【技术实现步骤摘要】
本专利技术涉及数据处理，具体涉及基于行为分析的摄像机智能报警系统。
技术介绍
1、行为分析是一种通过对个体或群体的行为、动作和活动进行系统观察、记录、研究和分析，从而可以对其接下来的行为进行预测的方法；在城市交通中，行人闯红灯很大可能会引发一系列的交通事故，为了减少行人闯红灯行为的出现，减少交通事故的发生，营造一个安全和有序的交通环境，有必要对斑马线行人行为进行分析并及时报警。
2、通过摄像机可以采集到有关于行人姿态和动作的一系列行为数据，现有算法通过对这些行为数据进行聚类操作，再结合数据库中现有的行为数据进行分析，从而达到行为分析智能报警的目的；但是不同的行人在站立或行走的行为状态下，会根据习惯出现不同的行为数据，而在这些行为进行的过程中可能存在相似的动作，从而无法对行人的行为状态进行准确的区分，使得获得的行人的行为状态产生误差，从而导致出现错误报警的情况。
技术实现思路
1、本专利技术提供基于行为分析的摄像机智能报警系统，以解决现有的问题。
2、本专利技术的基于行为分析的摄像机智能报警系统采用如下技术方案：
3、包括以下模块：
4、数据采集模块，用于获取待分析的行人行为数据库和待检测的行人行为数据库；
5、目标聚类簇获取模块，用于对待分析的行人行为数据库进行聚类得到若干个聚类簇；根据每个聚类簇中不同数据类型的行人行为数据的数量，获取每个聚类簇的类别纯度；根据类别纯度对所有聚类簇进行筛选，获取目标聚类簇；
6
7、智能报警模块，用于根据站立向量集和前进向量集对待检测的行人行为数据库中所有待检测行人进行行为分析，获取每个待检测行人的行为状态；根据行为状态进行智能报警。
8、优选的，所述根据每个聚类簇中不同数据类型的行人行为数据的数量，获取每个聚类簇的类别纯度，包括的具体方法为：
9、待分析的行人行为数据库包含若干个数据类型，每个数据类型包含若干个行人行为数据；
10、对于任意一个聚类簇，根据聚类簇中不同数据类型的行人行为数据的占比情况，获取聚类簇的类别纯度因子；
11、获取所有聚类簇的类别纯度因子，将所有类别纯度因子进行线性归一化，将归一化后的类别纯度因子记为类别纯度。
12、优选的，所述根据聚类簇中不同数据类型的行人行为数据的占比情况，获取聚类簇的类别纯度因子的具体公式为：
13、
14、式中，表示聚类簇的类别纯度因子；表示聚类簇中所有数据类型的数量；表示聚类簇中第个数据类型内所有行人行为数据的数量；表示聚类簇中第个数据类型内所有行人行为数据的数量；表示取绝对值。
15、优选的，所述根据类别纯度对所有聚类簇进行筛选，获取目标聚类簇，包括的具体方法为：
16、预设一个阈值参数，对于任意一个聚类簇，若所述聚类簇的类别纯度小于阈值参数，将所述聚类簇记为目标聚类簇。
17、优选的，所述根据目标聚类簇中不同数据类型的行人行为数据之间的差异情况，获取站立向量集和前进向量集，包括的具体方法为：
18、对于任意一个目标聚类簇，获取目标聚类簇的前进向量矩阵和站立向量矩阵；
19、根据前进向量矩阵和站立向量矩阵，获取目标聚类簇的前进特征向量矩阵和站立特征向量矩阵；
20、根据前进特征向量矩阵和站立特征向量矩阵之间的差异情况，获取目标聚类簇的目标匹配行向量对；
21、将所有目标聚类簇的目标匹配行向量对中的所有站立行向量构成向量集，作为站立向量集；将所有目标聚类簇的目标匹配行向量对中的所有前进行向量构成向量集，作为前进向量集。
22、优选的，所述获取目标聚类簇的前进向量矩阵和站立向量矩阵，包括的具体方法为：
23、将目标聚类簇中站立数据类型内所有行人行为数据，记为站立行人行为数据；构建一个第一向量矩阵，将每个站立行人行为数据中所有节点的特征向量依次，作为第一向量矩阵中每行的元素；将第一向量矩阵作为目标聚类簇的站立向量矩阵；将目标聚类簇中前进数据类型内所有行人行为数据，记为前进行人行为数据；构建一个第二向量矩阵，将每个站立行人行为数据中所有节点的特征向量依次，作为第二向量矩阵中每行的元素；将第二向量矩阵作为目标聚类簇的前进向量矩阵。
24、优选的，所述获取目标聚类簇的前进特征向量矩阵和站立特征向量矩阵，包括的具体方法为：
25、利用svd矩阵分解算法分别对目标聚类簇的前进向量矩阵和站立向量矩阵进行分解，分别得到前进向量矩阵的左奇异矩阵和右奇异矩阵，以及站立向量矩阵的左奇异矩阵和右奇异矩阵；将前进向量矩阵的右奇异矩阵作为目标聚类簇的前进特征向量矩阵；将站立向量矩阵的右奇异矩阵作为目标聚类簇的站立特征向量矩阵。
26、优选的，所述获取目标聚类簇的目标匹配行向量对，包括的具体方法为：
27、将目标聚类簇的站立特征向量矩阵中每行中所有元素构成元素序列，均记为目标聚类簇的站立行向量；将目标聚类簇的前进特征向量矩阵中每行中所有元素构成元素序列，均记为目标聚类簇的前进行向量；利用km匹配算法对目标聚类簇的所有站立行向量和前进行向量进行两两匹配，获得若干个匹配行向量对；对于任意一个匹配行向量对，利用dtw算法获取所述个匹配行向量对的dtw值；在目标聚类簇的所有匹配行向量对中，将dtw值最大的匹配行向量对，作为目标聚类簇的目标匹配行向量对。
28、优选的，所述根据站立向量集和前进向量集对待检测的行人行为数据库中所有待检测行人进行行为分析，获取每个待检测行人的行为状态，包括的具体方法为：
29、获取待检测的行人行为数据库中所有待检测行人行向量；
30、对于任意一个待检测行人行向量，将所述待检测行人行向量与站立向量集中所有站立行向量之间的dtw值的均值，记为第一均值；将第一均值的反比例归一化值，作为所述待检测行人的站立可能性；将所述待检测行人行向量与前进向量集中所有前进行向量之间的dtw值的均值，记为第二均值；将第二均值的反比例归一化值，作为所述待检测行人的前进可能性；若所述待检测行人的前进可能性大于或等于所述待检测行人的站立可能性，将所述待检测行人的行为状态记为前进行为；若所述待检测行人的前进可能性小于所述待检测行人的站立可能性，将所述待检测行人的行为状态记为站立行为。
31、优选的，所述获取待检测的行人行为数据库中所有待检测行人行向量，包括的具体方法为：
32、构建一个第三向量矩阵，将待检测的行人行为数据库中每个行人行为数据中所有节点的特征向量依次，作为第三向量矩阵中每行的元素；将第三向量矩阵记为待检测行人行为矩阵；利用svd矩阵分解算法对待检测行人行为矩阵进行分解，得到待检测行人行为矩阵的左奇异矩阵和右奇异矩阵；将待检测行人行为矩阵的右奇异矩阵记为待检测行人特征向量矩阵本文档来自技高网...
【技术保护点】
1.基于行为分析的摄像机智能报警系统，其特征在于，该系统包括以下模块：
2.根据权利要求1所述基于行为分析的摄像机智能报警系统，其特征在于，所述根据每个聚类簇中不同数据类型的行人行为数据的数量，获取每个聚类簇的类别纯度，包括的具体方法为：
3.根据权利要求2所述基于行为分析的摄像机智能报警系统，其特征在于，所述根据聚类簇中不同数据类型的行人行为数据的占比情况，获取聚类簇的类别纯度因子的具体公式为：
4.根据权利要求1所述基于行为分析的摄像机智能报警系统，其特征在于，所述根据类别纯度对所有聚类簇进行筛选，获取目标聚类簇，包括的具体方法为：
5.根据权利要求1所述基于行为分析的摄像机智能报警系统，其特征在于，所述根据目标聚类簇中不同数据类型的行人行为数据之间的差异情况，获取站立向量集和前进向量集，包括的具体方法为：
6.根据权利要求5所述基于行为分析的摄像机智能报警系统，其特征在于，所述获取目标聚类簇的前进向量矩阵和站立向量矩阵，包括的具体方法为：
7.根据权利要求5所述基于行为分析的摄像机智能报警系统，其特征在
8.根据权利要求5所述基于行为分析的摄像机智能报警系统，其特征在于，所述获取目标聚类簇的目标匹配行向量对，包括的具体方法为：
9.根据权利要求1所述基于行为分析的摄像机智能报警系统，其特征在于，所述根据站立向量集和前进向量集对待检测的行人行为数据库中所有待检测行人进行行为分析，获取每个待检测行人的行为状态，包括的具体方法为：
10.根据权利要求9所述基于行为分析的摄像机智能报警系统，其特征在于，所述获取待检测的行人行为数据库中所有待检测行人行向量，包括的具体方法为：
...【技术特征摘要】
1.基于行为分析的摄像机智能报警系统，其特征在于，该系统包括以下模块：
2.根据权利要求1所述基于行为分析的摄像机智能报警系统，其特征在于，所述根据每个聚类簇中不同数据类型的行人行为数据的数量，获取每个聚类簇的类别纯度，包括的具体方法为：
3.根据权利要求2所述基于行为分析的摄像机智能报警系统，其特征在于，所述根据聚类簇中不同数据类型的行人行为数据的占比情况，获取聚类簇的类别纯度因子的具体公式为：
4.根据权利要求1所述基于行为分析的摄像机智能报警系统，其特征在于，所述根据类别纯度对所有聚类簇进行筛选，获取目标聚类簇，包括的具体方法为：
5.根据权利要求1所述基于行为分析的摄像机智能报警系统，其特征在于，所述根据目标聚类簇中不同数据类型的行人行为数据之间的差异情况，获取站立向量集和前进向量集，包括的具体方法为：
6.根据...
【专利技术属性】
技术研发人员：杨良军，
申请(专利权)人：深圳市翔飞科技股份有限公司，
类型：发明
国别省市：
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。