[发明专利]一种基于光流算法的异常行为检测方法

权利要求书

1.一种基于光流算法的异常行为检测方法，其特征在于，具体按照以下步骤实施：

步骤1、光流算法提取光流信息：采用Farneback密集光流算法提取人体运动时产生的光流信息；

步骤2、行为特征的提取：将步骤1提取到的光流信息统计成方向幅值直方图；

步骤3、结果分析和异常判定：通过计算直方图的方向和幅值熵来判断是否发生异常行为，直方图的方向和幅值熵越大，说明当前运动越混乱，表示发生异常行为的可能性越大。

2.根据权利要求1所述的一种基于光流算法的异常行为检测方法，其特征在于，所述步骤2具体按照以下步骤实施：

步骤2.1：平面直角坐标转换成极坐标

通过Farneback密集光流算法计算得到的帧间光流场是从视频图像得到的原始特征，一个光流矢量可以用一个四维的向量(x,y,u,v)表示，其中(x,y)表示图像中光流矢量的空间位置信息，而(u,v)分别表示光流矢量在水平方向和垂直方向上的分量的大小；

步骤2.2：利用Matlab软件将光流的矢量信息转化为直方图

采用方向幅值直方图来描述人体运动时的行为，横坐标设置为若干个区间，每个区间的大小为纵坐标代表每个区间上幅值大小的统计值。

3.根据权利要求2所述的一种基于光流算法的异常行为检测方法，其特征在于，所述步骤2.1中，将光流矢量分量(u,v)从平面直角坐标形式转化成极坐标下的(r,θ)形式，经过计算分析可以得到光流的大小光流的方向

4.根据权利要求2所述的一种基于光流算法的异常行为检测方法，其特征在于，所述步骤2.2中，横坐标设置为12个区间。

5.根据权利要求2所述的一种基于光流算法的异常行为检测方法，其特征在于，所述步骤3具体按照以下步骤实施：

步骤3.1：设第i区间的幅值为h_i，i区间的方向次数总和为s_i，计算方向和幅值的熵之前，首先要计算出各区间的方向和幅值的概率，计算公式如下：

S_dir：方向幅值直方图方向次数的总和；

S_hyp：方向幅值直方图幅值的总和；

方向熵和幅值熵计算公式如下：

方向熵：

幅值熵：

方向熵，幅值熵均为判断是否存在异常行为的重要因素之一，所以可以将二者整合为一个式子，表示为以下式子：

W＝E_S×E_h；

W越大，说明当前运动越混乱，表示发生异常行为的可能性越大。