[发明专利]一种视频多目标跟踪检测异常点的方法

说明书

本发明公开了一种视频多目标跟踪检测异常点的方法，该方法均匀的抽取视频文件中的多个帧画面，将图像上的像素点通过高斯差函数转为灰度图像的像素点，求这些点的极值，通过求导获得相对极值位移，将相对极值位移代入到高斯差函数中获得候选特征点，再用一个常数来筛选得到特征点，通过计算两图像特征点置信度的最大值获得有效点，计算获得的灰度图像像素点的多尺度下的自相关矩阵，用角点响应函数将计算获得的矩阵代入，通过阈值限制来获取不同尺度下的角点，通过尺度最大的比较依据获得角点，最后将获得的角点连线，依次检测所有连续帧图像的异常点。本发明方法能够有效判断出视频多目标跟踪时出现的异常行为，防止用户作出错误的判断。

技术领域

本发明属于数据挖掘领域，尤其涉及一种视频多目标跟踪检测异常点的方法。

背景技术

目标跟踪是计算机视觉领域里的基础性问题，在现实生活中应用广泛，如无人机侦查，人机交互，智能汽车等。虽然过去的几十年里视频目标跟踪取得了巨大的进步，但是由于天气的变化，目标可能被遮挡，目标形变等因素的影响，想要精确地跟踪目标仍然很难实现。

近年来，随着大数据挖掘技术的发展，基于分类判别的单目标跟踪的算法显著提升了跟踪性能，比较流行的算法有：基于核化的结构化输出算法、多事例学习算法、压缩感知算法…他们都是通过分类解决遇到的一些问题。然而多目标跟踪算法还不够成熟，尤其的这类视频多目标跟踪容易出现异常点，我们通常使用大数据挖掘的相关方法来处理。异常点数据挖掘包括异常点数据检测和异常点数据分析两个部分。异常点数据分析需要结合背景知识、领域知识等相关知识进行研究。本发明着重研究的是异常点数据检测问题。

异常点数据是与数据的一般行为或模型不一致的数据，它是数据集中与众不同的数据，这些数据并非是随机偏差，而是产生不同的机制。异常点数据检测有着广泛的应用，它不局限于本发明所提到的视频多目标跟踪出现的异常点监测，还可以用于不正常的信用卡使用或电信服务、市场客户流失的异常行为、医疗中治疗方式异常反应等等。

发明内容

本发明所要解决的技术问题是克服现有技术的不足而提供一种视频多目标跟踪检测异常点的方法，其以有效的检测用户进行多目标跟踪时，视频出现的异常点，找出视频文件异常的原因。

本发明为解决上述技术问题采用以下技术方案：

一种视频多目标跟踪检测异常点的方法，具体包含以下步骤：

步骤1，用户输入视频文件，按时间均匀的抽取视频文件中的图像；

步骤2，提取连续帧图像的特征点，并计算特征点的置信度；

步骤3，计算连续帧图像的灰度图像像素点自相关矩阵；

步骤4，将获得的自相关矩阵带入角点响应函数获取图像的角点；

步骤5，观察有效点是否在两图像角点连线上：若不在角点连线上，则输出为异常点，返回步骤2继续监测，直到检测完所有连续帧图像异常点。

作为本发明一种视频多目标跟踪检测异常点的方法的进一步优选方案，在步骤2中，计算特征点的置信度具体如下：

其中，为特征点的置信度，是图像t_i特征点与图像t_i+1中特征点最近的距离，是图像t_i特征点与图像t_i+1中特征点次近的距离，为i变为i+1得到图像t_i+1的特征点；

作为本发明一种视频多目标跟踪检测异常点的方法的进一步优选方案所述步骤3具体如下：