一种人体异常行为检测和识别系统及方法技术方案

本发明专利技术公开了一种人体异常行为检测和识别系统及方法，属于监控摄像技术领域，该混合方法基于连续自适应均值漂移CAMS，引入校正背景权重直方图CBWH和无味粒子滤波UPF技术处理遮挡和相似颜色对象的干扰，采用基于稀疏表达的检测方式从多种场景对目标对象的异常行为进行检测和识别，并利用均方误差统计量评估所提方法的性能，同时在公开数据集UMN上进行了仿真验证。实验结果表明，所提方法在不同场景中有障碍物遮挡或是具有相似颜色的其他对象情况下都能准确检测和识别目标对象。此外，该技术还可能进一步改善复杂场景下多摄像机中目标对象的跟踪性能。

【技术实现步骤摘要】
一种人体异常行为检测和识别系统及方法
本专利技术属于监控摄像
，涉及一种人体异常行为检测和识别系统及方法，具体地说，涉及一种室内视频监控下基于混合算法的人体异常行为检测和识别系统及方法。
技术介绍
近年来，监控摄像已广泛应用于银行、超市、监狱、机场、停车场、加油站、救援、医学检测等场景，以保证人民生命及财产安全和社会稳定。同时针对室内老年人异常行为检测与识别方面也有较广泛的应用，但由于室内照明变化、遮挡和相似背景其他对象等因素的干扰，对于异常行为的检测和识别具有一定的挑战性，学者针对现有监控识别系统在人体异常行为检测和识别性能的提升开展了大量研究工作。其中常见的状态检测和识别方法包括：检测和跟踪、跟踪前检测和基于概率假设密度滤波器等多目标跟踪技术。虽然学者们已经提出了许多以互斥方式处理照明变化、运动状态变化等因素的干扰和局限，但当有障碍物遮挡和存在其他相似对象时对人体异常行为的检测和识别问题仍未得到完全解决。其中，平均移位跟踪算法建立在密度外观模型上，用于跟踪静止或移动物体，由于其结构简单和计算量小等优点，已被广泛应用于物体的实时检测与识别。但其主要问题是当目标物体靠近或远离相机的焦点时会导致跟踪失败。因此，现有技术提出了一种用于拥挤场景中快速异常检测和定位的级联式三维深层神经网络，并对比了其余传统光流法和社会力模型等方法的异常行为检测效果，但该方法主要针对室外拥挤场景，且更侧重于异常行为的检测与定位；另外又有现有技术则针对该问题提出了一种社会网络模型的检测方法，利用局部社交网络对全球社交网络显示场景中的动态对象进行检测，并对所划分的每个长方体中的人体行为践行建模，最终实现异常行为的检测与定位。有的现有技术提出了在跟踪过程中自适应地调整跟踪窗口的大小和目标对象的分布模式的改进连续自适应均值漂移(CAMS)，但CAMS跟踪方法在目标对象所在背景中有相似颜色的其他对象或是所要跟踪的对象突然被障碍物遮挡时，其检测和识别性能往往差强人意。有的现有技术提出了一种整合跟踪和识别技术的背景减法算法，以检测室内环境中的人体存在，并消除背景中相似颜色其他对象对人体异常行为检测和识别的干扰，但当有障碍物遮挡时的跟踪效果却有待提升。此外，在CAMS和Kalman的组合滤波器中，Kalman滤波器主要用于预测目标物体的可能位置，同时借助CAMS在预测区域中搜索和匹配目标物体，以实现目标对象的检测、识别和跟踪。如有的现有技术在CAMS无法正确估计目标物体的路径时，引入卡尔曼滤波技术来跟踪目标对象，以实现对目标对象的检测和识别，然而却受限于高斯假设，导致跟踪效果欠佳。粒子滤波器因其所具有的非高斯、非线性等假设属性而被应用于视觉对象跟踪。研究表明，粒子滤波器和CAMS的组合可以提高在线跟踪的性能，但粒子滤波器使用转换优先级作为提议分布，并且不考虑当前观察到的数据，从而导致低概率区域中许多粒子的浪费。
技术实现思路
本专利技术的目的是在于克服现有技术中存在的缺陷，提供一种人体异常行为检测和识别系统及方法，该方法在CAMS基础上，引入无味粒子滤波器(UPF)和校正背景权重直方图(CBWH)的，整合稀疏表达的多技术混合跟踪方法来提升室内人体异常行为检测与识别系统的综合性能。本专利技术上述目的通过以下技术方案予以实现：一种人体异常行为检测和识别系统，包括颜色转换模块、CBWH模块、CAMS跟踪模块、UPF模块，异常行为识别模块；所述颜色转换模块，用于将接收的视频帧序列分解为帧中目标对象的颜色，接下来判断目标对象背景中是否具有与其相近颜色的其他对象；所述CBWH模块，用于如果有与其相近颜色的其他对象，则运用校正背景权重直方图技术，从其背景干扰中恢复对目标对象的筛选，并确定颜色的可能分布；所述CAMS模块，用于完成目标跟踪；如果无，则直接调用CAMS模块完成目标跟踪；所述UPF模块，用于若目标对象的路径被障碍物遮挡，设置计算区域，运用无味粒子滤波技术，将粒子尽可能多的移向高可能性区域，通过重新设置搜索窗口中心和窗口大小，重新设置计算区域，恰当地估计目标对象在被遮挡情况下的路径，再调用CBWH模块，循环处理。所述异常行为识别模块，用于在CAMS模块完成目标跟踪时，若目标对象的路径没有被障碍物遮挡，以视频形式显示异常行为。首先系统接收视频帧序列输入，并初始化搜索窗口大写和位置；然后经过颜色转换模块将接收的视频帧序列分解为帧中目标对象的颜色，接下来判断目标对象背景中是否具有与其相近颜色的其他对象，如果有，则在CBWH模块运用校正背景权重直方图技术，从其背景干扰中恢复对目标对象的筛选，并确定颜色的可能分布，再调用CAMS模块完成目标跟踪；如果无，则直接调用CAMS模块完成目标跟踪；在CAMS模块完成目标跟踪时，若目标对象的路径没有被障碍物遮挡，则直接调用异常行为识别模块，并以视频形式显示异常行为；若目标对象的路径被障碍物遮挡，则调用UPF模块，设置计算区域，运用无味粒子滤波技术，将粒子尽可能多的移向高可能性区域，通过重新设置搜索窗口中心和窗口大小，重新设置计算区域，恰当地估计目标对象在被遮挡情况下的路径，再调用CBWH模块，循环处理。一种人体异常行为检测和识别方法，首先，将一系列视频帧传递到颜色转换模块以分解帧中目标对象的颜色。若目标对象背景中具有与其相近颜色的其他对象时，则通过CBWH模块从其背景干扰中恢复对目标对象的筛选，并确定可能的颜色分布，再调用CAMS模块；否则直接调用CAMS模块。此外，当目标对象的路径被障碍物遮挡时，CAMS模块将输出到UPF模块，进行目标对象路径的正确估计，再通过基于稀疏表达的异常行为识别模块最终以视频形式显示。包括以下步骤：步骤1、输入视频帧序列，初始化搜索窗口大小和位置；步骤2、将接受的视频帧序列分解为帧中目标对象的颜色；步骤3、判断目标对象背景中是否具有与其相近颜色的其他对象，如果有则进行步骤4，若无，则直接进行步骤5；步骤4、运用校正背景权重方图技术，从其背景干扰中恢复对目标对象的筛选，并确定颜色的可能分布；步骤5、完成目标跟踪；在跟踪过程中，判断目标对象的路径是否被障碍物遮挡，若否则直接进行步骤6，否则设置计算区域，运用无味粒子滤波技术，将粒子尽可能多的移向高可能性区域，通过重新设置搜索窗口中心和窗口大小，重新设置计算区域，继续执行步骤4；步骤6、调用异常行为识别模块，并以视频形式显示异常行为；进一步，步骤5中，完成目标跟踪的过程如下：步骤1、基于帧间差异确定视频序列中的图像变化；步骤2、通过在二值图像上设置阈值来提取轮廓，以得到关于目标对象的特征向量，并利用目标对象周围的统计像素值来计算颜色直方图；步骤3、通过反投影恢复原始对象的颜色概率分布；步骤4、当跟踪目标对象被遮挡时，利用轨迹历史来预测下一组帧中的对象的位置；当跟踪目标对象在其背景中具有相似颜色的其他对象时，提供信息使连续自适应均值漂移算法聚焦于目标对象。进一步，步骤6中，异常行为识别模块的步骤如下：步骤1、针对训练样本建立查询字典库；步骤2、根据查询字典库进行稀疏重构样本；步骤3、通过比较重构稀疏度，对异常行为图像进行检测。本专利技术的优点及有益效果：本专利技术的混合方法基于连续自适应均值漂移(CAMS)，引入校正背景权重直方图(CBWH)和无味粒子滤本文档来自技高网...

【技术保护点】
1.一种人体异常行为检测和识别系统，其特征在于，包括颜色转换模块、CBWH模块、CAMS跟踪模块、UPF模块，异常行为识别模块；所述颜色转换模块，用于将接收的视频帧序列分解为帧中目标对象的颜色，接下来判断目标对象背景中是否具有与其相近颜色的其他对象；所述CBWH模块，用于如果有与其相近颜色的其他对象，则运用校正背景权重直方图技术，从其背景干扰中恢复对目标对象的筛选，并确定颜色的可能分布；所述CAMS模块，用于完成目标跟踪；如果无，则直接调用CAMS模块完成目标跟踪；所述UPF模块，用于若目标对象的路径被障碍物遮挡，设置计算区域，运用无味粒子滤波技术，将粒子尽可能多的移向高可能性区域，通过重新设置搜索窗口中心和窗口大小，重新设置计算区域，恰当地估计目标对象在被遮挡情况下的路径，再调用CBWH模块，循环处理；所述异常行为识别模块，用于在CAMS模块完成目标跟踪时，若目标对象的路径没有被障碍物遮挡，以视频形式显示异常行为。

【技术特征摘要】
1.一种人体异常行为检测和识别系统，其特征在于，包括颜色转换模块、CBWH模块、CAMS跟踪模块、UPF模块，异常行为识别模块；所述颜色转换模块，用于将接收的视频帧序列分解为帧中目标对象的颜色，接下来判断目标对象背景中是否具有与其相近颜色的其他对象；所述CBWH模块，用于如果有与其相近颜色的其他对象，则运用校正背景权重直方图技术，从其背景干扰中恢复对目标对象的筛选，并确定颜色的可能分布；所述CAMS模块，用于完成目标跟踪；如果无，则直接调用CAMS模块完成目标跟踪；所述UPF模块，用于若目标对象的路径被障碍物遮挡，设置计算区域，运用无味粒子滤波技术，将粒子尽可能多的移向高可能性区域，通过重新设置搜索窗口中心和窗口大小，重新设置计算区域，恰当地估计目标对象在被遮挡情况下的路径，再调用CBWH模块，循环处理；所述异常行为识别模块，用于在CAMS模块完成目标跟踪时，若目标对象的路径没有被障碍物遮挡，以视频形式显示异常行为。2.一种人体异常行为检测和识别方法，其特征在于，包括以下步骤：步骤1、输入视频帧序列，初始化搜索窗口大小和位置；步骤2、将接受的视频帧序列分解为帧中目标对象的颜色；步骤3、判断目标对象背景中是否具有与其相近颜色的其他对象，如果有则进行步骤4，若无，则直接进行步骤5；步...

【专利技术属性】
技术研发人员：刘建芳，郑浩，夏栋梁，廖梦怡，邢立国，史玉珍，黄淼，刘小满，李成建，刘继童，
申请(专利权)人：平顶山学院，
类型：发明
国别省市：河南,41