[發(fā)明專利]一種基于在線激光的視頻監(jiān)測方法和裝置

無效

• 申請?zhí)枺?/td>: 201110436717.7
• 申請日: 2011-12-22
• 公開（公告）號: CN103177237A
• 公開（公告）日: 2013-06-26
• 發(fā)明（設計）人: 李湛;溫新盼
• 申請（專利權）人: 中國移動通信集團河北有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/38;G06K9/46;H04N7/18
• 代理公司: 北京中譽威圣知識產權代理有限公司 11279
• 代理人: 彭曉玲;龔鎮(zhèn)雄

技術領域

本發(fā)明公開了一種基于在線激光的視頻監(jiān)測方法，屬于智能防盜監(jiān)測技術。

背景技術

現(xiàn)有的智能防盜檢測實質上是在靜態(tài)背景下檢測運動目標，目前所提出的運動目標檢測算法按照原理可分為以下三類：幀間差分法、光流法和背景差分法。

幀間差分法是最為常用的運動目標檢測和分割方法之一，基本原理就是在圖像序列相鄰兩幀或三幀間采用基于像素的時間差分再通過二值化來提取圖像中的運動區(qū)域。首先，將相鄰幀圖像對應像素值相減得到差分圖像，然后對差分圖像進行二值化，在環(huán)境亮度變化不大的情況下，如果對應像素值變化小于事先確定的閾值時，可以認為此處是背景像素；如果圖像區(qū)域的像素變化很大，可以認為這是由于圖像中運動的物體引起的，將這些區(qū)域標記為前景像素，利用標記的像素區(qū)域可以確定運動目標在圖像中的位置。

光流法是基于對光流場的估計進行檢測的分割方法，采用了運動目標隨時變化的光流特性，研究圖像灰度在時間上的變化與景象中物體結構和運動的關系。光流法的主要任務就是計算光流場，即在適當?shù)钠交约s束條件下，根據(jù)圖像序列的時空梯度估算運動場，通過分析運動場的變化對運動目標和場景進行檢測和分割。通常有基于全局光流場和特征點光流場兩種方法。全局光流場計算方法是得到全局光流場后通過比較運動目標與背景之間的運動差異對運動目標進行光流分割，缺點是計算量大。特征點光流法通過特征匹配求特征點處的流速，具有計算量小、快速靈活的特點，但稀疏的光流場很難精確地提取運動目標的形狀。

背景差分法是一種有效的運動對象檢測算法，基本思想是利用背景的參數(shù)模型來近似背景圖像的像素值，將當前幀與背景圖像進行差分比較實現(xiàn)對運動區(qū)域的檢測，其中區(qū)別較大的像素區(qū)域被認為是運動區(qū)域，而區(qū)別較小的像素區(qū)被認為是背景區(qū)域。背景差分法必須要有背景圖像，并且背景圖像必須是隨著光照或外部環(huán)境的變化而實時更新的，因此背景差分法的關鍵是背景建模及其更新，現(xiàn)常用的背景建模算法有非回歸遞歸和回歸遞推兩類。

現(xiàn)在最常用的方法是基于高斯混合模型(GMM)的背景差分目標檢測方法。其中，圖1是現(xiàn)有技術中的基于高斯混合模型的背景差分目標監(jiān)測方法的示意圖；其基本思想是將當前幀圖像像素值與經過高斯混合模型建模得到的實時背景圖像(背景模型)對應像素值相減，若差值大于某一閾值，則判定該像素點屬于運動目標，否則判定此像素點屬于場景背景，經過閾值分割處理并二值化后得到運動前景目標，再將不同的目標進行表征分析，實現(xiàn)特征的匹配跟蹤，完成智能識別分析過程。這種方法可以獲得關于運動目標區(qū)域完整而精確的描述，并且運算速度較快。高斯模型就是用高斯概率密度函數(shù)(正態(tài)分布曲線)精確地量化事物，將一個事物分解為若干的基于高斯概率密度函數(shù)(正態(tài)分布曲線)形成的模型?；旌细咚鼓Ｐ褪鞘褂肒(基本為3到5個)個高斯模型來表征圖像中各個像素點的特征，在新一幀圖像獲得后更新混合高斯模型，用當前圖像中的每隔像素點與混合高斯模型匹配，如果成功則判定該點為背景點，否則為前景點。混合高斯模型作為當前背景建模最為成功的方法之一得到了廣泛的應用。

幀間差分法是利用相鄰兩幀作為處理對象，相鄰兩幀時間間隔非常短，背景不用積累，更新速度快，算法簡單、計算量小，對動態(tài)變化場景有較強的適應性，但對環(huán)境噪聲較為敏感，因此閾值的選擇也變得尤為關鍵，選擇過低不足以抑制圖像中的噪聲，過高則忽略了圖像中有用的變化信息。此外對于比較大的、顏色抑制的運動目標，有可能在目標內部產生空洞，無法完整地提取運動目標。

光流法不需要預先知道場景的任何信息，就能夠檢測到運動對象，可處理背景運動的情況，但噪聲、多光源、陰影和遮擋等因素會對光流場分布的計算結果造成嚴重影響；而且光流法計算復雜，很難實現(xiàn)實時處理。

背景差分法一般能得到比較全面的特征數(shù)據(jù)，但對動態(tài)場景變化和光線變化等外界干擾非常敏感。基于高斯混合模型(GMM)的背景差分目標檢測方法是背景差分算法中的經典代表，有著易于實現(xiàn)、對多峰分布背景建模以及背景模型自適應等優(yōu)點，但其受復雜背景(光線突然變化，樹葉擺動和雨雪天氣，陰影等)的影響，對前景對象的分割效果并不理想，抗干擾能力差，這極大地制約了其應用適應性。

綜上所述，現(xiàn)有的智能防盜檢測方法受復雜環(huán)境的影響比較大，抗干擾能力比較差。

發(fā)明內容

本發(fā)明針對現(xiàn)有技術的缺點，提供了一種基于在線激光的視頻監(jiān)測方法和裝置，所述方法和裝置能夠適應各種復雜的背景環(huán)境，不受突變光線、陰影以及雨雪天氣的影響。

根據(jù)本發(fā)明的第一目的，提供了一種基于在線激光的視頻監(jiān)測方法，包括：A、獲取包含激光束的被監(jiān)測區(qū)域的當前幀的視頻圖像以及經過混合高斯模型處理的背景圖像；