[发明专利]一种基于视频特征学习的多要素可疑人员识别方法

说明书

本发明公开一种基于视频特征学习的多要素可疑人员识别方法，包括：对监控视频进行基于感知哈希映射关键帧筛选，分离包含行为主体的前景信息，并定位关键部位所在区域；然后对预处理结果进行动静结合的特征提取：对于静态监控视频,提取头部姿势、手部姿势等局部特征与行走异常、衣着异常等整体特征；对于动态监控特征，主要提取路径重复度、可疑人员出现在人群密集点的概率以及监控环境中标志点平均停留时间；根据评判标准结合可信计算思想，计算可疑人员身份可信指数；最后，根据相应的阈值，动态筛选可疑人员并输出判别信息。本发明可以在受控与非受控环境下，较准确高效的识别出可疑人员，具有良好的科学性与更高的实际应用价值。

技术领域

本发明属于信息技术领域，特别涉及一种基于视频特征学习的多要素可疑人员识别方法。

背景技术

随着监控技术的提高，监控视频愈加清晰，为通过视频监控在短时间内准确的识别出具有犯罪动机的可疑人员提供了良好的硬件基础。与此同时，也使得可疑身份识别从受控环境向非受控环境转变，识别效果也是不可控的。一般而言，导致识别效果不理想的原因大致可疑分为以下两个方面：

首先，身份识别所使用的环境不再是受控的，在采集被测者信息时存在遮挡和姿态等动态变换问题，加之身份库中并不一定存在被测者的身份信息，可能会导致提取的特征信息不能满足可疑人员识别的任务需求；

其次，监控视频信息量巨大，处理时间较长，严重影响了系统的实时性。

为了解决面向视频学习的可疑人员识别问题，需要设计合理的识别方案，使得视频处理过程中结合现有监控设备的特点，提取具有代表性和标识性的特征信息，在保证准确性的同时，尽量缩短视频信息的处理时间，以实时场景为驱动的动态识别判定。

发明内容

本发明的目的在于提供一种基于视频特征学习的多要素可疑人员识别方法，以解决上述技术问题。本发明提高了动态、静态监控视频的利用率，尽可能的充分提取待测人员的行为特征、身份特征与轨迹特征等信息，提高了非受控环境下可疑人员识别的准确度，并在数据预处理阶段提供了一种以感知哈希为依托的关键帧筛选算法，提高了系统的处理效率，同时在判定阶段中以信任指数为参考对待测者进行评判。

为了实现上述目的，本发明采用以下技术方案：

一种基于视频特征学习的多要素可疑人员识别方法，包括以下步骤：

S1、通过动静态监控设备分别采集静态监控视频S，与动态监控视频Q，形成监控视频集合T；对监控视频集合T进行数据处理，获得关键帧集合S_key；

S2、根据筛选所得的关键帧集合S_key提取包含行为主体的前景数据T_pre；

S3、使用慢特征分析法分析前景数据T_pre中静态监控视频部分，得到局部特征中头部姿势变换特征数据D_head与手部姿势变换特征数据D_hand；并提取数据T_pre中静态监控视频部分中全局特征中行走异常特征数据D_walk与衣着异常特征数据D_clothes；

S4、根据特征数据D_head、D_hand、D_walk、D_clothes，从监控视频集合T中获取可疑目标集合A；

S5、计算包含行为主体的前景数据T_pre中静态监控视频部分中可疑目标A的路径重复度D_re、人群密集点出现的概率D_p以及监控环境中标志点平均停留时间D_τ；