1.一种群体异常行为检测方法,其特征在于,所述方法包括以下步骤:步骤S100:获取输入图像,将所述输入图像分成预设个方块,根据哈里斯角检测法和预设的筛选条件求解得到每个方块内的有效光流向量;
步骤S200:构建概率模型用以表示所述每个方块的有效光流向量在预设数量个方向上的分布,结合预设的聚类约束条件,确定所述每个方块内群体的方向模型,并对所有方块的方向模型进行方向聚类得到方向聚类集合;
步骤S300:根据所述方向聚类集合进行稀疏编码和更新字典得到完备字典集合,根据所述完备字典集合和所述方向聚类集合得到各方向的稀疏表示系数,根据所述各方向的稀疏表示系数构建损失函数,当所述损失函数的值大于预设的阈值时,可确定对应方向上的群体处于异常状态,得到事故发生方位。
2.根据权利要求1所述的方法,其特征在于,步骤S100包括:步骤S110:获取输入图像,将所述输入图像分成预设个方块,根据哈里斯角检测法获取每个方块中的特征点;
步骤S120:对每个方块中的特征点进行光流特征提取和约束得到每个方块的光流向量;
步骤S130:根据预设的筛选条件对所述每个方块的光流向量进行筛选得到每个方块的有效光流向量。
3.根据权利要求2所述的方法,其特征在于,步骤S120中对每个方块中的特征点进行光流特征提取和约束得到每个方块的光流向量包括:
1)设 分别表示水平方向的光流向量和垂直方向的光流向量, 为特征点的坐标,为横坐标, 为纵坐标, 为t时刻坐标为 的特征点的灰度值,经过 时间后,坐标为 的特征点的灰度值表示为: ,由运动物体的灰度值在预设时间内不变的假设可知:
(2)将式(2)展开得到
其中, 表示I对e求偏导, 表示I对f求偏导, 表示I对t求偏导, 表示t时刻与t+时刻的横坐标的差值, 表示t时刻与t+ 时刻的纵坐标的差值;
由上式可得:
式两边除以 得到
当 趋近于0时,上式可改写为用 表示特征点灰度值的偏导数,可得: (3)
2) 为需要求得的光流向量,需要满足最小约束: (4)
其中, 为拉普拉斯算子;
3)由公式(3)和公式(4)可得最小化公式: (5)
其中, 表示对e的积分, 表示对f的积分;
4)通过不断迭代公式(5),可以得到: (6) (7)其中,为迭代次数, 分别为一特征点的光流向量与其周围特征点的光流向量的加权平均,设 的初始值为0。
4.根据权利要求3所述的方法,其特征在于,步骤S130具体为:
1)每个方块内的光流向量需满足: (8)其中,假设360°方向被平均分为预设个区间,每个区间的角度为 , 为方块内的光流向量在区间中线上的投影长度的下限,为方块内的光流向量在区间中线上的投影长度的上限;
2)每个方块内有效的光流向量可表示为: (9)其中, 分别为第j个特征点的横坐标和纵坐标, 为第j个特征点对应的光流向量的角度, 为第j个特征点对应的光流向量的幅值,N表示方块个数,d表示方块内特征点的数量。
5.根据权利要求1所述的方法,其特征在于,步骤S200中构建概率模型用以表示所述每个方块的有效光流向量在预设数量个方向上的分布具体为: (10)
其中, , 表示权重, 表示每个方块取的预设数量个方向的个数, 是一种概率分布,定义公式如下:(11)
其中, 是第 个方向上光流向量的分布参数, 表示第 个方向的色散系数,, 为偏差标准参数, 表示特征点光流向量的角度, 表示0阶贝塞尔修正函数,其定义如下:
(12)式中, 为序号, , 表示 的阶乘。
6.根据权利要求5所述的方法,其特征在于,步骤S200中结合预设的聚类约束条件,确定每个方块内群体的方向模型,并对所有方块的方向模型进行方向聚类得到方向聚类集合,包括:
步骤S210:根据预设的聚类约束条件,对每个方块内部的方向模型进行筛选,直至每个方块内部中不存在方向相同的方向模型;
步骤S220:根据所述预设的聚类约束条件,对方块与方块之间的方向模型进行方向聚类,将所述方块与方块之间的方向相同的方向模型提取出来,得到方向聚类集合。
7.根据权利要求6所述的方法,其特征在于,步骤S210包括:步骤S2101:以任意方块中的第一运动方向作为当前方块的当前方向模型,结合预设的聚类约束条件,与当前方块中的其余任一方向模型进行比较,当其余任一方向模型与当前方块的当前方向模型的差值小于或等于预设的最小相似阈值时,删除所述其余任一方向模型,直至当前方块中的其余所有方向模型比较完毕;
步骤S2102:当当前方块中存在与第一运动方向不同的运动方向时,以当前方块中的第二运动方向作为当前方块的当前方向模型,并重复步骤S2101中的步骤,直至当前方块中不存在方向相同的方向模型;
步骤S2103:以其余方块中的任意方块的任一运动方向作为当前方块的当前方向模型,并重复步骤S2101和步骤S2102,直至所有方块都迭代完毕。
8.根据权利要求7所述的方法,其特征在于,步骤S220包括:设置多个初始方向聚类集合,将更新后的不同方块中的不同的方向模型分别放入不同的初始方向聚类集合中,结合所述预设的聚类约束条件,将更新后的不同方块中的不同的方向模型与对应方块相邻的更新后的方块中的各方向模型进行比较,把相邻方块中方向相同的方向模型放入至对应的初始方向聚类集合中,直至所有的更新后的方块中的不同的方向模型都分类完毕,得到最终的方向聚类集合。
9.根据权利要求8所述的方法,其特征在于,步骤S300包括:步骤S310:对所述最终的方向聚类集合中的元素进行优化处理,得到优化后的方向聚类集合;
步骤S320:根据在线字典学习算法,对所述优化后的方向聚类集合进行稀疏编码以及更新字典得到完备字典集合;
步骤S330:根据所述完备字典集合和优化后的方向聚类集合得到各方向的稀疏表示系数,根据各方向的稀疏表示系数构建损失函数,当所述损失函数的值大于预设的阈值时,可确定对应方向上的群体处于异常状态,得到事故发生方位。
10.一种群体异常行为检测装置,其特征在于,所述装置包括:有效光流向量求解模块,用于获取输入图像,将所述输入图像分成预设个方块,根据哈里斯角检测法和预设的筛选条件求解得到每个方块内的有效光流向量;
方向模型聚类模块,用于构建概率模型用以表示所述每个方块的有效光流向量在预设数量个方向上的分布,结合预设的聚类约束条件,确定每个方块内群体的方向模型,并对所有方块的方向模型进行方向聚类得到方向聚类集合;
异常行为检测模块,用于根据所述方向聚类集合进行稀疏编码和更新字典得到完备字典集合,根据所述完备字典集合和方向聚类集合得到各方向的稀疏表示系数,根据各方向的稀疏表示系数构建损失函数,当所述损失函数的值大于预设的阈值时,可确定对应方向上的群体处于异常状态,得到事故发生方位。