[发明专利]一种监控视频中人群异常行为检测方法、装置及计算设备

说明书

本申请公开了一种监控视频中人群异常行为检测方法、装置及计算设备。所述方法包括：从原始视频序列的外观和前景两个通道分别提取场景级运动特征；采用SDAE学习所述场景级运动特征；采用DBN‑PSVM组件识别所述SDAE的输出结果中的异常事件，并对所述异常事件进行评分；根据所述两个通道的异常事件的评分给出人群异常行为检测结果。所述装置包括：特征提取模块、学习模块、识别模块和检测模块。所述计算设备包括存储器、处理器和存储在所述存储器内并能由所述处理器运行的计算机程序，其中，所述处理器执行所述计算机程序时实现本申请所述的方法。

技术领域

本申请涉及图像处理领域，特别是涉及监控视频中的人群异常行为检测技术。

背景技术

现有的基于深度学习的视频监控中异常人群检测技术中，有些只使用了短期的外观和动作信息，不能完全表征涉及复杂语境的视频中的活动，还有一些使用高级深度学习模型(例如带有时间数据的全卷积神经网络FCNS或卷积神经网络CNN等)，计算复杂度较高。虽然目前已有一些基于深度学习的异常检测方法，但大多数都只使用了短期的外观和运动信息，而不是使用视频中上下文环境，因此只能针对普通的异常对象(例如静止到站立和在人群中闲逛等异常活动等)检测，此外，它们不能保证高速、低计算复杂度或两者兼而有之。

发明内容

本申请的目的在于克服上述问题或者至少部分地解决或缓减解决上述问题。

根据本申请的一个方面，提供了一种监控视频中人群异常行为检测方法，包括：

利用一个场景级运动特征通道从原始视频图像序列中提取行人的运动轨迹，得到第一连续运动图，利用另一个场景级运动特征通道从原始视频的前景图像序列中提取行人的运动轨迹，得到第二连续运动图；

利用SDAE从所述第一连续运动图和所述第二连续运动图中学习场景级运动特征表示，得到场景级运动特征的高级特征；

采用DBN-PSVM组件识别所述SDAE的输出结果中的异常事件，并对所述异常事件进行评分；

根据两个场景级运动特征通道的异常事件的评分给出人群异常行为检测结果。

可选地，所述的采用DBN-PSVM组件识别所述SDAE的输出结果中的异常事件，并对所述异常事件进行评分包括：

利用所述SDAE输出的高级特征，用所述PSVM对所述DBN进行训练，给出异常事件及所述异常事件的评分。

可选地，所述的根据两个场景级运动特征通道的异常事件的评分给出人群异常行为检测结果包括：

采用延迟融合方案将所述两个场景级运动特征通道的异常事件的评分进行合并；

根据合并结果对所述异常事件进行评分。

根据本申请的另一个方面，提供了一种监控视频中人群异常行为检测装置，包括：

特征提取模块，其配置成利用一个场景级运动特征通道从原始视频图像序列中提取行人的运动轨迹，得到第一连续运动图，利用另一个场景级运动特征通道从原始视频的前景图像序列中提取行人的运动轨迹，得到第二连续运动图；

学习模块，其配置成利用SDAE从所述第一连续运动图和所述第二连续运动图中学习场景级运动特征表示，得到场景级运动特征的高级特征征；

识别模块，其配置成采用DBN-PSVM组件识别所述SDAE的输出结果中的异常事件，并对所述异常事件进行评分；和

检测模块，其配置成根据两个场景级运动特征通道的异常事件的评分给出人群异常行为检测结果。

可选地，所述的采用DBN-PSVM组件识别所述SDAE的输出结果中的异常事件，并对所述异常事件进行评分的具体方法为：