【技術實現步驟摘要】
本專利技術涉及行為識別領域，尤其涉及一種基于光流上下文直方圖的異常行為檢測方法及系統。
技術介紹
目前，在公共場合通常都設置有攝像頭，在目前的視頻監控系統中，主要還是依靠人力來發現異常事件，監控人員在監控室通過顯示器觀察攝像頭攝取的影響從而監控異常事件的發生，而缺少一個自動發現異常事件的方法，導致監控效率低下以及產生監控疏漏
技術實現思路
本專利技術提供一種對異常行為進行自動檢測的基于光流上下文直方圖的異常行為檢測方法及系統。為解決上述技術問題，本專利技術提供的一個技術方案是:提供一種基于光流上下文直方圖的異常行為檢測方法，包括:S1、計算多個有異常行為和無異常行為視頻中每個視頻的行為序列對應的基于光流上下文直方圖序列S= (F1, F2,...，Fi,...，FJ，其中，Fi是第i視頻幀的基于光流上下文直方圖，η是行為序列的總幀數；S2、通過降維方法對所述基于光流上下文直方圖進行降維；S3、將經過降維后的元素輸入學習方法通過學習得到用于識別異常行為序列類別的識別向量；S4、計算待檢測視頻的行為序列對應的基于光流上下文直方圖序列；S5、通過降維方法對所述待檢測視頻的行為序列對應的基于光流上下文直方圖進行降維；S6、對經過降維后的元素進行計算得到測試向量；S7、根據所述測試向量和識別向量確定待檢測視頻中行為序列的類別。其中，所述步驟S1、S4中基于光流上下文直方圖序列的具體生成步驟包括:從每個視頻幀中提取光流點，把光流點按照光流的強度和方向分布到極坐標系(r，Θ)中相應的位置，其中，r代表光流強度，Θ代表光流方向，光流強度最大值為Mmax被等分成P部分，光流...
【技術保護點】
一種基于光流上下文直方圖的異常行為檢測方法，其特征在于，包括：S1、計算多個有異常行為和無異常行為視頻中每個視頻的行為序列對應的基于光流上下文直方圖序列S={F1,F2,..,Fi，...,Fn}，其中，Fi是第i視頻幀的基于光流上下文直方圖，n是行為序列的總幀數；S2、通過降維方法對所述基于光流上下文直方圖進行降維；S3、將經過降維后的元素輸入學習方法通過學習得到用于識別異常行為序列類別的識別向量；S4、計算待檢測視頻的行為序列對應的基于光流上下文直方圖序列；S5、通過降維方法對所述待檢測視頻的行為序列對應的基于光流上下文直方圖進行降維；S6、對經過降維后的元素進行計算得到測試向量；S7、根據所述測試向量和識別向量確定待檢測視頻中行為序列的類別。
【技術特征摘要】
1.一種基于光流上下文直方圖的異常行為檢測方法，其特征在于，包括: S1、計算多個有異常行為和無異常行為視頻中每個視頻的行為序列對應的基于光流上下文直方圖序列S= (F1, F2,..，Fi,...，FJ，其中，Fi是第i視頻幀的基于光流上下文直方圖，η是行為序列的總幀數； S2、通過降維方法對所述基于光流上下文直方圖進行降維； S3、將經過降維后的元素輸入學習方法通過學習得到用于識別異常行為序列類別的識別向量； S4、計算待檢測視頻的行為序列對應的基于光流上下文直方圖序列； S5、通過降維方法對所述待檢測視頻的行為序列對應的基于光流上下文直方圖進行降維； S6、對經過降維后的元素進行計算得到測試向量； S7、根據所述測試向量和識別向量確定待檢測視頻中行為序列的類別。2.根據權利要求1所述的一種基于光流上下文直方圖的異常行為檢測方法，其特征在于，所述步驟S1、S4中基于光流上下文直方圖序列的具體生成步驟包括: 從每個視頻幀中提取光流點，把光流點按照光流的強度和方向分布到極坐標系(r，Θ)中相應的位置，其中，r代表光流強度，Θ代表光流方向，光流強度最大值為Mmax被等分成P部分，光流方向360度被等分成q部分； 計算每個視頻幀在每個位置上的光流點的總數，得到每個視頻幀的基于光流上下文直 方圖..，H2^1,...，Hi^,..，HpJ，其中，Hh 代表強度在3.根據權利要求1所述的一種基于光流上下文直方圖的異常行為檢測方法，其特征在于，所述學習方法為隨機森林、支持向量機、或貝葉斯網絡。4.一種基于光流上下文直方圖的異常行為檢測系統，其特征在于，包括直方圖序列計算單元、降維單元、識別向量生成單元、測...
【專利技術屬性】
技術研發人員：陳雁，周勇，胡祝銀，林必毅，汪勇，
申請(專利權)人：深圳市賽為智能股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。