[发明专利]基于人体骨架和运动信号特征的暴力行为检测系统及方法

说明书

本发明涉及视频图像处理技术，其公开了一种基于人体骨架和运动信号特征的暴力行为检测方法，提高检测的实时性和准确性，且能适应多种不同的监测环境。该方法包括：a.按一定时间间隔连续提取3帧，然后根据相邻两帧的帧差求取人体骨架的关键部位像素的位移向量，提取其中运动的像素，并进行运动区域划分；b.根据每张图中的运动区域数量和方向对运动类型进行分类；c.计算每个运行类型分类下图片的运动信号的统计量；d.将运动信号的统计量作为特征输入到训练好的SVM模型中进行暴力行为的预测。此外，本发明还提供了一种基于人体骨架和运动信号特征的暴力行为检测系统，适用于多种应用场景。

技术领域

本发明涉及视频图像处理技术，具体涉及一种基于人体骨架和运动信号特征的暴力行为检测系统及方法。

背景技术

随着监控系统的大量使用，视频数据出现爆发性的增长。监控系统的作用是进行目标检测以及异常行为检测。随着数据的急剧增长，传统的依靠人工监控的方式已愈发困难，且效率低下。因此，依靠人工智能的监控系统的研究成为了热点。其中，对于人的暴力行为的检测是非常重要的研究方向。

由于暴力行为的动作比起简单的跑、跳行为要复杂很多，所以如何进行暴力行为检测也是相关研究的难点。目前，传统的暴力行为检测主要是采用基于人工设计特征的方法，虽然识别准确率较高，但是也具有某些缺陷，比如：不能达到实时的效果，易受噪声的影响等。

发明内容

本发明所要解决的技术问题是：提出一种基于人体骨架和运动信号特征的暴力行为检测系统及方法，提高检测的实时性和准确性，且能适应多种不同的监测环境。

本发明解决上述技术问题所采用的技术方案是：基于人体骨架和运动信号特征的暴力行为检测系统，包括：运动区域提取模块、运动类型分类模块、运动信号统计模块和图像预测模块；

所述运动区域提取模块，用于按一定时间间隔连续提取3帧；然后根据相邻两帧的帧差求取人体骨架的关键部位像素的位移向量，提取其中运动的像素，并进行运动区域划分；

所述运动类型分类模块，用于根据每张图中的运动区域数量和方向对运动类型进行分类；

所述运动信号统计模块，用于计算每个运行类型分类下图片的运动信号的统计量；

所述图像预测模块，用于将运动信号的统计量作为特征输入到训练好的SVM模型中进行暴力行为的预测。

作为进一步优化，所述运动区域提取模块采用k-means聚类方法进行运动区域的划分。

作为进一步优化，所述运动类型分类模块将运动类型分为：单运动区域、多运动区域同向和多运动区域不同向三类。

作为进一步优化，所述运动信号统计模块计算的运动信号的统计量包括：分别计算幅度、加速度、关联度的最大值、最小值、均值、中值和标准差。

作为进一步优化，所述运动区域提取模块、运动类型分类模块、运动信号统计模块和图像预测模块均被部署于同一个服务器中；或者，运动区域提取模块、运动类型分类模块和运动信号统计模块被部署于同一个服务器中，所述图像预测模块被部署于另一个服务器中。

此外，本发明还提供了一种基于人体骨架和运动信号特征的暴力行为检测方法，其包括以下步骤：

a.按一定时间间隔连续提取3帧，然后根据相邻两帧的帧差求取人体骨架的关键部位像素的位移向量，提取其中运动的像素，并进行运动区域划分；

b.根据每张图中的运动区域数量和方向对运动类型进行分类；

c.计算每个运行类型分类下图片的运动信号的统计量；

d.将运动信号的统计量作为特征输入到训练好的SVM模型中进行暴力行为的预测。