术细节。但是，本领域的普通技术人员可以理解，即使没有这些技术细节和基于以下各本文档来自技高网...

【技术保护点】
一种暴力行为监控方法，其特征在于，包含：采集当前视频帧的图像，并提取所述当前视频帧的图像的二值前景图像；将所述当前视频帧的图像的二值前景图像与暴力行为模板进行对比，得到相似度R；根据所述当前视频帧的图像与前一视频帧的图像，计算全局运动强度E；根据所述相似度R与所述全局运动强度E，融合计算暴力行为指数：Value＝αR+βE其中，Value为暴力行为指数，α为相似度系数，β为全局运动强度系数；如果所述暴力行为指数大于预先设定的阈值，则判定发生暴力行为，并且系统发出报警信号。

【技术特征摘要】
1.一种暴力行为监控方法，其特征在于，包含：采集当前视频帧的图像，并提取所述当前视频帧的图像的二值前景图像；将所述当前视频帧的图像的二值前景图像与暴力行为模板进行对比，得到相似度R；根据所述当前视频帧的图像与前一视频帧的图像，计算全局运动强度E；根据所述相似度R与所述全局运动强度E，融合计算暴力行为指数：Value＝αR+βE其中，Value为暴力行为指数，α为相似度系数，β为全局运动强度系数；如果所述暴力行为指数大于预先设定的阈值，则判定发生暴力行为，并且系统发出报警信号。2.如权利要求1所述的暴力行为监控方法，其特征在于，在所述将所述当前视频帧的图像的二值前景图像与暴力行为模板进行对比，得到相似度R的步骤中，采用分层匹配方法。3.如权利要求2所述的暴力行为监控方法，其特征在于，所述分成匹配方法包含以下步骤：在系统更新时，根据归一化化相关系数匹配法计算任意两个暴力行为模板之间的相似度；采用AP聚类算法根据所述暴力行为模板之间的相似度进行聚类,获得聚类结果，并将每个类簇中的暴力行为模板图像视为一个暴力行为模板包；将所述当前视频帧的图像的二值前景图像和每个所述暴力行为模板包的聚类中心图像进行匹配，获得和每个所述暴力行为模板包的聚类中心图像的相似度，并确定相似度最高的聚类中心图像；计算所述当前视频帧的图像的二值前景图像与所述相似度最高的聚类中心图像所在的暴力行为模板包中的所有图像的相似度，并将最高的相似度作为该当前视频帧的图像的二值前景图像与所述暴力行为模板的相似度R。4.如权利要求1所述的暴力行为监控方法，其特征在于，在所述将所述当前图像的二值前景图像与暴力行为模板进行对比...

【专利技术属性】
技术研发人员：黄万伟，张建伟，征察，孙玉胜，梁树军，李玉华，马欢，张玲，马军霞，赵晓君，
申请(专利权)人：郑州轻工业学院，
类型：发明
国别省市：河南,41