基于视觉传感网络的舞台表演行为异常监控方法技术

本发明专利技术涉及一种基于视觉传感网络的舞台表演行为异常监控方法。通过基于加权阈值背景减除法，从背景图像中分割出目标图像，采用基于混沌搜索的粒子群优化算法检测目标图像，通过Mean Shift跟踪算法实现目标的跟踪，采用基于局部线性嵌入和稀疏描述的异常行为检测方法，全面分析样本集的局部流形结构，提升舞台表演异常行为的检测效率和精度。本发明专利技术方法进行舞台表演异常行为监控时，具有较高的检测效率和精度，并且鲁棒性较高。

An anomaly monitoring method for stage performance based on visual sensing network

The present invention relates to a method of abnormal monitoring of stage performance behavior based on visual sensing network. Through the background subtraction method based on weighted threshold, segmentation of the target image from the background image, the chaotic search particle swarm optimization algorithm based on image target detection and tracking algorithm for target tracking by Mean Shift, the abnormal behavior of local linear embedding and detection method based on sparse representation, a comprehensive analysis of the local manifold structure of sample set. Enhance the stage performance of abnormal behavior detection accuracy and efficiency. The invention has high detection efficiency and precision, and has high robustness when monitoring the abnormal behavior of stage performance.

【技术实现步骤摘要】
基于视觉传感网络的舞台表演行为异常监控方法
本专利技术涉及一种基于视觉传感网络的舞台表演行为异常监控方法。
技术介绍
随着计算机视觉技术和传感网络技术的快速发展，视觉传感网络技术在不同的监控领域具有广泛的应用价值。特别是在舞台表演过程中应用视觉传感技术，基于计算机视觉图像操作、模式识别等技术，检测舞台表演场景内的目标和行为，实现目标状态的智能化监测和分析，对提升演员的表演质量意义重大。传统基于稀疏描述模型实现舞台表演异常行为的监控方法，未对表演过程中的局部流形结构进行分析，使得行为特征稀疏分解存在较高的波动性，异常行为识别精度低[1,2]。为了解决该种问题，本申请提出一种基于视觉传感网络的舞台表演行为异常监控方法，在视觉传感网络平台中采用基于局部线性嵌入和稀疏描述的异常行为检测方法，实现舞台表演异常行为的高效率、高精度监控。
技术实现思路
本专利技术的目的在于提供一种基于视觉传感网络的舞台表演行为异常监控方法，该方法进行舞台表演异常行为监控时，具有较高的检测效率和精度，并且鲁棒性较高。为实现上述目的，本专利技术的技术方案是：一种基于视觉传感网络的舞台表演行为异常监控方法，包括如下步骤，S本文档来自技高网...

【技术保护点】
一种基于视觉传感网络的舞台表演行为异常监控方法，其特征在于：包括如下步骤，S1、通过CCD相机实现对舞台表演运动目标的跟踪拍摄，获取拍摄的舞台表演图像序列；S2、采用基于局部线性嵌入稀疏描述的舞台表演异常行为识别方法，进行舞台表演异常行为识别。

【技术特征摘要】
1.一种基于视觉传感网络的舞台表演行为异常监控方法，其特征在于：包括如下步骤，S1、通过CCD相机实现对舞台表演运动目标的跟踪拍摄，获取拍摄的舞台表演图像序列；S2、采用基于局部线性嵌入稀疏描述的舞台表演异常行为识别方法，进行舞台表演异常行为识别。2.根据权利要求1所述的基于视觉传感网络的舞台表演行为异常监控方法，其特征在于：所述步骤S1的具体实现过程如下，S11、基于加权阈值背景减除法实现背景图像的更新：设定舞台表演图像的像素为M*N，背景图像序列为f′(x，y)＝{f′i(x，y)，i＝1,2...n}，舞台表演图像序列为f(x，y)＝{fi(x，y)，i＝1,2...n}，则通过以下过程实现阈值法的运算，1)舞台表演图像序列中背景图像的平均值通过统筹法求出，令初级阶段视频背景图像的平均值用式(1)表示如下：2)位于当前舞台表演图像的后一帧的背景图像为f′i+1(x，y)，令更新的背景图像为D(x，y)；在初级阶段视频背景图像的平均值的基础上，设置阈值σ，则更新的背景图像可表示为式(2)：若D(x，y)＞σ，则表示舞台表演图像的背景图像变动频率高，需及时更新背景图像；若0≤D(x，y)≤σ则噪音可能对背景图像清晰度造成影响，可采用如下结合加权系数的方式来解决：设加权系数为λ，g(x，y)是第i+1帧更新的背景图像的像素和，则阈值σ的计算公式可表示为：通过即刻一帧图像背景像素同原始化的背景图像对比，并同加权调和乘积获取图像调整阀值，解决噪声波动产生的像素值波动问题，能够最大程度保留样本背景图像的清晰度；S12、采用基于混沌搜索的粒子群优化算法实现运动目标检测：1)全部参数初始化过程：c1和c2描述学习因子，用Tmax描述最大迭代次数，用U描述控制参数，用T描述混沌搜索起始迭代次数；使群微粒初始化，包含随机位置与速度；2)评估全部微粒对目标的适应程度，锁定第j个粒子至今为止搜索到的最佳位置Pj，以及整个粒子群至今为止搜索到的最佳位置Pg；3)结合过程1)与过程2)对种群中的粒子实施一次迭代操作，如果当前最优个体在收敛条件范围内或达到最大迭代次数，则运行过程5)；4)若使整个粒子群历史最优粒子位置Pg经历T次粒子群迭代运算后，仍未变化或仅有微弱变化，则使Xj′＝Pg，最优值Xj′可利用混沌搜素算法实行寻优求出，Pg＝Xj′，运行过程3)实施后续粒子群运算，否则运行过程5)；5)进化过程结束，返回全局最优解；引进均匀性测度优化的适应度函数，获取图像分割的最佳阈值t，设定舞台表演图像被阈值t分割成两部分，用RI，I＝1，2表示，则均匀性测度优化的适应度函数可用式(4)表示：其中，RI为分割后区域I，设定fi(x，y)是图像区域(x，y)的灰度值，用AI描述区域RI中的像素值个数；用C0l描述UM(t)经过归一化的常数；则最佳参数λ出现于：λ*＝argmaxUM(t*(λ))；S13、基于MeanShift算法的舞台表演运动目标跟踪：设定d是空间Rd存在m个样本点xJ，J＝1,2...，m，则在x点上的MeanShift向量是：其中，用(xJ-x)描述样本点xJ相对于点x的偏移向量，用Sh描述半径是h的高维球状区域，向量Mh(x)是对落入区域Sh中的k个样本点相对于点x的偏移向量的平均向量值；如果y是落入区域Sh中的点的集合，则通过下面公式求出y点的集合是：Sh＝{y：(y-x)T(y-x)≤h2}(6)用k描述在m个样本点xJ中有k个点进入Sh中；若在概率密度函数f(x)中获取样本点xJ，因非零的概率密度梯度趋势与概率密度增长最大的方向一致，采用平均值运算，大部分Sh中的样本点沿着概率密度梯度趋势分布；因此，基于数学剖析平均的偏移向量Mh(x)与样本分布最广的区域趋势一致，同时也是概率密度函数的梯度方向，其中，大圆圈代表的区域就是Sh，小圆圈代表进入Sh区域内的样本点xJ∈Sh，MeanShift的基准点X用中心黑点描述，样本点偏移基准点X的向量用箭头描述；而后MeanShift算法通过先绘制目标模型与备选模型的颜色直方图，再经过对比分析两组模型的相似度实施运动目标的跟踪。3.根据权利要求2所述的基于视觉传感网络的舞台表演行为异常监控方法，其特征在于：MeanShift算法通过先绘制目标模型与备选模型的颜色直方图，再经过对比分析两组模型的相似度实施运动目标的跟踪的具体实现方式如下：S131、建立目标模型利用舞台表演检测将运动目标分成几个区域，根据运动目标的灰度或色彩直方图作选取的目标区域，如果物体中心在点xo，那么xJ用于描述各像素点，特征值μ＝1,2...m'，用描述对应目标范围的特征值概率：S132、塑造候选目标完成运动目标检测后，将后续各帧内涵盖的较高运动目标范围当成候选目标，目标范围核函数的中心坐标是y，目标范围的像素点和是mh，则候选模型的第u特征值的概率预测密度函数是：式中，是归一化常数，则将目标跟着看成时检索最佳y...

【专利技术属性】
技术研发人员：张福泉，
申请(专利权)人：闽江学院，
类型：发明
国别省市：福建,35