[发明专利]基于网络传输算法的多摄像头视频异常行为检测方法

说明书

技术领域

本发明涉及的是一种对视频中的内容进行异常行为检测的方法，具体是一种基于网络传输算法对视频中行为的异常性进行度量的方法。

背景技术

人类行为识别在视频监控和视频检索领域有着十分重要的应用。而异常行为检测在人类行为识别中有着重要的地位，在各种实际场合均有重要应用。基于网络传输算法的异常行为检测在训练中不需要大量的训练数据、在检测中具有良好的鲁棒性和柔韧性，因而具有广泛的应用。

经过对现有技术的文献检索发现，行为识别领域里已有很多不同的异常行为检测算法被提出。W.Lin，M.-T.Sun，R.Poovendran和Z.Zhang在《IEEE Trans.Circuits and Systems for Video Technology，vol.18，no.8，2008》(电气电子工程师协会电路与系统期刊视频技术学报2008年18卷8号刊)第1128页到1139页上发表的“Activity Recognition using a Combination of Category Components and Local Models for Video Surveillance”(采用分类组合和本地模型的视频监控中的行为识别)论文中提出一种基于分类组合模型的框架，该框架引入本地模型与全局模型结合以提高检测精度。H.Zhong，J.Shi和M.Visontai在《IEEE Computer Society Conference on Computer Vision and Pattern Recognition，2004》(电气电子工程师协会计算机视觉与模式识别会议2004年1卷2册)第819页到826页上发表的“Detecting unusual activity in video”(视频中的异常行为检测)论文中提出一种聚类分类算法，该算法根据相似性把视频分成不同的剪辑，而相对数目比较小的剪辑则被认为是异常行为。以上算法是在单摄像头中的应用。E.E.Zelniker，S.Gong和T.Xiang在《The 8th Int′l Workshop on Visual Surveillance，2008》(2008年第8届视觉监控国际研讨会)上发表的“Global abnormal behaviour detection using a network of CCTV cameras”(CCTV摄像头网络中的全局异常行为检测)论文中利用对人进行跟踪获得全局轨迹并聚簇，通过相似性计算与轨迹簇的偏离程度来检测异常行为。C.C.Loy，T.Xiang和S.Gong在《IEEE 12th International Conference on Computer Vision，2009》(电气电子工程师协会2009年第12届计算机视觉国际会议)第120页至127页上发表的”Modelling activity global temporal dependencies using time delayed probabilistic graphical model”(基于时延概率的图论模型的行为全局时间依赖性建模)论文中对视频进行分块处理，然后以每块为结点转化为图论网络模型，再利用时延概率对行为的全局时间依赖性进行建模处理，实现行为识别。以上算法是在多摄像头中的应用。

这些现有技术中的算法在特定的场合有着比较出色的表现，但是作为单摄像头的算法现在已经不能胜任日益复杂的多摄像头网络的应用了。作为多摄像头的算法，E.E.Zelniker，S.Gong和T.Xiang的方法比较依赖于跟踪的精确性，一旦跟踪的精度下降、跟踪轨迹出现偏差，算法表现会大大受到影响；C.C.Loy，T.Xiang和S.Gong的方法同样依赖大量的训练数据，并且算法中受约束的图结构不能自如地应对变化的情形，这给算法的应用本身带来很大的限制。

发明内容