一种人群场景中全局和局部异常行为检测方法技术

本发明专利技术公开了一种人群场景中全局和局部异常行为检测方法。首先，本发明专利技术提出一种新的名为混合光流直方图的特征，然后，对于全局异常行为本发明专利技术提出一种双稀疏表示的方法解决这个问题，最后对于局部异常行为，通过先检测当前帧感兴趣区域的前景，接着采用在线加权聚类的方法来进行局部异常行为的检测。在UMN数据集和UCSD数据集中的实验验证了本发明专利技术方法的优点。实验结果表明我们的方法较于之前的方法在分析视频中人群的运动行为具有更高的精度。

A method for detecting global and local abnormal behavior in a crowd scene

The present invention discloses a method for detecting global and local abnormal behavior in a crowd scene. First of all, the present invention provides a new feature called, hybrid optical flow histogram and the global abnormal behavior of the method of the invention is a double sparse representation is proposed to tackle the problem, finally for abnormal behavior, by detecting the current frame region of interest detection by using the method of online prospects, then weighted clustering to local abnormal behavior. The experiments in the UMN data set and the UCSD data set verify the advantages of the invention method. The experimental results show that our method is more accurate than the previous method in analyzing the motion behavior of the crowd in the video.

【技术实现步骤摘要】
一种人群场景中全局和局部异常行为检测方法
本专利技术属于图像处理
，尤其涉及一种人群场景中全局和局部异常行为检测方法。
技术介绍
视频监控设备已广泛应用于交通路口、商店、银行、地铁车站和学校等公共场所，以保障社会安全。通过视频监控可以很容易地记录在摄像机监视的视频中的情况。然而，对于大多数现有的监控系统，不能自动检查异常事件，并且一个人不可能在任何时候都监视监控器。由于监控设备通常安装在公共场所，因此人群行为分析一直是计算机视觉研究领域的一个新热点。由于遮挡现象，个体行为分析的经典方法不能用于拥挤的场景。拥挤地区的视频监控对公共安全起着越来越重要的作用。本专利技术提出了一种基于人群运动特征的拥挤场景中的异常检测新方法。在日常生活中，我们遇到的大多数行为，如行人走在人行道上或站在地铁站的人，都是正常的。然而，有些行为，如人们突然向四面八方散射，一辆超速行驶的汽车出现在人行道上，或者人们打架，与我们经常看到的不同，因此他们被视为异常的行为。总的来说，异常行为很少以不同的形式出现。因此，异常行为检测就是从正常的事件中识别出这些异常事件，这是一个二分类问题。这个问题分为全局异常行为检测本文档来自技高网...

【技术保护点】
一种人群场景中全局和局部异常行为检测方法，其特征在于，具体包含以下步骤：步骤1，输入待检测人群场景图像；步骤2，提取待检测人群场景图像的混合光流直方图；步骤3，对步骤2特征提取的混合光流直方图进行全局异常行为检测，具体如下：步骤3.1，通过两个稀疏表示过程分别判断特征提取后的图像是否异常；步骤3.2，用模糊积分对两个稀疏表示过程的判断进行处理，进而得出结果；步骤4，对步骤2特征提取的混合光流直方图进行局部异常行为检测，具体如下：步骤4.1，提取输入图像中感兴趣区域的前景；步骤4.2，通过在线加权聚类对感兴趣区域进行局部异常检测；步骤4.3，采用多目标跟踪的方法滤除噪声；步骤5，通过步骤3和步骤...

【技术特征摘要】
1.一种人群场景中全局和局部异常行为检测方法，其特征在于，具体包含以下步骤：步骤1，输入待检测人群场景图像；步骤2，提取待检测人群场景图像的混合光流直方图；步骤3，对步骤2特征提取的混合光流直方图进行全局异常行为检测，具体如下：步骤3.1，通过两个稀疏表示过程分别判断特征提取后的图像是否异常；步骤3.2，用模糊积分对两个稀疏表示过程的判断进行处理，进而得出结果；步骤4，对步骤2特征提取的混合光流直方图进行局部异常行为检测，具体如下：步骤4.1，提取输入图像中感兴趣区域的前景；步骤4.2，通过在线加权聚类对感兴趣区域进行局部异常检测；步骤4.3，采用多目标跟踪的方法滤除噪声；步骤5，通过步骤3和步骤4完成多人群场景中全局和局部异常行为检测。2.根据权利要求1所述的一种人群场景中全局和局部异常行为检测方法，其特征在于，在步骤2中，混合光流直方图HG具体表示如下：HG＝(μ,δ)其中，μ表示光流的期望，δ表示在相同方向的方差，r表示时空容器中有r个持续帧，Hi表示第i个光流直方图。3.根据权利要求1所述的一种人群场景中全局和局部异常行为检测方法，其特征在于，在步骤3.1中，所述两个稀疏表示过程均包含一个动态词典更新的过程，其中，动态词典更新过程的表达式如下：其中，在词典Φ中所有元素的SRC表示为SRCdic＝[SRC1dic,SRC2dic,...,SRCNdic]T，下一个样本的SRC可表示为SRCy，m*是词典的样本索引，其到达下一个样本y的距离最小，ωm*是新的将取代词典Φ中第m*个样本，bm*是旧词典中第m*个样本。4.根据权利要求1所述的一种人群场景中全局和局部异常行为检测方法，其特征在于，两个稀疏表示过程的稀疏表示的公式如下：其中，SRC为稀疏重构代价，x表示特征权重的系数，y为特征乘以权重系数后的表达式，λ为参数，Φ为词典，║║2为欧式距离，║x║1为L1范数。5.根据权利要求1所述人群场景中全局和局部异常行为检测方法，其特征在于，所述步骤4.1具体包含如下步骤：步骤4.11，通过高斯混合模型方法对输入图像进行背景建模，把感兴趣的前景提取出来；步...

【专利技术属性】
技术研发人员：金栋梁，朱松豪，邢晓远，闫兴秀，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32