[发明专利]基于多元对数高斯分布下视频特征的图结构规约方法

说明书

本发明属于视频特征优化的技术领域，具体涉及一种基于多元对数高斯分布下视频特征的图结构规约方法。基于多元对数高斯分布下视频特征的图结构规约方法，在保持视频特征的空间相关结构前提下，构建出光流特征网络图结构，图结构顶点处光流特征向量的相位信息蕴藏在序列光流场中，光流特征向量的幅度体现了在相连的两帧中目标的变化情况。鉴于光流特征向量幅度值均大于零，视频场景中图结构顶点处的光流特征向量的幅度服从多元对数高斯分布。本发明提出了一种有效降低特征数据量并能实现快速异常检测的视频特征的图结构规约方法。

技术领域

本发明属于视频特征优化的技术领域，具体涉及一种基于多元对 数高斯分布下视频特征的图结构规约方法。

背景技术

随着人们生活水平的不断提高和人口城镇化率的提升，公共安全 问题日益突出。在监控场景下，异常事件能被及时发现并进行积极的 救援，这对减少了群众的人身伤亡和财产损失有着重要的意义。因此， 基于视频监控的异常检测则尤为重要。

伴随视频智能监控技术的逐渐增长与监控产品的广泛应用，海量 的视频监控数据已变为大数据时期较为重要的处理对象。针对视频监 控场景中出现数据量大、数据分析处理复杂的问题，视频监控系统需 不断的改进，并变得更为智能和高效。

鉴于当前人际交流的社交网络来说，每个人均为网络图上的一个 顶点，每个顶点间均有一定的连接关系，在该顶点上将产生大量的数 据，这样构成一个复杂且含有大量数据信息的网络结构图。如何通过 对含有重要视频特征的图结构操作，从而间接对原始视频特征进行操 作，是现有技术无法攻克的难题。

发明内容

本发明的目的是针对现有技术的不足，提出了一种基于多元对数 高斯分布下视频特征的图结构规约方法。

本发明利用光流法提取视频场景中的光流特征，鉴于监控场景的 视频特征数据存在于加权网络空间结构的顶点上，以及不规则网络图 结构能更好的表达特征之间的空间关系，本发明借助图结构来描述视 频中的特征数据。在保持视频特征的空间相关结构前提下，构建出光 流特征网络图结构，其顶点处光流特征向量的相位信息蕴藏在序列光 流场中，光流特征向量的幅度体现了在相连的两帧中目标的变化情况。 鉴于光流特征向量幅度值均大于零，视频场景中图结构顶点处的光流 特征向量的幅度服从多元对数高斯分布。在此基础上，借助光流特征 图结构的规约操作完成特征优化的目的，实验结果表明该方法可以有 效降低数据量并能实现快速异常检测。

该方法的具体思路：首先选择金字塔LK光流算法提取训练集每 一视频帧的光流特征(u,v),设置网格大小为24*32，选取10*10像素 单元抽取其位移信息。然后，设定运动区域划分阈值T，对高于阈值 的光流分量采取颜色编码，不断累积记录颜色块的变化区域并得到运 动区域的边缘轮廓。并且利用运动区域的边缘轮廓、网格位置与光流 特征来构建光流特征图结构。接下来，对该光流特征图结构进行规约 操作。通过结合光流特征图结构拉普拉斯矩阵最大特征向量的下采样 方法和光流特征向量幅度符合多元对数高斯分布的特征幅度均值下 采样方法两方面来共同筛选合适的顶点，并且选择阈值化的高斯加权核函数来构建出顶点之间的内在连接，从而对特征图结构依次进行规 约操作并达到特征优化的目的。在各个规约图结构上分别进行滤波， 并将滤波过后的训练光流特征构建词袋形式，并送进LDA-iHMM的联 合空时模型中，学习得到正常模型参数。测试集的光流特征向量将视 作已经训练正常模型的输入并送入模型中异常检测，然后得出测试集 每一帧的对数似然函数。将测试集的对数似然函数与设定阈值进行相 对比，若连续三帧测试集的对数似然函数均大于阈值时，该视频帧判 定为异常，反之则判定为正常。

为方便描述发明内容，首先做以下术语定义：

定义1：金字塔LK光流算法