[发明专利]结合深度数据的异常行为检测方法及系统

权利要求书

1.一种结合深度数据的异常行为检测方法，其特征在于，包括如下步骤：

步骤S1，采集目标区域的监控视频图像，建立基于所述监控视频图像的彩色图像的场景背景模型，从所述场景背景模型中提取二维图像的运动目标前景，对所述二维图像的运动目标前景进行连通域分析和目标分割，生成二维检测结果；

步骤S2，根据所述监控视频图像获取原始视角的深度背景图，从所述深度背景图中提取三维图像的运动目标前景，分别在原始视角及投影变换后俯视视角进行所述目标前景的两次分割，生成三维检测结果；

步骤S3，对所述二维检测结果和三维检测结果进行合并、分类和过滤，提取有效的人员目标信息，其中，对所述二维检测结果进行分析，并采用特征分类器进行特征分类以提取二维运动目标的轮廓；

将所述三维检测结果与预设头肩样本训练模型进行匹配，以及根据预设尺度特征进行检测分类；

将分类后的二维检测结果和三维检测结果进行合并，根据预设人员目标条件进行过滤，提取有效的人员目标信息；

步骤S4，根据提取得到的所述人员目标信息，实现对人员目标的跟踪和行为分析，并根据预设的异常行为规则判断所述人员目标的行为是否异常，如果是，则启动报警。

2.如权利要求1所述结合深度数据的异常行为检测方法，其特征在于，所述步骤S2，还包括如下步骤：对所述三维图像的运动目标前景进行邻域分析，并基于深度变化过滤掉所述目标前景中的噪点，对过滤后的目标前景分别在原始视角及投影变换后俯视视角进行两次分割，生成所述三维检测结果。

3.如权利要求1所述的结合深度数据的异常行为检测方法，其特征在于，在所述步骤S4中，所述人员目标的异常行为包括：人员徘徊滞留异常行为、人群拥挤异常行为、人员倒地异常行为、人员局部动作过激行为。

4.一种结合深度数据的异常行为检测系统，其特征在于，包括：视频图像采集模块、二维目标检测及分割模块、三维目标检测及分割模块、人员目标提取模块、目标跟踪及分析模块、异常行为判断模块，其中，

所述视频图像采集模块用于采集目标区域的监控视频图像；

所述二维目标检测及分割模块与所述视频图像采集模块相连，用于接收所述监控视频图像，建立基于所述监控视频图像场景背景模型，从所述场景背景模型中提取二维图像的运动目标前景，对所述二维图像的运动目标前景进行连通域分析和目标分割，生成二维检测结果；

所述三维目标检测及分割模块与所述视频图像采集模块相连，用于根据所述监控视频图像获取原始视角的深度背景图，从所述深度背景图中提取三维图像的运动目标前景，分别在原始视角及投影变换后俯视视角进行所述目标前景的两次分割，生成三维检测结果；

所述人员目标提取模块分别与所述二维目标检测及分割模块和所述三维目标检测及分割模块相连，用于对所述二维检测结果和三维检测结果进行合并、分类和过滤，提取有效的人员目标信息，其中，所述人员目标提取模块对所述二维检测结果进行分析，并采用特征分类器进行特征分类以提取二维运动目标的轮廓，将所述三维检测结果与预设头肩样本训练模型进行匹配，以及根据预设尺度特征进行检测分类，将分类后的二维检测结果和三维检测结果进行合并，根据预设人员目标条件进行过滤，提取有效的人员目标信息；

所述目标跟踪及分析模块与所述人员目标提取模块相连，用于根据提取得到的所述人员目标信息，实现对人员目标的跟踪和行为分析；

所述异常行为判断模块与所述目标跟踪及分析模块相连，用于根据预设的异常行为规则判断所述人员目标的行为是否异常，如果是，则启动报警。

5.如权利要求4所述的结合深度数据的异常行为检测系统，其特征在于，所述三维目标检测及分割模块用于对所述三维图像的运动目标前景进行邻域分析，并基于深度变化过滤掉所述目标前景中的噪点，对过滤后的目标前景分别在原始视角及投影变换后俯视视角进行两次分割，生成所述三维检测结果。

6.如权利要求4所述的结合深度数据的异常行为检测系统，其特征在于，所述人员目标的异常行为包括：人员徘徊滞留异常行为、人群拥挤异常行为、人员倒地异常行为、人员局部动作过激行为。