[发明专利]一种基于人体形态特征的多人异常行为识别方法

权利要求书

1.一种基于人体形态特征的多人异常行为识别方法，其特征在于，包括以下步骤：

(1)利用行人数据库中的行人样本的梯度信息，计算出一副人体的平均边缘轮廓图；

(2)以单元为最小单位将平均边缘轮廓图划分成网格，形成平均边缘网格轮廓图；

(3)采用尺度不等的矩形窗在网格上进行无重叠滑动，截取出一系列的滤波器，并去除冗余滤波器，组成最终用于行人检测的滤波器组，即行人检测器；每个滤波器根据所包含网格单元的内容为网格单元分配不同的权值，权值的设定根据滑动窗口中覆盖的内容分为两种情况：1)当窗口中只覆盖了两个部分时，则将头覆盖的单元设值为1，背景覆盖的单元设值为0；2)当窗口覆盖了三个部分时，则将上身覆盖的网格单元的权值设值为-1，下身覆盖的网格单元的权值设值为+1，背景覆盖的网格单元的权值设值为0；

由此，得到一组滤波器组，定义式如下：

F＝{(x,y,s,W)|x,y∈N,s∈S,W∈R²}

其中，x和y表示矩形框的位置坐标，s是S尺度集合中的元素，W为所求的权值的矩阵，R为实数；

(4)输入待测图像，对输入的待测图像计算HOG和LUV特征上的特征通道，采用所述行人检测器计算每个通道的特征响应，并将得到的特征响应输入到已经训练好的Adaboost分类器中，得到行人候选框；

(5)采用非极大值抑制的方法，去除错误的行人候选框，获得最终行人的检测框；

(6)根据行人的检测框，最终得到准确的行人的位置信息；

(7)根据得到的人体位置信息，采用Grabcut算法进一步缩小人体的所在区域，从而得到人体各个部件的初始位置先验概率，计算出基于颜色特征的人体的初始外观模型；

(8)通过人体的外观传输公式，将所得初始外观模型更新优化，并获得最终的人体各个部件的位置信息；

(9)采用霍夫形态特征提取算法提取人体各个部件的形态学特征；

(10)将步骤(9)所得的形态学特征与异常样本库进行匹配，最终输出识别结果。

2.根据权利要求1所述的基于人体形态特征的多人异常行为识别方法，其特征在于，在所述步骤(1)中，取行人数据库的人体样本，对每个人体样本计算其梯度信息；

将全部梯度图相加并求平均，得到一张人体平均边缘轮廓图；

所述平均边缘轮廓图被分为四个部分，分别为头、上身、下身和背景，各部分之间存在不同的纹理和颜色特征。

3.根据权利要求1所述的基于人体形态特征的多人异常行为识别方法，其特征在于，在所述步骤(2)中，设定6×6像素为一个单位，将上述平均边缘轮廓图划分为网格，即人体平均边缘轮廓网格图。

4.根据权利要求1所述的基于人体形态特征的多人异常行为识别方法，其特征在于：在所述步骤(3)中，设定一系列的尺度如下式：

S＝{(w,h)|w≤w_m,h≤h_m,w,h∈N⁺}

其中w和h分别表示滑动矩形框的宽和高，即包含的单元数；w_m,和h_m用于限定滑动窗口的最大宽和最大高，S表示矩形框的尺度，N⁺表示正整数。

5.根据权利要求1所述的基于人体形态特征的多人异常行为识别方法，其特征在于：在所述步骤(4)中，对于检测器中任意一个滤波器f在任意一个通道k上的特征响应通过下式来计算：

其中i＝1,2,...,h，j＝1,2,...,w；σ(i,j,k)为网格单元(i,j)在通道k上的权值总和；

W_avg表示平均权重矩阵，其中n_add和n_sub分别表示单元权值+1和-1出现的频率；sgn(W)是一个函数，其功能是：当W<0时，返回值为-1，当W>0时，返回值为1。