[发明专利]行为检测识别方法及系统

说明书

本发明提供一种行为检测识别方法及系统，属于计算机视觉技术领域，获取行为视频流的二值化差分图像序列，计算每帧图像的中间质心运动速度、左质心运动速度和右质心运动速度与预设的速度阈值进行比较，若三个质心运动速度中有一个及以上大于速度阈值，则判定图像中的行为为超速，否则判定为未超速；在单位时间内对行为超速次数进行统计，若超速次数大于预设的超速次数阈值，则判定为检测到剧烈肢体行为并进行报警，否则清除已记录的超速次数并开始新的统计周期。本发明计算了中间质心、左质心和右质心的运动速度，算法简单，三质心具有良好互补性，可检测剧烈肢体行为，防止漏检、误检，提升了检测可靠性，无须配备高性能并行计算设备，性价比高。

技术领域

本发明涉及计算机识别技术领域，具体涉及一种基于监控视频的行为检测识别方法及系统。

背景技术

随着计算机技术、图像处理技术、机器学习技术的快速发展，计算机视觉的应用领域不断扩展。其中，异常行为检测是一个重要分支，旨在通过分析监控视频中人物的行为举止，检测人行为状态，以便进行风险评估和应急处置，在公共安全、社区安防、智慧监狱、安全驾驶等领域得到广泛应用。

对于基于监控视频的异常行为识别，早期主要依靠监控人员肉眼观察识别，或者事故发生后回看视频取证，效率低下。随着计算机视觉和人工智能的发展，利用深度神经网络模型可以对视频中人物进行自动识别、跟踪和行为分析，大大提高了智能化水平和效率，降低了人力投入，便于数据存储、管理和取证。但是，目前的异常行为识别与理解仍处于发展阶段，识别准确率有待提高，尤其是对于异常行为的深层次理解和处置决策能力仍不够完善。因此，对于高风险应用场景，机器视觉自动识别的结果仍被作为辅助决策手段。

对于重点关注群体或特殊群体，剧烈肢体行为往往预示着高风险，快速识别、报警并及时处置尤为重要。例如，家中老人突然发病时的跌倒行为，需要迅速报警，由监护人或医护人员确认后及时救助；服刑人员情绪失控时发生攻击行为和自我攻击行为，需要迅速报警，由干警确认后及时介入处置。基于深度神经网络模型的异常行为分析方法计算量大，需要依赖高性能并行计算设备，成本和时效性有待改善。

发明内容

本发明的目的在于提供一种可靠、稳定、检测识别速度快的基于监控视频流的剧烈肢体行为检测识别方法及系统，以解决上述背景技术中存在的至少一项技术问题。

为了实现上述目的，本发明采取了如下技术方案：

第一方面，本发明提供一种行为检测识别方法，包括：

获取行为视频流的二值化差分图像序列，计算每帧二值化差分图像的中间质心运动速度、左质心运动速度和右质心运动速度；

将中间质心运动速度、左质心运动速度和右质心运动速度与预设的速度阈值进行比较，若三个质心运动速度中有一个及以上大于速度阈值，则判定图像中的行为为超速，否则判定为未超速；

在单位时间内对行为超速次数进行统计，若超速次数大于预设的超速次数阈值，则判定为检测到剧烈肢体行为并进行报警，否则清除已记录的超速次数并开始新的统计周期。

优选的，对行为视频流进行解析、变换和灰度归一化处理，获得灰度图像序列；对灰度图像序列进行相邻帧差分运算，得到差分图像序列，经过滤波和二值化处理，获得二值化差分图像序列；计算每帧二值化差分图像的中间质心、左质心和右质心；利用相邻两帧二值化差分图像的中间质心、左质心和右质心，计算中间质心运动速度、左质心运动速度和右质心运动速度。

优选的，由视频流中解析出包含行为的RGB图像，然后将RGB图像变换为灰度图，再对灰度图像进行灰度归一化处理，获得灰度图像序列。

优选的，对相邻两帧灰度图像进行差分运算得到差分图像，然后对差分图像进行滤波，对滤波后的差分图像进行二值化处理，转换为二值化差分图像，其中，采用直方图方法寻找二值化阀值。