[發(fā)明專利]一種紅外視頻的運(yùn)動物體識別方法、系統(tǒng)和報(bào)警裝置

在審

• 申請?zhí)枺?/td>: 201811020190.8
• 申請日: 2018-09-03
• 公開（公告）號: CN109359518A
• 公開（公告）日: 2019-02-19
• 發(fā)明（設(shè)計(jì)）人: 曾少寧;彭剛;蔣輝;曾威;汪華斌
• 申請（專利權(quán)）人: 惠州學(xué)院
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 唐致明;洪銘福

本發(fā)明公開了一種紅外視頻的運(yùn)動物體識別方法、系統(tǒng)和報(bào)警裝置，方法包括計(jì)算序列圖像像素的均值和方差以作為背景模型，初始化高斯分布模型的參數(shù)和對應(yīng)權(quán)值；基于匹配關(guān)系式處理當(dāng)前像素和高斯分布模型以確定匹配關(guān)系；根據(jù)匹配關(guān)系修改權(quán)值、均值和方差；根據(jù)權(quán)值和標(biāo)準(zhǔn)差計(jì)算優(yōu)先級，根據(jù)優(yōu)先級排序高斯分布模型并從中選取高斯分布模型以作為背景模型的逼近；將當(dāng)前像素與對應(yīng)高斯分布模型逐一匹配，如果符合判斷式則標(biāo)定其為前景點(diǎn)；集合所述前景點(diǎn)以形成運(yùn)動目標(biāo)圖像，根據(jù)運(yùn)動目標(biāo)圖像的坐標(biāo)變化以獲取運(yùn)動參數(shù)。系統(tǒng)用于執(zhí)行對應(yīng)方法。裝置包括紅外攝像裝置和處理裝置。本發(fā)明能夠正確識別紅外視頻中的運(yùn)動物體。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其是一種紅外視頻的運(yùn)動物體識別方法、系統(tǒng)和報(bào)警裝置。

背景技術(shù)

居民小區(qū)的防盜一直是廣大群眾關(guān)心的重要問題，主流的視頻防盜裝置仍比較依賴于日光充足的環(huán)境，夜間的對策之一就是使用紅外攝像頭來獲取紅外圖像，根據(jù)紅外圖像的顯示判斷是否出現(xiàn)盜賊，然而問題在于，作為入侵口的窗戶、陽臺等場景，除了可能的盜賊之外，還有房屋的主人會經(jīng)過，因此也會留下對應(yīng)的紅外圖像，需要區(qū)分這兩種情況以確保報(bào)警的準(zhǔn)確性。

現(xiàn)有的技術(shù)問題是如何實(shí)現(xiàn)合理的紅外視頻的運(yùn)動物體識別的問題。

發(fā)明內(nèi)容

本發(fā)明旨在至少在一定程度上解決相關(guān)技術(shù)中的技術(shù)問題之一。為此，本發(fā)明的一個目的是提供一種紅外視頻的運(yùn)動物體識別方法、系統(tǒng)和報(bào)警裝置。

本發(fā)明所采用的技術(shù)方案是：一種紅外視頻的運(yùn)動物體識別方法，包括步驟：轉(zhuǎn)換紅外視頻圖像為灰度圖像；計(jì)算一段時間內(nèi)，序列圖像像素的均值和方差以作為背景模型，初始化K個高斯分布模型的參數(shù)和對應(yīng)權(quán)值；基于預(yù)設(shè)的匹配關(guān)系式處理當(dāng)前像素和高斯分布模型以確定匹配關(guān)系；根據(jù)匹配關(guān)系修改高斯分布模型的權(quán)值、均值和方差；根據(jù)權(quán)值和標(biāo)準(zhǔn)差計(jì)算優(yōu)先級，根據(jù)優(yōu)先級排序高斯分布模型并從中選取若干個的高斯分布模型以作為背景模型的逼近；將當(dāng)前像素根據(jù)優(yōu)先級排序與對應(yīng)高斯分布模型逐一匹配，如果符合判斷式則標(biāo)定其為前景點(diǎn)；集合所述前景點(diǎn)以形成運(yùn)動目標(biāo)圖像，根據(jù)運(yùn)動目標(biāo)圖像的坐標(biāo)變化以獲取運(yùn)動參數(shù)。

進(jìn)一步地，還包括步驟：基于|I_t-μ_i,t-1|≤D₁δ_i,t-1處理所述當(dāng)前像素和高斯分布模型以確定匹配關(guān)系，其中，I_t為當(dāng)前像素，μ_i,t-1和δ_i,t-1分別是第i個高斯分布模型對應(yīng)的高斯函數(shù)在時刻t-1的均值和標(biāo)準(zhǔn)差，D₁為表示當(dāng)前像素與模型匹配度的自定義常數(shù)。

進(jìn)一步地，，所述根據(jù)匹配關(guān)系修改高斯分布模型的權(quán)值、均值和方差步驟包括：

當(dāng)?shù)趇個高斯分布模型與當(dāng)前像素I_t匹配，則修改權(quán)值w_i,t＝(1-α)w_i,t-1+α，修改均值μ_i,t＝(1-ρ)μ_i,t-1+ρI_t，修改方差其中，α為權(quán)值更新率且0≤α≤1，ρ為模型參數(shù)更新率；當(dāng)?shù)趇個高斯分布模型與當(dāng)前像素I_t不匹配，則修改其權(quán)值w_i,t＝(1-α)w_i,t-1；當(dāng)不存在與當(dāng)前像素I_t匹配的高斯分布模型，則將權(quán)值最小的高斯分布替換為均值為當(dāng)前像素I_t，標(biāo)準(zhǔn)差為δ₀，權(quán)值為w_i,t＝(1-α)w_i,t-1+α的高斯分布，其他高斯分布則更新權(quán)值w_i,t＝(1-α)w_i,t-1。

進(jìn)一步地，所述模型參數(shù)更新率或者ρ＝α+(1-α)/c_k，其中，c_k為第k個高斯模型的像素點(diǎn)總數(shù)。