[發(fā)明專利]一種高魯棒性區(qū)域入侵檢測算法

在審

• 申請?zhí)枺?/td>: 201710072833.2
• 申請日: 2017-02-09
• 公開（公告）號: CN106875385A
• 公開（公告）日: 2017-06-20
• 發(fā)明（設計）人: 崔瑩;陳升東;袁峰;李引
• 申請（專利權）人: 廣州中國科學院軟件應用技術研究所
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/00
• 代理公司: 廣州番禺容大專利代理事務所(普通合伙)44326
• 代理人: 劉新年

技術領域

本發(fā)明涉及目標檢測技術領域，具體涉及一種高魯棒性區(qū)域入侵檢測算法。

背景技術

在社會生活中，看守所、監(jiān)獄、銀行、倉庫等一直是安防監(jiān)控的重點場所，尤其是其中的重要敏感區(qū)域對視頻監(jiān)控的要求較高。傳統(tǒng)的視頻監(jiān)控消耗大量的人力物力卻效果不好，采用計算機視覺技術的智能視頻監(jiān)控方法正在得到越來越多的應用。

智能視頻監(jiān)控中的區(qū)域入侵檢測算法一般由兩個部分組成：第一部分是對視頻進行運動目標檢測；第二部分是對檢測到的運動目標進行過濾，篩除檢測到的非人目標，如果檢測成功則發(fā)出警報。

常用的運動目標檢測方法有：背景差分法、幀間差分法、光流法、單高斯背景建模法、混合高斯背景建模法等。

背景差分法沒有背景更新機制，不適合背景變化較大的情況；幀間差分法依賴于幀間時間的選取和物體的移動速度，提取運動過慢的目標可能產(chǎn)生空洞，提取運動過快的目標可能區(qū)域過大，這兩種方法均不適用于復雜環(huán)境下的運動物體檢測。

光流法利用隨時間變化的光流特性檢測運動目標，但是其計算復雜度過高，難以實時檢測。

單高斯背景建模法適用于環(huán)境變化很小的情況，對光線變化比較敏感。

高斯混合背景建模法能夠處理一定限度的光線變化以及背景的變化。但是當光線突變或背景變化較大時，虛警率仍然很高。

目前對運動目標的過濾方法比較少，主要有兩種：運動區(qū)域斜率法和人體骨骼模型法。

運動區(qū)域斜率法難以區(qū)分與人體比例相似的物體，而這種物體在復雜環(huán)境中并不少見；人體骨骼模型法建模困難，效果并不理想。此外這兩種方法均無法處理多人交錯的情況。

在復雜環(huán)境中采用以上的運動目標檢測方法與過濾方法相結合的方法進行區(qū)域入侵檢測，雖然具有較高的檢出率，但是卻具有更高的虛警率，尤其是在具有頻繁的風吹草動、光照變化以及飛蟲、動物經(jīng)過等情況發(fā)生的復雜環(huán)境中會產(chǎn)生很多的誤報，不利于復雜環(huán)境的區(qū)域入侵監(jiān)測工作。

發(fā)明內(nèi)容

有鑒于此，有必要針對現(xiàn)有技術存在的問題，提供一種高魯棒性區(qū)域入侵檢測算法，對復雜環(huán)境具有較高的魯棒性，在對入侵人體具有很高檢出率的同時，對其它情況的戶外復雜環(huán)境具有很好的抗干擾性。

為了實現(xiàn)上述目的，本發(fā)明的技術方案如下：

一種高魯棒性區(qū)域入侵檢測算法，包括以下步驟：

步驟S1，獲取待檢測視頻，對其進行混合高斯背景建模，得到每一幀圖像A；

步驟S2，開始檢測，提取前景圖像B；

步驟S3，檢測團塊，得到集合C；

步驟S4，邏輯保存“參考幀”D；

步驟S5，計算得到幀間差值圖的集合E；

步驟S6，計算得到閉合幀間差值圖的集合F；

步驟S7，判斷入侵情況；

進一步地，步驟S2中，對每一幀圖像A計算背景，更新背景模型，從而提取前景圖像B；

進一步地，步驟S3中，從前景圖像B中檢測所有團塊，如果團塊面積小于閾值N則刪除，得到前景目標檢測圖的集合C；

進一步地，步驟S4中，包括：

步驟S41，當檢測不到前景目標時更新當前幀為參考幀D，否則執(zhí)行步驟S42；

步驟S42，當連續(xù)M幀檢測到前景目標時，每隔M幀將當前幀更新為參考幀D；

進一步地，步驟S5中，在前景目標檢測圖的集合C中，包括：

步驟S51，根據(jù)前景目標的區(qū)域坐標，從參考幀D中裁剪對應區(qū)域圖像集合X；

步驟S52，計算每一個前景目標圖與其對應區(qū)域圖像的幀間差值圖，得到幀間差值圖的集合E；

進一步地，步驟S6中，在幀間差值圖集合E中，包括：

步驟S61，對于每一個幀間差值圖進行膨脹，填充圖像中的空洞；

步驟S62，對于每一個膨脹后的圖像進行腐蝕，得到閉合幀間差值圖的集合F；

進一步地，步驟S7中，在閉合幀間差值圖集合F中，對于每一個閉合幀間差值圖提取HOG特征，并將提取的特征通過SVM判斷是否為行人，如果是則檢測區(qū)域存在入侵情況。

與現(xiàn)有技術相比，本發(fā)明的有益效果在于：本發(fā)明對復雜環(huán)境具有較高的魯棒性，在對入侵人體具有很高檢出率的同時，對其它情況的戶外復雜環(huán)境具有很好的抗干擾性。

附圖說明

圖1是本發(fā)明的一種高魯棒性區(qū)域入侵檢測算法的工作流程。

具體實施方式

下面結合附圖和實施例對本發(fā)明所述的一種高魯棒性區(qū)域入侵檢測算法作進一步說明。