[发明专利]一种基于光流场统计特征的场景分析方法及系统

说明书

本发明涉及了一种基于光流统计特征的场景分析方法及系统，所述方法步骤为：对给定的监控视频，计算基本的光流场，并对其进行幅度和基于统计特征的去噪；提取光流场空间分布统计特征，空间位置量化；提取光流场方向分布统计特征，进行运动方向量化；基于量化结果构建视觉词典，将整个视频分成片段，将其中所包含的光流映射成视觉单词，每个片段由视觉单词累计表示成词袋；将词袋输入到HDP模型，提取每个视频片段对应的特征向量；采用谱聚类对所有的特征向量进行聚类，实现场景的分类。本发明可以有效地对光流去噪及量化，检测出同一场景中的不同运动模式，实现场景分类，对于视频监控中的场景分析具有重要的现实意义和实用价值。

技术领域

本发明涉及一种基于光流场统计特征的场景分析方法及系统，属于智能视频监控技术领域。

背景技术

视频监控一直是计算机视觉领域中一个活跃的应用方向，它的目的是检测、跟踪以及识别感兴趣的目标，对监控场景进行分析。而许多监控场景，如十字路口、火车站、机场和购物购物中心等都很拥挤，运动目标之间频繁遮挡，因此大多数基于目标表示的场景分析方法难以实现。因此另一类直接基于像素表示的方法更适合复杂监控场景分析，其中使用最多的一种是光流。经对现有技术文献检索发现，光流的计算一般涉及到相邻帧间单个像素的运动矢量提取，包含了大量的局部运动信息。为了减少潜在的观测噪声，通常会用一个预定义的阈值对光流场的进行幅值过滤。并通常将图像空间分割成固定尺寸的单元格，对运动像素点的位置进行量化，还会将每个单元格中的像素点运动方向进行固定的量化(如4或8个方向)。尽管许多研究提出直接基于底层运动特征进行场景建模分析，但是他们假设每一个视频片段内只包含一个类型的运动模式，并将每个视频片段由一种类型的运动类型标注。然而在拥挤和复杂的场景中，许多类型的运动模式通常是同时发生的，传统的一些方法难以将这些同时发生的行为分开。总体来说基于底层运动特征进行场景分析依然存在一些问题,主要包括以下几点：1)采用单一的光流场去噪方法，为考虑到未考虑视频监控场景中实际的运动分布特征；2)光流的位置和方向均是固定阶数的量化，降低量化精度会造成空间位置和方向分辨率的损失；但是一味提高量化精度会造成数据量增加，也不一定能否改善场景分析的性能；3)在多种运动模式共存的情况下，不能有效检测出每个运动模式，并对场景进行分类。

发明内容

本发明的目的在于：针对现有技术存在的缺陷，提出了一种基于光流场统计特征的场景分析方法及系统，可以对光流场进行有效的去噪及非均匀量化；利用HDP模型建模，采用特征向量描述视频片段，然后通过谱聚类检测出一个场景中包含的多种运动模式，实现场景分类。

为了达到以上目的，本发明提供了一种基于光流场统计特征的场景分析方法及系统，包括如下步骤，

S1：对任意给定的监控视频，计算其光流场；

S2：对光流场进行去噪，获取有效光流场；

S3：提取光流场的空间分布统计特征，对空间位置进行量化；

S4：提取光流场的方向分布统计特征，对运动方向进行量化；

S5：将光流场在时域上分割成不重叠的片段，并将其表示成词袋；

S6：将词袋输入HDP模型，提取每个视频片段对应的特征向量。

S7：利用谱聚类算法对特征向量进行聚类，实现场景的分类。

进一步的，所述步骤1中，所述光流场的计算方法为：对于长度为N+1帧的视频，采用LK光流法，计算相邻帧间的光流场，结果表示为

{O_i(x,y)},i＝1,2,...,N，

其中(x,y)表示图像帧的空间位置点。

进一步的，所述步骤2中，光流场的去噪方法的具体步骤为：