基于視頻的入侵檢測(cè)方法
【專利摘要】本發(fā)明公開了一種入侵檢測(cè)方法。其中包括：建立監(jiān)控場(chǎng)景的背景模型；提取監(jiān)控場(chǎng)景的運(yùn)動(dòng)目標(biāo)；分析運(yùn)動(dòng)目標(biāo)的軌跡與形態(tài)，判定入侵目標(biāo)。本發(fā)明設(shè)計(jì)合理，使用新型基于視頻的入侵檢測(cè)方法可以有效排除快速光線變化，相機(jī)晃動(dòng)，動(dòng)態(tài)背景等環(huán)境干擾，可實(shí)時(shí)可靠的自動(dòng)檢測(cè)入侵目標(biāo)。
【專利說明】基于視頻的入侵檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于視頻監(jiān)控領(lǐng)域，尤其是一種實(shí)時(shí)的自動(dòng)入侵檢測(cè)方法。
技術(shù)背景
[0002]隨著國(guó)家對(duì)于平安城市等安防項(xiàng)目的大力投入，視頻監(jiān)控得到了快速發(fā)展。目前的視頻監(jiān)控大多停留在人工進(jìn)行查看的狀況。人工查看實(shí)時(shí)的視頻圖像，由于長(zhǎng)時(shí)間監(jiān)控畫面中沒有入侵目標(biāo)出現(xiàn)，而且一個(gè)安保人員要負(fù)責(zé)很多路監(jiān)控畫面，因此，非常容易導(dǎo)致安保人員的疲勞，真正出現(xiàn)危險(xiǎn)入侵時(shí)，不能及時(shí)發(fā)現(xiàn)。人工監(jiān)控的方式，導(dǎo)致視頻監(jiān)控系統(tǒng)變成了一種安全事件發(fā)生后的取證系統(tǒng)，而不是在安全事件發(fā)生前或發(fā)生時(shí)的預(yù)防系統(tǒng)。
[0003]隨著智能視頻監(jiān)控技術(shù)的日益成熟，以人工智能與視頻分析等技術(shù)為主的智能安防系統(tǒng)在一定程度上彌補(bǔ)了人工監(jiān)控的不足。智能安防系統(tǒng)可以幫助安保人員快速分析大量現(xiàn)場(chǎng)傳回的視頻，并作出決策，極大的提高了視頻監(jiān)控系統(tǒng)的實(shí)際價(jià)值，因此有著廣闊的發(fā)展空間和巨大的潛在市場(chǎng)。
[0004]智能入侵檢測(cè)系統(tǒng)是指通過視頻分析的方法，自動(dòng)發(fā)現(xiàn)監(jiān)控視頻中的入侵目標(biāo)，并且根據(jù)一定判定條件，確定是否自動(dòng)報(bào)警?，F(xiàn)有的智能入侵檢測(cè)系統(tǒng)在目標(biāo)提取上，大多使用混合高斯背景建模技術(shù)，對(duì)于普通的動(dòng)態(tài)背景，如緩慢的光照變化，輕微的相機(jī)晃動(dòng)等具有較好的處理效果。但對(duì)于快速的光照變化，劇烈相機(jī)抖動(dòng)，較大幅度的樹枝擺動(dòng)等處理效果不理想，經(jīng)常會(huì)產(chǎn)生錯(cuò)誤報(bào)警，限制了其實(shí)際的使用范圍。在入侵目標(biāo)的報(bào)警條件判斷上，大多采用軌跡跟蹤，通過運(yùn)動(dòng)距離長(zhǎng)度與一些預(yù)先訓(xùn)練好的模型匹配來實(shí)現(xiàn)報(bào)警。在實(shí)際使用過程中，由于相機(jī)實(shí)際安裝角度與預(yù)先學(xué)習(xí)樣本差異，受其他動(dòng)態(tài)場(chǎng)景，影像噪聲等因素影響會(huì)造成很多漏報(bào)，誤報(bào)，造成在實(shí)際使用中的很多不便。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于解決上述的現(xiàn)有問題，提出一種視頻監(jiān)控領(lǐng)域的入侵檢測(cè)方法，該方法可以適應(yīng)多種惡劣監(jiān)控環(huán)境，對(duì)相機(jī)安裝角度無特殊要求，自動(dòng)發(fā)現(xiàn)入侵目標(biāo)準(zhǔn)確快速，可以極大提高現(xiàn)有視頻監(jiān)控系統(tǒng)的安全防護(hù)效率。
[0006]本發(fā)明通過如下方案實(shí)現(xiàn):
[0007]—種基于視頻的入侵檢測(cè)方法，以此通過視頻數(shù)據(jù)采集，動(dòng)態(tài)背景建模，運(yùn)動(dòng)目標(biāo)提取，運(yùn)動(dòng)目標(biāo)跟蹤，軌跡分析，判定入侵目標(biāo)。具體包括以下步驟:
[0008]A.建立以及更新背景模型，提取前景；
[0009]B.對(duì)前景進(jìn)行形態(tài)學(xué)處理與目標(biāo)提?。?br> [0010]C.使用目標(biāo)跟蹤算法對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤，獲取目標(biāo)坐標(biāo)；
[0011]D.進(jìn)行軌跡分析，包括分析目標(biāo)軌跡以及形態(tài)，更新目標(biāo)狀態(tài)；
[0012]E.給出入侵報(bào)警信息。
[0013]其特征在于所述步驟A包括如下步驟:[0014]Al.在跟蹤算法啟動(dòng)時(shí)，進(jìn)行一定時(shí)間的背景學(xué)習(xí)，此背景建模方法使用顏色編碼表，但不限制于該方法，可以使用任何動(dòng)態(tài)背景建模方法。
[0015]A2.根據(jù)背景建模方法，提取前景圖像，并為前景圖像建立歷史運(yùn)動(dòng)模板，若當(dāng)前一幀圖像檢測(cè)到前景的位置，此位置運(yùn)動(dòng)模板值為一個(gè)特定整數(shù)，若某一位置當(dāng)前圖像沒有檢測(cè)為前景，則減去1，若以及為0，則不進(jìn)行操作。
[0016]A3.更新背景模型，歷史運(yùn)動(dòng)模板不為0的位置不進(jìn)行更新。
[0017]其特征在于所述步驟D包括如下步驟:
[0018]Dl.分析目標(biāo)形態(tài)，保存目標(biāo)的歷史形態(tài)特征，使用矩形區(qū)域表示，通過計(jì)算目標(biāo)歷史形態(tài)的長(zhǎng)寬比，面積的方差判定目標(biāo)形態(tài)是否穩(wěn)定，穩(wěn)定度小于一定閾值，則認(rèn)為是噪聲。
[0019]D2.分析軌跡長(zhǎng)度，目標(biāo)生存時(shí)間大于一定閾值并且軌跡起點(diǎn)距離終點(diǎn)長(zhǎng)度如果大于與目標(biāo)尺寸相關(guān)的一定長(zhǎng)度閾值，并且在Dl中沒有被判定為噪聲，則判定為入侵目標(biāo)。
[0020]本發(fā)明的優(yōu)點(diǎn)和積極效果是:
[0021]通過使用運(yùn)動(dòng)目標(biāo)的歷史運(yùn)動(dòng)模板來輔助顏色編碼表進(jìn)行監(jiān)控場(chǎng)景逐幀的背景更新，使得背景模型可以適應(yīng)快速變化的背景，并且不會(huì)影響到運(yùn)動(dòng)目標(biāo)偵測(cè)的靈敏度，使得基于視頻的入侵檢測(cè)系統(tǒng)可以適應(yīng)多種復(fù)雜監(jiān)控環(huán)境，并且具有很高的運(yùn)算效率。
[0022]通過使用基于形態(tài)和軌跡的入侵目標(biāo)確認(rèn)方法，可以有效的去除在目標(biāo)提取階段錯(cuò)誤檢測(cè)為前景的目標(biāo)，極大提高了入侵目標(biāo)檢測(cè)的精確性，并且該方法構(gòu)思簡(jiǎn)單，易于實(shí)現(xiàn)。
【專利附圖】

【附圖說明】
[0023]圖1是基于視頻的入侵檢測(cè)方法流程圖。
[0024]圖2是背景模型更新方法的實(shí)施例的流程示意圖。
[0025]圖3是軌跡分析方法實(shí)施例的流程示意圖。
【具體實(shí)施方式】:
[0026]一種基于視頻的入侵檢測(cè)方法，其流程如圖1所示。具體包括以下步驟:
[0027]A.建立以及更新背景模型，提取前景；
[0028]B.對(duì)前景進(jìn)行形態(tài)學(xué)處理與目標(biāo)提??；
[0029]C.使用目標(biāo)跟蹤算法對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤，獲取目標(biāo)坐標(biāo)；
[0030]D.分析目標(biāo)軌跡以及形態(tài)，更新目標(biāo)狀態(tài)；
[0031]E.給出入侵報(bào)警信息。
[0032]其特征在于所述步驟A包括如下步驟:
[0033]Al.在跟蹤算法啟動(dòng)時(shí)，進(jìn)行一定時(shí)間的背景學(xué)習(xí)，此背景建模方法使用顏色編碼表，但不限制于該方法，可以使用任何動(dòng)態(tài)背景建模方法。
[0034]A2.根據(jù)背景建模方法，提取前景圖像，并為前景圖像建立歷史運(yùn)動(dòng)模板，若當(dāng)前一幀圖像檢測(cè)到前景的位置，此位置運(yùn)動(dòng)模板值為一個(gè)特定整數(shù)，若某一位置當(dāng)前圖像沒有檢測(cè)為前景，則減去1，若以及為0，則不進(jìn)行操作。[0035]A3.更新背景模型，歷史運(yùn)動(dòng)模板不為0的位置不進(jìn)行更新。
[0036]其特征在于所述步驟D包括如下步驟:
[0037]Dl.分析目標(biāo)形態(tài)穩(wěn)定性，保存目標(biāo)的歷史形態(tài)特征，使用矩形區(qū)域表示，通過計(jì)算目標(biāo)歷史形態(tài)的長(zhǎng)寬比，面積的方差判定目標(biāo)形態(tài)是否穩(wěn)定，穩(wěn)定度小于一定閾值，則認(rèn)為是噪聲。
[0038]D2.分析軌跡長(zhǎng)度，目標(biāo)生存時(shí)間大于一定閾值并且軌跡起點(diǎn)距離終點(diǎn)長(zhǎng)度如果大于與目標(biāo)尺寸相關(guān)的一定長(zhǎng)度閾值，并且在Dl中沒有被判定為噪聲，則判定為入侵目標(biāo)。
[0039]下面以圖2為例，具體說明背景建模算法的實(shí)現(xiàn)方法:
[0040]步驟201，在入侵檢測(cè)算法初次啟動(dòng)時(shí)，開始學(xué)習(xí)背景模型。背景模型使用顏色編碼表表示。背景模型中每個(gè)像素點(diǎn)使用20個(gè)編碼節(jié)點(diǎn)表示。每個(gè)編碼節(jié)點(diǎn)由三個(gè)顏色通道的最大最小值表示，使用RedMin，RedMax表示紅色通道的最小值與最大值，GreenMin, GreenMax表示綠色通道的最小值與最大值，BlueMin, BlueMax表示藍(lán)色通道的最小值與最大值，統(tǒng)一使用ColorMin, ColorMax表示。在背景學(xué)習(xí)階段,背景模型有一個(gè)學(xué)習(xí)速率參數(shù)ColorMod，如果新一幀的圖像顏色值R，G，B，統(tǒng)一使用Color表示。都滿足ColorMin-ColorMod < Color < ColorMax+ColorMod,則更新該編碼節(jié)點(diǎn)，ColorMin 更新為Color 與 ColorMin-ColorMod 中的較小值，ColorMax 更新為 Color 與 ColorMod 中較大值。否則，產(chǎn)生新的編碼節(jié)點(diǎn)，使得ColorMin與ColorMax值都為Color。在學(xué)習(xí)背景模型階段，學(xué)習(xí)100-200幀圖像。
[0041]步驟202，完成背景學(xué)習(xí)后，再新輸入一幀圖像，進(jìn)入前景檢測(cè)模塊，對(duì)于背景模型，具有一個(gè)顏色補(bǔ)償值Mod，設(shè)置為3至10之間，對(duì)于新輸入圖像的每一個(gè)像素點(diǎn)顏色值Color,使用在步驟201中學(xué)習(xí)的顏色編碼表，從表中的第一個(gè)節(jié)點(diǎn)開始判定，依次遍歷該像素點(diǎn)的所有顏色編碼節(jié)點(diǎn)，如果某一個(gè)節(jié)點(diǎn)滿足Color+Mod > ColorMin并且Color-Mod< ColorMax,則結(jié)束遍歷，該像素點(diǎn)被判定為背景，如果遍歷所有像素點(diǎn)都不滿足，則該像素點(diǎn)被判定為前景。
[0042]步驟203，對(duì)于相鄰兩幀圖像，對(duì)應(yīng)像素點(diǎn)顏色差值的絕對(duì)值為ColorDifT =ab s (Co I or 1-Co I or 2)，歷史差值均值表不為 MeanColorDiff = MeanCo I orD i f f *0.95+ColorDiff*0.05，以更新率0.05進(jìn)行更新。如果ColorDiff > 3*MeanColorDiff，則認(rèn)為該像素點(diǎn)發(fā)生運(yùn)動(dòng)，在一幅與輸入圖像相同大小的前景圖DiffFore中對(duì)應(yīng)像素點(diǎn)賦值為1，否則賦值為O。
[0043]步驟204,建立與輸入圖像相同大小的運(yùn)動(dòng)歷史模板圖MotionFore,如果在步驟203中的DiffFore中像素點(diǎn)的值為I，則在MotionFore中將相應(yīng)像素點(diǎn)賦值為M，M為一個(gè)整數(shù)，范圍在10到100之間，根據(jù)實(shí)際使用場(chǎng)景決定，對(duì)于快速變化的場(chǎng)景，取值較小，慢速變化場(chǎng)景，取值較大。在步驟203中像素點(diǎn)如果值為0，則在MotionFore中對(duì)應(yīng)的像素點(diǎn)的值減1，如果值為0，則不進(jìn)行操作。
[0044]步驟205，更新背景模型，如果MotionFore對(duì)應(yīng)像素點(diǎn)為0，更新該像素點(diǎn)背景模型，方法同步驟201。
[0045]步驟206，背景模型按照每個(gè)像素20個(gè)編碼節(jié)點(diǎn)統(tǒng)一分配內(nèi)存，當(dāng)背景模型內(nèi)存占用率超過90%，需要清理長(zhǎng)時(shí)間沒有出現(xiàn)的內(nèi)存，防止內(nèi)存占滿，無法為新出現(xiàn)的顏色分配內(nèi)存。
[0046]步驟207，清理背景模型，在步驟205中，記錄了編碼節(jié)點(diǎn)上一次出現(xiàn)時(shí)間，如果當(dāng)前中貞距離上次出現(xiàn)幀N-NPre > Thres, Thres為背景模型清理閾值,設(shè)定為1000,則該編碼節(jié)點(diǎn)被刪除。
[0047]步驟201至步驟207描述了一種優(yōu)選的背景模型更新方法。實(shí)驗(yàn)結(jié)果表明，使用本實(shí)施例進(jìn)行背景模型更新以及前景提取，可以適應(yīng)快速變化的監(jiān)控環(huán)境，比直接使用動(dòng)態(tài)背景模型進(jìn)行背景更新檢測(cè)到更加準(zhǔn)確的前景。
[0048]下面以圖3為例，具體說明軌跡分析的實(shí)施方法。
[0049]步驟301，判定目標(biāo)形態(tài)，運(yùn)動(dòng)目標(biāo)使用矩形區(qū)域描述，表示為Rect，矩形寬度Rectffidth,矩形高度 RectHeight,矩形面積 RectArea = Rectffidth^RectHeight,矩形長(zhǎng)寬比RectRatio = RectWidth/RectHeight。目標(biāo)會(huì)存儲(chǔ)每一次檢測(cè)到的矩形。要計(jì)算目標(biāo)矩形長(zhǎng)寬比與矩形面積的方差，RectRatioMean = (RectRatiol+RectRatio2+...+RectRatioN)/N, RectAreaMean = (RectAreal+RectArea2+…+RectAreaN)/N。RectRatioVar = ((RectRatiol-RectRatioMean) * (RectRatiol-RectRatioMean)+…+ (RectRatioN-RectRatioMean) * (RectRatioN-RectRatioMean))/N，相同方法可計(jì)算RectAreaVar0 如果目標(biāo)的 RectRatioVar > 0.l*RectRatioMean*RectRatioMean,則認(rèn)為該目標(biāo)不穩(wěn)定，判定為噪聲。如果目標(biāo)的RectAreaVar > 0.l*RectAreaMean*RectAreaMean,則認(rèn)為該目標(biāo)不穩(wěn)定，判定為噪聲。
[0050]步驟302，判定目標(biāo)軌跡長(zhǎng)度，如果在步驟301中目標(biāo)沒有被判定為噪聲，則計(jì)算目標(biāo)尺寸TarSize，將目標(biāo)寬度從小到大排序，取得中位數(shù)TarWidth，將目標(biāo)高度從小到大排序，取得中位數(shù)TarHeight,目標(biāo)尺寸使用TarWidth與TarHeight的較小值表示。目標(biāo)的軌跡長(zhǎng)度PathLen為目標(biāo)起點(diǎn)距離終點(diǎn)的直線距離。如果PathLen > IO^TarSize并且目標(biāo)產(chǎn)生的時(shí)間長(zhǎng)度LiveTime > 5`秒，則判定目標(biāo)為激活狀態(tài)。
[0051]步驟301至步驟302描述了軌跡分析的方法，實(shí)驗(yàn)結(jié)果表明，通過該實(shí)施例的方法，可以有效去除由于環(huán)境噪聲以及相機(jī)晃動(dòng)在背景建模中無法去掉的前景目標(biāo)造成的錯(cuò)誤觸發(fā)。具有實(shí)現(xiàn)方式簡(jiǎn)單，效果良好的優(yōu)點(diǎn)。
【權(quán)利要求】
1.一種基于視頻的入侵檢測(cè)方法，包括如下步驟: A.建立以及更新背景模型，提取前景； B.對(duì)前景進(jìn)行形態(tài)學(xué)處理與目標(biāo)提取； C.使用目標(biāo)跟蹤算法對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤，獲取目標(biāo)坐標(biāo)； D.軌跡分析，包括分析目標(biāo)軌跡以及形態(tài)，更新目標(biāo)狀態(tài)； E.給出入侵報(bào)警信息； 其特征在于步驟A所使用的背景模型更新方法； 其特征在于步驟D所使用的軌跡分析方法。
2.根據(jù)權(quán)利要求1所述的基于視頻的入侵檢測(cè)方法，其特征在于所述步驟A包括如下步驟: Al.在跟蹤算法啟動(dòng)時(shí)，進(jìn)行一定時(shí)間的背景學(xué)習(xí)，此背景建模方法使用顏色編碼表，但不限制于該方法，可以使用任何動(dòng)態(tài)背景建模方法； A2.根據(jù)背景建模方法，提取前景圖像，并為前景圖像建立歷史運(yùn)動(dòng)模板，若當(dāng)前一幀圖像檢測(cè)到前景的位置，此位置運(yùn)動(dòng)模板值為一個(gè)特定整數(shù)，若某一位置當(dāng)前圖像沒有檢測(cè)為前景，則減去1，若以及為O，則不進(jìn)行操作； A3.更新背景模型，歷史運(yùn)動(dòng)模板不為O的位置不進(jìn)行更新。
3.根據(jù)權(quán)利要求1所述的基于視頻的入侵檢測(cè)方法，其特征在于所述步驟D包括如下步驟: Dl.分析目標(biāo)形態(tài)，保存目標(biāo)的歷史形態(tài)特征，使用矩形區(qū)域表示，通過計(jì)算目標(biāo)歷史形態(tài)的長(zhǎng)寬比，面積的方差判定目標(biāo)形態(tài)是否穩(wěn)定，穩(wěn)定度小于一定閾值，則認(rèn)為是噪聲； D2.分析軌跡長(zhǎng)度，目標(biāo)生存時(shí)間大于一定閾值并且軌跡起點(diǎn)距離終點(diǎn)長(zhǎng)度如果大于與目標(biāo)尺寸相關(guān)的一定長(zhǎng)度閾值，并且在Dl中沒有被判定為噪聲，則判定為入侵目標(biāo)。
【文檔編號(hào)】G06T7/40GK103489202SQ201310027564
【公開日】2014年1月1日 申請(qǐng)日期:2013年1月15日 優(yōu)先權(quán)日:2013年1月15日
【發(fā)明者】張德峰 申請(qǐng)人:上海盈覺智能科技有限公司