一種異常動作檢測方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001]本申請涉及計(jì)算機(jī)視覺技術(shù)領(lǐng)域，尤其涉及一種異常動作檢測方法及裝置。
【背景技術(shù)】
[0002]人的異常動作檢測在智能安防領(lǐng)域有非常大的應(yīng)用價(jià)值，在很多監(jiān)控場景中，可以通過對安防攝像畫面進(jìn)行運(yùn)算處理，當(dāng)有異常事件發(fā)生時(shí)給出實(shí)時(shí)預(yù)警，例如:銀行中人的異常檢測、廣場上人的異常檢測等等。
[0003]目前人的異常動作檢測大多是基于彩色圖片信息，具體做法可以分為以下兩個(gè)階段:
[0004]訓(xùn)練階段:首先對訓(xùn)練視頻的每一幀圖像提取特征點(diǎn)，再將同一幀圖像的特征點(diǎn)通過“詞袋”(Bag of Words)的方式整合成特征向量，最后依據(jù)訓(xùn)練數(shù)據(jù)的標(biāo)簽訓(xùn)練分類器，學(xué)習(xí)不同動作在特征上的規(guī)律；
[0005]測試階段:對于輸入的視頻，首先得到每一幀圖像上指定動作出現(xiàn)的置信度，再將該置信度在一段時(shí)間累積，如果累積置信度超過預(yù)設(shè)閾值，則確定指定動作發(fā)生。
[0006]基于彩色圖片信息檢測前景對象的異常動作，由于圖片只能顯示平面像素，當(dāng)畫面中同一位置有距離鏡頭遠(yuǎn)近不同的多個(gè)對象時(shí)，無法準(zhǔn)確確定具體哪個(gè)前景對象有異常動作，檢測精度較低。
[0007]現(xiàn)有技術(shù)不足在于:
[0008]現(xiàn)有的異常動作檢測方法檢測精度較低。

【發(fā)明內(nèi)容】

[0009]本申請實(shí)施例提出了一種異常動作檢測方法及裝置，以解決現(xiàn)有技術(shù)中異常動作檢測方法檢測精度較低的技術(shù)問題。
[0010]本申請實(shí)施例提供了一種異常動作檢測方法，包括如下步驟:
[0011]步驟1:根據(jù)深度信息檢測出監(jiān)控視頻中的前景對象；
[0012]步驟3:計(jì)算相鄰幀之間所述前景對象的深度差，得到深度差圖像；
[0013]步驟5:對連續(xù)多幀的深度差圖像進(jìn)行計(jì)算，得到聚合深度差圖像；
[0014]步驟7:根據(jù)所述聚合深度差圖像計(jì)算方向梯度直方圖HOG特征；
[0015]步驟9:通過預(yù)先訓(xùn)練好異常動作的SVM分類器預(yù)測所述HOG特征對應(yīng)的異常動作，根據(jù)預(yù)測結(jié)果確定所述前景對象是否發(fā)生所述異常動作。
[0016]本申請實(shí)施例提供了一種異常動作檢測裝置，包括:
[0017]檢測模塊，用于根據(jù)深度信息檢測出監(jiān)控視頻中的前景對象；
[0018]深度差計(jì)算模塊，用于計(jì)算相鄰幀之間所述前景對象的深度差，得到深度差圖像；
[0019]聚合深度差計(jì)算模塊，用于對連續(xù)多幀的深度差圖像進(jìn)行計(jì)算，得到聚合深度差圖像；
[0020]HOG特征計(jì)算模塊，用于根據(jù)所述聚合深度差圖像計(jì)算方向梯度直方圖HOG特征；
[0021]確定模塊，用于通過預(yù)先訓(xùn)練好異常動作的SVM分類器預(yù)測所述HOG特征對應(yīng)的異常動作，根據(jù)預(yù)測結(jié)果確定所述前景對象是否發(fā)生所述異常動作。
[0022]有益效果如下:
[0023]本申請實(shí)施例所提供的技術(shù)方案，根據(jù)深度信息檢測出監(jiān)控視頻中的前景對象，計(jì)算相鄰幀之間所述前景對象的深度差，得到深度差圖像；再將連續(xù)多幀的深度差圖像進(jìn)行計(jì)算得到聚合深度差圖像，根據(jù)所述聚合深度差圖像計(jì)算HOG特征，通過SVM分類器預(yù)測所述HOG特征對應(yīng)的異常動作，根據(jù)預(yù)測結(jié)果確定前景對象是否發(fā)生所述異常動作。由于本申請實(shí)施例所提供的方案是根據(jù)深度信息檢測監(jiān)控視頻中的前景對象，可以很精確地將畫面中同一位置處距離鏡頭遠(yuǎn)近不同的前景對象分割開，因此，能夠準(zhǔn)確判斷場景中每個(gè)前景對象是否有異常動作。
【附圖說明】
[0024]下面將參照附圖描述本申請的具體實(shí)施例，其中:
[0025]圖1示出了本申請實(shí)施例中異常動作檢測方法實(shí)施的流程示意圖；
[0026]圖2示出了本申請實(shí)施例中前景對象的動作檢測框圖；
[0027]圖3示出了本申請實(shí)施例中異常動作檢測裝置的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0028]為了使本申請的技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖對本申請的示例性實(shí)施例進(jìn)行進(jìn)一步詳細(xì)的說明，顯然，所描述的實(shí)施例僅是本申請的一部分實(shí)施例，而不是所有實(shí)施例的窮舉。并且在不沖突的情況下，本說明中的實(shí)施例及實(shí)施例中的特征可以互相結(jié)合。
[0029]發(fā)明人在發(fā)明過程中注意到:
[0030]現(xiàn)有的動作識別方法是基于彩色圖片(也即RGB圖像)實(shí)現(xiàn)的，根據(jù)像素變化來識別動作。當(dāng)鏡頭畫面中有兩個(gè)或兩個(gè)以上的人重疊在一起時(shí)，無法區(qū)分具體是哪個(gè)人產(chǎn)生了異常動作；而且，根據(jù)像素變化來識別動作時(shí)，容易受到其他因素的影響，例如，人所穿衣服的顏色、花紋等，特別是當(dāng)人身穿花色衣服時(shí)，人只要稍有一點(diǎn)動作，RGB圖像的像素就會發(fā)生較大變化，從而導(dǎo)致誤判，檢測精度較低。
[0031]針對上述不足，本申請實(shí)施例提出了一種異常動作檢測方法及裝置，下面進(jìn)行說明。
[0032]圖1示出了本申請實(shí)施例中異常動作檢測方法實(shí)施的流程示意圖，如圖所示，所述異常動作檢測方法可以包括如下步驟:
[0033]步驟101、根據(jù)深度信息檢測出監(jiān)控視頻中的前景對象；
[0034]步驟102、計(jì)算相鄰幀之間所述前景對象的深度差，得到深度差圖像；
[0035]其中，所述深度差圖像反映了所述前景對象在某一時(shí)刻的動作；
[0036]步驟103、對連續(xù)多幀的深度差圖像進(jìn)行計(jì)算，得到聚合深度差圖像；
[0037]其中，所述聚合深度差圖像反映了所述前景對象在某一時(shí)間段內(nèi)的動作；
[0038]步驟104、根據(jù)所述聚合深度差圖像計(jì)算方向梯度直方圖(HOG，Histogram ofOriented Gradient)特征；
[0039]其中，所述HOG特征代表了所述前景對象的動作向量；
[0040]步驟105、通過預(yù)先訓(xùn)練好異常動作的支持向量機(jī)(SVM，Support VectorMachine)分類器預(yù)測所述HOG特征對應(yīng)的異常動作，根據(jù)預(yù)測結(jié)果確定所述前景對象是否發(fā)生所述異常動作。
[0041]其中，前景對象可以是人、動物或其他指定的監(jiān)控對象。
[0042]在具體實(shí)施時(shí)，本申請實(shí)施例中可以利用背景模型將非前景對象位置的深度值設(shè)置為無窮遠(yuǎn)，從而進(jìn)一步減小非前景對象所帶來的干擾或操作不便。
[0043]由于本申請實(shí)施例所提供的方案是依托于深度圖(也即，具有深度信息的監(jiān)控視頻中每一幀圖像)以及深度圖上的人體檢測和跟蹤，可以根據(jù)深度信息很精確的將畫面中同一位置處距離鏡頭遠(yuǎn)近不同的前景對象分割開，因此，能夠準(zhǔn)確判斷場景中每一個(gè)前景對象是否有異常動作。而且，由于深度圖上僅顯示各個(gè)點(diǎn)的深度信息，動作檢測是依靠深度信息的變化，而不是依靠像素變化，因此，采用本申請實(shí)施例所提供的方案，花色和純色在深度圖中沒有太多差別，相比現(xiàn)有技術(shù)去掉了大量的冗余信息，進(jìn)而進(jìn)一步提高了檢測精度。
[0044]進(jìn)一步地，為了解決監(jiān)控場景比較復(fù)雜或畫面中前景對象較多時(shí)所導(dǎo)致的檢測準(zhǔn)確度不高的問題，還可以按以下方式實(shí)施。
[0045]實(shí)施中，當(dāng)監(jiān)控視頻中包括N個(gè)前景對象時(shí)，在步驟101之后、步驟102之前，所述方法還可以進(jìn)一步包括:
[0046]根據(jù)每個(gè)前景對象將所述監(jiān)控視頻分割成N個(gè)獨(dú)立的深度視頻，所述深度視頻中包括每個(gè)前景對象的連續(xù)動作；
[0047]所述方法在所述根據(jù)每個(gè)前景對象將所述監(jiān)控視頻分割成若干個(gè)獨(dú)立的深度視頻之后，具體可以為:
[0048]對每個(gè)前景對象的深度視頻執(zhí)行步驟102至步驟105。
[0049]在本申請實(shí)施例中，對于一段視頻，可以首先檢測出視頻中所有的前景對象，假設(shè)前景對象為人，將每個(gè)人的深度視頻分割出來，形成若干段獨(dú)立的深度視頻，每一段深度視頻中只出現(xiàn)一個(gè)人的一連串動作，對于不同人的深度視頻進(jìn)行后續(xù)深度差計(jì)算等步驟，可以更加清晰、方便且準(zhǔn)確地檢測。
[0050]實(shí)施中，所述根據(jù)每個(gè)前景對象將所述監(jiān)控視頻分割成若干個(gè)獨(dú)立的深度視頻，具體可以為:
[0051]確定前景對象的深度位置；
[0