一种人体目标奔跑行为检测方法技术

本发明专利技术涉及一种人体目标奔跑行为检测方法。首先检测视频中的运动目标，然后判别运动目标是否为人体，对于人体目标，提取运动矢量特征，采用支持向量机（SVM）方法进行特征分类，判断人体是否处于奔跑状态。提出基于人体分析和运动分析的人体奔跑行为检测方法，智能检测监控视频中是否存在人体奔跑行为，可以降低依靠人工辨别人体奔跑行为易出现的漏警现象，以及仅基于运动矢量等特征检测人体奔跑行为易出现的虚警现象，提高智能监控系统的安全性和智能化水平。

【技术实现步骤摘要】

本专利技术设及，属于行为识别

技术介绍
人体奔跑行为常伴随着打架、抢劫、偷窃等犯罪行为，及时发现人体奔跑行为有助 于降低行为危害，对维护他人生命财产安全及社会稳定有积极意义。 随着视频监控技术的飞速发展，基于视频检测监控场景中的人体奔跑行为成为主 流。然而目前视频监控技术的智能化水平较低，主要依靠人工辨别来检测监控视频中的奔 跑行为。由于大多监控室内都有许多监控屏幕，值班人员很难兼顾所有待监控场所，再加上 值班人员疲劳或者疏忽，经常会遗漏许多可疑目标，给监控场所带来重大损失。值我国大力 推进"智慧城市"建设之际，人体奔跑行为智能检测系统需求非常旺盛。采用视频分析技术 智能检测监控视频中的奔跑行为是解决奔跑行为智能检测的有效途径之一，文献"基于改 进化矩的异常行为识别（计算机技术与发展，2009)"提出一种基于改进化矩的异常行为识 别算法，可W识别挪跳、奔跑、摔倒、下蹲、挥手和手拿异物六种可疑行为，但该方法需要提 取较为精细的人体轮廓，在实际监控场景中难W实现。
技术实现思路
本专利技术所要解决的技术问题在于提出一种基于人体分析和运动分析的人体奔跑 行为检测方法，首先检测视频中的运动目标，然后判别运动目标是否为人体，对于人体目 标，提取运动矢量特征，采用支持向量机（SVM)方法进行特征分类，判断人体是否处于奔跑 状态。 为实现上述的专利技术目的，本专利技术采用下述的技术方案，流程图如图1所示： 1、融合运动侦测和人体分析的运动人体目标检测方法 奔跑行为的主体是运动的人体目标，因此，在行为识别前检测运动人体目标区域，可W减少复杂环境对行为识别的干扰，从而降低虚警率。 人体检测方面目前误检率较低的是基于HOG特征和Adaboost分类的人体检测方 法，详见"Histogramsoforientedgradientsforhumandetection(CVPR，2005)"。但 在复杂环境下该方法的虚警率也较高，而且处理速度较慢。为此，本专利技术提出融合运动侦测 和人体分析的运动人体目标检测方法，首先采用改进的帖差分快速检测运动目标，然后在 运动目标区域进行人体分析，具体是先基于目标的形状特征快速筛选出疑似人体目标，然 后仅针对疑似人体目标区域提取HOG特征，采用Adaboost方法进行分类，确定疑似人体目 标区域是否包含人体。为提高处理速度，还对HOG特征提取部分进行改进，在固定的尺度上 提取特征，降低多尺度计算耗时。具体步骤如下： Stepl取相邻S帖图像Ik、Ik-i、Ik-2,分别计算帖差数据Ei、E2; &化/)=144(;，店-40，/>1【主权项】1. ，基于人体分析和运动分析的人体奔跑行为检测 方法，其特征在于，首先检测视频中的运动目标，然后判别运动目标是否为人体，对于人体 目标，提取运动矢量特征，采用支持向量机SVM方法进行特征分类，判断人体是否处于奔跑 状态，具体步骤如下： (1 )、融合运动侦测和人体分析的运动人体目标检测方法 首先采用改进的帧差分快速检测运动目标，然后在运动目标区域进行人体分析，具体 是先基于目标的形状特征快速筛选出疑似人体目标，然后仅针对疑似人体目标区域提取 HOG特征，采用Adaboost方法进行分类，确定疑似人体目标区域是否包含人体，为提高处理 速度，还对HOG特征提取部分进行改进，在固定的尺度上提取特征，降低多尺度计算耗时； (2)、基于运动矢量和SVM分类的人体奔跑行为检测方法 基于运动矢量和SVM分类的人体奔跑行为检测方法，提取运动矢量的方向和模值特 征，用其区分奔跑行为和行走、打斗其他行为，要检测的是奔跑行为，故提取的运动矢量特 征与文献中的斗殴行为不同，用于反映运动速度和方向一致性，增强奔跑行为与其他行为 之间的区分能力，采用SVM分类方法进行特征训练和分类。2. 根据权利要求1所述的，其特征在于，所述融合运 动侦测和人体分析的运动人体目标检测方法具体步骤如下： Stepl取相邻三帧图像Ik、I1^ Ik_2，分别计算帧差数据Ep E2:其中，（U)为任一像素点坐标； St印2采用OTSU法分别求取帧差数据En E2的自适应阈值T i、T2; Sep3采用"与"操作获取二值图像MR，任一像素点& J)处的值为：Step4采用数学形态学的"顶帽变换"方法对二值图像MR进行滤波，然后采用8-邻接 连通方法搜索和标记各个目标区域； St印5遍历任一目标区域，提取运动目标的形状特征./；、.Λ :其中，W、H分别表示目标区域的宽度和高度，N表示目标区域中值不为零的像素点总 数，遍历结束后退出当前帧检测； St印6如果Z1、名不满足条件<50，则判定当前运动目标区域不包含人体， 转到Step5,否则进行下一步； Step7采用最近邻法将当前运动区域的灰度图像缩放到5个固定尺度上，提取HOG特 征，采用Adaboost方法进行分类，检测人体目标，如果没有检测到人体目标，转到Step5,否 则进行下一步； StepS对于包含人体目标的区域，继续进行行为分析，检测是否存在奔跑行为。3.根据权利要求1所述的，其特征在于，所述基于运 动矢量和SVM分类的人体奔跑行为检测方法具体步骤如下： Stepl运动矢量计算，采用块匹配算法计算运动人体区域的运动矢量，其中，运动区域 被划分为4X4的宏块，块匹配的搜索策略采用三步搜索法TSS，最佳匹配准则采用均方误 差准则：Step2运动特征提取，首先提取运动方向特征/3、/+ :其中，4表示运动矢量的方向，P闲）表示运动目标区域内运动矢量方向的直方图统 计，假设第i个宏块的运动矢量为A%)，对应的角度q为：A取值范围为〇度~360度，这里将360度等分为16个区间，得到运动方向肖，肖为整 数，取值范围为; 然后提取运动模值特征/5、/6 :St印3特征分类，对行为特征/3 ~ /e，采用SVM方法进行分类，SVM的核函数选用径向 基函数：在特征训练阶段，依据上述特征提取方法，人工提取不同姿态下人体奔跑的行为特征 和真实监控场景中的非奔跑行为特征，采用SVM算法进行训练，得到奔跑行为检测分类器， 在特征分类阶段，依据上述方法提取当前帧特征，输入分类器进行分类，如果分类结果为 正，表明当前帧存在人体奔跑行为，此时自动发出声光等警示信息，提醒值班人员及时处 理；否则，继续检测。【专利摘要】本专利技术涉及。首先检测视频中的运动目标，然后判别运动目标是否为人体，对于人体目标，提取运动矢量特征，采用支持向量机（SVM）方法进行特征分类，判断人体是否处于奔跑状态。提出基于人体分析和运动分析的人体奔跑行为检测方法，智能检测监控视频中是否存在人体奔跑行为，可以降低依靠人工辨别人体奔跑行为易出现的漏警现象，以及仅基于运动矢量等特征检测人体奔跑行为易出现的虚警现象，提高智能监控系统的安全性和智能化水平。【IPC分类】G06K9-00, G06K9-62【公开号】CN104866841【申请号】CN201510300834【专利技术人】谢剑斌, 刘通, 闫玮, 李沛秦 【申请人】中国人民解放军国防科学技术大学【公开日】2015年8月26日【申请日】2015年6月5日本文档来自技高网...

【技术保护点】
一种人体目标奔跑行为检测方法，基于人体分析和运动分析的人体奔跑行为检测方法，其特征在于，首先检测视频中的运动目标，然后判别运动目标是否为人体，对于人体目标，提取运动矢量特征，采用支持向量机SVM方法进行特征分类，判断人体是否处于奔跑状态，具体步骤如下：（1）、融合运动侦测和人体分析的运动人体目标检测方法首先采用改进的帧差分快速检测运动目标，然后在运动目标区域进行人体分析，具体是先基于目标的形状特征快速筛选出疑似人体目标，然后仅针对疑似人体目标区域提取HOG特征，采用Adaboost方法进行分类，确定疑似人体目标区域是否包含人体，为提高处理速度，还对HOG特征提取部分进行改进，在固定的尺度上提取特征，降低多尺度计算耗时；（2）、基于运动矢量和SVM分类的人体奔跑行为检测方法基于运动矢量和SVM分类的人体奔跑行为检测方法，提取运动矢量的方向和模值特征，用其区分奔跑行为和行走、打斗其他行为，要检测的是奔跑行为，故提取的运动矢量特征与文献中的斗殴行为不同，用于反映运动速度和方向一致性，增强奔跑行为与其他行为之间的区分能力，采用SVM分类方法进行特征训练和分类。

【技术特征摘要】

【专利技术属性】
技术研发人员：谢剑斌，刘通，闫玮，李沛秦，
申请(专利权)人：中国人民解放军国防科学技术大学，
类型：发明
国别省市：湖南;43