[发明专利]一种基于目标运动特性的全局异常行为检测方法

权利要求书

1.一种基于目标运动特性的全局异常行为检测方法，其特征在于，包括以下步骤：

步骤A、提取视频中运动目标的运动特性；

步骤B、根据步骤A所提取运动特性对运动目标分别进行基于能量、基于色散和基于拉格朗日粒子动力学的异常行为模型学习和确立；

步骤C、依据确立的基于能量、基于色散和基于拉格朗日粒子动力学的异常行为模型进行运动目标的全局异常行为检测，确定异常区域并进行标记。

2.根据权利要求1所述基于目标运动特性的全局异常行为检测方法，其特征在于，所述步骤A中运动目标的运动特性包括:时空特征、运动矢量特征、运动矢量方向直方图、运动矢量强度、运动矢量网格尺度。

3.根据权利要求1所述基于目标运动特性的全局异常行为检测方法，其特征在于，所述步骤B中基于能量的异常行为模型学习，具体为：

确定固体中两个粒子势能的联系程度：

$U\left(r\right)=\frac{a}{r^m}-\frac{b}{r^n}$

其中，U(r)表示两个粒子之间的势能，r表示它们的欧氏距离，a,b,m,n表示常量，且m>n；

利用结合力计算两粒子间的相互作用力：

$f\left(r\right)=-\frac{d\left(U\right(r\left)\right)}{dr}=\frac{ma}{r^{m+1}}-\frac{nb}{r^{n+1}}$

结合步骤A所提取运动特性，对运动矢量强度的每个方向进行修正：

$E_{A_k^{i,j}}^i=w\left(r\right)\×r_i\underset{j=1}{\overset{n}{\Σ}}{\left(d_{k,A_k^{i,j}}^{\′i,j}\right)}^2$

其中，r_i为前景区域和背景区域的速率，i为视频图像帧的数量，j为运动块的数量，k是运动矢量的数量；w(r)表示距离为r的两个粒子的连接权重，为第i个视频帧中第j个运动块的第k个运动矢量强度的方向，为改进的运动矢量强度；

所述运动矢量强度的每个方向的阈值取决于的最大值：

$E_{th,A_k^{i,j}}=\arg \underset{A_k^{i,j}}{max}(w_i\×E_{A_k^{i,j}}^i)$

其中，w_i为主要定向窗口。