【技术实现步骤摘要】
本专利技术涉及行为识别领域，尤其涉及一种基于光流上下文直方图的异常行为检测方法及系统。
技术介绍
目前，在公共场合通常都设置有摄像头，在目前的视频监控系统中，主要还是依靠人力来发现异常事件，监控人员在监控室通过显示器观察摄像头摄取的影响从而监控异常事件的发生，而缺少一个自动发现异常事件的方法，导致监控效率低下以及产生监控疏漏
技术实现思路
本专利技术提供一种对异常行为进行自动检测的基于光流上下文直方图的异常行为检测方法及系统。为解决上述技术问题，本专利技术提供的一个技术方案是:提供一种基于光流上下文直方图的异常行为检测方法，包括:S1、计算多个有异常行为和无异常行为视频中每个视频的行为序列对应的基于光流上下文直方图序列S= (F1, F2,...，Fi,...，FJ，其中，Fi是第i视频帧的基于光流上下文直方图，η是行为序列的总帧数；S2、通过降维方法对所述基于光流上下文直方图进行降维；S3、将经过降维后的元素输入学习方法通过学习得到用于识别异常行为序列类别的识别向量；S4、计算待检测视频的行为序列对应的基于光流上下文直方图序列；S5、通过降维方法对所述待检测视频的行为序列对应的基于光流上下文直方图进行降维；S6、对经过降维后的元素进行计算得到测试向量；S7、根据所述测试向量和识别向量确定待检测视频中行为序列的类别。其中，所述步骤S1、S4中基于光流上下文直方图序列的具体生成步骤包括:从每个视频帧中提取光流点，把光流点按照光流的强度和方向分布到极坐标系(r，Θ)中相应的位置，其中，r代表光流强度，Θ代表光流方向，光流强度最大值为Mmax被等分成P部分，光流...
【技术保护点】
一种基于光流上下文直方图的异常行为检测方法，其特征在于，包括：S1、计算多个有异常行为和无异常行为视频中每个视频的行为序列对应的基于光流上下文直方图序列S={F1,F2,..,Fi，...,Fn}，其中，Fi是第i视频帧的基于光流上下文直方图，n是行为序列的总帧数；S2、通过降维方法对所述基于光流上下文直方图进行降维；S3、将经过降维后的元素输入学习方法通过学习得到用于识别异常行为序列类别的识别向量；S4、计算待检测视频的行为序列对应的基于光流上下文直方图序列；S5、通过降维方法对所述待检测视频的行为序列对应的基于光流上下文直方图进行降维；S6、对经过降维后的元素进行计算得到测试向量；S7、根据所述测试向量和识别向量确定待检测视频中行为序列的类别。
【技术特征摘要】
1.一种基于光流上下文直方图的异常行为检测方法，其特征在于，包括: S1、计算多个有异常行为和无异常行为视频中每个视频的行为序列对应的基于光流上下文直方图序列S= (F1, F2,..，Fi,...，FJ，其中，Fi是第i视频帧的基于光流上下文直方图，η是行为序列的总帧数； S2、通过降维方法对所述基于光流上下文直方图进行降维； S3、将经过降维后的元素输入学习方法通过学习得到用于识别异常行为序列类别的识别向量； S4、计算待检测视频的行为序列对应的基于光流上下文直方图序列； S5、通过降维方法对所述待检测视频的行为序列对应的基于光流上下文直方图进行降维； S6、对经过降维后的元素进行计算得到测试向量； S7、根据所述测试向量和识别向量确定待检测视频中行为序列的类别。2.根据权利要求1所述的一种基于光流上下文直方图的异常行为检测方法，其特征在于，所述步骤S1、S4中基于光流上下文直方图序列的具体生成步骤包括: 从每个视频帧中提取光流点，把光流点按照光流的强度和方向分布到极坐标系(r，Θ)中相应的位置，其中，r代表光流强度，Θ代表光流方向，光流强度最大值为Mmax被等分成P部分，光流方向360度被等分成q部分； 计算每个视频帧在每个位置上的光流点的总数，得到每个视频帧的基于光流上下文直 方图..，H2^1,...，Hi^,..，HpJ，其中，Hh 代表强度在3.根据权利要求1所述的一种基于光流上下文直方图的异常行为检测方法，其特征在于，所述学习方法为随机森林、支持向量机、或贝叶斯网络。4.一种基于光流上下文直方图的异常行为检测系统，其特征在于，包括直方图序列计算单元、降维单元、识别向量生成单元、测...
【专利技术属性】
技术研发人员：陈雁，周勇，胡祝银，林必毅，汪勇，
申请(专利权)人：深圳市赛为智能股份有限公司，
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。