一種電梯轎廂內(nèi)暴力行為檢測(cè)方法
【專利摘要】本發(fā)明提供了一種電梯轎廂內(nèi)暴力行為檢測(cè)方法。首先使用混合高斯模型提取運(yùn)動(dòng)前景，并對(duì)運(yùn)動(dòng)區(qū)域進(jìn)行標(biāo)記；采用Harris算子檢測(cè)運(yùn)動(dòng)區(qū)域的角點(diǎn)：再采用金字塔Lucas-Kanade光流算法計(jì)算運(yùn)動(dòng)區(qū)域中角點(diǎn)的光流信息。然后統(tǒng)計(jì)角點(diǎn)光流信息的熵，并與設(shè)定的閾值進(jìn)行比較，判斷是否存在異常行為。本發(fā)明提出了一種電梯轎廂內(nèi)暴力行為檢測(cè)方法，較好地解決了當(dāng)前電梯監(jiān)控中依靠人工判別暴力行為的問(wèn)題，具有良好的實(shí)用性和較高的檢測(cè)率。
【專利說(shuō)明】—種電梯轎廂內(nèi)暴力行為檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及行為識(shí)別領(lǐng)域，尤其涉及一種電梯轎廂內(nèi)暴力行為檢測(cè)方法。
【背景技術(shù)】
[0002]隨著社會(huì)發(fā)展，高樓大廈越來(lái)越多，電梯的使用越來(lái)越普遍，同時(shí)由于電梯的相對(duì)封閉性，電梯轎廂內(nèi)暴力行為日益增多，其安全問(wèn)題得到廣泛的關(guān)注。傳統(tǒng)的視頻監(jiān)控?zé)o法自動(dòng)的檢測(cè)暴力行為，還需要人工參與其中，效率很難令人滿意，因此基于動(dòng)態(tài)圖像理解的電梯內(nèi)防暴力監(jiān)控成為當(dāng)前的迫切需求之一。
[0003]但是目前研究較多的都是基于統(tǒng)計(jì)特征來(lái)檢測(cè)異常行為的，這就需要建立一個(gè)訓(xùn)練學(xué)習(xí)機(jī)制，而這一學(xué)習(xí)機(jī)制的建立就要求必須有較多的訓(xùn)練樣本，從而使得現(xiàn)有的基于統(tǒng)計(jì)特征的檢測(cè)方法無(wú)法得到實(shí)際應(yīng)用。此外，即使能夠做到建立多樣本數(shù)據(jù)庫(kù)，由于收集較多訓(xùn)練樣本的成本和工作量很大，無(wú)法在實(shí)際電梯系統(tǒng)中推廣。
[0004]針對(duì)上述問(wèn)題，以及電梯轎廂內(nèi)人體運(yùn)動(dòng)幅度較小的特點(diǎn)，本發(fā)明提供了一種基于光流信息的電梯轎廂內(nèi)暴力行為檢測(cè)方法，無(wú)需建立樣本訓(xùn)練庫(kù)，實(shí)時(shí)性和魯棒性較好，具有良好的實(shí)用性。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的主要目的在于克服現(xiàn)有技術(shù)的缺點(diǎn)與不足，提供一種電梯轎廂內(nèi)暴力行為檢測(cè)方法，該方法具有很好的適用性，并且具有較高的檢測(cè)正確率。
[0006]本發(fā)明專利所解決的技術(shù)問(wèn)題可采用如下的技術(shù)解決方案來(lái)實(shí)現(xiàn):
[0007]—種電梯轎廂內(nèi)暴力行為檢測(cè)方法，其特征在于包括以下步驟:
[0008]步驟1，采用混合高斯模型提取運(yùn)動(dòng)前景，在提取出前景后，經(jīng)過(guò)形態(tài)學(xué)處理，包括腐蝕、膨脹、高斯平滑濾波和開(kāi)閉運(yùn)算，可以得到較完整的運(yùn)動(dòng)前景區(qū)域，然后去除面積較小的區(qū)域，標(biāo)記出主要的運(yùn)動(dòng)區(qū)域。
[0009]步驟2，采用Harris算子檢測(cè)運(yùn)動(dòng)區(qū)域的角點(diǎn)，并記錄角點(diǎn)的位置信息。
[0010]步驟3,采用3層金字塔Lucas-Kanade光流法計(jì)算角點(diǎn)光流信息。圖像In中的某個(gè)角點(diǎn)u=(ux uy)T，計(jì)算其光流的過(guò)程就是在圖像In+1中找到具有相似圖像強(qiáng)度的一點(diǎn)u' =u+d=[ux+dx uy+dy]T,其中向量d=[dx dy]T是角點(diǎn)u的速度向量。
[0011]步驟4，計(jì)算角點(diǎn)光流信息的熵值Ef，閾值Tab取0.50?0.60，若Ef > Tab判斷有異常行為發(fā)生。
[0012]本發(fā)明較已有暴力行為檢測(cè)技術(shù)的優(yōu)點(diǎn)在于:無(wú)需大量的訓(xùn)練樣本，并且不需要精確的人體分割和跟蹤，靈活性、魯棒性較好，檢測(cè)率高。
【專利附圖】

【附圖說(shuō)明】
[0013]圖1是本發(fā)明提出的一種電梯轎廂內(nèi)暴力行為檢測(cè)方法的流程圖【具體實(shí)施方式】
[0014]下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明。
[0015]如圖1所示，一種電梯轎廂內(nèi)暴力行為檢測(cè)方法包括以下步驟:
[0016]I)混合高斯模型提取運(yùn)動(dòng)前景目標(biāo)。圖像的每個(gè)像素點(diǎn)在時(shí)間域內(nèi)的變化用K個(gè)多維高斯分布來(lái)模擬，{Xi，X2,…，XJ表示像素點(diǎn)P(x，y)的觀測(cè)值序列，在t時(shí)刻該像素點(diǎn)值為Xt的概率為
[0017]
【權(quán)利要求】
1.一種電梯轎廂內(nèi)暴力行為檢測(cè)方法，其特征在于，包括以下幾個(gè)步驟: 步驟1，通過(guò)高斯混合模型提取出運(yùn)動(dòng)的視頻目標(biāo)，經(jīng)過(guò)形態(tài)學(xué)處理，包括腐蝕、膨脹、高斯平滑濾波和開(kāi)閉運(yùn)算，得到較完整的運(yùn)動(dòng)前景區(qū)域； 步驟2，采用Harris算子檢測(cè)運(yùn)動(dòng)前景區(qū)域中的角點(diǎn)； 步驟3,使用金字塔Lucas-Kanade光流算法提取步驟2所獲取的角點(diǎn)光流信息； 步驟4，計(jì)算步驟3中的角點(diǎn)光流信息的熵值，并與設(shè)定的閾值進(jìn)行比較，大于閾值則判為異常行為。
2.根據(jù)權(quán)利要求1所述的電梯轎廂內(nèi)暴力行為檢測(cè)方法，其特征在于:所述的光流信息為運(yùn)動(dòng)區(qū)域中的角點(diǎn)光流信息，這樣不但減少了由光照引起的干擾，而且有效的降低了光流法的計(jì)算量。
3.根據(jù)權(quán)利要求1所述的電梯轎廂內(nèi)暴力行為檢測(cè)方法，其特征在于:步驟4中對(duì)角點(diǎn)光流信息的熵值統(tǒng)計(jì)，其中包括了光流矢量的方向和位移信息。
【文檔編號(hào)】B66B11/02GK103693532SQ201310745123
【公開(kāi)日】2014年4月2日 申請(qǐng)日期:2013年12月26日 優(yōu)先權(quán)日:2013年12月26日
【發(fā)明者】王憲, 柳絮青, 王呈, 宋書(shū)林, 秦磊 申請(qǐng)人:江南大學(xué)