[发明专利]一种基于人体形态特征的多人异常行为识别方法

摘要

本发明公开了一种基于人体形态特征的多人异常行为识别方法，包括：快速目标人体检测，利用大量行人样本的梯度信息，制作一系列的目标人体检测滤波器，得到一组滤波器的行人检测器，对待测图像计算特征通道，并采用检测器在每个通道上计算特征响应，最终采用Adaboost分类器获取最终的目标人体的位置；利用人体形态特征和上述所得的人体位置先验信息，构建初始的人体外观模型，并采取外观传输机制；采用霍夫形态特征提取算法将人体各个部件的特征从外观模型中提取出来，并与异常行为样本库进行匹配，得到最终识别结果。本发明提供的方法可以在背景环境和摄像头的位置不确定的情况下实现对多个人体的位置标定，实现最终的异常行为识别。

主权项

1.一种基于人体形态特征的多人异常行为识别方法，其特征在于，包括以下步骤：(1)利用行人数据库中的行人样本的梯度信息，计算出一副人体的平均边缘轮廓图；(2)以单元为最小单位将平均边缘轮廓图划分成网格，形成平均边缘网格轮廓图；(3)采用尺度不等的矩形窗在网格上进行无重叠滑动，截取出一系列的滤波器，并去除冗余滤波器，组成最终用于行人检测的滤波器组，即行人检测器；每个滤波器根据所包含网格单元的内容为网格单元分配不同的权值，权值的设定根据滑动窗口中覆盖的内容分为两种情况：1)当窗口中只覆盖了两个部分时，则将头覆盖的单元设值为1，背景覆盖的单元设值为0；2)当窗口覆盖了三个部分时，则将上身覆盖的网格单元的权值设值为‑1，下身覆盖的网格单元的权值设值为+1，背景覆盖的网格单元的权值设值为0；由此，得到一组滤波器组，定义式如下：F＝{(x,y,s,W)|x,y∈N,s∈S,W∈R2}其中，x和y表示矩形框的位置坐标，s是S尺度集合中的元素，W为所求的权值的矩阵，R为实数；(4)输入待测图像，对输入的待测图像计算HOG和LUV特征上的特征通道，采用所述行人检测器计算每个通道的特征响应，并将得到的特征响应输入到已经训练好的Adaboost分类器中，得到行人候选框；(5)采用非极大值抑制的方法，去除错误的行人候选框，获得最终行人的检测框；(6)根据行人的检测框，最终得到准确的行人的位置信息；(7)根据得到的人体位置信息，采用Grabcut算法进一步缩小人体的所在区域，从而得到人体各个部件的初始位置先验概率，计算出基于颜色特征的人体的初始外观模型；(8)通过人体的外观传输公式，将所得初始外观模型更新优化，并获得最终的人体各个部件的位置信息；(9)采用霍夫形态特征提取算法提取人体各个部件的形态学特征；(10)将步骤(9)所得的形态学特征与异常样本库进行匹配，最终输出识别结果。