基于运动图像序列的异常行为检测

第27卷第7期2010年7月 计算机应用研究ApplicationResearchofComputersVo.l27No.7

Ju.l2010

基于运动图像序列的异常行为检测

吴艳平,崔 宇,胡士强

a,b

c

a

*

(上海交通大学a.航空航天学院;b.电子信息与电气工程学院;c.机械与动力工程学院,上海200240)摘 要:针对公共重点区域的智能监视问题,研究了一种基于运动历史图像(motionhistorymiage,MHI)的行人

异常行为检测方法。利用运动图像序列得到的MHI获取视频帧中运动目标的运动方向,由运动方向的变化分类确定人体运动模式和行为是否异常,同时给出相应的实验结果。结果表明,该方法实现简单,具有较好的实时性与鲁棒性,可以作为实时监控系统中异常行为检测的有效方法。

关键词:视频监控;异常检测;运动历史图像;运动方向;自适应背景减除;运动分割中图分类号:TP391 文献标志码:A 文章编号:1001 3695(2010)07 2741 04do:i10.3969/.jissn.1001 3695.2010.07.096

Anomalydetectionbasedonmotionimagesequence

WUYan pinga,b,CUIYuc,HUShi qianga

(a.CollegeofAerospaceScience&Technology,b.CollegeofElectronic,Information&ElectricalEngineering,c.CollegeofMechanicalEngi neering,ShanghaiJiaotongUniversity,Shanghai200240,China)

Abstract:Forintelligentmonitoringinthepublickeyareas,thispaperresearchedanovelalgorithmtodetectpedestriananomalousbehaviorsbasedonMHI.ItusedmotionmiagesequenceforMHItogetthemotiondirectionsofhumanobjectineve ryframes.Soitdeterminedwhetherthemovementmodeandbehaviorofthehumanobjectwasanomalousbasedonthevaria tioncategoriesofmotiondirections.Andprovidedsomeexpermientalresults.Theresultsshowthatthisalgorithmisoflowcom putationcomplexitythusitcanbeusedforanomalydetectioninreal tmiesurveillancesystem.Keywords:videosurveillance;anomalydetection;motionhistorymiage(MHI);motiondirection;adapativebackgroundsubtraction;motionsegmentation

后将光流场映射到四个通道中,通过多次高斯滤波来泛化这四

0 引言

基于序列图像的异常行为检测作为智能视频监控系统中的关键技术,已引起了国内外的广泛重视。

目前的异常检测主要从运动目标的运动序列进行分析,其基本思想是在当前帧中检测出变化区域,对变化区域中的运动目标!!!人进行实时跟踪;在每帧视频中找到目标的状态信息,并且根据这些信息计算出速度、加速度、运动方向等运动状态并建立状态模型,将测试视频的状态参数与预先标定的含有正常事件的参考序列的模型参数进行匹配,根据匹配程度的大小就可以检测出异常事件[1,2]。文献[1]对视频帧进行主成分分析(principlecomponentanalysis,PCA),然后对各种动作序列进行分类和识别。文献[2]则针对单人的监控,将所有帧的前景分割图进行主成分分析得到该视频段的运动特征,然后利用I SVM(one classsupportvectormachine)对每一个视频段进行异常检测。由于涉及到图像分割或是大数量的图像序列进行PCA,这两种方法的计算量都较大。文献[3]开发了一个事件检测框架,提取运动目标大量的动力学特征和形状特征。首先使用谱聚类方法自动获得模型个数,然后训练相应的马尔可夫(hiddenMarkovmode,lHMM)模型。文献[4]提出一种新的描述运动的时空模板。该算法先通过计算前景目标的光流场,然

收稿日期:2009 12 08;修回日期:(2009AA704301)

个通道以生成模板,最后用得到的时空模板来进行在线行为识别。以上两种方法的计算量均会随着类别数的增加而急剧增大,很难实现在线实时行为识别。文献[5]采用了运动信息,该方法首先根据运动信息并结合图像分割以及形状模型得到运动区域,然后利用光流信息得到每一个运动区域相对于人脸的运动方向,从而判断出该动作的运动属性。该方法首先需要自动定位人脸的位置,在诸多公共场合中,由于人体之间的相互遮挡以及人脸朝向的不规则,自动人头定位是十分困难的,在一些公共场合,该方法漏报率偏高,并不适用;同时,该方法要进行人脸定位与光流法获取方向等,系统分析占用时间长,很难实现在线行为识别。

针对目前监控系统的实时性要求,本文提出了一种基于运动历史图像和运动方向的异常行为检测方法,运动方向可以较好地表示出人体的主要异常行为(如徘徊、下蹲、丢失物体以及搬移物体等)。通过真实视频数据实验表明,该方法实现简单、处理速度快、实时性好且具有较高的准确度,能够快速准确地对异常行为作出判断。

1 基本原理

本文方法基本过程如图1所示,主要分为三个阶段:

2010 01 07 基金项目:国家自然科学基金资助项目(60674107);国家 863 计划资助项目

作者简介:吴艳平(1986 ),女,安徽枞阳人,硕士研究生,主要研究方向为图像识别与理解(rocklee1234@http://www.77cn.com.cn);胡士强(1969 ),男,河北,、.

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库基于运动图像序列的异常行为检测在线全文阅读。