胡艷歌 劉藝航 王婧琦

摘要：近年來，各方面對人們施加的壓力越來越大，導致人們患有精神疾病的概率也大大增加。本研究提出對精神病人進行異常行為識別的方式。首先，要有視頻圖象的收集和預處理。其次，是介紹人體目標檢測與跟蹤的算法。最后，對精神病人的異常行為進行識別。

關鍵詞：智能視頻監(jiān)控;人體目標檢測;人體目標跟蹤;異常行為識別;VIBE算法

1前言

為了實現(xiàn)在精神病院中對精神病人的安全管理，本文提出了基于智能視頻監(jiān)控的異常行為識別的方法去監(jiān)測精神病人的行為是否異常，如有異常，及時報警，讓醫(yī)護人員知曉并采取措施以保證精神病人的安全。這可以提高醫(yī)護人員救治的效率，也大大降低了醫(yī)護人員人工查房的頻率，可以對醫(yī)院中的患者實現(xiàn)高效管理。本文鉆研分為三步，第一是視頻圖象的搜集和預處理。視頻圖象的收集和預處理是圖像中目標檢測和識別的條件，在實行運動目標檢測和行為識別之前，先提取視頻中的幀圖象，再對幀圖象進行處理以提升圖象效果，使得后續(xù)算法不受影響，最后的檢測識別結(jié)果更加切確。第二是對精神病人實行檢測和跟蹤。精神病人的檢測重要是以VIBE算法為基礎的運動前景提取，最終實現(xiàn)VIBE算法的運動對象檢測。精神病人的跟蹤的核心算法是模板匹配算法。最大限度地檢測病人來得到其地域特性，然后在每個模塊內(nèi)以和病人相一致的模塊來追蹤病人。第三是對精神病院中的病人進行異常行為識別。

2視頻圖像的采集與處理

由于本文主要是研究精神病院病人的安全管理問題，考慮到應用的場景，拉普拉斯算子比較適用于整體對比度和亮度值都較低的圖像，本文決定采用拉普拉斯算子算法來進行圖像的增強。

拉普拉斯算子：獲得拉普拉斯算法后，先對圖象實行處置，之后與最初的圖象進行卷積運算，就可以獲得加強后的圖象。

3精神病人的檢測與跟蹤

3.1運動目標的檢測與提取概述

本文研究過程中所用到的運動目標檢測都是基于靜態(tài)攝像頭的，所以背景中環(huán)境比較復雜。VIBE屬于通用性的檢測算法，本文采用VIBE背景建模為檢測運動目標的算法。

3.2 VIBE背景建模算法

建立背景模型，樣本值所具有的數(shù)目共有N個，在U大于閾值Umin的狀態(tài)下，樣本值與背景模型是比較近似的，歸于背景。VIBE背景模型的切確程度與R和Umin有關。VIBE布景更新是和更新的措施有關系的。在隨機的樣本中，所用到的樣本在生命周期上表現(xiàn)出指數(shù)衰減，樣本會不會保留下來是和時間沒有關系的。樣本的更新的幾率是相同的。這就使模型有很好的更新狀態(tài)。

3.3運動目標跟蹤算法

運動目標跟蹤算法，完成對運動目標的辨別和分類。

本節(jié)采納了以多種特點模板的模板匹配為基礎的跟蹤算法實行目標跟蹤。該算法是整合了上述方法中的前兩種而得來的。

這種算法主要有以下幾個特性：

（1）聯(lián)系跟蹤紋理、顏色等特性，構成運動對象跟蹤的特性。提升跟蹤的精確度。

（2）完成了多個幀的跟蹤后，利用檢測模塊對跟蹤目標更新。

（3）展望對象搜索范疇，可對目標的位置進行預判。

4精神病人的異常行為識別

4.1基于人體外接矩形寬高比的跌倒行為的判斷

該算法首先要確定人體自然站立時的狀態(tài)，在此狀態(tài)下得出外接矩形框的寬（W）和高（H）。人體若是發(fā)生了跌倒行為，矩形框在這種狀況下一定會呈現(xiàn)變動。對此進行設想，正常情況下也就是直立行走時H>W，而摔倒情況下，有H

當人體外接矩形的寬高比遠小于1時，人體處于正常的豎立狀態(tài);而當寬高比遠大于1時，人體則處于跌倒形態(tài)。

4.2基于質(zhì)心偏離水平的跌倒行的判斷

要測量樣本值的偏離水平，可以用標準差來完成。本節(jié)要對人體的質(zhì)心值進行測量，可以根據(jù)p來完成。

如果豎立行動是正常的，p值波動會很小;如果發(fā)生了摔倒，那么在極短的時間里會有非常大的質(zhì)心位置的變化，p值波動會很是大。因而可以得到一個用于判斷跌倒行為的規(guī)則[3]。

5實驗結(jié)果與分析

本文選擇使用拉普拉斯算子來進行處理。實驗結(jié)果表明，處理之后的圖象加倍清晰，邊沿特點更為明顯，有利于后續(xù)的目標識別。第二步是精神病人的檢測和跟蹤。第三步是精神病院病人異常行為識別，p值越大，說明病人摔倒的可能性越大。

6結(jié)束語

利用視頻監(jiān)控和異常行為識別可以更好地照顧他們，防止意外發(fā)生或者減少一些意外的傷害和損失。

參考文獻

[1]朱敏，朱振福，等.一種用于運動目標檢測的背景建模方法：CN103700116A[P].2014：2-4.

[2]李旋旋，張仁杰.一種基于Kineet的人體摔倒檢測方法[J].軟件導刊，2017（ 07 ）：128-130.

作者簡介，胡艷歌（1995，05-），女，漢族，河南許昌人，河南師范大學本科在讀，研究方向：物聯(lián)網(wǎng)工程;

劉藝航（1999，02 -），女，漢族，河南新鄉(xiāng)人，河南師范大學本科在讀，研究方向：計算機科學與技術;

王婧琦（1997，10-），女，漢族，河南新鄉(xiāng)人，河南師范大學本科在讀，研究方向：軟件開發(fā)。

本文系智能視頻分析的人體行為識別項目階段性成果，項目編號為S201810476026。