[发明专利]结合深度数据的异常行为检测方法及系统

说明书

本发明提出了一种结合深度数据的异常行为检测方法及系统，包括：采集目标区域的监控视频图像，建立基于监控视频图像的场景背景模型，提取二维图像的运动目标前景，进行连通域分析和目标分割；根据监控视频图像获取原始视角的深度背景图，从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目标前景的两次分割；提取有效的人员目标信息；根据提取得到的人员目标信息，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人员目标的行为是否异常，如果是则启动报警。本发明对异常事件和异常行为进行自动识别，提高了异常事件检测的精确度，可以在无人值守的情况下做出及时的反应。

技术领域

本发明涉及计算机深度视觉技术领域，特别涉及一种结合深度数据的异常行为检测方法及系统。

背景技术

传统的异常行为主要是依据视频图像进行分析，其方法主要包括：基于模型的方法、基于预置特征的方法和基于分类器的方法。上述几种方法分别存在不同的缺陷：

(1)基于模型的方法强调对异常事件的检测而非分类，它对正常事件建立一定的模型，通过比较待检测事件与该模型的符合程度来判断其是否为异常事件。

(2)基于预置特征的检测主要对目标的运动轨迹进行分析，将非预置行为误判为异常。

(3)基于分类器的方法需要提取图像统计特征，包括运动特征向量，光流，纹理变化等，通过对统计特征样本设计分类器，实现对特定行为的识别。

目标的识别和提取是异常检测的基础，而传统的二维视频分析方法的缺点在于缺少深度数据，很难提供准确鲁棒的目标识别结果，在实际应用中会产生大量的误报或漏报。一方面，光照变化及阴影对检测结果有较为明显的影响，而这种影响往往导致误报；另一方面，目标的部分遮挡会产生目标的丢失或者交叉，传统方法(如基于Blob的合成分割、卡尔曼滤波等)对这类问题的解决能力有限。因此，在这种方式下所做的异常行为分析通常置信度较低。

专利(申请号：201310059118.7；名称：一种基于视频序列的人体异常行为检测方法)公开了一种的基于视频序列中人体异常行为检测方法，可以对公共场所的异常行为进行监控。但是，该方法缺少对图像的深度特征的分析，从而导致目标识别结果的稳定性差，进而也会影响异常行为的检测的精度。

发明内容

本发明的目的旨在至少解决所述技术缺陷之一。

为此，本发明的目的在于提出一种结合深度数据的异常行为检测方法及系统，可以对异常事件和异常行为进行自动识别，提高了异常事件检测的精确度，可以在无人值守的情况下也能做出及时的反应。

为了实现上述目的，本发明一方面的实施例提供一种结合深度数据的异常行为检测方法，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；

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。

进一步，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。