[發(fā)明專利]一種基于視頻的運動物體入侵報警方法

有效

• 申請?zhí)枺?/td>: 201510082799.8
• 申請日: 2015-02-15
• 公開（公告）號: CN104658152B
• 公開（公告）日: 2017-10-20
• 發(fā)明（設(shè)計）人: 鄒建華;李朋帥;趙璽;張志廣;王斌
• 申請（專利權(quán)）人: 西安交通大學(xué);廣東順德西安交通大學(xué)研究院
• 主分類號: G08B13/196
• 分類號: G08B13/196
• 代理公司: 西安通大專利代理有限責(zé)任公司61200
• 代理人: 安彥彥

技術(shù)領(lǐng)域

本發(fā)明屬于安防監(jiān)控領(lǐng)域，涉及室內(nèi)運動物體入侵報警算法方法，具體涉及一種基于視頻的運動物體入侵報警方法。

背景技術(shù)

隨著中國城鎮(zhèn)化的發(fā)展，人口不斷聚集及個人財富的不斷積累，社會治安壓力不斷增加，社會盜竊案件頻發(fā)，怎樣提高個人或者集體財產(chǎn)的防盜能力成為了研究熱點，隨著技術(shù)發(fā)展，各種電子監(jiān)控系統(tǒng)應(yīng)運而生，視頻監(jiān)控技術(shù)是其中發(fā)展迅猛的一項技術(shù)，視頻監(jiān)控技術(shù)在樓宇和家庭等監(jiān)控應(yīng)用非常廣泛。但是現(xiàn)有的監(jiān)控技術(shù)往往都是“監(jiān)”而不“控”，當(dāng)發(fā)生盜竊案時，錄像可以做破案的依據(jù)，做到的只是事后提供破案證據(jù)，即用戶的財產(chǎn)已經(jīng)遭受損失然后才想到補救，因此發(fā)展一種以“防”為主的入侵檢測方法是當(dāng)前熱點研究。

當(dāng)前研究的熱點主要有基于視頻的運動檢測、人臉檢測、目標(biāo)跟蹤、行為理解等，這些技術(shù)均可以用來檢測是否室內(nèi)有人入侵，但是基于大多數(shù)家庭的需求是實時發(fā)現(xiàn)室內(nèi)有入侵、實時報警，而人臉檢測、目標(biāo)跟蹤及行為理解等相關(guān)方法雖然很新，但是目前較難做成產(chǎn)品，并且即使市場上有相關(guān)的產(chǎn)品，對一般的家庭來說，部署和實施起來較難，成本也是一般家庭很難承受的，因此，在室內(nèi)監(jiān)控中，只需要準(zhǔn)確發(fā)現(xiàn)室內(nèi)有運動物體入侵然后向用戶發(fā)送報警消息就可以了，用戶可根據(jù)遠(yuǎn)程視頻監(jiān)控查看室內(nèi)的情況，當(dāng)需要報警時，用戶及時報警。

運動檢測的方法很多，但是監(jiān)控場景是多種多樣的，每一種運動檢測方法一般只適用于一種或僅有幾種的監(jiān)控場景，如果只用一種運動檢測算法來檢測運動報警的話，虛假報警的次數(shù)會非常多，因此，需要發(fā)展一種適用多種監(jiān)控場景的運動檢測方法，來提高運動檢測的準(zhǔn)確性，即提高報警的準(zhǔn)確性。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于視頻的運動物體入侵報警方法，該方法滿足實時監(jiān)控報警、降低監(jiān)控系統(tǒng)的虛假報警概率及低的計算復(fù)雜度。

為達(dá)到上述目的，本發(fā)明采用了以下的技術(shù)方案：

一種基于視頻的運動物體入侵報警方法，包括以下步驟：

1)連續(xù)采集室內(nèi)實時監(jiān)控圖像，并存儲；

2)將采集的室內(nèi)實時監(jiān)控圖像通過場景模式計算算法計算場景復(fù)雜度；當(dāng)場景復(fù)雜度大于閾值時，則為復(fù)雜場景，否則為簡單場景；

3)針對不同的場景模式分別采用不同的背景參數(shù)估計算法估計背景參數(shù)，然后利用背景參數(shù)提取前景特征；

4)計算前景特征復(fù)雜度，當(dāng)前景特征復(fù)雜度大于閾值時，則有運動物體侵入室內(nèi)，發(fā)送報警信息，更新圖像背景參數(shù)后進行步驟1）；當(dāng)前景特征復(fù)雜度小于等于閾值時，則無運動物體侵入室內(nèi)，更新圖像背景參數(shù)后進行步驟1）。

所述步驟1）中連續(xù)采集室內(nèi)實時監(jiān)控圖像的速率為每秒7.5幀-30幀。

所述計算場景復(fù)雜度的具體過程為，采集20-40秒的視頻作為樣本數(shù)據(jù)，在該20-40秒時間內(nèi)視頻含有300-600幀圖片，按正態(tài)分布參數(shù)的計算公式，，計算場景復(fù)雜度；其中為樣本點像素值，為樣本集的大小，與分別為均值和場景復(fù)雜度。

步驟3）中，如果室內(nèi)監(jiān)控場景為復(fù)雜場景，則采用混合高斯背景模型法估計背景參數(shù)；若為簡單場景，則采用單高斯背景模型法估計背景參數(shù)。

根據(jù)公式，計算簡單場景的背景參數(shù)；其中，為樣本點像素值，為學(xué)習(xí)率，為當(dāng)前背景圖像中像素點的灰度值，為簡單場景的背景參數(shù)；

根據(jù)視頻幀像素值將混合高斯模型的所有參數(shù)更新，然后將所有高斯函數(shù)的權(quán)值歸一化，并把各個高斯分布按從大到小排列，其中為第個高斯分布在時刻的權(quán)重，為第個高斯函數(shù)在時刻的標(biāo)準(zhǔn)差；設(shè)是樣本點像素值各高斯分布在時刻按由大到小的排列次序，若前個分布滿足式，取值范圍為，其中是權(quán)重閾值，取值區(qū)間為[0.01,0.99]，則這個高斯分布即為復(fù)雜場景的背景參數(shù)。

所述步驟3）中利用背景參數(shù)提取前景特征的具體過程為：

當(dāng)為簡單場景時，將單高斯背景模型估計法得到的背景參數(shù)與當(dāng)前圖像相減，獲取前景特征；

當(dāng)為復(fù)雜場景時，滿足下面三個公式中任何一個公式的樣本點像素值為前景特征，

或或

其中，為1.1，為0.9，為每個背景高斯分布均值，＝2.5，為高斯分布標(biāo)準(zhǔn)差。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果體現(xiàn)在：