[发明专利]基于HMM的化工园区异常行为检测方法及系统、装置

权利要求书

1.一种基于HMM的化工园区异常行为检测方法，其特征在于，包括以下步骤：

S1、将视频中人体运动行为信息进行检测、区分以及跟踪；

S2、选取人体步态姿势的观测状态序列，提取运动特征向量作为训练样本，使用训练样本的参数训练HMM模型的关节四元数数据；

S3、计算找出最有可能产生测试序列的最优的隐藏状态序列，用于识别测试样本的异常行为信息。

将三维人体旋转信息进行拓展作为参数，使用基于四元数的参数化时间序列并利用支持向量机的方式进行两种相近运动姿态的识别。

2.根据权利要求1所述的化工园区异常行为检测方法，其特征在于，所述S3步骤之后还包括：对测试的运动人体行为信息进行数据收集。

3.根据权利要求1所述的化工园区异常行为检测方法，其特征在于，所述S2步骤的所述提取运动特征向量的方法包括：对从视频中提取出来的人体运动行为信息的底层特征数据信息进行整理归类，转化为有效的特征向量后依据分类算法将不同模式划分成不同的类别。

4.根据权利要求1所述的化工园区异常行为检测方法，其特征在于，所述训练HMM模型的关节四元数数据的方法包括：对HMM模型中的参数进行初始化，然后利用Baum-Welch算法重新估计HMM模型中的参数，当观测状态序列相对于HMM模型的输出概率变化不再明显时停止迭代。

5.根据权利要求1所述的化工园区异常行为检测方法，其特征在于，所述S3步骤的找出所述隐藏状态序列的方法包括：使用viterb算法，通过测试序列以及训练得到的HMM模型，对测试序列的隐藏状态做出最佳估计。

6.根据权利要求1所述的化工园区异常行为检测方法，其特征在于，所述识别测试样本的异常行为信息的方法包括：利用支持向量机的方式进行两种相近运动姿态的识别。

7.一种基于HMM的化工园区异常行为检测系统，其特征在于，执行如权利要求1-6任一项所述的化工园区异常行为检测方法，包括：

检测跟踪模块：用于将视频中人体运动行为信息进行检测、区分以及跟踪；

学习训练模块：选取人体步态姿势的观测状态序列，提取运动特征向量作为训练样本，使用训练样本的参数训练HMM模型的关节四元数数据；

测试识别模块：计算找出最有可能产生测试序列的最优的隐藏状态序列，用于识别测试样本的异常行为信息。

8.一种基于HMM的化工园区异常行为检测装置，其特征在于，使用如权利要求1-6任一项所述的化工园区异常行为检测方法，以及如权利要求7所述的化工园区异常行为检测系统。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1-6任一所述的基于HMM的化工园区异常行为检测方法的步骤。

10.一种计算机设备，所述计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6任一所述的基于HMM的化工园区异常行为检测方法的步骤。