[发明专利]一种基于光流算法的异常行为检测方法

说明书

本发明公开了一种基于光流算法的异常行为检测方法，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，解决了现有技术中存在的容易出现异常行为的误判的问题。

技术领域

本发明属于智能视频监控技术领域，涉及一种基于光流算法的异常行为检测方法。

背景技术

目前，停车场、火车站等公共场合将异常行为定义如下：与人体正常行走行为不同的具有运动速度快，运动方向杂乱特点的打架、抢劫行为定义为异常行为。

近些年来，很多公共场合经常发生一些打架、抢劫等快速的带有违法犯罪性质的行为，如停车场，火车站，商场等，这些行为严重地扰乱了社会公共秩序，同时也给人们带来很多人身伤害和财产损失。为了把危害降到最低，视频监控的研究也日渐得到关注。停车场、火车站，商场各种公共场合安装着无数的摄像头，给社会的安全带来了保障。如果在一些人口密集的公共场合，智能监控系统在检测到异常情况下及时报警，可以有效保证广大群众的生命财产安全。

人体异常行为一般表现为运动速度异常和运动方向异常，传统的检测方法为特征提取方法存在检测效果不佳、容易出现异常行为的误判、计算方法复杂等问题。

发明内容

本发明的目的是提供一种基于光流算法的异常行为检测方法，解决了现有技术中存在的容易出现异常行为的误判的问题。

本发明所采用的技术方案是，一种基于光流算法的异常行为检测方法，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。

本发明的特点还在于：

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。

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

步骤2.2中，横坐标设置为12个区间。

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；