[發明專利]一種基于視頻監控檢測爬樓翻窗盜竊行為的方法及系統

有效

• 申請號: 201810476223.3
• 申請日: 2018-05-17
• 公開（公告）號: CN108629935B
• 公開（公告）日: 2020-03-24
• 發明（設計）人: 李金屏;侯清濤;丁健配
• 申請（專利權）人: 山東深圖智能科技有限公司
• 主分類號: G08B13/196
• 分類號: G08B13/196
• 代理公司: 濟南誠智商標專利事務所有限公司 37105
• 代理人: 李修杰

1.一種基于視頻監控檢測爬樓翻窗盜竊行為的方法，其特征是，包括以下步驟：

步驟1，運動目標檢測：采用混合高斯背景建模對運動目標進行檢測，得到視頻序列中的前景和背景；

步驟2，目標實時跟蹤：運用卡爾曼濾波器對運動目標實時跟蹤，并用矩形框進行標定，并計算出運動目標的重心坐標、運動速度和運動方向；

步驟3，爬樓盜竊行為判斷預警：對運動目標與爬樓盜竊行為規則進行匹配，若符合爬樓盜竊行為，則發出警報；

所述步驟3具體包括以下步驟：

步驟31：確定爬樓盜竊的三條規則：

(1)運動目標運動時的本地時間為0～6點；

(2)運動目標的運動速度為1.2m/s～1.5m/s；

(3)運動目標向上運動；

步驟32：根據運動目標的重心坐標、運動速度和運動方向特征信息，與爬樓盜竊的三條規則進行匹配，如果三條規則均符合，則判斷此運動目標在爬樓盜竊，并調用報警器報警。

2.根據權利要求1所述的一種基于視頻監控檢測爬樓翻窗盜竊行為的方法，其特征是，所述步驟1具體包括以下步驟：

步驟11：獲取監控建筑物的視頻樣本；

步驟12：將視頻樣本分成圖像序列，對圖像中每個像素點采用正態分布函數進行描述，其中每個像素服從的混合高斯分布概率密度函數如式(1.1)所示：

其中，k為高斯混合模型中用到的分布模式的個數，t表示處理時刻，i的含義是第i個正態分布，w_i,t是權重，η(x_t,μ_i,t,τ_i,t)為高斯分布，μ_i,t表示第i個分布的均值，δ_i,t為第i個分布的方差，τ_i,t為對應與第i個高斯分布的協方差矩陣，I為三位單位矩陣；

由圖像所有像素的K個正態分布函數的描述得到一個混合高斯背景模型，如式(1.2)所示：

其中：X_t是像素在t時刻的值，由RGB三色分量組成；ω_i,t表明時間t混合高斯模型中高斯分布的權系數的估計量；β表示高斯分布的概率密度函數，∑_i,t表示高斯分布的協方差矩陣；

步驟13：隨著視頻序列的更新，高斯背景模型按照式(1.3)對背景模型進行更新，

其中：μ₀和是每一個像素點的均值和方差，α是學習率；

步驟14：對視頻序列中的當前幀圖像與混合高斯背景圖像進行差分處理，然后采用大津法對差分結果進行二值化處理，得到視頻序列的前景圖像，前景圖像即運動目標。

3.根據權利要求2所述的一種基于視頻監控檢測爬樓翻窗盜竊行為的方法，其特征是，所述視頻樣本包括錄像文件和/或實時監控視頻。

4.根據權利要求2所述的一種基于視頻監控檢測爬樓翻窗盜竊行為的方法，其特征是，所述步驟2具體包括以下步驟：

步驟21：用外接矩形對運動目標進行標定，計算出運動目標的重心坐標；

步驟22：利用運動目標的重心坐標初始化卡爾曼濾波器，運動目標變化速率初始化為0；

步驟23：用卡爾曼濾波器對運動目標可能出現的下一個位置進行預估，當下一幀來到后，在預測的區域內匹配物體；

步驟24：如果匹配成功，則更新卡爾曼濾波器，并記住運動目標的位置信息；

步驟25：運動目標的速度和方向的計算公式如式(2.1)所示；

其中，t為記錄運動目標的運行時間，v表示速度，α表示方向角，(x₁，y₁)為運動目標的重心坐標，(x₂，y₂)為運動目標可能出現的下一個位置坐標。