[发明专利]正常行为的模型构建方法及异常行为的检测方法

说明书

一种正常行为的模型构建方法及异常行为的检测方法，通过对红外热像图像的视频帧进行单元格化，并依次进行前景提取，行为体构建，行为体特征提取，正常行为模型构建，异常行为检测等，从而能够对未认定的、但是与在时间及空间上反复发生的正常行为有巨大区别的行为进行检测，并生成异常行为所在区域及报警信息，能够处理目标的外观，大小以及速度方面的异常行为，在延迟时间短，保证报警时间的准确性，能够兼容使用热成像和CCD成像结果，为后期两种信息的融合使用奠定基础。

技术领域

本发明涉及图像处理的技术领域，具体说是一种针对红外热像图像中的人进行的正常行为的模型构建方法及异常行为的检测方法。

背景技术

基于红外热成像的人体目标检测、跟踪与行为识别正逐渐成为智能视频监控、自动车辆辅助驾驶和高级人机接口等领域十分活跃的课题。与可见光图像相比,红外图像对于解决光照变化、阴影和夜间可视性等影响传统计算机视觉的问题提供了有力的支持,而且红外图像也具备较优的分割性能,在红外成像系统中，由于人体的温度通常要高于所处的环境温度，同时人体辐射出的热量也要远高于静态背景环境，比如树木、道路等，因此，人体属于红外图像中像素的亮度值较高的一部分，从而可以明显地与背景相对比，使得红外图像适合于人体的检测和定位，但是红外图像也有其不利于人体检测的一些特性，一些非人体，如动物、汽车、建筑物等都具有较高的亮度，这是仅依靠目标的亮度进行人体检测变得不可能，另外由于红外图像本身固有的特点，如低对比度、低信噪比、无法校验的黑白极性反转以及人体周围易出现的光晕效应等,使得红外图像中人体目标的检测、跟踪和行为识别都比较困难。

发明内容

本发明要解决的技术问题是提供一种针对红外热像图像中的人进行的正常行为的模型构建方法及异常行为的检测方法。

本发明为解决公知技术中存在的技术问题所采取的技术方案是:

本发明的正常行为的概率模型构建方法，包括以下步骤：

A、对给定的只包含正常行为的视频进行单元格构建：

B、对上述视频进行前景检测，获取运动目标的位置和区域，滤除背景和干扰信息；

C、单元格特征提取，提取运动目标的速度特征和尺寸特征；

D、通过步骤C中获得的速度特征和尺寸特征，估计正常行为时的速度特征概率密度和尺寸特征概率密度，作为正常行为的概率模型。

本发明还可以采用以下技术措施：

步骤A中，在t帧中根据输入的大小为M×N×Len的视频构建网格C_t，每个网格的大小为m×n，则得到(M/m)×(N/n)个单元格，C_t(i,j)表示第i行，j列的单元格，i∈[1,M/m],j∈[1,N/n]。

步骤B的前景检测过程中，包括以下步骤：

1)加载输入视频的下一帧作为当前帧I_t；

2)将当前帧I_t与前一帧I_t-1相减并取绝对值，对于第一帧，其前一帧为其自身；

3)将帧差结果与设定的阈值T_f进行对比，大于阈值的像素被认为是前景而保留，从而得到二值化的前背景图像；

4)对二值化的前背景检测结果进行中值滤波，以消除孤立点得到最终的前景检测结果F_t。

前景检测时设定的阈值T_f＝15，而中值滤波的核大小为5。