一種復(fù)雜場景下的物品安全檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及，特別涉及一種復(fù)雜場景下的物品安全檢測方法。
【背景技術(shù)】
[0002] 近年來，隨著人們對公共場合安全防護(hù)需求的不斷提高，如何使視頻監(jiān)控系統(tǒng)在 無人為干預(yù)的條件下實現(xiàn)對動態(tài)場景中目標(biāo)的定位、識別和跟蹤，并在此基礎(chǔ)上分析和判 斷目標(biāo)的行為，從而主動及時地向監(jiān)控人員發(fā)出異常報警信息，已經(jīng)成為視頻監(jiān)控系統(tǒng)主 要的研宄目標(biāo)。作為視頻監(jiān)控的重要任務(wù)之一，物品安全檢測也在很多領(lǐng)域存在著應(yīng)用空 間。該領(lǐng)域在以往的研宄中已經(jīng)提出了很多方法，主要集中在兩個方面的研宄：運動區(qū)域監(jiān) 測和跟蹤信息分析方法。
[0003] 由于實時場景中存在著光照突變，天氣變化和重復(fù)運動等不確定因素，使得獲取 穩(wěn)定可靠的運動區(qū)域的難度加大，現(xiàn)有的運動區(qū)域監(jiān)測方法有如下幾類：時間差分法、光流 法、統(tǒng)計方法以及背景減除法。其中，背景減法在攝像機(jī)靜止和環(huán)境光漸變的情況下表現(xiàn)出 良好的效果。在背景減法中提出在貝葉斯框架的基礎(chǔ)上，結(jié)合頻譜，空間和時間的特征，描 述背景中的每個像素，但是卻難以處理發(fā)生遮擋的情況。并且，背景減除的方法不能有效應(yīng) 對持續(xù)晃動的復(fù)雜場景，而高斯混合模型在構(gòu)造背景模型時可以有效減少光照變化、往復(fù) 運動、緩慢移動物體、長期場景變化和攝像機(jī)噪音對背景模型的影響，但該方法計算量比較 大，不符合實時性要求。
[0004] 現(xiàn)有的很多物品安全檢測方法中都包含了目標(biāo)跟蹤算法。原則上，這些方法需要 解決的共同難題是對象初始化問題以及前景區(qū)域內(nèi)所有偵測目標(biāo)的跟蹤。為了獲得前景區(qū) 域通常假設(shè)背景場景是幾乎靜止或周期性變化的，這樣同背景存在很大差異的像素點將組 成前景區(qū)域?？墒?，現(xiàn)實場景中的某些因素是不可控的例如：物體部分遮擋、物體的陰影和 固定的攝像機(jī)角度等，它們的存在常常會使跟蹤方法獲得無法預(yù)料的結(jié)果。
[0005] 除了上述研宄方法外，還有采用時序邏輯的方法，利用視頻序列的多時空和上下 文線索去檢查遺留物體，但其魯棒性有待提高。還有提出基于雙重背景檢測靜止目標(biāo)的方 法，該方法對輸入視頻采取不同的采樣幀速率從而構(gòu)造出兩個背景。但是，這種技術(shù)對不同 應(yīng)用的樣本視頻很難設(shè)定統(tǒng)一的參數(shù)值，并且缺少判斷靜態(tài)前景目標(biāo)所屬的事件類型的相 關(guān)機(jī)制。在許多監(jiān)控場景中，相對于初始背景會產(chǎn)生許多進(jìn)入場景或離開場景的前景目標(biāo)， 不能正確劃分前景區(qū)域是否對應(yīng)于滯留物或者遺失物。
[0006] 公開于該【背景技術(shù)】部分的信息僅僅旨在增加對本發(fā)明的總體背景的理解，而不應(yīng) 當(dāng)被視為承認(rèn)或以任何形式暗示該信息構(gòu)成已為本領(lǐng)域一般技術(shù)人員所公知的現(xiàn)有技術(shù)。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的在于提供一種復(fù)雜場景下的物品安全檢測方法，從而克服在許多監(jiān) 控場景中，相對于初始背景會產(chǎn)生許多進(jìn)入場景或離開場景的前景目標(biāo)，不能正確劃分前 景區(qū)域是否對應(yīng)于滯留物或者遺失物的缺點。
[0008] 為實現(xiàn)上述目的，本發(fā)明提供了一種復(fù)雜場景下的物品安全檢測方法，包括：
[0009] 1)在某段時間間隔內(nèi)，將視頻的第一幀圖像和第二幀圖像作為初始背景圖像和當(dāng) 前背景圖像，將第三幀圖像與所述初始背景圖像和所述當(dāng)前背景圖像進(jìn)行求差計算獲得第 一運動目標(biāo)；
[0010] 2)對所述初始背景圖像和當(dāng)前背景圖像進(jìn)行更新，更新后與所述第四幀圖像進(jìn)行 求差計算獲得第二運動目標(biāo)，以此類推? ??直至獲得該段時間內(nèi)第N幀圖像中的第N運 動目標(biāo)；
[0011] 3)在所述第N運動目標(biāo)所在圖像中提取靜態(tài)運動目標(biāo)；
[0012] 4)將所述靜態(tài)運動目標(biāo)所在的圖像分為靜態(tài)目標(biāo)區(qū)域、當(dāng)前背景區(qū)域以及初始背 景區(qū)域；計算所述靜態(tài)目標(biāo)區(qū)域、所述當(dāng)前背景區(qū)域以及所述初始背景區(qū)域的顏色直方圖， 當(dāng)所述靜態(tài)目標(biāo)區(qū)域和所述當(dāng)前背景區(qū)域的顏色直方圖相似度大于所述靜態(tài)目標(biāo)區(qū)域和 所述初始背景區(qū)域的顏色直方圖的相似度時，判斷所述靜態(tài)運動目標(biāo)為滯留物；反之，當(dāng)所 述靜態(tài)目標(biāo)區(qū)域和所述當(dāng)前背景區(qū)域的顏色直方圖的相似度差別較大，而所述靜態(tài)目標(biāo)區(qū) 域和所述初始背景區(qū)域的顏色直方圖的相似度差別較小時，判斷所述靜態(tài)運動目標(biāo)為偷竊 物并報警。
[0013] 上述技術(shù)方案中，步驟2)中對所述初始背景圖像和當(dāng)前背景圖像進(jìn)行更新的步 驟如下：
【主權(quán)項】
1. 一種復(fù)雜場景下的物品安全檢測方法，其特征在于，包括以下步驟： 1) 在某段時間間隔內(nèi)，將視頻的第一幀圖像和第二幀圖像作為初始背景圖像和當(dāng)前背 景圖像，將第三幀圖像與所述初始背景圖像和所述當(dāng)前背景圖像進(jìn)行求差計算獲得第一運 動目標(biāo)； 2) 對所述初始背景圖像和當(dāng)前背景圖像進(jìn)行更新，更新后與所述第四幀圖像進(jìn)行求差 計算獲得第二運動目標(biāo)，以此類推? ??直至獲得該段時間內(nèi)第N幀圖像中的第N運動目 標(biāo)； 3) 在所述第N運動目標(biāo)所在圖像中提取靜態(tài)運動目標(biāo)； 4) 將所述靜態(tài)運動目標(biāo)所在的圖像分為靜態(tài)目標(biāo)區(qū)域、當(dāng)前背景區(qū)域以及初始背景區(qū) 域；計算所述靜態(tài)目標(biāo)區(qū)域、所述當(dāng)前背景區(qū)域以及所述初始背景區(qū)域的顏色直方圖，當(dāng)所 述靜態(tài)目標(biāo)區(qū)域和所述當(dāng)前背景區(qū)域的顏色直方圖的相似度大于所述靜態(tài)目標(biāo)區(qū)域和所 述初始背景區(qū)域的顏色直方圖的相似度時，判斷所述靜態(tài)運動目標(biāo)為滯留物；反之，當(dāng)所述 靜態(tài)目標(biāo)區(qū)域和所述當(dāng)前背景區(qū)域的顏色直方圖的相似度差別較大，而所述靜態(tài)目標(biāo)區(qū)域 和所述初始背景區(qū)域的顏色直方圖的相似度差別較小時，判斷所述靜態(tài)運動目標(biāo)為偷竊物 并報警。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟2)中對所述初始背景圖像和當(dāng)前背 景圖像進(jìn)行更新的步驟如下：
其中，BCt(x,y)和BChU,y)，以及BOt(x,y)和BCVjx,y)分別表示當(dāng)前背景/初始背 景圖像中像素點（X，y)在t時刻的像素值以及在其t-1時刻的像素值； It(x，y)為t時亥lj輸入圖像在點（x，y)的像素值，MCt(x，y)和MOt(x，y)分另lj表示像素 點相對于兩個背景是否發(fā)生變化，a、0則是更新速率，StayCount(X，y)用來描述像素點 發(fā)生變化所持續(xù)的時間，1；和Ti用來記錄持續(xù)的幀數(shù)（T。
3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟1)和步驟2)中還包括對所述當(dāng)前背 景圖像進(jìn)行陰影去除。
4. 根據(jù)要求3所述的方法，其特征在于，對所述當(dāng)前背景圖像進(jìn)行陰影去除的步驟如 下： 41)首先判斷所述當(dāng)前背景圖像是否存在陰影：
其中，〇Y、〇u、0V分別為YUV顏色空間建立背景中三顏色通道的方差，Mxy的值為1， 標(biāo)識該像素為運動目標(biāo)區(qū)域，為0時屬于背景區(qū)域，d(Y)為當(dāng)前像素與背景中亮度信號的 差值，d(U)和d(V)分別為兩個色差通道的差值； 42)去除經(jīng)步驟41)檢測的陰影。
5. 根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟3)在所述第N目標(biāo)運動區(qū)域所在圖 像中提取靜態(tài)運動目標(biāo)的步驟如下：
其中，SOt (x，y)為描述靜態(tài)運動目標(biāo)的圖像，T為像素被標(biāo)記為靜態(tài)運動目標(biāo)的最小幀 數(shù)。
6. 根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟3)還包括判斷所述靜態(tài)運動目標(biāo)是 否為物品，其步驟如下： 61) 建立多個標(biāo)準(zhǔn)人體行為庫圖像； 62) 計算所述靜態(tài)運動目標(biāo)的每一幀圖像與所述標(biāo)準(zhǔn)人體行為庫圖像的歐式距離，具 體如下：
(6) dmj=min{dms}，s、jGS; (7) 其中，設(shè)M為靜態(tài)運動目標(biāo)所在圖像，S為多個標(biāo)準(zhǔn)人體行為庫圖像，s為單個標(biāo)準(zhǔn)人體 行為庫圖像，d為歐式距離； 63) 當(dāng)所述歐式距離小于所設(shè)閾值，則所述靜態(tài)運動目標(biāo)為行人，反之為物品。
7. 根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟4)中計算所述靜態(tài)目標(biāo)區(qū)域、所述當(dāng) 前背景區(qū)域以及所述初始背景區(qū)域的顏色直方圖的具體步驟如下： P= {p(U)}U=l,-m； q= {q(u)}u = T' =IV(U) } ? 其中，P為靜態(tài)目標(biāo)區(qū)域，q為當(dāng)前背景區(qū)域，r為初始背景區(qū)域。
8. 根據(jù)權(quán)利要求7所述的方法，其特征在于，還包括計算所述靜態(tài)目標(biāo)區(qū)域和所述當(dāng) 前背景區(qū)域之間以及所述靜態(tài)目標(biāo)區(qū)域和所述初始背景區(qū)域之間的巴氏系數(shù)，具體如下：
其中，m是顏色直方圖的分布級總數(shù)，qu、pu和ru是第u級所占顏色直方圖的權(quán)重。
9. 根據(jù)權(quán)利要求8所述的方法，其特征在于，還包括： 91)計算所述靜態(tài)目標(biāo)區(qū)域和所述當(dāng)前背景區(qū)域之間以及所述靜態(tài)目標(biāo)區(qū)域和所述初 始背景區(qū)域之間的巴氏距離，具體如下：
其中，d為兩個顏色直方圖之間的巴氏距離； 92) 根據(jù)所述靜態(tài)目標(biāo)區(qū)域和所述當(dāng)前背景區(qū)域之間的巴氏距離屯判斷對應(yīng)兩個顏色 直方圖之間的第一相似度； 根據(jù)所述靜態(tài)目標(biāo)區(qū)域和所述初始背景區(qū)域之間的巴氏距離屯判斷對應(yīng)兩個顏色直 方圖之間的第二相似度； 93) 當(dāng)所述第一相似度大于所述第二相似度，則認(rèn)為所述靜態(tài)運動目標(biāo)為滯留物，當(dāng)所 述第一相似度較大，而所述第二相似度較小時，則認(rèn)為所述靜態(tài)運動目標(biāo)為偷竊物。
【專利摘要】本發(fā)明公開了一種復(fù)雜場景下的物品安全檢測方法，包括以下步驟：1)在某段時間間隔內(nèi)，將視頻的第一幀圖像和第二幀圖像作為初始背景圖像和當(dāng)前背景圖像，將第三幀圖像與初始背景圖像和當(dāng)前背景圖像進(jìn)行求差計算獲得第一運動目標(biāo)；2)對初始背景圖像和當(dāng)前背景圖像進(jìn)行更新，更新后與第四幀圖像進(jìn)行求差計算獲得第二運動目標(biāo)，以此類推…直至獲得該段時間內(nèi)第N幀圖像中的第N運動目標(biāo)；3)在第N運動目標(biāo)所在圖像中提取靜態(tài)運動目標(biāo)；4)判斷靜態(tài)運動目標(biāo)為滯留物或偷竊物并報警。該方法能夠克服在許多監(jiān)控場景中，相對于初始背景會產(chǎn)生許多進(jìn)入場景或離開場景的前景目標(biāo)，不能正確劃分前景區(qū)域是否對應(yīng)于滯留物或者遺失物的缺點。
【IPC分類】G06T7-20
【公開號】CN104809742
【申請?zhí)枴緾N201510177466
【發(fā)明人】文珺, 王韋樺, 葉進(jìn), 李陶深, 王寧章
【申請人】廣西大學(xué)
【公開日】2015年7月29日
【申請日】2015年4月15日