异常行为检测方法和装置制造方法及图纸

本发明专利技术提供一种异常行为检测方法和装置。该方法包括：对实时采集的待检测三维视频中未确定行为类型的多个待检测运动目标的行为进行分析，获取每个待检测运动目标的行为特征，行为类型包括正常和异常行为，行为特征包括三维空间信息和时间点信息；根据待检测运动目标的行为特征构建对应的待检测行为特征模型；将待检测行为特征模型与数据库中已确定行为类型的样本行为特征模型进行比较，确定数据库中与待检测行为特征模型相似度最大的样本行为特征模型对应的行为类型为待检测运动目标的行为类型。本发明专利技术提供的异常行为检测方法和装置，避免了由于行人之间遮挡严重导致的对运动目标行为特征的分析误差较大，检测结果的准确性较低的问题。

【技术实现步骤摘要】
异常行为检测方法和装置
本专利技术涉及图像处理和模式识别
，尤其涉及一种异常行为检测方法和装置。
技术介绍
异常行为检测技术通常应用于行人较多的公共场合（如商场、医院、地铁站内等）的视频监控系统中，当监控场景中发生异常事件（如打架、群殴、游行等）时，能及时告警，以便监控人员及时做出反应与处理，避免对公共财产安全、当事人的人身安全以及社会和谐造成危害。目前，对异常行为的检测通常基于传统摄像机采集的二维视频图像，具体过程如下：首先对二维样本视频中的已确定行为类型（正常行为或异常行为）的多个运动目标的行为进行分析，获取每个运动目标的行为特征（二维空间信息和时间点信息），并构建每个运动目标的行为特征模型存入数据库。然后对实时采集到的待检测二维视频中的多个运动目标的行为进行分析，获取每个运动目标的行为特征（二维空间信息和时间点信息），并构建对应的行为特征模型，并和数据库中的行为特征模型进行比对，选取数据库中与该运动目标相似度最大的行为特征模型对应的行为类型（正常行为或异常行为）作为检测结果。但现有技术存在如下缺陷：在行人较多的监控场景中，由于行人之间遮挡严重，导致对运动目标行为特征的分析误差较大，检测结果的准确性较低。
技术实现思路
本专利技术提供一种异常行为检测方法和装置，用以解决现有技术中存在的在行人较多的监控场景中，检测结果的准确性较低的问题。一方面，本专利技术提供了一种异常行为检测方法，包括：对实时采集的待检测三维视频中未确定行为类型的多个待检测运动目标的行为进行分析，获取每个所述待检测运动目标的行为特征，所述行为类型包括正常行为和异常行为，所述行为特征包括三维空间信息和时间点信息；根据所述待检测运动目标的所述行为特征构建与所述待检测运动目标对应的待检测行为特征模型；将所述待检测行为特征模型与数据库中已确定行为类型的样本行为特征模型进行比较，确定所述数据库中与所述待检测行为特征模型相似度最大的所述样本行为特征模型对应的行为类型为所述待检测运动目标的行为类型。另一方面，本专利技术提供了一种异常行为检测装置，包括：获取模块，用于对实时采集的待检测三维视频中未确定行为类型的多个待检测运动目标的行为进行分析，获取每个所述待检测运动目标的行为特征，所述行为类型包括正常行为和异常行为，所述行为特征包括三维空间信息和时间点信息；构建模块，用于根据所述待检测运动目标的所述行为特征构建与所述待检测运动目标对应的待检测行为特征模型；确定模块，用于将所述待检测行为特征模型与数据库中已确定行为类型的样本行为特征模型进行比较，确定所述数据库中与所述待检测行为特征模型相似度最大的所述样本行为特征模型对应的行为类型为所述待检测运动目标的行为类型。本专利技术提供的异常行为检测方法和装置，通过获取待检测运动目标的包括三维空间信息的行为特征，并构建对应的待检测行为特征模型，将构建的待检测行为特征模型与数据库中已确定行为类型的样本行为特征模型进行比较，确定数据库中与待检测行为特征模型相似度最大的样本行为特征模型对应的行为类型为待检测运动目标的行为类型，由于三维空间信息中包含了深度信息，避免了在行人较多的监控场景中，由于行人之间遮挡严重导致的对运动目标行为特征的分析误差较大，检测结果的准确性较低的问题。附图说明图1为本专利技术提供的异常行为检测方法一个实施例的流程示意图；图2为本专利技术提供的异常行为检测方法又一个实施例的流程示意图；图3为本专利技术提供的异常行为检测装置一个实施例的结构示意图。具体实施方式下面通过具体的实施例及附图，对本专利技术的技术方案做进一步的详细描述。图1为本专利技术提供的异常行为检测方法一个实施例的流程示意图。如图1所示，该方法具体可以包括：S101，对实时采集的待检测三维视频中未确定行为类型的多个待检测运动目标的行为进行分析，获取每个待检测运动目标的行为特征，行为类型包括正常行为和异常行为，行为特征包括三维空间信息和时间点信息。具体的，可以采用三维（3Dimensional，简称3D）体感摄影机实时采集监控场景中不同方向、不同角度、不同照明条件下的多段视频（包括RGB视频和深度视频），即待检测三维视频。对待检测三维视频中未确定行为类型（包括正常行为和异常行为）的多个待检测运动目标（即行人）的行为进行分析，具体可以采用尺度不变特征变换（ScaleInvariantFeatureTransform，简称SIFT）算法或快速鲁棒特征（SpeedUpRobustFeatures，简称SURF）算法，以及光流法提取每个待检测运动目标的行为特征。行为特征包括根据RGB视频提取的二维空间信息和时间点信息，还包括根据深度视频提取的深度信息和时间点信息，深度信息和二维空间信息共同构成了三维空间信息。S102，根据待检测运动目标的行为特征构建与待检测运动目标对应的待检测行为特征模型。具体的，可以采用隐马尔可夫（HiddenMarkovModel，简称HMM）模型构建与每个待检测运动目标对应的待检测行为特征模型，隐马尔可夫模型包括5个参数：隐含状态、可观测状态、初始状态概率矩阵、隐含状态转移概率矩阵和观测状态转移概率矩阵。S103，将待检测行为特征模型与数据库中已确定行为类型的样本行为特征模型进行比较，确定数据库中与待检测行为特征模型相似度最大的样本行为特征模型对应的行为类型为待检测运动目标的行为类型。具体的，将待检测行为特征模型与数据库中的每个样本行为特征模型分别进行比较，确定与待检测行为特征模型相似度最大的样本行为特征模型。若待检测行为特征模型和样本行为特征模型均采用的隐马尔可夫模型，则确定与待检测行为特征模型转移概率和最大的样本行为特征模型为与待检测行为特征模型相似度最大的样本行为特征模型。若确定的该样本行为特征模型对应的行为类型为正常行为，则确定与该待检测行为特征模型对应的待检测运动目标的行为类型为正常行为；若确定的该样本行为特征模型对应的行为类型为异常行为，则确定与该待检测行为特征模型对应的待检测运动目标的行为类型为异常行为。此处需要说明的是，若确定待检测运动目标行为类型为异常行为，则还可以采取相应的措施，例如录像、报警等。其中，数据库中已确定行为类型的样本行为特征模型具体可以采用如下步骤S1031-S1033得到：S1031，对预先采集的三维样本视频中已确定行为类型的多个样本运动目标的行为进行分析，获取每个样本运动目标的行为特征。S1032，根据样本运动目标的行为特征构建与样本运动目标对应的样本行为特征模型。具体的，步骤S1031和S1032的具体过程可以参见步骤S101和S102的相关描述，区别仅在于预先采集的三维样本视频中多个样本运动目标的行为类型已人为确定。S1033，建立样本行为特征模型和对应的样本运动目标的行为类型之间的第一映射关系，并在数据库中存储第一映射关系。具体的，建立样本行为特征模型和对应的样本运动目标的行为类型之间的第一映射关系，并在数据库中存储第一映射关系，即在数据库中存储已确定行为类型的样本行为特征模型。本实施例提供的异常行为检测方法，通过获取待检测运动目标的包括三维空间信息的行为特征，并构建对应的待检测行为特征模型，将构建的待检测行为特征模型与数据库中已确定行为类型的样本行为特征模型进行比较，确定数据库中与本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常行为检测方法，其特征在于，包括：对实时采集的待检测三维视频中未确定行为类型的多个待检测运动目标的行为进行分析，获取每个所述待检测运动目标的行为特征，所述行为类型包括正常行为和异常行为，所述行为特征包括三维空间信息和时间点信息；根据所述待检测运动目标的所述行为特征构建与所述待检测运动目标对应的待检测行为特征模型；将所述待检测行为特征模型与数据库中已确定行为类型的样本行为特征模型进行比较，确定所述数据库中与所述待检测行为特征模型相似度最大的所述样本行为特征模型对应的行为类型为所述待检测运动目标的行为类型；所述对实时采集的待检测三维视频中未确定行为类型的多个待检测运动目标的行为进行分析之前，还包括：对预先采集的三维样本视频中已确定所述行为类型的多个样本运动目标的行为进行分析，获取每个所述样本运动目标的所述行为特征；根据所述样本运动目标的所述行为特征构建与所述样本运动目标对应的样本行为特征模型；建立所述样本行为特征模型和对应的所述样本运动目标的行为类型之间的第一映射关系，并在所述数据库中存储所述第一映射关系；所述将所述待检测行为特征模型与数据库中已确定行为类型的样本行为特征模型进行比较之前，还包括：根据所述待检测行为特征模型，判断所述待检测运动目标是否为可疑运动目标；相应的，所述将所述待检测行为特征模型与数据库中已确定行为类型的样本行为特征模型进行比较，确定所述数据库中与所述待检测行为特征模型相似度最大的所述样本行为特征模型对应的行为类型为所述待检测运动目标的行为类型，具体为：将与所述可疑运动目标对应的所述待检测行为特征模型与所述数据库中已确定所述行为类型的所述样本行为特征模型进行比较，确定所述数据库中与所述可疑运动目标对应的所述待检测行为特征模型相似度最大的所述样本行为特征模型对应的行为类型为所述待检测运动目标的行为类型；其中，所述根据所述待检测行为特征模型，判断所述待检测运动目标是否为可疑运动目标，具体为：根据所述待检测行为特征模型，计算所述待检测运动目标的隐含状态变化，并确定所述隐含状态变化大于第一用户预设值的所述待检测运动目标为所述可疑运动目标；或者，根据所述待检测行为特征模型，计算任意两个所述待检测运动目标之间的距离，确定所述距离小于第二用户预设值且深度信息相同的两个所述待检测运动目标为所述可疑运动目标。2.根据权利要求1所述的方法，其特征在于，...

【专利技术属性】
技术研发人员：明悦，范春晓，吴岳辛，贾哲，徐伟琳，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：