[发明专利]一种自适应群体异常行为分析方法

说明书

技术领域

本发明涉及一种公共安全领域中基于智能视频监控的群体异常行为的分析方法，尤其涉及一种基于脉线模型的自适应群体异常行为分析方法，属于机器视觉与智能信息处理领域。

背景技术

群体异常行为的发生将对社会公共安全构成危害，而不同等级的群体异常行为对社会公共安全产生的危害性也不尽相同，对应的关注度和敏感度也不同。当群体异常行为发生时，针对异常行为的不同等级，也应该采取不同的措施。比如当发生异常事件的场景中群体密度较低(或者群体数量较少)时，可以认为该事件的关注度和敏感度相对较低；但是，当发生异常事件的场景中群体密度较高(或者群体数量较多)时，对应的关注度和敏感度就应该迅速提升，因为该群体异常事件可能会对社会公共安全造成很大的威胁。基于这样的认识，对基于视频的群体行为进行分析、理解并对异常行为进行分级预警就显得十分必要。而目前国内外的视频监控系统中，鲜有此类成熟的产品。

群体异常行为的分级预警在技术实现上主要包括群体异常行为检测分析与群体异常行为分级分析两个部分。

首先，在对视频内容进行理解的过程中，需要根据视频内容判断出它是属于正常行为的视频还是异常行为的视频。对于正常行为视频，不需要给予特别的关注，我们主要关注那些包含异常行为的视频。这一部分实际上就是根据视频进行异常行为识别；而在群体场景中，由于严重的群体间相互遮挡、群体中个体的尺寸大小不一等因素的影响，使得群体异常行为识别本身就是一个具有挑战性的课题。在目前的一些群体异常行为识别方法中，主要有基于隐马尔可夫模型(E.Andrade,S.Blunsden,R.Fisher.Modeling Crowd Scenes for Event Detection[C].ICPR 2006,pp.175-178)、拉格朗日拟序结构(S.Ali,M.Shah.A Lagrangian Particle Dynamics Approach for Crowd Flow Segmentation and Stability Analysis[C].CVPR 2007,pp.1-6)、社会力模型(R.Mehran,A.Oyama,M.Shah.Abnormal Crowd Behavior Detection using Social Force Model[C].CVPR 2009,pp.935-942)、马尔可夫随机场(J.Kim,K.Grauman.Observe locally,infer globally:A space-time MRF for detecting abnormal activities with incremental updates[C].CVPR 2009,pp.2921-2928)、混沌不变性(Wu S,Moore B E,Shah M.Chaotic invariants of lagrangian particle trajectories for anomaly detection in crowded scenes[C].CVPR,2010,pp.2054-2060)以及动力学特征(S.Ali,M.Shah.Human action recognition in videos using kinematic features and multiple instance learning[J].IEEE Transactions onPatternAnalysis and Machine Intelligence,2010,32)(2):288-303.)等理论的异常行为检测方法，这些方法在某些指标上表现出了较好的性能。然而，当视频存在分辨率较低、抖动，或者视频中群体运动速度过快或过慢等因素时，这些方法就可能检测不出相应群体场景中的异常行为。2012年，Hassner等人发表在CVPRW(国际计算机视觉与模式识别研讨会)上的文章“Violent flows:Real-time detection ofviolent crowd behavior”提出的基于暴力流描述子(Violence flows descriptor)的异常行为识别方法对上述特点的视频集有较好的适应性，但是识别准确率有待提高。