[发明专利]一种基于目标轨迹的异常行为分析方法

权利要求书

1.一种基于目标轨迹的异常行为分析方法，其特征在于，包括以下步骤：

运动目标跟踪：将视频输入系统，系统对视频进行目标检测，并对视频中目标通过自适应特征提取图像，再通过跟踪算法计算提取每帧图像的估计位置，并通过估计位置获取目标在每帧图像中的最终位置，得到视频序列中运动目标在在每帧图像中的位置，进而得到目标运动轨迹；

路径提取：对目标运动轨迹采用多项式拟合方法进行预处理，并采用聚类算法进行聚类，将聚类后得到的数据进行建模，提取得到场景路径；

行为分析：通过提取输入视频中目标的运动模式与正常行为模型进行匹配，根据匹配情况得到行为分析结果，对异常行为进行分析识别；所述通过输入待判定的运动模式与正常行为模型进行匹配，具体为：通过训练学习，提取目标的代表性行为模式及场景路径，再通过待判定的运动模式和正常行为模式比较判断目标行为是否异常，进而进行正常行为和异常行为的分类；

所述异常行为包含徘徊、异常停止和逆行行为，具体如下：

所述的异常停止行为的识别：

异常停止是指目标违反准则的停止，根据前后连续n帧图像序列中目标的位移来判断；若目标在n帧连续图像中位移由突然变小至没有明显的变化则认为目标有异常停止行为，公式如下：

其中，s_t表示目标经过相邻帧图像时所移动的距离，i＝1,2,...,n；d表示目标经过相邻帧图像所移动的距离差的均值；

设定T作为判断目标停止的阈值，若d≤T，判断目标异常停止，反之则为正常；

所述的逆行行为的识别：

首先提取目标的代表性行为模式及场景路径，对场景正常轨迹进行方向的判断，得到路径方向，并标记此路径方向为正方向，计算目标在第t+1帧时的位置偏离在第t帧时的角度计算公式如下：

根据相邻帧间的偏角度判定待检测轨迹的方向，再与路径方向进行比较判断，若相反标记目标逆行，反之则正常；

徘徊行为的识别：

轨迹的震荡特性是指轨迹在空间上的反复运动；

轨迹的运动限制在较窄范围的特点定义为窄幅振荡性:轨迹每次反复运动都穿越设定直线两侧区域的特点定义为振荡轴对称性；

若振荡轨迹，对x轴满足对称性，且在y轴方向满足窄幅振荡性，或者，对y轴满足对称性，且在x轴方向满足窄幅振荡性，则称该轨迹为律倒轨迹，称观测目标产生了徘徊行为。

2.根据权利要求1所述的一种基于目标轨迹的异常行为分析方法，其特征在于，所述目标检测采用背景减除法。

3.根据权利要求2所述的一种基于目标轨迹的异常行为分析方法，其特征在于，所述目标跟踪，具体为：通过自适应特征提取图像，通过Mean Shift跟踪算法计算提取每帧图像的估计位置，并以估计位置的平均值作为目标在每帧图像中的最终位置。

4.根据权利要求1所述的一种基于目标轨迹的异常行为分析方法，其特征在于，所述目标运动轨迹根据目标跟踪的带视频序列中目标在每帧图像中的位置通过以下矢量序列来表示：

F＝{f₁,…,f_t,…,f_T}

f_T＝[x_t,y_t,u_t,v_t]^T

其中，目标在每一帧的最终位置为(x,y)，及在每一帧的速度(u,v)，f_T表示在t时刻目标位置(x,y)和速度(u,v)的描述参数。

5.根据权利要求1所述的一种基于目标轨迹的异常行为分析方法，其特征在于，所述预处理，具体为：对目标运动轨迹采用最小乘法多项式拟合方法进行预处理；在视频图像序列中，目标的运动轨迹用关于时间的函数来描述，并且能利用目标在一段时间内的图像帧中出现的位置坐标建立一个多项式函数去逼近目标的运动轨迹，然后使用最小二乘法，在最小方差估计的框架中求出目标位置的预测值。