專(zhuān)利名稱(chēng):基于計(jì)算機(jī)視覺(jué)的入侵監(jiān)控方法
技術(shù)領(lǐng)域:
本發(fā)明涉及一種入侵監(jiān)控方法,具體涉及一種基于計(jì)算機(jī)視覺(jué)技術(shù)的入侵監(jiān)控方法。
技術(shù)背景入侵監(jiān)控系統(tǒng)指的利用攝像頭判斷目標(biāo)與固定區(qū)域之間關(guān)系的系統(tǒng),如判斷警戒區(qū)域的 闖入,危險(xiǎn)地區(qū)的誤入等。目前,該類(lèi)系統(tǒng)主要由保安人員24小時(shí)肉眼觀(guān)察監(jiān)控屏幕來(lái)完成。 這是一件非常繁重的工作,而且由于疲勞等原因,人的注意力很容易分散。所以由計(jì)算機(jī)來(lái) 處理攝像頭返回的視頻信息,以代替人力進(jìn)行監(jiān)控將很有意義。發(fā)明內(nèi)容本發(fā)明的目的在于提供一種基于計(jì)算機(jī)視覺(jué)的入侵監(jiān)控方法,以改進(jìn)現(xiàn)有方法中采用人 力進(jìn)行監(jiān)控的不足。本發(fā)明的基于計(jì)算機(jī)視覺(jué)的入侵監(jiān)控方法,包括以下步驟獲取一定數(shù)量的連續(xù)幀視頻 圖像,這些圖像主要描述無(wú)運(yùn)動(dòng)目標(biāo)存在時(shí)的場(chǎng)景信息根據(jù)獲取的多幀圖像的像素值,月 非參數(shù)統(tǒng)計(jì)方法建立背景模型;對(duì)于新獲取的圖像,利用得到的背景模型,估計(jì)圖像中每個(gè) 像素點(diǎn)隸屬于背景的概率,和事先設(shè)定的域值比較,以此判斷該點(diǎn)是否為前景點(diǎn);對(duì)前景點(diǎn) 進(jìn)行形態(tài)學(xué)濾波處理得到前景區(qū)塊,之后根據(jù)前景區(qū)塊的面積大小決定是否為運(yùn)動(dòng)目標(biāo);采 用加權(quán)直方圖特征對(duì)運(yùn)動(dòng)目標(biāo)建模,并采用直方圖匹配方法跟蹤上述運(yùn)動(dòng)目標(biāo);利用跟蹤軌 跡,判斷運(yùn)動(dòng)目標(biāo)有沒(méi)有進(jìn)入事先設(shè)定的敏感區(qū)域,若進(jìn)入則報(bào)警以下對(duì)該發(fā)明的每一步進(jìn)行具體說(shuō)明-(1)背景建模首先收集一定數(shù)量的背景圖像。然后對(duì)背景圖像中的每個(gè)像素點(diǎn)進(jìn)行統(tǒng)計(jì)建模。得到的 背景模型由圖像中每個(gè)像素位置的背景顏色分布來(lái)描述,這些分布的非參數(shù)統(tǒng)計(jì)方法如下-,、1 1 ",-氣)2o"其中,A為時(shí)刻Z某個(gè)像素位置的d維顏色特征觀(guān)測(cè)值,{x,.},=i A,表示事先收集的該像素點(diǎn)位置一組d維背景顏色觀(guān)測(cè)值,exp(;c)表示指數(shù)函數(shù),(^是各維特征對(duì)應(yīng)的方差,則p(;c,) 為f時(shí)刻該像素值x,屬于背景的概率值。(2) 運(yùn)動(dòng)目標(biāo)檢測(cè)得到背景統(tǒng)計(jì)模型之后,在某時(shí)刻"圖像中前景目標(biāo)的檢測(cè)可以通過(guò)比較概率值p(x,)和 某個(gè)閥值的大小來(lái)決定。對(duì)于圖像中某個(gè)位置的像素值x,,如果概率值p(x,)小于某個(gè)設(shè)定的 閥值,則當(dāng)前相應(yīng)的像素點(diǎn)為前景點(diǎn),否則,相應(yīng)的像素點(diǎn)為背景點(diǎn)。為了增加魯棒性,對(duì) 于背景模型檢測(cè)出的前景點(diǎn)需要進(jìn)一步進(jìn)行數(shù)學(xué)形態(tài)學(xué)濾波處理。這些數(shù)學(xué)形態(tài)學(xué)濾波處理 的步驟包括中值濾波、形態(tài)學(xué)腐蝕和形態(tài)學(xué)膨脹操作。對(duì)于處理后得到的前景區(qū)域,選取其 中面積大于給定閾值的作為運(yùn)動(dòng)目標(biāo)。(3) 運(yùn)動(dòng)目標(biāo)建模得到運(yùn)動(dòng)目標(biāo)區(qū)域后,本方法采用加權(quán)顏色直方圖模型來(lái)對(duì)運(yùn)動(dòng)目標(biāo)建模。對(duì)于某個(gè)高 度/z,寬度w,中心點(diǎn)位置為K的前景運(yùn)動(dòng)目標(biāo)區(qū)域,該區(qū)域的加權(quán)顏色直方圖模型為。其中u為顏色空間量化后對(duì)應(yīng)的量化序號(hào),范圍是l,…,m。每個(gè)么的計(jì)算方法如<formula>formula see original document page 5</formula>其中,y,表示該運(yùn)動(dòng)目標(biāo)區(qū)域的某個(gè)像素點(diǎn)坐標(biāo),整個(gè)目標(biāo)區(qū)域的像素個(gè)數(shù)為M, 6(乂)函數(shù) 得到該像素位置像素值的量化序號(hào),"x)函數(shù)示Kronecker函數(shù),定義為<formula>formula see original document page 5</formula>C是歸一化系數(shù),使得^滿(mǎn)足^二^=1的要求。函數(shù)A:(x)是Epanechnikov函數(shù),形式為其中",c^為常數(shù)(4)運(yùn)動(dòng)跟蹤及入侵判斷這里采用直方圖特征匹配的方法來(lái)跟蹤運(yùn)動(dòng)目標(biāo)。在f時(shí)刻,某個(gè)運(yùn)動(dòng)目標(biāo)A的加權(quán)直 方圖模型為^,在"1時(shí)刻,為了確定目標(biāo)A的新位置。首先在f + l的圖像中,找到距目標(biāo) A原位置較近的幾個(gè)運(yùn)動(dòng)目標(biāo),計(jì)算它們的加權(quán)顏色模型,接著計(jì)算《和這些目標(biāo)的相似度J(^,"T'),則最大相似度對(duì)應(yīng)的運(yùn)動(dòng)目標(biāo)和目標(biāo)A相匹配,從而得到目標(biāo)A的新位置。通過(guò)連續(xù)匹配相鄰幀的目標(biāo)就可以實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的跟蹤。當(dāng)該目標(biāo)軌跡落在事先由用戶(hù)指定 的警戒區(qū)域時(shí),則系統(tǒng)判定入侵發(fā)生并報(bào)警。本發(fā)明的基于計(jì)算機(jī)視覺(jué)的入侵監(jiān)控方法,采用計(jì)算機(jī)視覺(jué)技術(shù),利用監(jiān)控?cái)z像機(jī)和計(jì) 算機(jī)來(lái)實(shí)現(xiàn)敏感區(qū)域的入侵監(jiān)控,所需設(shè)備簡(jiǎn)單、容易實(shí)現(xiàn)而且成本較低,避免了人工監(jiān)控 的繁重工作量和疲勞問(wèn)題。
為了更好地理解本發(fā)明,下面結(jié)合附圖對(duì)本發(fā)明進(jìn)行詳細(xì)的說(shuō)明,其中: 圖1是本發(fā)明的入侵監(jiān)控方法的硬件系統(tǒng)框圖 圖2是本發(fā)明的入侵監(jiān)控方法的場(chǎng)景示意圖。 圖3是本發(fā)明的入侵監(jiān)控方法的實(shí)現(xiàn)流程圖。
具體實(shí)施方式
如圖1所示,本發(fā)明的入侵監(jiān)控方法的硬件系統(tǒng)包括攝像機(jī),用于采集視頻圖像;視 頻編解碼器,用于對(duì)攝像機(jī)所采集的圖像進(jìn)行編解碼處理及網(wǎng)絡(luò)傳輸;計(jì)算機(jī),用于接收來(lái) 自視頻編解碼器的視頻圖像,然后利用本發(fā)明的入侵監(jiān)控方法對(duì)所接收的視頻圖像進(jìn)行處理。下面結(jié)合圖3說(shuō)明本發(fā)明的基于計(jì)算機(jī)視覺(jué)的入侵監(jiān)控方法。首先建立初始背景模型,即利用攝像機(jī)采集視頻圖像,收集N幀的背景圖像,并得到圖 像中每個(gè)像素點(diǎn)(/, /)位置的^維像素值。然后,利用每個(gè)像素點(diǎn)位置的N個(gè)像素值建立非參數(shù)統(tǒng)計(jì)模型,該模型用一個(gè)概率函數(shù) 表達(dá)11W rf'exp"、 - )2~^~(公式1)其中,x,為時(shí)刻f某個(gè)像素位置的d維顏色特征觀(guān)測(cè)值,fx丄o表示事先收集的該像素 點(diǎn)位置一組"維背景顏色觀(guān)測(cè)值,exp(x)表示指數(shù)函數(shù),^是各維特征對(duì)應(yīng)的方差,則p(x,) 為時(shí)刻f像素值《屬于背景的概率值。在得到像素點(diǎn)(/,力處的背景模型后,利用給定的閥值rg來(lái)檢測(cè)前景點(diǎn)在時(shí)刻/,對(duì)于像素點(diǎn)(f,力的像素值:c,,如果p(;c,)S7^,則像素點(diǎn)(/,力為前景點(diǎn),否者,像素點(diǎn)(/,/)為背 景點(diǎn)。由于一般情況下圖像的大部分點(diǎn)都是背景點(diǎn),公式(1)中的求和項(xiàng)一般在還未計(jì)算完 N項(xiàng)之前就己經(jīng)超過(guò)了閥值,因此大部分點(diǎn)在很短時(shí)間內(nèi)就可以處理完畢。在檢測(cè)了前景點(diǎn)后,需要對(duì)前景圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理以濾除噪聲、填補(bǔ)空洞,具體 來(lái)講所述處理包括中值濾波、腐蝕操作以及膨脹操作。按以下步驟進(jìn)行對(duì)前景圖像進(jìn)行3x3 的中值濾波,以去除孤立的噪聲點(diǎn);對(duì)濾波后得到的圖像進(jìn)行5x5的形態(tài)學(xué)膨脹操作;對(duì)膨 脹后得到的圖像進(jìn)行邊界跟蹤或者邊緣點(diǎn)連接,得到圖像中每個(gè)連通區(qū)域的邊界,從而獲得 每個(gè)連通區(qū)域的相關(guān)信息如大小、面積等,然后出去面積小于一定閥值77/2或形狀不規(guī)則的 連通區(qū)域;將邊界內(nèi)部的像素點(diǎn)設(shè)置為前景點(diǎn),以填充其中可能存在的空洞。經(jīng)過(guò)后處理之 后,面積大于給定閥值77/3的區(qū)域被選定為運(yùn)動(dòng)目標(biāo)。接著采用加權(quán)顏色直方圖來(lái)對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行建模,具體如下設(shè){乂},=,,2,..、,,是某個(gè)高度//,寬度w ,中心點(diǎn)位置為k的前景運(yùn)動(dòng)目標(biāo)區(qū)域中"個(gè)像素點(diǎn) 的集合。6(乂)表示該像素點(diǎn)在顏色量化空間中的量化序號(hào),量化序號(hào)范圍"-0,l,…,w。則 該區(qū)域的加權(quán)顏色直方圖模型為^,^,.j。每個(gè)么的計(jì)算方法如下<formula>formula see original document page 7</formula> (公式2)其中,y,表示該運(yùn)動(dòng)目標(biāo)區(qū)域的某個(gè)像素點(diǎn)坐標(biāo),C是歸一化系數(shù),使得&滿(mǎn)足Z'二&:1的要求。3(x)函數(shù)示Kronecker函數(shù),定義為<formula>formula see original document page 7</formula>(公式3)函數(shù)是Epanechnikov函數(shù),形式為<formula>formula see original document page 7</formula> (公式4)其中",。為常數(shù)。得到運(yùn)動(dòng)目標(biāo)的顏色直方圖模型之后,采用直方圖特征匹配的方法來(lái)跟蹤運(yùn)動(dòng)目標(biāo)。在Z 時(shí)亥i」,某個(gè)運(yùn)動(dòng)目標(biāo)A的加權(quán)直方圖模型為《,在"1時(shí)刻,為了確定目標(biāo)A的新位置,首 先在f + l的圖像中,找到距目標(biāo)A原位置較近的幾個(gè)運(yùn)動(dòng)目標(biāo),并計(jì)算它們的加權(quán)顏色模型。接著分別并且和《比較,求得相似度^(《,《+1),這里采用Bhattacharyya系數(shù)來(lái)計(jì)算相似度:"《,OS二V^7 (公式5)在滿(mǎn)足2 7W4的所有目標(biāo)中,找到和目標(biāo)A相似度最大的運(yùn)動(dòng)目標(biāo),該目標(biāo)位置就 是目標(biāo)A的新位置。= argn^xs(《,《")=argm3x(S二(公式6)如果目標(biāo)A找不到某個(gè)目標(biāo)使得4《,《")》r//,,則可能目標(biāo)A已經(jīng)離開(kāi)了視野的目標(biāo) 和被其它目標(biāo)遮擋,對(duì)于這種情況,將目標(biāo)A予以保留,并在后面的若干幀圖像中繼續(xù)匹配, 如果一直沒(méi)有匹配,就認(rèn)為該目標(biāo)巳經(jīng)離開(kāi)視野的目標(biāo),如果在后續(xù)的圖像中有匹配目標(biāo), 則重新建立A目標(biāo)的跟蹤軌跡。通過(guò)連續(xù)匹配相鄰幀的目標(biāo)就可以得到運(yùn)動(dòng)目標(biāo)的跟蹤軌跡。當(dāng)該目標(biāo)軌跡落在事先由 用戶(hù)指定的警戒區(qū)域時(shí),則系統(tǒng)判定入侵發(fā)生并報(bào)警。
權(quán)利要求
1、一種基于計(jì)算機(jī)視覺(jué)的入侵監(jiān)控方法,其特征在于,包括以下步驟獲取一定數(shù)量的連續(xù)幀視頻圖像,這些圖像主要描述無(wú)運(yùn)動(dòng)目標(biāo)存在時(shí)的場(chǎng)景信息;根據(jù)獲取的多幀圖像的像素值,用非參數(shù)統(tǒng)計(jì)方法建立背景模型;對(duì)于新獲取的圖像,利用得到的背景模型,估計(jì)圖像中每個(gè)像素點(diǎn)隸屬于背景的概率,和事先設(shè)定的域值比較,以此判斷該點(diǎn)是否為前景點(diǎn);對(duì)前景點(diǎn)進(jìn)行形態(tài)學(xué)濾波處理得到前景區(qū)塊,之后根據(jù)前景區(qū)塊的面積大小決定是否為運(yùn)動(dòng)目標(biāo);采用加權(quán)直方圖特征對(duì)運(yùn)動(dòng)目標(biāo)建模,并采用直方圖匹配方法跟蹤上述運(yùn)動(dòng)目標(biāo);利用跟蹤軌跡,判斷運(yùn)動(dòng)目標(biāo)有沒(méi)有進(jìn)入事先設(shè)定的敏感區(qū)域,若進(jìn)入則報(bào)警。
2、 根據(jù)權(quán)利要求1所述的入侵監(jiān)控方法,其特征在于,背景模型由圖像中每個(gè)像素點(diǎn)位 置的背景顏色分布來(lái)描述,這些分布通過(guò)多幀背景圖像的非參數(shù)統(tǒng)計(jì)得到其中,A為時(shí)刻f某個(gè)像素位置的d維顏色特征觀(guān)測(cè)值,{x,.},=1』表示建模期間該像素點(diǎn) 位置觀(guān)察到的一組^維顏色特征觀(guān)測(cè)值,exp(JC)表示指數(shù)函數(shù),(7;是每維特征對(duì)應(yīng)的方差, 則為^時(shí)刻像素值JC,屬于背景的概率值。
3、 根據(jù)權(quán)利要求1所述的入侵監(jiān)控方法,其特征在于,該方法通過(guò)比較概率值/;")和某個(gè)設(shè)定閥值的大小來(lái)決定f時(shí)刻該像素值《是否屬于前景如果概率值/7")小于某個(gè)設(shè)定的閥值,則當(dāng)前相應(yīng)的像素點(diǎn)為前景點(diǎn),否則,相應(yīng)的像素點(diǎn)為背景點(diǎn)。
4、 根據(jù)權(quán)利要求1所述的入侵監(jiān)控方法,其特征在于,對(duì)背景模型檢測(cè)出的前景點(diǎn)進(jìn)行數(shù)學(xué)形態(tài)學(xué)濾波處理,這些數(shù)學(xué)形態(tài)學(xué)濾波處理的步驟包括中值濾波、形態(tài)學(xué)腐蝕和形態(tài)學(xué) 膨脹操作,對(duì)于處理后的前景區(qū)域,選取區(qū)域面積大于給定閾值的作為運(yùn)動(dòng)目標(biāo)。
5、 根據(jù)權(quán)利要求1所述的入侵監(jiān)控方法,其特征在于,采用加權(quán)顏色直方圖模型來(lái)對(duì)運(yùn)動(dòng)目標(biāo)建模。對(duì)于高度A,寬度w,中心點(diǎn)位置為A的前景運(yùn)動(dòng)目標(biāo)區(qū)域,該區(qū)域的加權(quán)顏色直方圖模型為{^=1 m,其中u為顏色空間量化后對(duì)應(yīng)的量化序號(hào),范圍是l,...,附。則每 個(gè)&的計(jì)算方法如下其中,y,表示該運(yùn)動(dòng)目標(biāo)區(qū)域的某個(gè)像素點(diǎn)坐標(biāo),目標(biāo)區(qū)域的總像素個(gè)數(shù)為",6(y,)函數(shù)得 到該像素位置像素值在量化空間里所屬的量化序號(hào),c是歸一化系數(shù),使得&滿(mǎn)足S:么=1<formula>formula see original document page 2</formula>的要求。5(Jc)函數(shù)示Kronecker函數(shù),定義為:函數(shù)是Epanechnikov函數(shù),形式為c^(d + 2)(l-Jc)如果xSl 0 否則其中J, c^為常數(shù)。
6、根據(jù)權(quán)利要求1所述的入侵監(jiān)控方法,其特征在于,采用基于直方圖特征匹配的方 法來(lái)跟蹤運(yùn)動(dòng)目標(biāo)。在f時(shí)刻,運(yùn)動(dòng)目標(biāo)A的加權(quán)直方圖模型為《,在f + l時(shí)刻,計(jì)算目標(biāo) 八原位置附近的幾個(gè)運(yùn)動(dòng)目標(biāo)的特征模型《+1,并和《比較求得相似度^(《,《+1),則最大相 似度對(duì)應(yīng)的運(yùn)動(dòng)目標(biāo)和目標(biāo)A相匹配?!?1 =argi^x《,《+1) -argi^xe:,^^,")通過(guò)連續(xù)匹配相鄰幀的目標(biāo)從而實(shí)現(xiàn)了運(yùn)動(dòng)目標(biāo)的跟蹤。對(duì)于跟蹤上的運(yùn)動(dòng)目標(biāo),判斷其運(yùn) 動(dòng)軌跡是否落在事先指定的警戒區(qū)域內(nèi),以此來(lái)判定入侵是否發(fā)生和報(bào)警。
全文摘要
一種基于計(jì)算機(jī)視覺(jué)的入侵監(jiān)控方法,用于智能視頻監(jiān)控領(lǐng)域。該方法事先通過(guò)監(jiān)控?cái)z像機(jī)采集若干幀的視頻圖像,以此建立基于非參數(shù)統(tǒng)計(jì)的場(chǎng)景模型。對(duì)于新的視頻圖像,用場(chǎng)景模型檢測(cè)出前景點(diǎn),并由形態(tài)學(xué)濾波進(jìn)一步處理得到運(yùn)動(dòng)目標(biāo)。接著對(duì)運(yùn)動(dòng)目標(biāo)提取加權(quán)直方圖特征,并采用直方圖匹配方法跟蹤運(yùn)動(dòng)目標(biāo),得到目標(biāo)的運(yùn)動(dòng)軌跡。判斷目標(biāo)軌跡是否進(jìn)入設(shè)定的警戒區(qū)域,從而決定是否發(fā)出警報(bào)。本入侵檢監(jiān)控方法,采用計(jì)算機(jī)視覺(jué)技術(shù),利用計(jì)算機(jī)處理監(jiān)控?cái)z像機(jī)獲取的視頻信息,實(shí)現(xiàn)自動(dòng)檢測(cè)和報(bào)警,設(shè)備簡(jiǎn)單、容易實(shí)現(xiàn),具有廣闊的市場(chǎng)前景和應(yīng)用價(jià)值。
文檔編號(hào)G06T7/20GK101256626SQ20081000755
公開(kāi)日2008年9月3日 申請(qǐng)日期2008年2月28日 優(yōu)先權(quán)日2008年2月28日
發(fā)明者路 王, 程繼承 申請(qǐng)人:王 路;程繼承