[发明专利]一种视频监控异常行为检测方法及其检测系统

说明书

本发明公开了一种视频监控异常行为检测方法及其检测系统，所述方法包括：获取视频图像序列，利用混合高斯模型建立背景模型；根据建立的背景模型，利用背景差除法从视频图像序列中提取出前景目标区域图像，并将其划分为若干个前景目标图像块；利用背景差除法计算每一个前景目标图像块的运动标签，并提取每一个前景目标图像块的五维特征参数；采用离线SVM分类器判断当前前景目标图像块是否为正常行为图像块，若为正常行为图像块，则结束；若为异常行为图像块，则判别该异常行为图像块所属异常行为类别。通过本发明，利用混合高斯模型进行背景建模，能够精确分割前景区域与背景区域，并能准确检测视频监控图像中的异常行为。

技术领域

本发明涉及异常行为检测技术领域，具体涉及一种视频监控异常行为检测方法及其检测系统。

背景技术

视频监控的目的就是对监视场景中的异常事件或监控对象的行为进行检测与分析。目前较成熟的视频异常行为检测包括越界、入侵禁区、徘徊、滞留、快速运动等行为。异常行为检测的实现方法通常有两类：(1)把小概率行为或与先验规则相反的行为看作异常行为；(2)把与已知正常行为的模式不匹配的行为看作异常行为。

在近年来国际顶级期刊IEEET-PAMI和计算机视觉及模式识别的顶级国际会议CVPR,ICCV等已发表论文均提到的异常行为检测算法是通过对视频结构语义的分析，针对像素块的运动标签在时间维度和空间维度的分布关系，定义了五种低维度的行为特征描述符作为视频中行为特征的表示。但是，在该论文提出的方法中，在获取前景像素时，仅使用用于了背景差除法，认为连续变化的像素即为前景，连续静止的像素即为背景，这种判别标准过于单一，对于背景复杂、变化的场景容易造成虚假报警、漏报警、跟踪困难等不良后果。

发明内容

本发明所要解决的技术问题是提供一种视频监控异常行为检测方法及其检测系统，能够准确检测视频监控图像中的异常行为。

本发明提供了如下方案：

基于本发明的一个方面，提供了一种视频监控异常行为检测方法，所述方法包括：

S1、获取视频图像序列，并根据获取的所述视频图像序列，利用混合高斯模型建立背景模型；

S2、根据建立的所述背景模型，利用背景差除法从获取的所述视频图像序列中提取出前景目标区域图像；

S3、按照预先设定大小将所述前景目标区域图像划分为若干个前景目标图像块；

S4、利用背景差除法计算每一个前景目标图像块的运动标签，并提取每一个前景目标图像块的五维特征参数，所述五维特征参数包括位置关系特征、平均运动行为强度特征、运动行为方向特征、领域相关性特征和单位运动行为强度分布特征；

S5、采用离线SVM分类器对每一个前景目标图像块的五维特征参数进行测试，判断每一个前景目标图像块是否为正常行为图像块，若为正常行为图像块，则结束；若为异常行为图像块，则判别该异常行为图像块所属异常行为类别。

基于本发明的另一个方面，提供了一种视频监控异常行为检测系统，所述系统包括：

背景模型建立模块，用于获取视频图像序列，并根据获取的所述视频图像序列，利用混合高斯模型建立背景模型；

前景区域提取模块，用于根据建立的所述背景模型，利用背景差除法从获取的所述视频图像序列中提取出前景目标区域图像；

划分模块，用于按照预先设定大小将所述前景目标区域图像划分为若干个前景目标图像块；

运动标签计算模块，用于利用背景差除法计算每一个前景目标图像块的运动标签；

提取模块，用于根据每一个前景目标图像块的运动标签，提取每一个前景目标图像块的五维特征参数；