[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

说明书

本文提出一种基于空中监控平台的人群异常行为检测方法。首先通过估计图像的深度信息适当修正特征点的光流矢量，以减小透视现象导致的目标运动速度估算误差，然后对特征点的光流矢量聚类并结合背景运动一致性规律实现移动摄像头下的目标检测。采用双高斯混合模型检测异常行为，用最大期望算法求取模型参数。最后采用一种时间队列机制检验误判，并通过简化的凝聚层次聚类算法对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群体。在多个场景下的实验验证了方法的有效性。

技术领域

本发明涉及视频智能监控领域中的异常行为检测问题，尤其是涉及一种基于空中监控平台的群体异常行为检测方法。

背景技术

虽然基于固定摄像头的异常行为检测算法已成为研究热点，但是基于空中监控平台的异常检测算法研究却很少。不同于固定摄像头拍摄的视频，空中监控平台拍摄的 视频具有背景移动、视距较远等特点，需要结合这些特点来设计基于空中监控平台的 异常行为检测方法。

由于空中监控平台拍摄的视频画面背景处于移动状态，导致经典的前景提取算法不再适用，因此需要采用移动摄像头下的前景目标检测方法。基于背景运动补偿的方 法和基于特征点聚类的方法是目前主流的移动背景目标检测算法。前者通过特征点匹 配等方法估算出运动参数，然后进行运动补偿运算，转化为静态背景下的前景目标检 测问题。后者先提取特点，对特征点的光流矢量进行聚类，然后按照一定准则选出背 景特征点所在的簇。基于背景运动补偿的方法更适用于背景移动平缓、画面清晰的情 况，对于空中监控平台拍摄的视频，采取特征点聚类的方法提取前景目标更加合适。 本文利用图像的深度信息对特征点的光流矢量进行适当修正，在此基础上对特征点的 光流矢量进行聚类，提出一种基于背景运动一致性的方法选取背景特征点所在的簇。

对于监控视频的异常行为检测，学者们从不同的角度出发研究了许多不同的算法。主要可分为基于轨迹、分类、聚类和推断的异常行为检测算法。基于轨迹的方法 跟踪运动目标得到目标的轨迹，然后通过对比各个轨迹的相似程度等方法来区分正常 目标和异常目标，一般适用于场景中运动目标较少、视距较近的情况，不适用于人群 密集的复杂场景。基于分类的方法一般将部分视频作为训练集训练出一个分类器，之 后将需要测试的视频序列输入到分类器进行分类，结果输出为正常或异常；基于聚类 的方法提取前景目标的特征进行聚类，最后以一定的方法判断出其中

属于异常的类别；基于推断的方法根据人们对异常行为的认知设计一些判断指标，如人群运动能量、运动方向熵、分布熵等，通过观测这些指标或指标的变化情况 判断是否有异常行为发生。

发明内容

本发明提出了一种基于空中监控平台的异常行为检测方法，首先进行移动摄像头下的前景目标提取，然后对提取到的前景目标进行异常行为检测。

本发明通过以下技术方案来实现上述目的：

(1)提取图像中的特征点，并求取特征点的光流矢量。

(2)估算图像的深度信息，通过深度信息对(1)中的特征点的光流矢量进行适 当的修正，深度值大(距离摄像头远)的地方将会得到更大的修正幅度。

(3)对修正后的特征点的光流矢量进行聚类，结合背景运动一致性规律区分前 景特征点所在的簇和背景特征点所在的簇，即提取出前景特征点。

(4)用训练视频中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，利用建立的双高斯混合模型检测特征点是否异常。

(5)由于群体异常行为必然有一定的持续时间，通过一种时间队列误判机制检 验是否存在误判的情况。

(6)对判断为异常的特征点的空间坐标进行聚类，消除孤立的异常特征点并标 记出异常群体。

附图说明

图1基于空中监控平台的群体异常行为检测方法框架图；

具体实施方式