[发明专利]一种基于监控系统的人体异常行为识别方法

说明书

技术领域

本发明涉及一种监控系统异常行为识别方法，特别是一种基于监控系统的人体异常行为识别方法。

背景技术

现在工业的监控系统大多只是进行场景内运动目标的检测或跟踪，对场景中的异常事件或人的异常行为作进一步的检测和分析的比较少。现有的基于监控系统的异常检测方法主要通过基于模型的方法进行监测判断，这种方式首先需要确定某种准则，然后从图像序列中提取运动目标的外形、运动等信息，根据这些所获得的特征信息人工或者使用半监督的方法定义正常行为的模型，通常选用图模型进行对由序列图像特征所表示的状态进行建模，那些不匹配正常行为模型的观测均被认为是异常的，通过人工进行观测不仅容易造成判断失误，还会影响判断识别的速度，同时也增加了人力成本；从图像序列中提取运动目标的外形、运动等信息时，传统的高斯背景模型是直接在RGB颜色空间做统一处理，另外，由于人的轮廓是不规则的弧形，对人物的运动检测一般应用于室外，而室外的光线是经常性改变的，因此前景图像会出现不连续的空洞现场，造成前景图像清晰度较低，影响后续的异常行为识别。因此，现有的技术存在着前景图像清晰度较差以及容易出现异常行为的误判的问题。

发明内容

本发明的目的在于，提供一种基于监控系统的人体异常行为识别方法。本发明具有能够改善前景图像清晰度以及提高异常行为判断精准度的特点。

本发明的技术方案：一种基于监控系统的人体异常行为识别方法，包括以下步骤：

(1)样本图像输入；

(2)前景提取：利用背景差分法将样本图形中运动目标与背景分离出来，得到运动目标的轮廓或者整体区域；

(3)背景更新：通过自适应的高斯混合模型对步骤(2)中得到的运动目标的轮廓或者整体区域进行建模，根据实际情况对高斯混合模型中的不同参数进行动态调节，完成背景更新，得到前景图像；

(4)前景图像的去噪处理：使用RGB颜色空间三通道分离法对前景图像进行去噪处理，再利用去噪处理算法对噪点进行处理，得到去噪后的前景图像；

(5)运动目标跟踪记录：通过Mean-Shift目标跟踪算法对去噪后的前景图像进行跟踪，并记录运动目标的运动信息；

(6)行为特征的提取：根据步骤(5)中记录的运动目标的运动信息，利用背景差分法提取运动目标的运动区域，再根据运动目标的运动行为选取具有特征的前景图像；

(7)建立标准行为数据库：利用步骤(6)采集到的具有特征的前景图像中的运动目标样板，按照每种行为的不同进行相关的学习并建模，建立起对应的标准行为模型并分类保存到模型数据库中，构建标准行为数据库；

(8)结果分析与异常判定：利用加权Hu不变矩的相似性比较算法，对步骤(6)中提取到的具有特征的前景图像与标准行为数据库中预定义的正常行为进行比较，计算出待识别行为和预先定义行为的最小距离，将最小距离与设置阈值进行比较。

(9)异常报警：对异常行为紧凑的跟踪、标记并报警。

前述的一种基于监控系统的人体异常行为识别方法中，所述步骤(3)中的高斯混合模型是由K个高斯分布构成，将第j个高斯分布的权重系数w_j,N代入公式计算得出某一像素点像素值的概率，其中x_N表示某一像素点在第N帧的像素值，K的取值为3-5。

前述的一种基于监控系统的人体异常行为识别方法中，所述η(x_N；θ_j,N)经公式

计算得出；将R通道的和值μ_j,N^R、G通道的和值μ_j,N^G和B通道的和值μ_j,N^B代入公式μ_j,N＝(μ_j,N^R,μ_j,N^G,μ_j,N^B)，计算得出在第N帧时第j部分的均值μ_j,N；

将R通道的方差G通道的方差和B通道的方差代入公式得出在第N帧时第j部分的协方差，其中n为像素值提取的次数。

前述的一种基于监控系统的人体异常行为识别方法中，所述步骤(3)中高斯混合模型的参数更新，具体包括以下步骤：

(3.1)匹配检验：