[发明专利]一种群体异常行为检测方法和装置

权利要求书

1.一种群体异常行为检测方法，其特征在于，所述方法包括以下步骤：

步骤S100：获取输入图像，将所述输入图像分成预设个方块，根据哈里斯角检测法和预设的筛选条件求解得到每个方块内的有效光流向量；

步骤S200：构建概率模型用以表示所述每个方块的有效光流向量在预设数量个方向上的分布，结合预设的聚类约束条件，确定所述每个方块内群体的方向模型，并对所有方块的方向模型进行方向聚类得到方向聚类集合；

步骤S300：根据所述方向聚类集合进行稀疏编码和更新字典得到完备字典集合，根据所述完备字典集合和所述方向聚类集合得到各方向的稀疏表示系数，根据所述各方向的稀疏表示系数构建损失函数，当所述损失函数的值大于预设的阈值时，可确定对应方向上的群体处于异常状态，得到事故发生方位；

步骤S200中构建概率模型用以表示所述每个方块的有效光流向量在预设数量个方向上的分布具体为：

其中，w_i表示权重，k表示每个方块取的预设数量个方向的个数，V(o|μ_i,Φ)是一种概率分布，定义公式如下：

其中，μ_i是第i个方向上光流向量的分布参数，m_i表示第i个方向的色散系数，为偏差标准参数，o表示特征点光流向量的角度，I₀(m_i)表示0阶贝塞尔修正函数，其定义如下：

式中，r为序号，0＜r＜∞，r！表示r的阶乘。

2.根据权利要求1所述的方法，其特征在于，步骤S100包括：

步骤S110：获取输入图像，将所述输入图像分成预设个方块，根据哈里斯角检测法获取每个方块中的特征点；

步骤S120：对每个方块中的特征点进行光流特征提取和约束得到每个方块的光流向量；

步骤S130：根据预设的筛选条件对所述每个方块的光流向量进行筛选得到每个方块的有效光流向量。

3.根据权利要求2所述的方法，其特征在于，步骤S120中对每个方块中的特征点进行光流特征提取和约束得到每个方块的光流向量包括：

1)设分别表示水平方向的光流向量和垂直方向的光流向量，(e,f)为特征点的坐标，e为横坐标，f为纵坐标，I(e,f,t)为t时刻坐标为(e,f)的特征点的灰度值，经过δt时间后，坐标为(e,f)的特征点的灰度值表示为：I(e+δt,f+δt,t+δt)，由运动物体的灰度值在预设时间内不变的假设可知：

I(e,f,t)＝I(e+δt,f+δt,t+δt) (2)

将式(2)展开得到

其中，表示I对e求偏导，表示I对f求偏导，表示I对t求偏导，δe表示t时刻与t+δt时刻的横坐标的差值，δf表示t时刻与t+δt时刻的纵坐标的差值；

由上式可得：

式两边除以δt得到

当δt趋近于0时，上式可改写为

用表示特征点灰度值的偏导数，可得：

I_eu+I_fv+I_t＝0 (3)

2)(u,v)为需要求得的光流向量，需要满足最小约束：

其中，为拉普拉斯算子；

3)由公式(3)和公式(4)可得最小化公式：

其中，de表示对e的积分，df表示对f的积分；

4)通过不断迭代公式(5)，可以得到：

其中，n为迭代次数，分别为一特征点的光流向量与其周围特征点的光流向量的加权平均，设的初始值为0。