[发明专利]一种基于高斯混合模型的视频中异常行为在线检测方法

摘要

本发明公开了一种基于高斯混合模型的视频中异常行为在线检测方法，首先从视频中提取原图像序列，对原图像序列中的每张图像执行步骤一至步骤四：步骤一，合成原图像的低分辨率图像；步骤二，分别计算原图像和低分辨率图像中的光流；步骤三，分别按照原图像和低分辨率图像各自的划分方法将这两种图像划分成图像块；步骤四，为原图像和低分辨率图像中每个图像块计算对应的高斯混合模型；步骤五，计算图像块序列的标准高斯混合模型；步骤六，将原图像序列的下一张图像作为待检测图像，按照步骤1至步骤4计算待检测图像中每个图像块的高斯混合模型；步骤七，判断待检测图像中每个图像块是否存在异常行为；步骤八，标记异常图像块并输出。

主权项

一种基于高斯混合模型的视频中异常行为在线检测方法，其特征在于，包括以下步骤：从视频中提取原图像序列，对原图像序列中的每张图像执行步骤一至步骤四：步骤一，合成原图像的低分辨率图像，得到原图像和低分辨率图像两种不同分辨率下的图像；步骤二，利用Lucas‑Kanade算法分别计算原图像和低分辨率图像中的光流并对得到的光流进行噪声处理；步骤三，分别按照原图像和低分辨率图像各自的划分方法将这两种图像划分成M×N个图像块，M，N取值范围自然数；步骤四，为原图像和低分辨率图像中每个图像块计算对应的高斯混合模型：首先对图像块中的光流聚类，得到K个聚类中心，然后设置该图像块对应的高斯混合模型所包含的高斯分量数目为K，利用最大似然估计算法计算高斯混合模型中的最大似然估计值，得到该图像块对应的高斯混合模型；步骤五，分别对原图像序列和低分辨率图像序列中相同位置处的图像块合成标准高斯混合模型：首先聚类图像块序列对应的高斯混合模型序列，然后选择聚类结果中包含高斯混合模型最多的聚类中心作为该图像块序列的标准高斯混合模型；步骤六，将原图像序列的下一张图像作为待检测图像，按照步骤一至步骤四计算待检测图像中每个图像块的高斯混合模型；步骤七，判断待检测图像中每个图像块是否存在异常行为；步骤八，标记异常图像块并输出。