一種遺留物實(shí)時(shí)檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計(jì)算機(jī)視覺技術(shù)在全天候高清視頻監(jiān)控系統(tǒng)中的應(yīng)用，具體涉及一種 基于全天候復(fù)雜光線條件下全高清視頻監(jiān)控系統(tǒng)的遺留物實(shí)時(shí)檢測(cè)方法。
【背景技術(shù)】
[0002] 近兩年，是安防行業(yè)高速發(fā)展的時(shí)期，安全問題是全社會(huì)共同關(guān)注的一件大事， 遺留物檢測(cè)方法是預(yù)防危險(xiǎn)、保證安全的一項(xiàng)重要措施，在安防行業(yè)中尤其是在具有潛在 危險(xiǎn)的高風(fēng)險(xiǎn)行業(yè)中發(fā)揮著重要的作用，類似于機(jī)場(chǎng)、歷史文物景點(diǎn)、軍事管制區(qū)等高危場(chǎng) 所。遺留物檢測(cè)方法主要應(yīng)用在這些高危場(chǎng)所中，是對(duì)用戶重點(diǎn)關(guān)心監(jiān)測(cè)的區(qū)域是否有遺 棄或者遺留的物體進(jìn)行自動(dòng)分析與檢測(cè)，當(dāng)某個(gè)物體在某個(gè)區(qū)域被遺留或被遺棄一定時(shí)間 后，系統(tǒng)可以檢測(cè)出該物體，能夠標(biāo)記出物體，并觸發(fā)報(bào)警以防止意外發(fā)生。
[0003] 目前的遺留物檢測(cè)方法，主要是針對(duì)清晰度較低的監(jiān)控環(huán)境。而在高危場(chǎng)所中，對(duì) 監(jiān)控產(chǎn)品的要求高，特別是對(duì)清晰度要求越來(lái)越高，目前大規(guī)模的1080P全高清網(wǎng)絡(luò)攝像 機(jī)被普及應(yīng)用到這些高危場(chǎng)所，以便事后放大觀看，掌控細(xì)節(jié)。全高清網(wǎng)絡(luò)攝像機(jī)使圖像清 晰度有了質(zhì)的飛躍，但是也給高清監(jiān)控系統(tǒng)帶來(lái)了一系列現(xiàn)實(shí)的問題，對(duì)于視頻圖像的管 理和事后分析的工作量將成倍增長(zhǎng)，對(duì)遺留物分析工作的實(shí)時(shí)性要求更高。
[0004] 另外，目前已有的遺留物檢測(cè)方法主要存在如下的問題：
[0005] 目前直接采用混合高斯模型進(jìn)行背景建模，沒有考慮到混合高斯背景建模每一幀 視頻圖像后都需要對(duì)各像素點(diǎn)的每個(gè)顏色通道的每個(gè)高斯函數(shù)的參數(shù)進(jìn)行更新，計(jì)算量非 常龐大，很難滿足算法實(shí)時(shí)性的要求，特別是在全高清視頻監(jiān)控系統(tǒng)中該限制表現(xiàn)的更加 明顯；目前陰影檢測(cè)方法效果較差，特別是在全天候復(fù)雜光線變化條件下無(wú)法將運(yùn)動(dòng)目標(biāo) 和其投射的運(yùn)動(dòng)陰影較好的分離開來(lái)；目前遺留物檢測(cè)中沒有對(duì)干擾的目標(biāo)進(jìn)行嚴(yán)格的剔 除，造成遺留物的誤檢率過商。
[0006][0007] 所以，如何提高全天候復(fù)雜光線條件下全高清視頻監(jiān)控系統(tǒng)中遺留物檢測(cè)的實(shí)時(shí) 性、準(zhǔn)確性、魯棒性是亟待解決的問題。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明的目的是解決現(xiàn)有的遺留物檢測(cè)方法在全天候復(fù)雜光線變化條件下效果 差的問題，提供一種高效的遺留物檢測(cè)方法，適用于全天復(fù)雜光線條件下全高清視頻監(jiān)控 系統(tǒng)中的遺留物實(shí)時(shí)、準(zhǔn)確的檢測(cè)。
[0009] 為了實(shí)現(xiàn)上述目的，本發(fā)明的遺留物實(shí)時(shí)檢測(cè)方法，包括以下步驟：
[0010] S10,獲取視頻圖像數(shù)據(jù)；
[0011] S30,采用混合高斯模型改進(jìn)算法對(duì)視頻圖像進(jìn)行背景建模，分別建立一個(gè)長(zhǎng)周期 背景模型和一個(gè)短周期背景模型，其中，將背景劃分為穩(wěn)定區(qū)域和動(dòng)態(tài)區(qū)域，于穩(wěn)定區(qū)域 中，當(dāng)一像素的背景模型中，混合高斯模型的一高斯分布與每拍新進(jìn)入的像素值相匹配的 頻率高于一設(shè)定的閾值時(shí)，則接下來(lái)的N幀圖像內(nèi)該像素點(diǎn)的背景模型的各個(gè)高斯分布參 數(shù)都不再更新，在N幀后，重新設(shè)置混合高斯模型的各高斯分布參數(shù)并重新開始學(xué)習(xí)，直到 又有高斯分布與新進(jìn)入的像素值匹配的頻率大于設(shè)定的閾值，如此循環(huán)反復(fù)；于動(dòng)態(tài)區(qū)域 中，當(dāng)一像素的背景模型中，兩個(gè)或三個(gè)高斯函數(shù)不斷交替的與新獲得的像素值匹配，這幾 個(gè)高斯函數(shù)權(quán)重之和大于一設(shè)定的閾值時(shí)，則接下來(lái)的Μ幀圖像內(nèi)該像素點(diǎn)的背景模型的 各個(gè)高斯分布參數(shù)都不再更新，并將這幾個(gè)高斯分布的均值表示該像素點(diǎn)的背景值，在Μ 幀后，重新設(shè)置混合高斯模型的各高斯分布參數(shù)并重新開始學(xué)習(xí)，直到有新的高斯分布權(quán) 重之和大于設(shè)定的閾值，如此循環(huán)反復(fù)，其中，Μ、Ν均為整數(shù)；
[0012] S40,通過當(dāng)前視頻幀減去長(zhǎng)周期背景模型得到長(zhǎng)周期前景!\，通過當(dāng)前視頻幀減 去短周期背景模型得到短周期前景Fs;
[0013]S50,對(duì)長(zhǎng)周期前景和短周期前景Fs進(jìn)行分析并檢測(cè)出遺留物，標(biāo)記出遺留物并 進(jìn)行報(bào)警。
[0014] 上述的遺留物實(shí)時(shí)檢測(cè)方法，其中，所述步驟S30中重新設(shè)置混合高斯模型的各 高斯分布參數(shù)包括如下步驟：
[0015] S31，ωit/ 〇it值最大的高斯分布所對(duì)應(yīng)的權(quán)重值設(shè)為：
[0016] &^ =
[0017] S32,其余的高斯分布所對(duì)應(yīng)的權(quán)值均設(shè)為：
[0019] 其中，c〇it為第i個(gè)高斯分布在t時(shí)刻的權(quán)重，σit為第i個(gè)高斯分布在t時(shí)刻 的方差，K為混合高斯模型中高斯函數(shù)的個(gè)數(shù)，歹，β為[0, 1)區(qū)間的浮點(diǎn)數(shù)。
[0020] 上述的遺留物實(shí)時(shí)檢測(cè)方法，其中，所述步驟S10中采用抽幀的方式獲取視頻圖 像數(shù)據(jù)。
[0021] 上述的遺留物實(shí)時(shí)檢測(cè)方法，其中，所述步驟S10和步驟S30之間還包括如下步驟 S20,所述步驟S20包括如下步驟：
[0022] S21，利用雙線性內(nèi)插值法對(duì)視頻圖像進(jìn)行降采樣處理。
[0023] 上述的遺留物實(shí)時(shí)檢測(cè)方法，其中，所述步驟S20還包括如下步驟：
[0024]S22,利用高斯濾波器對(duì)夜間模式下采集到的視頻圖像數(shù)據(jù)進(jìn)行降噪處理。
[0025] 上述的遺留物實(shí)時(shí)檢測(cè)方法，其中，所述步驟S50還包括如下步驟：
[0026] S510,采用基于混合高斯的陰影抑制算法消除長(zhǎng)周期前景^和短周期前景Fs中 的運(yùn)動(dòng)陰影。
[0027] 上述的遺留物實(shí)時(shí)檢測(cè)方法，其中，所述步驟S510包括如下步驟：
[0028]S511，利用基于HSV顏色空間的陰影模型來(lái)檢測(cè)長(zhǎng)周期前景^和短周期前景Fs中 的疑似陰影；
[0029]S512,根據(jù)長(zhǎng)周期前景^和短周期前景Fs中被判定為疑似陰影的像素進(jìn)行混合高 斯陰影模型的學(xué)習(xí)更新；
[0030]S513,判斷長(zhǎng)周期前景^和短周期前景Fs中的疑似陰影是否為運(yùn)動(dòng)陰影，并消除 長(zhǎng)周期前景^和短周期前景Fs中的運(yùn)動(dòng)陰影。
[0031] 上述的遺留物實(shí)時(shí)檢測(cè)方法，其中，所述步驟S50還包括步驟S520,所述步驟S520 包括如下步驟：
[0032]S521，對(duì)長(zhǎng)周期前景和短周期前景Fs進(jìn)行二值化處理，得到長(zhǎng)周期前景二值圖 F/和短周期前景二值圖F/;
[0033]S522,采用形態(tài)學(xué)的方法處理長(zhǎng)周期前景二值圖F/和短周期前景二值圖F/;
[0034]S523,采用區(qū)域標(biāo)記的方法消除長(zhǎng)周期前景二值圖F/和短周期前景二值圖F/中 連通區(qū)域。
[0035] 上述的遺留物實(shí)時(shí)檢測(cè)方法，其中，所述步驟S523還包括如下步驟：
[0036] 采用區(qū)域生長(zhǎng)法對(duì)長(zhǎng)周期前景二值圖F/和短周期前景二值圖F/中的連通區(qū)域進(jìn) 行標(biāo)記，計(jì)算每個(gè)連通區(qū)域的面積民，若該連通區(qū)域的面積民小于預(yù)定的面積閾值，則 將該連通區(qū)域從前景中剔除。
[0037] 上述的遺留物實(shí)時(shí)檢測(cè)方法，其中，所述步驟S650還包括如下步驟：
[0038]S530,通過分析長(zhǎng)周期前景二值圖F/和短周期前景二值圖F/的特點(diǎn)，對(duì)前景中的 目標(biāo)進(jìn)行分類，獲得疑似遺留物的目標(biāo)物體〇_，分類規(guī)則為：
[0039] F/(x，y) = 1且F/(x，y) = 1，（X，y)點(diǎn)像素屬于運(yùn)云力目標(biāo)；
[0040]FL'(x，y) = 1且Fs'(x，y) =0, (X，y)點(diǎn)像素屬于疑似遺留物的目標(biāo)物體0cur ;
[0041] F/(x，y) = 0且F/(x，y) = 1，（X，y)點(diǎn)像素屬于場(chǎng)景變化目標(biāo)或噪聲；
[0042] F/(x，y) = 0且 F/(x，y) = 0，（X，y)點(diǎn)像素屬于背景目標(biāo)。
[0043] 上述的遺留物實(shí)時(shí)檢測(cè)方法，其中，所述步驟S50還包括如下步驟：
[0044]S540,采用目標(biāo)輪廓與目標(biāo)中心外圍區(qū)域顏色直方圖相結(jié)合的方法檢測(cè)疑似遺留 物的目標(biāo)物體〇_中的取走物，并剔除疑似遺留物的目標(biāo)物體〇_中的取走物〇__， 獲得暫時(shí)靜止的目標(biāo)物體〇 abandOT。
[0045] 上述的遺留物實(shí)時(shí)檢測(cè)方法，其中，所述步驟S540還包括如下步驟：
[0046]S541，根據(jù)目標(biāo)物體0_的目標(biāo)輪廓特征判斷候選取走物0EtMp;
[0047] S542,根據(jù)目標(biāo)物體0_中心外圍區(qū)域顏色直方圖特征判斷候選取走物0HtMp ;
[0048]S543,根據(jù)候選取走物0Etenip和候選取走物0Htenip，確定取走物，剔除疑似遺留 物的目標(biāo)物體〇_中的取走物〇Μ_，獲得暫時(shí)靜止的目標(biāo)物體〇abandcm，判斷暫時(shí)靜止的目標(biāo) 物體〇aband?和取走物〇__的決策公示為：
[0049]
[0050] 上述的遺留物實(shí)時(shí)檢測(cè)方法，其中，所述步驟S50還包括如下步驟：
[0051]S550,采用基于H0G和膚色特征的行人檢測(cè)算法檢測(cè)行人，剔除暫時(shí)靜止的目標(biāo) 物體〇aband?中的靜止行人，獲得候選遺留物的目標(biāo)物體。
[0052] 上述的遺留物實(shí)時(shí)檢測(cè)方法，其中，所述步驟S50還包括如下步驟：
[0053]S560,對(duì)每個(gè)候選遺留物的目標(biāo)物體進(jìn)行團(tuán)塊跟蹤，并對(duì)每個(gè)候選遺留物的目標(biāo) 物體的持續(xù)停留的幀數(shù)Numi分別進(jìn)行統(tǒng)計(jì)，當(dāng)某個(gè)候選遺留物的目標(biāo)物體累計(jì)停留的幀數(shù) 超過一設(shè)定的閾值T_時(shí)，S卩Numi >T_，該候選遺留物的目標(biāo)物體標(biāo)記為遺留物，觸發(fā)遺 留物報(bào)警，并根據(jù)該遺留物的邏輯位置在源圖像中標(biāo)出遺留物的外接