[發明專利]視頻監控中的入侵檢測方法

有效

• 申請號: 201210211862.X
• 申請日: 2012-06-26
• 公開（公告）號: CN103516955A
• 公開（公告）日: 2014-01-15
• 發明（設計）人: 周兵;趙長升;張喆
• 申請（專利權）人: 鄭州大學;河南金鵬實業有限公司
• 主分類號: H04N5/14
• 分類號: H04N5/14;G06T7/00
• 代理公司: 鄭州中原專利事務所有限公司 41109
• 代理人: 張春;李想

技術領域

本發明涉及一種視頻中闖入對象的檢測方法，具體地說是涉及一種應用在背景差法下的變化像素檢測方法，能快速準確地檢測到視頻中的闖入對象。

背景技術

在對視頻中入侵對象的檢測技術中，如何準確檢測到變化的像素是評價該技術的重要標準。為實現準確檢測，視頻的背景的真實性至關重要，如何得到更加真實的背景是一個值得研究的課題。

為快速準確地檢測到視頻中的運動對象，現在技術中存在以下幾種方法：

1)光流分析法，光流分析法的優點是能夠檢測出獨立運動的對象，不需要預先知道場景的任何信息，并且可用于攝像機運動的情況，但多數光流分析法計算復雜耗時，除非有特殊的硬件支持，很難實現實時檢測；

2)時域差分法，時域差分法適合于動態變化的環境，但時域差分法不能夠完整地分割運動對象，不利于進一步的對象分析與識別；

3)運動能量法，運動能量法適合于復雜變化的環境，能消除背景中振動的象素，使按某一方向運動的對象更加突出地顯現出來，但運動能量法也不能夠精確地分割出對象；

4)背景除去法，又稱背景差分法，是安全監控中最常用的運動對象檢測算法，背景除去法的有效性取決于背景模型能否有效地表示背景的變化。

上述的這些方法中，光流法計算復雜耗時；時間差分法不能夠完整地分割運動對象；運動能量法也不能夠精確地分割出對象；背景除去法是安全監控中最常用的運動對象檢測算法，考慮速度和穩健性兩個方面，背景除去的綜合性能最好。而背景除去法的有效性取決于背景模型能否有效地表示背景的變化。現有的高斯混合背景模型在實際應用時，由于在每一次檢測之后，都需要進行一次權重的重新排序，算法非常耗費CPU資源，難以實用。

發明內容

本發明的目的是提供一種視頻監控中的入侵檢測方法，在不影響背景除去算法穩健性的情況下，有效提高背景除去法的檢測實時性。

為實現上述目的，本發明采用以下技術方案：

一種視頻監控中的入侵檢測方法，它包括如下步驟：

步驟一，建立背景模型，使用K-Means算法對視頻圖像進行學習和初始化，然后隨著時間的變化對背景進行實時更新；

步驟二，根據得到的背景使用背景除去法檢測視頻中的變化像素，并對這些變化像素進行虛假像素誤判抑制處理、小尺寸像素塊處理及入侵檢測，從而得到真實的運動像素，并從真實的運動像素中檢測得出視頻中的運動對象。

在所述的步驟一中，視頻圖像初始化是指：選取時間段內的視頻幀，對獲得的所有視頻幀相同位置像素點的強度值使用K-Means算法分組統計，將出現概率最大的一組數據的均值和方差作為背景模型的參數。

在所述的步驟一中，建立兩個高斯背景模型，其中一個高斯背景模型采用快速更新方式，另一個高新背景模型采用慢速更新方式；所述的快速更新方式是指不管是背景像素還是運動像素都采用相同的方式更新；所述的慢速更新方式是指只更新背景像素。

在所述的步驟二中，變化像素是這樣獲得的：使用背景除去法將每幀像素強度值與其對應的背景像素強度值做差處理，然后將做差處理結果與設定閾值進行比較，其中，做差處理結果大于設定閾值的像素即判定為變化像素。

在獲得變化像素這一過程中，使用背景除去法將每幀像素強度值與其對應的背景像素強度值和相鄰的背景像素強度值分別做差處理，做差處理結果均大于設定閾值的像素即判定為變化像素。

在判定的變化像素的區域內去除小尺寸像素塊，進一步確定真正的變化像素。

當兩個高斯背景模型都檢測到變化像素時，當前像素被判定為變化像素。

采用上述技術方案的本發明，具有以下優點：

(1)采用單個高斯分布，沒有權重的排序問題；

(2)采用快慢結合的雙背景模型，還能夠解決闖入車輛長久不動(變成背景的一部分)，引起報警模塊不停報警的問題；

(3)通過研究像素點的概率統計分布，使用K-Means算法將每一象素在學習階段出現的強度值劃分成k組，系統將出現概率最大的一組數據的均值和方差作為背景模型的參數，實驗表明，只要保證足夠的學習時間，基本可以得到理想的背景模型；

(4)另外隨著時間的變化對背景模型進行實時更新，進一步提高背景模型的真實性。