[发明专利]一种基于异常行为检测的视频摘要方法

说明书

技术领域

本发明涉及视频分析领域，具体地说是一种基于异常行为检测的视频摘要方法。

背景技术

随着网络视频相机技术的发展，视频监控技术已经在安防等领域得到了广泛的应用。分布在各个场所的网络摄像机24小时不间断的产生大量视频数据。现有的视频监控系统大多只是进行场景内运动目标的检测或跟踪，进行进一步处理的比较少，而监控的目的就是对场景中的异常事件或人的异常行为进行检测和分析。由于视频数据量巨大，人工查找效率低下，且易受到人体感官疲劳的影响发生漏检和误检的情况，为了协助甚至代替人工劳作，自动检测监控视频中的运动目标、识别异常行为成为一个热门研究点。

视频监控的一个基本任务就是对场景中的运动目标进行检测。针对运动目标检测的方法主要有背景差分法、马尔科夫随机场和基于水平集的方法等。然而上述这些方法都是在背景不变这个前提条件下提出的。当所目标处背景环境很复杂时，如相机抖动、快速的光照变化、杂乱的背景运动等，运动检测变得十分困难，计算成本也相应增加。因此传统的方法不能很好解决这样的问题。

异常行为检测的方法可分为基于模式分类的方法和基于机器学习的方法。在基于模式分类的方法中，异常行为模板是已知的，测试视频中与模板匹配的行为被认为是异常行为。这种方法一般只适用于已知具体异常模式的检测，不适用于异常行为未知的情况，不具有一般性。基于机器学习的方法利用训练视频自动学习正常行为模型，在测试视频中不符合正常行为模型的行为被认为是异常。

以机器学习为基础的异常检测方法可以获得比较好的效果。但是传统的方法通常需要对运动目标进行特征提取，并计算光流场、空间运动直方图或运动轨迹图等，通过最优化迭代等方法检测出异常行为。这种多阶段的处理过程占用的内存和计算能力较大，实时性不强；并且每一阶段的计算误差会逐层传递，影响检测精度。因此这些方法都存在一定的局限性。

发明内容

本发明是为避免现技术所存在的不足之处，提出一种基于异常行为检测的视频摘要方法，以期提高异常行为检测的准确性和效率，并能将异常行为总结成一段视频摘要，从而方便人工查询。

本发明为解决技术问题采用如下技术方案：

本发明一种基于异常行为检测的视频摘要方法的特点按如下步骤进行：

步骤1、利用一固定的摄像头获取在时间段T＝(t₁,t₂,...t_d...,t_s)内的视频，每一时刻对应一帧视频，从而获得视频帧表示在t_d时刻下的视频帧；1≤d≤s；s为视频的总帧数；从所述视频帧中选取在时间段T'＝(t_α,t_α+1,...t_β...,t_α+N)内的视频帧作为训练视频帧，N为训练视频的总帧数；表示在t_β时刻下的视频帧；α≤β≤α+N；则其余视频帧为测试视频帧V₂＝V-V₁；所述训练视频帧V₁只包含正常行为；所述测试视频帧V₂包含正常行为和异常行为；

步骤2、利用中值滤波法获得所述视频帧V的背景图像b；

步骤3、利用式(1)获得t_d时刻下视频帧中任意像素点位置的运动标签从而获得t_d时刻下视频帧中所有像素点位置的运动标签

式(1)中：表示视频帧中的像素点位置；表示t_d时刻下视频帧中像素点位置的像素值，表示t_d时刻下视频帧中的背景图像；α为判断阈值；

步骤4、利用式(2)获得t_d时刻下视频帧中任意像素点位置的基于尺寸的目标描述符从而获得t_d时刻下视频帧中所有像素点位置的目标描述符

式(2)中：表示t_d时刻下视频帧中以像素点位置为中心，以W×W为大小的窗口；表示在窗口内与像素点位置相邻的像素点位置；并有：

式(3)中：表示t_d时刻下视频帧中像素点位置的运动标签；

步骤5、联合所述运动标签序列M_Γ和目标描述符序列R_Γ，从而建立事件模型