[发明专利]一种基于Adaboost算法的视频中人群行为的识别方法

摘要

本发明公开了一种基于Adaboost算法的视频中人群行为的识别方法，具体涉及计算机视觉技术领域。该方法首先利用背景差分法和帧间差分法对视频中前景目标的有效提取，基于Adaboost分类算法利用前景目标的特征机器学习表述机制，对监控视频中的前景目标移动的路径轨迹、轨迹的周期性、动作的周期性、线性变化的形态特征、形态变化的周期性等作为视频前景目标的特征集进行机器学习。通过半监督学习的机制，经过一系列的学习步骤得到最终的视频分类器；通过视频分类器自动判断监控视频中有无人群短时聚集、人群惊慌逃散、群体规律性变化、物体爆炸、建筑物倒塌等异常事件，快速识别出监控视频中的应急突发事件，做出相应的应急处置措施。

主权项

一种基于Adaboost算法的视频中人群行为的识别方法，其特征在于，具体包括以下步骤：步骤一：获取视频样本集；步骤二：对视频样本集进行处理，提取出现在视频样本集每个视频中的前景目标；步骤三：分析视频样本集每个视频中前景目标的特征信息，特征信息包括：前景目标移动的路径轨迹、轨迹的周期性、动作的周期性、线性变化的形态特征和形态变化的周期性；步骤四：根据视频样本集中每个视频中前景目标的特征信息，形成视频前景目标的特征集；步骤五：对视频前景目标的特征集分别赋予标签，每个标签代表视频样本集中对应视频中人群的行为；步骤六：基于视频前景目标的特征集的权重，利用加权的Adaboost分类算法得到视频分类器；步骤七：采用视频分类器自动判断监控视频中有无人群短时聚集、人群惊慌逃散、群体规律性变化、物体爆炸和建筑物倒塌异常事件。