【技术实现步骤摘要】
一种基于大数据的行为特征检测系统
[0001]本专利技术涉及特征检测
，具体为一种基于大数据的行为特征检测系统。
技术介绍
[0002]目前，行为特征检测技术已经成为计算机视觉领域极具挑战性的一个方向，目前研究方向最广的为识别视频中的人体行为，而视频中行为的识别与在图像中行为识别的最大不同之处就在于，视频不仅包含了时序上的信息而且需要巨大的运算力支撑，而该技术还受到许多外在因素的影响，如视频动态背景居多、相机视角多变以及光照变化等。
[0003]人类已经迈入了一个视觉信息时代，大量的视觉传感器获取的视频信息呈井喷式出现，而仅仅依靠人体的肉眼难以完整地获取所有数据。目前的技术可以利用计算机视觉对照片进行标签、分类，对视频里的每一帧进行分类处理，但是这些技术的提升随之带来了大量的运算力使用需求，对于有的信息来说，更大的数据库以及更复杂、更苛刻的环境仍然会带来不小的挑战，在处理人类异常行为检测任务时，由于存在许多干扰因素，如天气变化导致设备损坏、人为干扰等，都会影响对于视频或图像的准确采集；同时，由于输入的视频容量一...
【技术保护点】
【技术特征摘要】
1.一种基于大数据的行为特征检测系统，包括图像采集模块、图像优化模块、特征检测模块，其特征在于：所述图像采集模块的输出端与图像优化模块的输入端电连接，所述图像优化模块的输出端与特征检测模块的输入端电连接，所述图像采集模块用于对需要检测的图像进行采集，所述图像优化模块用于对采集完的图像进行优化，所述特征检测模块用于检测并提取图像信息的行为特征信息，所述图像采集模块包括颜色空间生成模块、灰度边缘检测模块、关键帧抠图模块，所述颜色空间生成模块的输出端与灰度边缘检测模块的输入端电连接，所述灰度边缘检测模块的输出端与关键帧抠图模块的输入端电连接，所述颜色空间生成模块用于对颜色进行加法混色，构建颜色集合，所述灰度边缘检测模块用于检测图像的梯度，并判断边缘位置，所述关键帧抠图模块用于将视频信息中的关键帧部分抠出保存。2.根据权利要求1所述的一种基于大数据的行为特征检测系统，其特征在于：所述图像优化模块包括滤波选择模块、图像二值化模块、图像带宽矩阵调整模块、算子引入模块，所述滤波选择模块的输出端与图像二值化模块的输入端电连接，所述图像二值化模块的输出端与图像带宽矩阵调整模块的输入端电连接，所述图像带宽矩阵调整模块的输出端与算子引入模块的输入端电连接，所述滤波选择模块用于选择与图像相匹配的滤波方式，所述图像二值化模块用于将图像进行二值化操作，所述图像带宽矩阵调整模块用于调整视频中图像的特征矩阵带宽，所述算子引入模块用于引入相匹配的边缘检测算子。3.根据权利要求2所述的一种基于大数据的行为特征检测系统，其特征在于：所述特征检测模块包括RGB图像边缘检测模块、梯度光流计算模块、密集轨迹采样模块、多特征提取模块，所述RGB图像边缘检测模块的输出端与梯度光流计算模块的输入端电连接，所述梯度光流计算模块的输出端与密集轨迹采样模块的输入端电连接，所述密集轨迹采样模块的输出端与多特征提取模块的输入端电连接，所述RGB图像边缘检测模块用于将图像中的色彩信息通过多矢量表示出来，所述梯度光流计算模块用于计算图像中的运动矢量，所述密集轨迹采样模块用于根据图像中的密集轨迹点完成特征行为的识别与采样，所述多特征提取模块用于将识别的多项特征提取出来。4.根据权利要求3所述的一种基于大数据的行为特征检测系统，其特征在于：所述一种基于大数据的行为特征检测系统的运行方法包括以下步骤：步骤S1：进行图像采集，获取初始数据，并建立多个颜色尺度空间；步骤S2：对运动目标进行灰度边缘检测，进行图像分割，并抠出运动主体；步骤S3：进行图像优化，将图像数字化后，引入算子进行矩阵调整；步骤S4：对运动主体的动作特征进行提取，并进行多角度采样；步骤S5：进行动作特征理解与动作分类，完成检测。5.根据权利要求4所述的一种基于大数据的行为特征检测系统，其特征在于：所述步骤S3中，图像优化的方法进一步包括以下步骤：步骤A：选用带通滤波器，将图像的数字信息经过带通滤波器后输出；步骤B：对滤波后的图像进行二值化转换，并存储数据；步骤C：将二值化后的图像分别以宽度和高度转换为对应的矩阵集合；步骤D：引入梯度算子，并与图像的特征矩阵进行计算。6.根据权利要求5所述...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。