[发明专利]一种异常行为的实时检测方法

说明书

本发明实施例公开了一种异常行为的实时检测方法，包括步骤：保存视频流中的一帧图像为静止图像；将视频流中的当前帧减去所述静止图像进行目标检测，并处理得到二值图像，并进行连通分支提取，并找出各连通分支的包围框、面积大小；利用所述包围框的宽高比和所述面积大小对每个连通分支进行分析，提取感兴趣目标；使用跟踪算法提取跟踪所述感兴趣目标的行为轨迹；对所述行为轨迹进行判别。采用本发明，利用正常行为数据样本进行判别，能够实时地自动识别异常行为，计算开销低，可执行于嵌入式系统等小型系统上实施，该方法有着广泛的应用前景。

技术领域

本发明涉及一种目标识别技术领域，尤其涉及一种异常行为的实时检测方法。

背景技术

目前很多监控设备具有人脸识别等监控功能，但是对于一些异常行为的检测还是比较少。例如中国公开号为CN109241946A，所公开的一种异常行为监控方法、装置、计算机设备及存储介质，其是接收监控端发送的实时视频流，并按照预设的频率从中提取预设个数的视频帧图像，作为视频采样数据，避免直接使用数据量较大的实时视频流造成的网络堵塞和处理效率低下，提高了异常行为监控的稳定性和及时性，同时，对视频采样数据进行预处理，得到目标数据，再将目标数据输入到预设的3D卷积神经网络模型中进行识别，并将得到的识别结果与预设的异常行为类别进行对比，当识别结果是预设的异常行为类别中的一种类别时，则判定该视频采样数据中包含异常行为，使得通过3D卷积神经网络模型自动识别视频采样数据中的异常行为，其是将视频流异地分析处理，不仅具有迟滞性，且计算开销大，不利于及时的对行为进行检测以应对突发的事件。

发明内容

本发明实施例所要解决的技术问题在于，提供一种异常行为的实时检测方法。可及时地对监控视频进行行为检测，以最小的计算开销识别突发行为。

为了解决上述技术问题，本发明实施例提供了一种异常行为的实时检测方法，包括以下步骤：

S1：将视频帧转换为灰度图像；

S2：保存视频流中的一帧图像为静止图像；

S3：将视频流中的当前帧减去所述静止图像进行目标检测，并处理得到二值图像；

S4：对所述二值图像进行连通分支提取，并找出各连通分支的包围框、面积大小；

S5：利用所述包围框的宽高比和所述面积大小对每个连通分支进行分析，提取感兴趣目标；

S6：使用跟踪算法提取跟踪所述感兴趣目标的行为轨迹；

S7：对所述行为轨迹进行判别，包括与正常行为轨迹的最小距离的判别、当前瞬时速度不在设定范围的判别、当前累积平均速度不在设定范围的判别、所述行为轨迹出现于设定时间段内的判别。

其中，包括对所述视频帧划分为中心的目标跟踪区和四周的检测识别区的方法。

其中，所述步骤S3还包括目标是否存在的判别。

所述步骤S6还包括：

如果所述感兴趣目标的包围框完全在所述检测识别区内，则重复步骤S2－S5，否则利用所述跟踪算法进行跟踪，并保存各目标的中心位置作为轨迹，直至跟踪目标的包围框完全进入所述检测识别区。

所述步骤S6还包括步骤：当场景中没有目标出现时，利用当前帧更新背景图像。

所述步骤S7中与正常行为轨迹的最小距离的判别的步骤具体包括：

设有n条正常行为轨迹：{T₁,T₂,...,T_n}，分别计算未知行为轨迹T与n条正常行为轨迹{T₁,T₂,...,T_n}的距离：