一种基于红外视频序列图像的机场场面活动行为识别方法技术

本发明专利技术属于机场场面运行安全领域，具体涉及一种基于红外视频序列图像的机场场面活动行为识别方法。步骤：获取每类目标完整行为的多组红外视频，将目标在每个红外视频帧中进行跟踪框标注，对跟踪框进行预处理，计算获得目标短时运动特征并表示成向量，将训练数据集输入长短时记忆网络进行模型训练，引入全连接层和Softmax函数生成目标行为识别模型；将所述验证数据集输入到目标行为识别模型中，调整模型超参数，监测网络的训练程度，得到训练好的目标行为识别模型；将测试数据集输入至目标行为识别模型中进行精度评估。本发明专利技术通过双层长短时记忆网络建立目标行为识别模型，利用该模型对机场场面活动行为进行识别，提高了识别精度和识别速度。

【技术实现步骤摘要】
一种基于红外视频序列图像的机场场面活动行为识别方法
本专利技术属于机场场面运行安全与图像处理
，具体涉及一种基于红外视频序列图像的机场场面活动行为识别方法。
技术介绍
人体行为识别是指通过提取视频或图像序列中的特征信息对目标的行为进行分析，以识别视频中的人物行为。它在许多方面有着广泛的应用前景，比如智能监控、人机交互、虚拟现实和智能安防等。因此特别是现今视频数据呈指数增长，智能的人体行为识别技术具有很高的研究价值和应用前景。当今社会随着经济的快速发展，越来越多的人选择乘坐飞机出远门，飞机出事事件常有发生，威胁着人们的安全，飞机安全问题受到越来越多的人们关注，停机坪是机场场面最容易产生安全问题的薄弱环节，这里人员复杂且能直接接触到飞机，因此，在停机坪上监控人的行为，防止上述不安全事件的发生是非常有必要的。现在人们普遍采取人工进行监控，这就需要投入大量的人力、物力和财力；除此之外，人在长时间的盯着视频监控时，注意力会下降，导致一些紧急情况无法被有效检测到，不能及时的采取救援措施，造成大量的损失。如果可以通过计算机自动视频监控，那么将有本文档来自技高网...

【技术保护点】
1.一种基于红外视频序列图像的机场场面活动行为识别方法，其特征在于，包括以下步骤：/nS1、建立目标行为模型；/nS11、获取每类目标完整行为的多组红外视频；/nS12、提取每组红外视频的单个完整红外视频序列，将目标在每个红外视频帧中进行跟踪框标注，得到目标在每一帧上的跟踪框，对所述跟踪框进行预处理；/nS13、计算目标中心点位置(c,d)；

【技术特征摘要】
1.一种基于红外视频序列图像的机场场面活动行为识别方法，其特征在于，包括以下步骤：
S1、建立目标行为模型；
S11、获取每类目标完整行为的多组红外视频；
S12、提取每组红外视频的单个完整红外视频序列，将目标在每个红外视频帧中进行跟踪框标注，得到目标在每一帧上的跟踪框，对所述跟踪框进行预处理；
S13、计算目标中心点位置(c,d)；其中，(a,b)是跟踪框左上角顶点的位置坐标，w是跟踪框的宽度，h是跟踪框的高度，单位是像素；
S14、计算每个跟踪框内目标水平方向运动速率特征e，e＝|c(t)-c(t-1)|；
S15、计算每个跟踪框内目标垂直方向运动速率特征f，f＝d(t)-d(t-1)；
S16、计算每个目标跟踪框的长宽比特征g，
S17、计算目标中心相对变化值特征i，
S18、将每次得到的e、f、g和i表示成向量形式，构成目标短时运动特征x＝[e,f,g,i]，从每类目标完整行为的多组红外视频中随机抽取目标短时运动特征向量分别建立训练数据集、测试数据集和验证数据集；
S19、构建双层长短时记忆网络，提取行为长时运动特征，利用所述训练数据集对所述双层长短时记忆网络进行模型训练，引入全连接层和Softmax函数生成目标行为识别模型；
S110、将所述验证数据集输入到目标行为识别模型中，调整模型超参数，监测网络的训练程度，等到网络训练的loss值有所下降并趋于平稳，模型训练结束，得到训练好的目标行为识别模型；
S111、将所述测试数据集输入至训练好的目标行为识别模型中进行精度评估；
S2、对机场场面人体活动行为进行识别；
S21、采用红外跟踪技术获取人体活动行为的红外视频；
S22、执行步骤S12-S17；
S23、将每次得到的e、f、g和i表示成向量形式，构成目标短时运动特征x＝[e,f,g,i]；
S24、将步骤S23得到的x＝[e,f,g,i]输入到训练好的目标行为识别模型中进行比对，得出目标行为类型。


2.根据权利要求1所述的一种基于红外视频序列图像的机场场面活动行为识别方法，其...

【专利技术属性】
技术研发人员：丁萌，吴晓舟，宫淑丽，丁圆圆，吴仪，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32