一种智能视觉监控中检测异常目标行为的方法技术

本发明专利技术公开了一种智能视觉监控中检测异常目标行为的方法，包括目标行为学习和目标行为检测两个过程，所述的目标行为得到描述已发生目标行为的目标运动轨迹的每个子轨迹分布模式的异常阈值ε↓［ｃ］和每个轨迹分布模式的异常阈值ε↓［ｅ］；所述的目标检测过程计算描述待测目标行为的目标运动轨迹到每个子轨迹分布模式和每个轨迹分布模式的距离，以该距离与异常阈值进行比较，判断待测目标行为是否异常。本发明专利技术方法分别使用两个自组织映射网络学习目标局部和整体行为模式，不仅能检测出目标整体的异常行为，还能够在运动过程中检测出目标的局部异常行为。

【技术实现步骤摘要】

本专利技术涉及智能视觉监控
，尤其涉及一种智能视觉监控中检 测异常目标行为的方法。
技术介绍
随着计算机处理能力的提高，音视频编解码技术、互联网技术、网络 多媒体技术和大容量存储技术的发展，以及安防、金融、教育等行业曰益 增长的需求，视频监控技术得到了迅速发展。智能视觉监控系统具有观察 和分析监控场景内容的能力，能够在没有或少量人为干预的情况下，自动 对多摄像机记录的视频序列进行分析，从而代替人完成视觉监控任务。智能视觉监控包括目标检测、目标分类、目标跟踪、目标的行为分析 与理解和视觉监控检索等内容。目标检测将场景中的运动目标从背景中分 割出来，滤除静止信息，提取出运动区域。目标分类将;f企测到的运动区域 按特定类型的物体分类，区分出各个运动区域代表的运动目标。目标跟踪 选取能够唯一表示目标的特征，在后续帧中搜索与该特征最匹配的目标位 置，以建立连续视频帧间的目标对应关系。目标行为分析与理解是智能视 觉监控的高级阶段，包括目标行为异常检测、目标行为理解和目标行为的 自然语言描述等内容。视觉监控检索对运动目标的视觉特征和运动特征进 行索引和检索。异常目标行位检测是智能视觉监控系统的重要内容之一，通过对场景中目标行为的学习，自动完成对未来异常目标行为的^r测。目前的监控系 统异常目标行为检测还没有达到很好的智能化水平，大部分监控系统仍采 用人工处理的方式。通常是在异常目标行为发生后，通过录像;险索和回放 来人工观察和检查异常目标行为，这种方式不但效率低下，而且无法实时 报告异常目标行为。部分监控系统实现了自动检测异常目标行为，但智能 化水平较低，仅限于检测场景中是否存在运动区域，而不能理解目标的行 为。少数能够对目标行为进行智能异常检测的监控系统，也只能在目标运动结束后，对目标的整体运动行为进行异常检测，而难以在目标运动过程 中对其局部运动行为进行实时检测。美国专利US 2007/0121999Al公开了一种异常人群行为检测方法，该 方法跟踪视觉监控场景中的人，为每个人建立一个块，然后计算每个块的 熵值，以此判断是否发生两人或多人的打斗，这种方法虽然有效，但仅限 于对人群打斗等异常目标行为的检测。美国专利US 2008/0031491 Al公开了一种视频系统异常检测方法，该 方法通过预先配置识别某种异常行为，例如商场盗窃，该方法首先从;见频 数据中提取特征，然后由动态贝叶斯网络判断特征是否为正常。同样，这 种方法需要对特定行为进行预先配置。
技术实现思路
本专利技术提供了 一种检测速度快、智能化水平高的智能视觉监控中检测 异常目标行为的方法。，包括目标行为学习和 目标行为检测两个过程，所述的目标行为学习包括以下步骤(1 )周期性读取存储在轨迹数据库中所有描述已发生的目标行为的 目标运动轨迹，滤除噪声后以空间描述符对每条目标运动轨迹进行描述， 合并建立轨迹数据集；滤除噪声的方法采用移动平均滤波。目标行为都是通过目标运动轨迹进行描述，目标运动轨迹通过目标跟 踪算法获得，目标跟踪算法按照等时间(zlf)间隔对包含运动目标的图像 序列进行采样，每次采样都可以得到目标的质心坐标，按顺序连接不同时 刻目标的质心坐标形成一折线，即为目标运动轨迹。或部分发生的目标行为作为待测目标行为，它的目标运动轨迹用于待测目 标行为的实时纟企测。(2)根据轨迹数据集中描述每条目标运动轨迹的空间描述符，提取 每条目标运动轨迹的子轨迹数据集合；(3 )将所有目标运动轨迹的子轨迹数据集合合并得到子轨迹数据集；(4) 使用第一自组织特征映射网络学习子轨迹数据集，得到子轨迹 分布模式集合；(5) 根据子轨迹数据集计算子轨迹分布^f莫式集合中每个子轨迹分布 模式的异常阈值^;(6) 计算每条目标运动轨迹的子轨迹集合中的所有子轨迹到子轨迹 分布模式集合中各子轨迹分布模式的最小距离，以该最小距离集合作为轨 迹模式描述符描述相应的目标运动轨迹；(7) 使用第二自组织特征映射网络学习所有描述目标运动轨迹的轨 迹模式描述符，得到轨迹分布模式集合；(8 )根据轨迹数据集计算轨迹分布模式集合中每个轨迹分布模式的异常阈值Se;步骤(4)和(7)当中的子轨迹分布模式集合和轨迹分布模式集合分 别代表了场景中目标的局部运动行为和整体运动行为。每个子轨迹分布模 式的异常阀值和每个轨迹分布模式的异常阀值作为异常检测信息可对场 景中的异常目标行为进行检测。所述的目标行为^r测包括以下步骤 (9 )读取描述待测目标行为的待测目标运动轨迹，预处理后以空间 描述符对待测目标运动轨迹进行描述；(10 )根据描述待测目标运动轨迹的空间描述符号，^是取描述待测目 标运动轨迹的待测子轨迹集合；(11)取待测子轨迹集合中每个待测子轨迹，使用第一自组织特征映 射网络计算得到与待测子轨迹最匹配的子轨迹分布模式以及它们之间的 距离，将该距离与和该待测子轨迹最匹配的子轨迹分布模式的异常阈值ec 进行比较，判断该待测子轨迹是否异常；(12 )计算所有待测子轨迹到子轨迹分布模式集合中各子轨迹分布模 式的最小距离，以该最小距离集合作为轨迹模式描述符描述的待测目标运 动轨迹；(13 )使用第二自组织特征映射网络计算得到与以轨迹模式描述符描 述的待测目标运动轨迹最匹配的轨迹分布模式以及它们之间的距离，将该 距离与和以轨迹模式描述符描述的待测目标运动轨迹最匹配的轨迹分布 模式的异常阈值ee进行比较，判断该待测目标运动轨迹是否异常本专利技术方法分别使用两个自组织映射网络学习目标局部和整体行为 模式，不仅能检测出目标整体的异常行为，还能够在运动过程中检测出目 标的局部异常行为。另外，子轨迹分布模式的数量远少于流矢量模式的数量，使本专利技术使 用的两个网络具有较快的学习速度。在子轨迹模式网络训练完毕后，使用子轨迹分布才莫式重新描述轨迹， 使所有轨迹模式描述符具有相同长度， 一方面避免了对轨迹空间描述符进行补齐和截取；另一方面也使轨迹间的距离可以直接度量，为目标行为的 异常检测提供了依据。附图说明图1为实现本专利技术方法的模块结构框图2为本专利技术方法目标行为学习过程流程框图3为本专利技术方法目标行为^r测过程流程框图。具体实施例方式如图所示， 一种智能视觉监控中检测异常目标行为的模块结构，包括 目标跟踪模块110:对包含运动目标的图像序列进行采样，生成目标 运动轨迹；轨迹数据库115:存储目标运动轨迹；预处理模块120:使用移动平均滤波滤除目标运动轨迹的噪声，使其 平滑，并以空间描述符对目标运动轨迹进行描述；子轨迹提取模块125:提取目标运动轨迹的子轨迹集合，合并组成子 轨迹数据集；子轨迹模式网络130:使用第一自组织特征映射网络学习子轨迹数据 集，产生子轨迹分布模式集合；子轨迹异常检测信息生成模块135:计算子轨迹分布模式集合中每个 子轨迹分布模式的异常阈值；轨迹模式网络140:使用第二自组织特征映射网络学习所有描述目标 运动轨迹的轨迹模式描述符，生成轨迹分布模式集合；轨迹异常检测信息生成模块145:计算轨迹分布模式集合中每个轨迹分布模式的异常阈值；轨迹重描述模块150:计算每条目标运动轨迹的子轨迹集合中的所有 子轨迹到子轨迹分布模式集合中各子轨迹分布模式的最小距离，以该最小 距离集合作为轨迹模式描述符描述相应的目标运动轨本文档来自技高网...

【技术保护点】
一种智能视觉监控中检测异常目标行为的方法，包括目标行为学习和目标行为检测两个过程，　所述的目标行为学习包括以下步骤：　（１）周期性读取存储在轨迹数据库中所有描述已发生的目标行为的目标运动轨迹，滤除噪声后以空间描述符对每条目标运动轨迹进行描述，合并建立轨迹数据集；　（２）根据轨迹数据集中描述每条目标运动轨迹的空间描述符，通过滑动窗口法提取每条目标运动轨迹的子轨迹数据集合；　（３）将所有目标运动轨迹的子轨迹数据集合合并得到子轨迹数据集；　（４）使用第一自组织特征映射网络学习子轨迹数据集，得到子轨迹分布模式集合；　（５）根据子轨迹数据集计算子轨迹分布模式集合中每个子轨迹分布模式的异常阈值ε↓［ｃ］；　（６）计算每条目标运动轨迹的子轨迹集合中的所有子轨迹到子轨迹分布模式集合中各子轨迹分布模式的最小距离，以该最小距离集合作为轨迹模式描述符描述相应的目标运动轨迹；　（７）使用第二自组织特征映射网络学习所有描述目标运动轨迹的轨迹模式描述符，得到轨迹分布模式集合；　（８）根据轨迹数据集计算轨迹分布模式集合中每个轨迹分布模式的异常阈值ε↓［ｅ］；　所述的目标行为检测包括以下步骤：　（９）读取描述待测目标行为的待测目标运动轨迹，预处理后以空间描述符对待测目标运动轨迹进行描述；　（１０）根据描述待测目标运动轨迹的空间描述符号，提取描述待测目标运动轨迹的待测子轨迹集合；　（１１）取待测子轨迹集合中每个待测子轨迹，使用第一自组织特征映射网络计算得到与待测子轨迹最匹配的子轨迹分布模式以及它们之间的距离，将该距离与和该待测子轨迹最匹配的子轨迹分布模式的异常阈值ε↓［ｃ］进行比较，判断该待测子轨迹是否异常；　（１２）计算所有待测子轨迹到子轨迹分布模式集合中各子轨迹分布模式的最小距离，以该最小距离集合作为轨迹模式描述符描述的待测目标运动轨迹；　（１３）使用第二自组织特征映射网络计算得到与以轨迹模式描述符描述的待测目标运动轨迹最匹配的轨迹分布模式以及它们之间的距离，将该距离与和以轨迹模式描述符描述的待测目标运动轨迹最匹配的轨迹分布模式的异常阈值ε↓［ｅ］进行比较，判断该待测目标运动轨迹是否异常。...

【技术特征摘要】

【专利技术属性】
技术研发人员：陈耀武，曲琳，孟旭炯，
申请(专利权)人：浙江大学，
类型：发明
国别省市：86[中国|杭州]