基于时序动作检测的监控视频异常事件检测方法技术

本发明专利技术涉及视频检测技术领域，具体是一种基于时序动作检测的监控视频异常事件检测方法，包括以下步骤：S1：特征提取；S2：训练样本选择；S3：图像预处理；S4：基本事件表示；S5：异常检测模型构建：对基本事件进行建模；S6：异常事件判断；S7：后处理，本发明专利技术通过高效的异常事件检测算法，生成一系列包含完整语义信息的监控视频异常事件片段，保留了有用信息的同时缩小了视频数据库，方便后续检索方法的研究，基于训练样本中的各类异常事件的发生时长，选取与其相近的窗口长度，最终使用非极大值抑制NMS方法去除多余视频片段，得到置信度得分高的检测结果，提高了对不同时长的监控视频的检测精度，与其他算法相比具有更好的检测性能。与其他算法相比具有更好的检测性能。

【技术实现步骤摘要】
基于时序动作检测的监控视频异常事件检测方法


[0001]本专利技术涉及视频检测
，具体是一种基于时序动作检测的监控视频异常事件检测方法。

技术介绍

[0002]随着我国社会经济的发展和硬件设施价格的下降，视频监控系统广泛应用在商场、银行、监狱和交通路口等场所，在维护社会治安稳固方面发挥着不容小觑的作用。目前的视频监控系统仍属于传统的人工监控，通常在关键位置安装摄像机，通过传输设备将数据传到监控中心实时显示在监控屏幕上，监控人员通过观看监控屏幕对异常事件进行判断并对做出反应。该系统有以下局限性：首先，耗费人力，通常情况下需要监控人员轮流守候以保证监控可以全天候进行；其次，存在大量警告漏报，长期面对监控屏幕上的多个画面，监控人员很容易产生疲劳从而遗漏重要信息；最后，对异常事件没有预测作用，更多时候只能充当事后查询工具。计算机科技发展迅速，图像处理、机器视觉和模式识别等技术相应成熟起来，为突破传统视频监控系统的局限性提供了可能，也使监控视频中异常事件的主动监控成为了可能。
[0003]国内外研究人员虽然在异常事件检测方面取得了一些成果，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于时序动作检测的监控视频异常事件检测方法，其特征在于，包括以下步骤：S1：特征提取：基于视频图像，提取监控视频中每帧画面的三维梯度特征；S2：训练样本选择：以配置有NVIDIA Titan GPU的ubuntu16操作系统为基础，提取UCF
‑
Crime数据集；S3：图像预处理：利用高斯滤波，对图像进行降噪处理，减少原始监控视频噪声的干扰；S4：基本事件表示：使用跟踪对象的方法，选取恰当的特征描述符对基本事件进行表示；S5：异常检测模型构建：对基本事件进行建模；S6：异常事件判断：基于训练样本，判断事件是否异常；S7：后处理：基于不同异常事件的发生时长，结合训练样本进行打分，得到没有重叠的检测结果。2.根据权利要求1所述的基于时序动作检测的监控视频异常事件检测方法，其特征在于，所述特征提取包括以下步骤：S11：截取画面：将视频中的每一帧画面截图，并依照时序保存入数据库；S12：缩放画面：将数据库中截取的每一帧画面分别进行放大5倍以及缩小5倍，并保存至相应的数据库分类中；S13：分类信息展示及提取：将数据库中的每一帧初始画面展示为原始信息，将数据库中的每一帧放大5倍的处理画面提取为关键信息，将数据库中的每一帧缩小5倍的画面提取为全体信息。3.根据权利要求1所述的基于时序动作检测的监控视频异常事件检测方法，其特征在于，所述训练样本提取包括以下步骤：S21：训练样本提取：使用配置有NVIDIA Titan GPU的ubuntu16操作系统对UCF
‑
Crime数据集中的内容进行提取；S22：训练样本分类：基于时序动作，将提取出的UCF
‑
Crime数据集中的内容进行分类并录入数据库，相同分类内容入同一文件夹；S23：训练样本命名：将数据库中分类后的文件夹进行命名：正常事件、爆炸、斗殴、虐待、枪击、抢劫、破坏、突袭、抓捕、纵火。4.根据权利要求1所述的基于时序动作检测的监控视频异常事件检测方法，其特征在于，所述图像预处理包括以下步骤：S31：利用邻域内其他像素点到邻域中心的距离，带入二维高斯函数，计算出高斯模板，常见...

【专利技术属性】
技术研发人员：王平，安德智，田军，武光利，牛君会，曹启，
申请(专利权)人：甘肃欧美亚信息科技有限公司，
类型：发明
国别省市：