[发明专利]基于融合特征的异常行为检测方法和装置

说明书

本发明提供了一种基于融合特征的异常行为检测方法和装置，包括根据待测试视频中运动目标的检测跟踪处理结果，确定运动目标的行为类型；提取运动目标中的多维度特征：像素点的变化程度、像素点的排列紧密程度、整体形状、帧图像的相似程度、运动特征、位置特征和形态特征；根据行为类型对应的特征融合模型对多维度特征进行分析处理，并根据处理结果判断运动目标是否存在异常行为；上述多个异常行为的创新性特征，能够有效提升算法的鲁棒性和稳定性，根据大量异常行为的学习训练得到的特征融合模型对上述多维度特征进行分析处理能够有效避免算法过拟合或欠拟合问题，其适用于多种复杂应用场景，节省大量的时间成本和人力成本，具备很高的推广价值。

技术领域

本发明涉及视频监控领域，具体而言，涉及基于融合特征的异常行为检测方法和装置。

背景技术

目前，银行、商场、车站和交通路口等很多公共场所均设置有视频监控装置，用于实时采集预设监控区域中的视频图像，并将上述视频图像发送至监控中心，形成监控系统。但是，上述监控系统中对应的很多实际的监控任务仍需要较多的人工完成，并且现有的视频监控系统通常只是存储采集的视频图像，并且也不会对该视频图像进行任何的处理，故这些未经过解释(即处理)的视频图像通常只能用作事后取证，无法充分发挥监控的实时性和主动性。

随着近些年，反恐防暴的压力逐步增大，针对特定公共场所(如地铁站、火车站、商场等)中出现的异常行为进行实时检测并报警的技术显得愈发重要，而上述异常行为一般指奔跑、突然急速、打架、人群躁动等行为或事件。

为了充分发挥监控系统针对上述检测异常行为的实时性和主动性的优势，相关技术提供了一种异常行为检测方法，包括：在所有目标中选择运动目标，然后提取运动目标的某一类单一特征(如运动速度、运动目标尺寸和运动的位移等)，接着对该单一特征进行分析处理，最后根据分析处理结果判断该运动目标的行为是否属于异常行为范畴；通过上述方法能实时分析、跟踪和判别监控对象(即采集的视频图像)，并在异常事件发生时向上级部门或者政府部门时进行提示和上报，为政府部门、相关安全管理部门对异常事件进行及时决策和采取正确行动提供支持。

发明人在研究中发现，上述单一特征往往在实际应用上存在很大的局限性，容易导致异常行为的漏报或误报。

发明内容

本发明的目的在于提供基于融合特征的异常行为检测方法和装置，能够更加准确且全方位的对异常行为进行检测，检测结果可靠性较高，并且有效提升了算法的鲁棒性和稳定性，适用于多种复杂应用场景，具备很高的推广价值。

第一方面，本发明实施例提供了一种基于融合特征的异常行为检测方法，包括：

根据待测试视频中运动目标的检测跟踪处理结果，确定所述运动目标的行为类型；

提取所述运动目标中的多维度特征；所述多维度特征包括以下所述运动目标的特征中的多个：像素点的变化程度、像素点的排列紧密程度、整体形状、帧图像的相似程度、运动特征、位置特征和形态特征；

根据所述行为类型对应的特征融合模型对所述多维度特征进行分析处理，并根据分析处理结果判断所述运动目标是否存在异常行为。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，提取所述运动目标中的多维度特征包括：

计算预设周期内所述运动目标的像素点的变化程度DisturbRate＝FC/FA；其中，FA表示所述预设周期对应的前景区域内所有像素点的数量；FC表示前景区域内一定时间周期前未处于所述前景区域中的像素点的数量；；

计算所述预设周期内所述运动目标的像素点的排列紧密程度CompactRate＝CS/CN；其中，CN表示所述前景区域内所有四邻域均处于所述前景区域的前景像素点的数量；CS表示CN中所有四邻域均存在亮度差的前景像素点的数量；