[发明专利]一种异常动作检测方法及装置

说明书

本申请提供了一种异常动作检测方法及装置，方法包括：根据深度信息检测出监控视频中的前景对象；计算相邻帧之间所述前景对象的深度差，得到深度差图像；将连续多帧的深度差图像进行计算，得到聚合深度差图像；根据所述聚合深度差图像计算方向梯度直方图HOG特征；通过预先训练好异常动作的支持向量机SVM分类器预测所述HOG特征对应的异常动作，根据预测结果确定所述前景对象是否发生所述异常动作。由于本申请实施例所提供的方案是根据深度信息检测监控视频中的前景对象，可以很精确地将画面中同一位置处距离镜头远近不同的人分割开，因此，能够准确判断场景中每一个人是否有异常动作。

技术领域

本申请涉及计算机视觉技术领域，尤其涉及一种异常动作检测方法及装置。

背景技术

人的异常动作检测在智能安防领域有非常大的应用价值，在很多监控场景中，可以通过对安防摄像画面进行运算处理，当有异常事件发生时给出实时预警，例如：银行中人的异常检测、广场上人的异常检测等等。

目前人的异常动作检测大多是基于彩色图片信息，具体做法可以分为以下两个阶段：

训练阶段：首先对训练视频的每一帧图像提取特征点，再将同一帧图像的特征点通过“词袋”(Bag of Words)的方式整合成特征向量，最后依据训练数据的标签训练分类器，学习不同动作在特征上的规律；

测试阶段：对于输入的视频，首先得到每一帧图像上指定动作出现的置信度，再将该置信度在一段时间累积，如果累积置信度超过预设阈值，则确定指定动作发生。

基于彩色图片信息检测前景对象的异常动作，由于图片只能显示平面像素，当画面中同一位置有距离镜头远近不同的多个对象时，无法准确确定具体哪个前景对象有异常动作，检测精度较低。

现有技术不足在于：

现有的异常动作检测方法检测精度较低。

发明内容

本申请实施例提出了一种异常动作检测方法及装置，以解决现有技术中异常动作检测方法检测精度较低的技术问题。

本申请实施例提供了一种异常动作检测方法，包括如下步骤：

步骤1：根据深度信息检测出监控视频中的前景对象；

步骤3：计算相邻帧之间所述前景对象的深度差，得到深度差图像；

步骤5：对连续多帧的深度差图像进行计算，得到聚合深度差图像；

步骤7：根据所述聚合深度差图像计算方向梯度直方图HOG特征；

步骤9：通过预先训练好异常动作的SVM分类器预测所述HOG特征对应的异常动作，根据预测结果确定所述前景对象是否发生所述异常动作。

本申请实施例提供了一种异常动作检测装置，包括：

检测模块，用于根据深度信息检测出监控视频中的前景对象；

深度差计算模块，用于计算相邻帧之间所述前景对象的深度差，得到深度差图像；

聚合深度差计算模块，用于对连续多帧的深度差图像进行计算，得到聚合深度差图像；

HOG特征计算模块，用于根据所述聚合深度差图像计算方向梯度直方图HOG特征；

确定模块，用于通过预先训练好异常动作的SVM分类器预测所述HOG特征对应的异常动作，根据预测结果确定所述前景对象是否发生所述异常动作。

有益效果如下：