[發(fā)明專利]一種視頻監(jiān)控方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201510385725.1
• 申請(qǐng)日: 2015-07-03
• 公開（公告）號(hào): CN105046719B
• 公開（公告）日: 2017-11-14
• 發(fā)明（設(shè)計(jì)）人: 尹東芹;章勇;曹李軍
• 申請(qǐng)（專利權(quán)）人: 蘇州科達(dá)科技股份有限公司
• 主分類號(hào): G06T7/246
• 分類號(hào): G06T7/246
• 代理公司: 北京三聚陽光知識(shí)產(chǎn)權(quán)代理有限公司11250
• 代理人: 張建綱

技術(shù)領(lǐng)域

本發(fā)明涉及視頻監(jiān)控技術(shù)，具體地涉及一種基于SmartIPC的微智能視頻監(jiān)控方法及系統(tǒng)。

背景技術(shù)

微智能的攝像機(jī)是近幾年比較熱門的智能前置攝像機(jī)，其代表產(chǎn)品當(dāng)屬SmartIPC。SmartIPC相當(dāng)于傳統(tǒng)攝像機(jī)的升級(jí)，是在傳統(tǒng)攝像機(jī)的基礎(chǔ)上增加了新的功能，即將智能監(jiān)控算法添加到傳統(tǒng)的攝像機(jī)上，由于其數(shù)據(jù)處理能力是有限的，因此，必然要求運(yùn)行在其上面的視頻監(jiān)控算法具有算法復(fù)雜度低的特點(diǎn)，同時(shí)其準(zhǔn)確性也要高。

在智能監(jiān)控中，跟蹤運(yùn)動(dòng)目標(biāo)是其基本功能，傳統(tǒng)的目標(biāo)跟蹤技術(shù)(如：光流分割法，Snake變形輪廓模型法，mean-shift算法，粒子濾波器等算法)由于其算法復(fù)雜度比較高，不適用于SmartIPC。因此，就需要有一種算法復(fù)雜度低但其準(zhǔn)確性也高的目標(biāo)跟蹤技術(shù)。

在實(shí)際使用中，特別在一些復(fù)雜場(chǎng)景下，會(huì)有很多干擾因素(例如，含有樹葉晃動(dòng)干擾因素；含有光線變化干擾因素；在低照度下含有螢火蟲效應(yīng)的噪聲影響)。為了能夠有效的識(shí)別有效目標(biāo)，就需要過濾這些干擾因素，也要準(zhǔn)確的識(shí)別出有效目標(biāo)。與此同時(shí)，為了能夠適用于SmartIPC設(shè)備，過濾干擾因素和有效目標(biāo)識(shí)別算法還要具有算法復(fù)雜度低的特點(diǎn)。

發(fā)明內(nèi)容

為此，本發(fā)明提供了一種在復(fù)雜場(chǎng)景中能夠有效的提取運(yùn)動(dòng)目標(biāo)并識(shí)別有效目標(biāo)的方法，且該方法具有算法復(fù)雜度低和準(zhǔn)確性高的優(yōu)點(diǎn)，該方法特別適用于像SmartIPC這種要求算法復(fù)雜度低和準(zhǔn)確性高的設(shè)備。

本發(fā)明提供了一種視頻監(jiān)控方法，包括如下步驟：獲取視頻監(jiān)控得到的連續(xù)多幀視頻圖像；檢測(cè)當(dāng)前幀視頻圖像中的運(yùn)動(dòng)目標(biāo)；對(duì)當(dāng)前幀中的每一運(yùn)動(dòng)目標(biāo)分別進(jìn)行目標(biāo)跟蹤；獲取所述運(yùn)動(dòng)目標(biāo)從出現(xiàn)至當(dāng)前時(shí)刻的目標(biāo)生成時(shí)間和平均速度；根據(jù)所述運(yùn)動(dòng)目標(biāo)的所述平均速度生成與所述運(yùn)動(dòng)目標(biāo)對(duì)應(yīng)的目標(biāo)生成時(shí)間閾值；比較所述運(yùn)動(dòng)目標(biāo)的目標(biāo)生成時(shí)間和所述與所述運(yùn)動(dòng)目標(biāo)對(duì)應(yīng)的目標(biāo)生成時(shí)間閾值，當(dāng)所述運(yùn)動(dòng)目標(biāo)的目標(biāo)生成時(shí)間大于或等于與其對(duì)應(yīng)的目標(biāo)生成時(shí)間閾值時(shí)，確定該運(yùn)動(dòng)目標(biāo)為有效目標(biāo)。

優(yōu)選地，所述獲取所述運(yùn)動(dòng)目標(biāo)從出現(xiàn)至當(dāng)前時(shí)刻的目標(biāo)生成時(shí)間和平均速度的步驟被替換為：獲取所述運(yùn)動(dòng)目標(biāo)從出現(xiàn)至當(dāng)前時(shí)刻的目標(biāo)生成時(shí)間，當(dāng)所述運(yùn)動(dòng)目標(biāo)的目標(biāo)生成時(shí)間大于或等于預(yù)設(shè)的初始目標(biāo)生成時(shí)間閾值時(shí)，獲取所述運(yùn)動(dòng)目標(biāo)從出現(xiàn)至當(dāng)前時(shí)刻的平均速度。

優(yōu)選地，所述根據(jù)所述運(yùn)動(dòng)目標(biāo)的所述平均速度生成與所述運(yùn)動(dòng)目標(biāo)對(duì)應(yīng)的目標(biāo)生成時(shí)間閾值的步驟中：運(yùn)動(dòng)目標(biāo)的平均速度越大，與其對(duì)應(yīng)的目標(biāo)生成時(shí)間閾值越小；運(yùn)動(dòng)目標(biāo)的平均速度越小，與其對(duì)應(yīng)的目標(biāo)生成時(shí)間閾值越大。

優(yōu)選地，所述檢測(cè)當(dāng)前幀視頻圖像中的運(yùn)動(dòng)目標(biāo)的步驟包括：獲取當(dāng)前幀視頻圖像的前景圖像；獲取所述前景圖像的二值圖像；對(duì)所述二值圖像進(jìn)行連通區(qū)域查找以獲取運(yùn)動(dòng)目標(biāo)。

優(yōu)選地，所述對(duì)當(dāng)前幀中的每一運(yùn)動(dòng)目標(biāo)分別進(jìn)行目標(biāo)跟蹤，獲取所述運(yùn)動(dòng)目標(biāo)從出現(xiàn)至當(dāng)前時(shí)刻的目標(biāo)生成時(shí)間和平均速度的步驟包括：將當(dāng)前幀視頻圖像中的每一運(yùn)動(dòng)目標(biāo)分別與前一幀視頻圖像中的所有運(yùn)動(dòng)目標(biāo)進(jìn)行重疊區(qū)域判斷；如果當(dāng)前幀視頻圖像中第i個(gè)運(yùn)動(dòng)目標(biāo)與前一幀視頻圖像中的所有運(yùn)動(dòng)目標(biāo)均無重疊區(qū)域，則判定該運(yùn)動(dòng)目標(biāo)為新出現(xiàn)的目標(biāo)；如果當(dāng)前幀視頻圖像中第i個(gè)運(yùn)動(dòng)目標(biāo)與前一幀視頻圖像中的J個(gè)運(yùn)動(dòng)目標(biāo)有重疊區(qū)域，將前一幀視頻圖像中的J個(gè)運(yùn)動(dòng)目標(biāo)指定為候選運(yùn)動(dòng)目標(biāo)；則分別獲取當(dāng)前幀視頻圖像中第i個(gè)運(yùn)動(dòng)目標(biāo)與J個(gè)候選運(yùn)動(dòng)目標(biāo)的最佳匹配度MP_i：

MP_i＝min[(|S_A(t+1,i)-S_A(t,j)|+|S_R(t+1,i)-S_R(t,j)|)/2],j＝1,2,...,J

其中S_A(t+1,i)為當(dāng)前幀視頻圖像中第i個(gè)運(yùn)動(dòng)目標(biāo)的實(shí)際面積，S_A(t,j)為第j個(gè)候選運(yùn)動(dòng)目標(biāo)的實(shí)際面積，S_R(t+1,i)為當(dāng)前幀視頻圖像中第i個(gè)運(yùn)動(dòng)目標(biāo)的最小外接矩形面積，S_R(t,j)為第j個(gè)候選運(yùn)動(dòng)目標(biāo)的最小外接矩形面積；

比較MP_i與閾值MPTh，如果MP_i小于閾值MPTh，則當(dāng)前幀視頻圖像中第i個(gè)運(yùn)動(dòng)目標(biāo)與前一幀視頻圖像中的第k個(gè)候選運(yùn)動(dòng)目標(biāo)匹配；否則當(dāng)前幀視頻圖像中第i個(gè)運(yùn)動(dòng)目標(biāo)為新出現(xiàn)的運(yùn)動(dòng)目標(biāo)，其中，當(dāng)j＝k時(shí)，MP_i的值最小；