[发明专利]基于加权张量子空间背景建模的视频异常检测方法

说明书

技术领域

本发明涉及视频监控技术领域，特别是一种视频异常检测方法，可用于安防、监控领域中固定场景、光照缓变条件下的异常事件检测。

背景技术

在公共安防领域，视频监控发挥着越来越重要的作用。智能化的视频监控体现在它能通过图像分析，自动识别异常事件，减轻安防监控人员的工作量，减少对异常事件的漏报和误报。视频异常事件检测融合了计算机视觉、图像处理、模式识别等多学科领域的技术，具有重要的科学意义和广阔的应用前景。近年来，随着人口的快速增长和城市环境的日益复杂，各种犯罪、恐怖活动威胁着城市公共安全。在世界各地，恐怖事件、暴力活动也日益增多，尤其美国“911”事件后，各国政府越来越重视“反恐”、“城市安防”。在我国，大部分城市在交通道路、银行、超市、ATM取款机、住宅小区等场所安装了视频监控设备，旨在加强城市安全建设。例如在2010年上海世博会期间，就是利用视频监控系统防止群体骚乱和恐怖分子的袭击，保障民众的人身和财产安全。

视频监控场景画面众多，物体运动行为复杂，安保人员需要长时间监视画面，精神高度集中地密切关注视频内容，当视频中出现异常事件时，再采取必要的行动，来保证监控地点的安全，这样监控的能力和有效性还停留在人为识别、手动控制、事后取证的阶段，无法起到预警、实时监控的作用。由于人的精力有限，安保人员的注意力下降，会引起异常事件漏报的情况。因此，随着现代社会对视频监控需求的不断增长，监控环境越来越复杂，视频异常事件也趋于多样性，为了让视频监控具有预警防范和主动监控的功能，在不需要人为干预的情况下，通过对摄像头拍摄的视频图像序列进行自动处理、分析，实现对场景中的异常事件进行检测并做出预警。

视频监控中的摄像头是固定的，摄像头采集的视频具有背景静止的特点，而大多数的异常事件多与运动的目标有关，在应用场景基本已知的情况下，我们更加关注于不同于场景本身的各种行为的发生，将其统称为异常事件。视频监控中的异常事件很多，大多数的异常事件检测是针对相对固定的参考背景，检测出与背景不相关的物体或者相对背景运动的物体，从而将感兴趣的目标从背景中提取出来。这里我们将监控场景中引起背景发生变化的事件定义为异常事件，即原本不存在镜头中的人或物进入并停留在镜头中它就成为背景的一部分，或者原本存在于镜头背景中的人或物发生运动离开镜头它就不再是背景的一部分，这些情况都使得参考背景发生了变化，引起了视频中异常事件的发生。

背景建模是用来进行异常事件检测的一类重要方法，所以首先需要获得背景图像，最简单的办法就是从视频图像序列中选取不含任何运动目标的图像用作参考背景。但是这种方法的实用性较差，因为在现实的监控场景中很难得到完全静止的背景图像，场景中有突然闯入的物体或树叶摇晃等都会带来干扰，所以需要通过视频图像序列信息剔除场景中的运动目标来获取背景图像，即背景建模。由于长时间监控中背景不可能一直不变，背景模型需要适应环境的动态变化，实时地进行更新。当前景目标长时间停留在场景中，就应该成为背景的一部分；反之，背景中静止的物体发生运动或离开场景，就应该被视为前景目标，不再是背景的一部分。可见，背景建模在视频异常事件检测中扮演着重要的角色，是检测异常事件、预警等后续工作的基础。

背景建模的一些典型方法包括：高斯模型、混合高斯模型和特征背景建模，前两种方法是基于像素的方法，即为每一个像素在时间域上建立一个单独模型进行描述。基于像素的背景建模计算复杂度较高，而且不利于捕捉复杂的背景内容，例如树木随风摇摆的情况。特征背景建模的方法是基于整体视频帧，因此能较好的反映复杂的背景信息。这种方法可以概括为，用一组训练图像计算协方差矩阵并得到几个特征向量，这几个特征向量组成特征子空间，把当前的图像投影到特征子空间上获得一组特征系数，这样就可以重构当前的背景图像。其原理是采用特征子空间重构背景图像，例如主成分分析的方法，用少数特征向量来描述图像的整体特征。