[发明专利]一种基于高斯混合模型的视频中异常行为在线检测方法

权利要求书

1.一种基于高斯混合模型的视频中异常行为在线检测方法，其特征在于，包括以下步骤：

从视频中提取原图像序列，对原图像序列中的每张图像执行步骤一至步骤四：

步骤一，合成原图像的低分辨率图像，得到原图像和低分辨率图像两种不同分辨率下的图像；

步骤二，利用Lucas-Kanade算法分别计算原图像和低分辨率图像中的光流并对得到的光流进行噪声处理；

步骤三，分别按照原图像和低分辨率图像各自的划分方法将这两种图像划分成M×N个图像块，M，N取值范围自然数；

步骤四，为原图像和低分辨率图像中每个图像块计算对应的高斯混合模型：首先对图像块中的光流聚类，得到K个聚类中心，然后设置该图像块对应的高斯混合模型所包含的高斯分量数目为K，利用最大似然估计算法计算高斯混合模型中的最大似然估计值，得到该图像块对应的高斯混合模型；

步骤五，分别对原图像序列和低分辨率图像序列中相同位置处的图像块合成标准高斯混合模型：首先聚类图像块序列对应的高斯混合模型序列，然后选择聚类结果中包含高斯混合模型最多的聚类中心作为该图像块序列的标准高斯混合模型；

步骤六，将原图像序列的下一张图像作为待检测图像，按照步骤一至步骤四计算待检测图像中每个图像块的高斯混合模型；

步骤七，判断待检测图像中每个图像块是否存在异常行为；

步骤八，标记异常图像块并输出。

2.根据权利要求1所述的一种基于高斯混合模型的视频中异常行为在线检测方法，其特征在于，步骤四包括以下步骤：

利用Mean Shift聚类算法对图像块中的光流聚类，得到K个聚类中心以及每个类别中包含的光流数目；

使用高斯混合模型描述图像块中光流的分布，其中高斯混合模型表示为：

G(v)=Σk=1KωkNk(v|uk,Σk),]]>

其中，K表示高斯混合模型中高斯分量的数目，值等于光流聚类中心的数量，参数k取值1～K，ω_k表示高斯混合模型中第k个高斯分量的权重，初始化为第k个类别中包含光流数目的比例，v表示光流，Ν_k(v|u_k,Σ_k)表示第k个高斯分量，u_k和Σ_k表示第k个高斯分量的均值和协方差矩阵；

利用最大似然估计算法，学习得到K个高斯混合模型的参数ω_k，u_k，Σ_k，最终得到。