[发明专利]基于层次级联的暴力群体行为检测方法

摘要

本发明提供了一种基于层次级联的暴力群体行为检测方法，其特征在于，包括：对原始监控视频进行预处理；对于预处理后的监控视频进行分块，对每一视频块提取时空不变性特征；选择特征量化的训练样本，训练获得视频字典；利用训练得到的视频字典，对待检测样本特征进行量化；选择量化后的特征作为支持向量机SVM分类器的训练样本，训练SVM分类器；利用训练完成的SVM分类器对待检测样本进行分类，判断待检测视频中是否包含暴力群体行为。本发明中的方法与其他同类方法相比，速度更快，准确率更高，特征更加具有区分性，此外在暴力群体行为的检测中能够区分大部分暴力行为和正常行为，有效提升了计算机辅助检测分析的能力。

主权项

一种基于层次级联的暴力群体行为检测方法，其特征在于，包括如下步骤：步骤1：选择用于训练支持向量机SVM分类器的训练样本，并对该训练样本进行标签的标记，其中，所述标签用于指示训练样本属于暴力视频或非暴力视频；暴力视频是指存在暴力群体行为的视频；步骤2：通过对带有标签的所述训练样本依次执行步骤A、步骤B、步骤C、步骤D，得到与标签相对应的训练样本的量化级联卷积ISA特征；利用所述训练样本带有标签的量化后级联卷积ISA特征对支持向量机SVM分类器进行训练；步骤3：利用核函数将训练样本的量化级联卷积ISA映射到特征空间，在核函数映射的特征空间中得到训练完成的支持向量机SVM分类器的最优分类超平面；步骤4：对待测样本依次执行步骤A、步骤B、步骤C、步骤D，得到待测样本的量化级联卷积ISA特征，通过判断待测样本的量化卷积级联ISA特征在所述特征空间中位于训练完成的SVM分类器最优分类超平面的哪一侧来区分所述待测样本的类别，判断出待测样本对应的整个视频是否出现存在暴力群体行为；其中：步骤A：对输入视频进行预处理；步骤B：将经过预处理的输入视频进行分块，提取输入视频每一分块对应的级联卷积ISA特征，得到输入视频每一分块的运动特征；步骤C：利用所述级联卷积ISA特征对输入视频进行字典学习，获得该输入视频的GMM模型；步骤D：利用GMM模型对输入视频的级联卷积ISA特征进行量化。