[发明专利]基于视觉传感网络的舞台表演行为异常监控方法

权利要求书

1.一种基于视觉传感网络的舞台表演行为异常监控方法，其特征在于：包括如下步骤，

S1、通过CCD相机实现对舞台表演运动目标的跟踪拍摄，获取拍摄的舞台表演图像序列；

S2、采用基于局部线性嵌入稀疏描述的舞台表演异常行为识别方法，进行舞台表演异常行为识别。

2.根据权利要求1所述的基于视觉传感网络的舞台表演行为异常监控方法，其特征在于：所述步骤S1的具体实现过程如下，

S11、基于加权阈值背景减除法实现背景图像的更新：

设定舞台表演图像的像素为M*N，背景图像序列为f′(x，y)＝{f′_i(x，y)，i＝1,2...n}，舞台表演图像序列为f(x，y)＝{f_i(x，y)，i＝1,2...n}，则通过以下过程实现阈值法的运算，

1)舞台表演图像序列中背景图像的平均值通过统筹法求出，令初级阶段视频背景图像的平均值用式(1)表示如下：

f′(x,y)‾=1nΣi=1nfi′(x,y)---(1)]]>

2)位于当前舞台表演图像的后一帧的背景图像为f′_i+1(x，y)，令更新的背景图像为D(x，y)；在初级阶段视频背景图像的平均值的基础上，设置阈值σ，则更新的背景图像可表示为式(2)：

D(x,y)=|fi+1′(x,y)-f′(x,y)‾|---(2)]]>

若D(x，y)＞σ，则表示舞台表演图像的背景图像变动频率高，需及时更新背景图像；若0≤D(x，y)≤σ则噪音可能对背景图像清晰度造成影响，可采用如下结合加权系数的方式来解决：

设加权系数为λ，g(x，y)是第i+1帧更新的背景图像的像素和，则阈值σ的计算公式可表示为：

σ=λ*g(x,y)f′(x,y)‾,0<λ<1---(3)]]>

通过即刻一帧图像背景像素同原始化的背景图像对比，并同加权调和乘积获取图像调整阀值，解决噪声波动产生的像素值波动问题，能够最大程度保留样本背景图像的清晰度；

S12、采用基于混沌搜索的粒子群优化算法实现运动目标检测：

1)全部参数初始化过程：c₁和c₂描述学习因子，用T_max描述最大迭代次数，用U描述控制参数，用T描述混沌搜索起始迭代次数；使群微粒初始化，包含随机位置与速度；

2)评估全部微粒对目标的适应程度，锁定第j个粒子至今为止搜索到的最佳位置P_j，以及整个粒子群至今为止搜索到的最佳位置P_g；

3)结合过程1)与过程2)对种群中的粒子实施一次迭代操作，如果当前最优个体在收敛条件范围内或达到最大迭代次数，则运行过程5)；

4)若使整个粒子群历史最优粒子位置P_g经历T次粒子群迭代运算后，仍未变化或仅有微弱变化，则使X_j′＝P_g，最优值X_j′可利用混沌搜素算法实行寻优求出，P_g＝X_j′，运行过程3)实施后续粒子群运算，否则运行过程5)；

5)进化过程结束，返回全局最优解；引进均匀性测度优化的适应度函数，获取图像分割的最佳阈值t，设定舞台表演图像被阈值t分割成两部分，用R_I，I＝1，2表示，则均匀性测度优化的适应度函数可用式(4)表示：

UM(t)=1-σI2+σ22C01---(4)]]>

其中，R_I为分割后区域I，设定f_i(x，y)是图像区域(x，y)的灰度值，用A_I描述区域R_I中的像素值个数；用C_0l描述UM(t)经过归一化的常数；则最佳参数λ出现于：λ*＝argmaxUM(t*(λ))；

S13、基于Mean Shift算法的舞台表演运动目标跟踪：

设定d是空间R^d存在m个样本点x_J，J＝1,2...，m，则在x点上的Mean Shift向量是：

Mh(x)=1kΣxJ∈Sh(xJ-x)---(5)]]>

其中，用(x_J-x)描述样本点x_J相对于点x的偏移向量，用S_h描述半径是h的高维球状区域，向量M_h(x)是对落入区域S_h中的k个样本点相对于点x的偏移向量的平均向量值；如果y是落入区域S_h中的点的集合，则通过下面公式求出y点的集合是：

S_h＝{y：(y-x)^T(y-x)≤h²} (6)

用k描述在m个样本点x_J中有k个点进入S_h中；若在概率密度函数f(x)中获取样本点x_J，因非零的概率密度梯度趋势与概率密度增长最大的方向一致，采用平均值运算，大部分S_h中的样本点沿着概率密度梯度趋势分布；因此，基于数学剖析平均的偏移向量M_h(x)与样本分布最广的区域趋势一致，同时也是概率密度函数的梯度方向，其中，大圆圈代表的区域就是S_h，小圆圈代表进入S_h区域内的样本点x_J∈S_h，Mean Shift的基准点X用中心黑点描述，样本点偏移基准点X的向量用箭头描述；

而后Mean Shift算法通过先绘制目标模型与备选模型的颜色直方图，再经过对比分析两组模型的相似度实施运动目标的跟踪。