[发明专利]一种基于空中监控平台的群体异常行为检测方法

权利要求书

1.一种基于空中监控平台的群体异常行为检测方法,其特征在于包括以下步骤：

(1)提取图像的特征点，计算特征点的光流矢量，通过估计图像的深度信息来对特征点的光流矢量进行修正；

(2)对特征点的光流矢量进行聚类，并根据背景运动一致性规律来选取背景特征点，从而完成移动摄像头下的运动目标检测；

(3)利用训练视频集的前景特征点的光流矢量建立双高斯混合模型，在测试阶段使用双高斯混合模型进行异常行为检测；

(4)根据异常行为必然有一段持续时间的规律，采用一种时间队列机制对(3)中的检测结果进行误判检验，该时间队列机制即：在测试开始时，为所有前景特征点创建一个长度为L的状态队列，并将队列中的值都初始化为0，在检验新的一帧时，让所有状态队列的队尾元素出队，相应的让每个前景特征点的F(I)入队，若某一特征点的状态队列中的元素全为1，则将该特征点判断为异常点，否则为正常点；

(5)使用简化的凝聚层次聚类对所有异常特征点的空间坐标进行聚类,去除孤立的异常特征点并标记出异常人群，该聚类方法即：设置一个邻近度阈值d_th，对于新的一帧，将所有的异常特征点都初始化为一个单独的簇，计算任意一个簇与其他簇的邻近度，若两簇之间的邻近度小于d_th，则将两簇合并为一簇，重复Step2，直到没有可以被合并的簇。

2.根据权利要求1所述的方法，其特征在于步骤(1)中使用图像的深度信息来修正特征点的光流矢量，修正方法如下：

对于特征点(x,y),假设通过光流法求取的原始光流矢量用I_LK＝(I_x,I_y)表示，设图像中最大深度值为d_max,最小深度值为d_min,特征点(x,y)的深度值为d,令修正因子为：

式中e为自然常数,由上式可看出，修正因子的范围为且随着深度d单调递增，即深度越大(距离摄像头越远)获得的修正因子越大，修正后的光流矢量为：

I＝αI_LK (2)。

3.根据权利要求1所述的方法,其特征在于步骤(2)中通过对光流矢量聚类并结合背景运动一致性规律提取运动前景目标，其中背景运动一致性规律为:在对光流矢量聚类之后,背景簇的标准差很小并且成员数量较大。

4.根据权利要求1所述的方法,其特征在于步骤(3)中使用双高斯混合模型进行异常行为检测，其中双高斯混合模型是指:在训练阶段分别用人群状态为正常的视频和人群状态为异常的视频训练出两个高斯混合模型参数，在测试阶段将测试视频中的前景特征点分别输入到这两个高斯混合模型中，通过比较在两个高斯混合模型中的概率判断是否为异常特征点。

5.根据权利要求1所述的方法，其特征在于步骤(4)中釆用一种时间队列误判检验机制检验步骤⑶中的结果，该时间队列机制如下：

Stepl:在测试开始时,为所有前景特征点创建一个长度为L的状态队列,并将队列中的值都初始化为0；

Step2:在检验新的一帧时，让所有状态队列的队尾元素出队，相应的让每个前景特征点的F(I)入队；

Step3:若某一特征点的状态队列中的元素为全为1,则将该特征点判断为异常点；否则暂时作为正常点。