基于轮廓的异常行为识别方法技术

本发明专利技术一种基于轮廓的异常行为识别方法。首先，对摄像头采集到的图像序列进行运动目标检测与跟踪，提取目标轮廓；接着利用Ｒ变换表达每一帧中运动轮廓的空间信息；再对空间信息重新排列组合，做为行为分析的特征向量，利用主成分分析对其进行特征降维；最后利用隐马尔可夫模型表达具有空间信息的轮廓序列在时间上的变换关系，每个行为都有各自的隐马尔可夫模型参数表示。在识别过程中，将新的行为特征序列与存储的参数进行比较，依最大似然原则选择最匹配的行为。本发明专利技术识别方法对于提高智能视觉监控的自动分析具有重要意义，使计算机无需人的帮助就能知道场景中事件发生的时间、地点和人物。还可用于视频检索，帮助人们寻找视频中感兴趣的事件。

【技术实现步骤摘要】

本专利技术属于模式识别领域，涉及图像处理和计算机视觉等技术，特别 涉及智能视觉监控中的异常行为识别方法。
技术介绍
随着现代科技的飞速发展，利用摄像机监控动态场景早已被广泛应用 在社会的方方面面，除了一些对于安全要求级别高的场合，如银行、军事 基地等，越来越多的智能视觉监控应用在民用，如交通路口、生活社区、 地铁沿线等，用以保障人民的生命财产安全。尽管目前商用监控摄像机普 遍存在于商场、超市、电梯间，但没有充分发挥其实时主动的监视报警功 能。虽然这些摄像头可以提供大量的视频数据，但还不能对感兴趣行为进 行实时的分析处理，而且海量数据的存在以及长时间枯燥乏味的监视很容 易使得安保人员疲倦，松懈，对场景发生的异常不能及时反应，造成灾难 性的后果。因此，开发出实时的监控系统，并根据场景中的异常行为与现 象自动报警，引起警卫的注意，对破坏行为及时制止，对威胁安全的行为 及时救援等成为日益迫切的需求。这要求摄像机不仅仅记录一堆堆的数 据，更重要的是会分析数据，理解数据，这样计算机可以警醒人，帮助人 完成监控任务，提高监控质量。动态场景中运动目标的行为分析与理解一直是计算机视觉领域最活 跃的主本文档来自技高网...

【技术保护点】
一种基于轮廓的异常行为识别方法，其特征在于：包括步骤：　步骤Ｓ１：对摄像头采集到的图像序列进行运动目标检测与跟踪，提取目标轮廓；　步骤Ｓ２：对得到的目标轮廓姿态，利用Ｒ变换表达得到每一帧中运动轮廓的空间信息，用做行为识别的底层特 征；　步骤Ｓ３：利用主成分分析对上述特征向量进行特征降维，得到适合的特征序列；　步骤Ｓ４：将不同行为的特征序列做为输入，利用隐马尔可夫模型学习其随时间的变化关系，通过每个行为的隐马尔可夫模型参数表示；　步骤Ｓ５：利用训练的 模型参数库，根据最大似然准则，判断待识别行为和预先定义行为的匹配程度。

【技术特征摘要】

【专利技术属性】
技术研发人员：黄凯奇，谭铁牛，王莹，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：11[中国|北京]