基于自相似數(shù)編碼的異常區(qū)域檢測(cè)方法
【專利摘要】本發(fā)明公開了一種基于自相似數(shù)編碼的異常區(qū)域檢測(cè)方法，屬于計(jì)算機(jī)視覺和視頻監(jiān)控領(lǐng)域。本發(fā)明首先提取視頻區(qū)域中運(yùn)動(dòng)和紋理特征，然后以不同的測(cè)度進(jìn)行加權(quán)結(jié)合的方式來(lái)計(jì)算視頻內(nèi)區(qū)域之間的距離，該距離低于某一閾值被認(rèn)為相似，高于該閾值被認(rèn)為不相似。在此基礎(chǔ)上計(jì)算自相似數(shù)編碼，自相似數(shù)編碼中的某一元素，表示上述距離低于某閾值的相似區(qū)域的數(shù)目，即視頻中有多少區(qū)域與本區(qū)域相似。本發(fā)明避免了背景建模和從大量訓(xùn)練數(shù)據(jù)進(jìn)行學(xué)習(xí)的過(guò)程，減少了計(jì)算量，適合復(fù)雜的場(chǎng)景。
【專利說(shuō)明】基于自相似數(shù)編碼的異常區(qū)域檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于計(jì)算機(jī)視覺和視頻監(jiān)控領(lǐng)域，具體涉及一種可以檢測(cè)出視頻序列中的異常區(qū)域的方法。
【背景技術(shù)】
[0002]在視頻監(jiān)控領(lǐng)域，檢測(cè)視頻序列中的異常區(qū)域是一個(gè)非常關(guān)鍵的問(wèn)題。異常事件的定義為明顯不同于正常的事件，將異常表示為與正常事件的數(shù)據(jù)在特征空間有很大的距離，或者在一個(gè)正常的模型下有較低的概率。有些研究將異常定義為那些在事件時(shí)間、位置和軌跡展現(xiàn)出差異的事件。
[0003]大部分方法都需要通過(guò)使用標(biāo)準(zhǔn)正常數(shù)據(jù)集來(lái)建立正常模型。眾所周知即使數(shù)量龐大的訓(xùn)練集，也不能充分包含自然發(fā)生的一切情況。如果算法本身具備自我推斷異常區(qū)域的功能，就可以減輕對(duì)數(shù)據(jù)集的依賴性。其次，許多方法大多通過(guò)被測(cè)試點(diǎn)與正常模型的偏離程度確定異常點(diǎn)，而這種評(píng)判方式不適用于無(wú)訓(xùn)練集的情況。

【發(fā)明內(nèi)容】

[0004]針對(duì)【背景技術(shù)】的不足，本文提出一種簡(jiǎn)單快速的無(wú)監(jiān)督方法來(lái)檢測(cè)出視頻序列中的異常區(qū)域。該方法無(wú)需訓(xùn)練樣本，可以直接從視頻序列準(zhǔn)確檢測(cè)出異常區(qū)域。
[0005]本發(fā)明的自相似數(shù)編碼的異常區(qū)域檢測(cè)方法描述如下思想:視頻中的異常區(qū)域與正常區(qū)域存在明顯的區(qū)別，正常區(qū)域在視頻空間中應(yīng)該存在大量與其相似的區(qū)域，而異常區(qū)域沒有或者只有少數(shù)區(qū)域與之相似。對(duì)于視頻內(nèi)某一區(qū)域來(lái)說(shuō)，自相似數(shù)是指在該視頻內(nèi)與之相似的區(qū)域的數(shù)目。在由自相似數(shù)組成的自相似數(shù)編碼中，每個(gè)元素代表原視頻序列中與自相似數(shù)元素對(duì)應(yīng)的局部區(qū)域相似的區(qū)域的數(shù)目。
[0006]在評(píng)判視頻內(nèi)區(qū)域之間是否相似的時(shí)候，首先提取視頻區(qū)域中運(yùn)動(dòng)和紋理特征，然后以不同的測(cè)度進(jìn)行加權(quán)結(jié)合的方式來(lái)計(jì)算視頻內(nèi)區(qū)域特征之間的距離，該距離低于某一閾值被認(rèn)為相似，高于該閾值被認(rèn)為不相似。在此基礎(chǔ)上計(jì)算自相似數(shù)編碼，自相似數(shù)編碼中的某一元素，表示上述距離低于某閾值的相似區(qū)域的數(shù)目，即視頻中有多少區(qū)域與本區(qū)域相似。
[0007]自相似數(shù)編碼中數(shù)值為O的位置對(duì)應(yīng)的視頻內(nèi)的局部區(qū)域被認(rèn)為與其他區(qū)域都不相似，屬于異常區(qū)域，而其他區(qū)域至少有I個(gè)以上的相似區(qū)域，為正常區(qū)域。實(shí)驗(yàn)數(shù)據(jù)集和某一真實(shí)監(jiān)控視頻上的實(shí)驗(yàn)結(jié)果表明，本發(fā)明的方法能較好的檢測(cè)出視頻中的異常區(qū)域。
[0008]本發(fā)明在無(wú)需訓(xùn)練樣本的情況下，能夠直接從視頻序列準(zhǔn)確檢測(cè)出異常區(qū)域。具體而言，本發(fā)明具有以下特點(diǎn):
(I)本發(fā)明提出了自相似數(shù)編碼方法來(lái)描述視頻序列內(nèi)部相似區(qū)域的數(shù)目，用來(lái)進(jìn)行異常區(qū)域的檢測(cè)。
[0009](2)本發(fā)明采用視頻區(qū)域中對(duì)象的運(yùn)動(dòng)和紋理特征，并以不同的測(cè)度進(jìn)行加權(quán)結(jié)合來(lái)計(jì)算視頻內(nèi)區(qū)域之間的相似性。
[0010](3)本發(fā)明以視頻區(qū)域內(nèi)自相似數(shù)編碼的數(shù)值為O的區(qū)域?yàn)楫惓^(qū)域，其他為正常區(qū)域。
【專利附圖】

【附圖說(shuō)明】
[0011]圖1基于自相似數(shù)編碼的異常區(qū)域檢測(cè)方法的流程；
圖2時(shí)空網(wǎng)格單元的劃分方式；
圖3自相似數(shù)編碼的計(jì)算方法；
圖4局部二值模式(LBP)算子的示例；
圖5 Pedl的檢測(cè)結(jié)果；
圖6 Ped2的檢測(cè)結(jié)果。
【具體實(shí)施方式】
[0012]本發(fā)明直接對(duì)攝像機(jī)采集到的視頻序列進(jìn)行處理，實(shí)現(xiàn)了一種基于自相似數(shù)編碼的異常區(qū)域檢測(cè)方法。自相似，即自我相似，原是指物體與自己的某一部分相似，是分形的重要特質(zhì)。本發(fā)明所述的自相似，是指本視頻內(nèi)部的區(qū)域之間相似。
[0013]以下結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步的說(shuō)明。
[0014]如圖1、2、3、4、5、6所示，本發(fā)明的處理過(guò)程如下:
一種基于自相似數(shù)編碼的異常區(qū)域檢測(cè)方法，包括以下步驟:
視頻序列底層特征的提取:
第一步:輸入一段視頻，將視頻序列劃分為非重疊的時(shí)空網(wǎng)格單元，同時(shí)構(gòu)建與時(shí)空網(wǎng)格單元對(duì)應(yīng)的自相似數(shù)編碼并初始化。在擁擠的人群場(chǎng)景中人與人之間的遮擋頻繁發(fā)生，很難提取每個(gè)獨(dú)立的運(yùn)動(dòng)目標(biāo)，而時(shí)空網(wǎng)格單元表示視頻序列的局部特征，可以保留每個(gè)行人可見部分的信息。自然環(huán)境下行人之間的動(dòng)作不可能完全一致，時(shí)空網(wǎng)格單元具有的局部特性可以捕捉到他們具有相同的局部區(qū)域，為后續(xù)的匹配搜索提供更多有用信息，減少因遮擋或者動(dòng)作之間發(fā)生形變導(dǎo)致算法性能的降低。具體的劃分方式如圖2所示，其中t_l、t、t+Ι是視頻序列中時(shí)間上連續(xù)的二巾貞圖像。
[0015]第二步:計(jì)算每個(gè)時(shí)空網(wǎng)格單元的運(yùn)動(dòng)和紋理特征。
[0016]運(yùn)動(dòng)特征的提取采取的是基于亮度梯度的稠密光流(Horn-Schunck),所用的計(jì)算公式如下:
【權(quán)利要求】
1.一種基于自相似數(shù)編碼的異常區(qū)域檢測(cè)方法，其特征在于，包括以下步驟:第一步:將視頻序列劃分為非重疊的時(shí)空網(wǎng)格單元，構(gòu)建與時(shí)空網(wǎng)格單元對(duì)應(yīng)的自相似數(shù)編碼并初始化； 第二步:計(jì)算每個(gè)時(shí)空網(wǎng)格單元的運(yùn)動(dòng)和紋理特征； 第三步:以占不同權(quán)重的運(yùn)動(dòng)和紋理特征的相似度為基礎(chǔ)，分別計(jì)算時(shí)空網(wǎng)格單元兩兩之間的距離； 第四步:該距離小于某閾值被認(rèn)為是相似的，若相似，則將自相似數(shù)編碼中該位置和對(duì)應(yīng)的相似位置都加I，若不相似，則保持不變，得到一個(gè)與視頻序列對(duì)應(yīng)的自相似數(shù)編碼； 第五步:自相似數(shù)編碼中數(shù)值為O的元素所對(duì)應(yīng)的視頻區(qū)域被認(rèn)為與其他區(qū)域都不相似，屬于異常區(qū)域，編碼中其他元素對(duì)應(yīng)的區(qū)域?yàn)檎^(qū)域。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于:在評(píng)判視頻內(nèi)區(qū)域之間是否相似的時(shí)候，首先提取視頻區(qū)域中運(yùn)動(dòng)和紋理特征，然后以不同的測(cè)度進(jìn)行加權(quán)結(jié)合的方式來(lái)計(jì)算視頻內(nèi)區(qū)域之間的距離，該距離低于某一閾值被認(rèn)為相似，高于該閾值被認(rèn)為不相似。
3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于:得到視頻的自相似數(shù)編碼之后，自相似數(shù)編碼中數(shù)值為O的位置對(duì)應(yīng)的視頻內(nèi)的局部區(qū)域被認(rèn)為與其它區(qū)域都不相似，屬于異常區(qū)域，而其它區(qū)域?yàn)檎^(qū)域。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于:所述第二步中運(yùn)動(dòng)特征的提取采取基于亮度梯度的稠密光流方法。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于:所述第二步中紋理特征的提取采用具有灰度不變性的局部二值模式。
6.根據(jù)權(quán)利要求1所述的方法，其特征在于:所述第三步中運(yùn)動(dòng)特征相似性度量采用的是歐氏距離判定，紋理特征采用的是皮爾森相關(guān)系數(shù)判定。
【文檔編號(hào)】G06K9/00GK103810467SQ201310529261
【公開日】2014年5月21日 申請(qǐng)日期:2013年11月1日 優(yōu)先權(quán)日:2013年11月1日
【發(fā)明者】諶先敢, 唐文峰, 高智勇, 劉海華 申請(qǐng)人:中南民族大學(xué)