CN101587619A - 基于视频监控入侵物体检测方法 - Google Patents
基于视频监控入侵物体检测方法 Download PDFInfo
- Publication number
- CN101587619A CN101587619A CNA2008100377892A CN200810037789A CN101587619A CN 101587619 A CN101587619 A CN 101587619A CN A2008100377892 A CNA2008100377892 A CN A2008100377892A CN 200810037789 A CN200810037789 A CN 200810037789A CN 101587619 A CN101587619 A CN 101587619A
- Authority
- CN
- China
- Prior art keywords
- image data
- forbidding
- video monitoring
- background
- detection method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明提供基于视频监控入侵物体的检测方法，用于检测待监控区域是否出现禁止物体，它包括以下步骤：1：采用视频监控摄像头采集背景参考图像数据及非禁止物体运动图像数据，并进行存储；2：提取非禁止物体空间特征量，建立非禁止物体特征模型；3：以预设采集频率实时采集当前图像数据作为历史图像数据；4：提取步骤3中历史图像数据非背景的物体特征量与步骤2中非禁止物体特征模型进行匹配，若匹配返回步骤3；否则，非背景物体为禁止物体，存储禁止物体特征量执行步骤5；5：再次采集当前图像数据，依据步骤4存储的物体特征量锁定当前图像中禁止物体并报警。本发明可有效提高入侵物体检测灵活性，扩大入侵物体检测范围。
Description
技术领域
本发明涉及入侵物体检测领域，尤其涉及基于视频监控入侵物体检测方法。
背景技术
入侵物体的检测是目前安全监控系统重要的组成部分。在地铁轨道里，在正常情况下是不允许人员进入到地铁轨道；在高速行驶的隧道里通常也是不允许有人员闯入只允许机动车辆进入。因此，类似于以上的交通道的监测就十分必要，及时检测到入侵人员或物体可有效采取相应措施避免酿成交通惨剧。目前，入侵物体的检测分被动检测和主动检测。主动入侵系统检测较为常见，通常是利用电磁波、红外探测，雷达等主动发出探测信号，采用对应传感器接收反馈信号进行分析检测。入侵物体的主动检测为保证检测结果的可靠性通常需要定期对发出信号和接收信号的传感器进行检测，以保证它们处在正常工作状态。目前也有基于视频监控入侵物体检测，目前的视频监控入侵物体检测系统均是先预存储入侵物体的特征量，将通过视频监测图像提取的特征量与预先存储的物体特征量进行比对，判断入侵物体是否为预存储中的某一入侵物体。因此目前视频监控入侵物体检测系统普遍存在的弊端为灵活性较差，当视频图像中捕捉到的物体特征量非预存储中入侵物体的特征量时就会使得入侵检测系统失去作用。
发明内容
本发明的目的在于提供基于视频监控入侵物体检测方法，以解决传统视频监控入侵物体检测方法灵活性较低的问题，提高对入侵物体的监控能力。
为达到上述目的，本发明的基于视频监控入侵物体检测方法，采用视频监控摄像头对待监控区域监控，用于检测待监控区域是否出现禁止物体。基于视频监控入侵物体的检测方法包括以下步骤：步骤1：采用视频监控摄像头采集背景参考图像数据及非禁止物体运动图像数据，并进行存储；步骤2：提取非禁止物体空间特征量，建立非禁止物体特征模型；步骤3：以预设采集频率实时采集当前图像数据作为历史图像数据；步骤4：提取步骤3中历史图像数据中非背景的物体特征量与步骤2中非禁止物体特征模型进行匹配，若匹配返回步骤3；若不匹配，则非背景物体为禁止物体，存储禁止物体特征量执行步骤5；步骤5：再次采集当前图像数据，依据步骤4存储的物体特征量锁定当前图像中禁止物体并报警。其中，步骤1中非禁止物体运动图像数据为若干静止背景参考图像数据与运动非禁止物体图像合成的连续图像数据。步骤2提取非禁止物体空间特征量为非禁止物体相对静止背景参考图像实时连续变化的动态空间特征量。动态空间特征量包括物体的形状在静止背景参考图像中变化特征、相对背景参考图像的运行速度范围及相对背景图像的体积范围。步骤4提取步骤3中历史图像数据中非背景的物体特征量是将步骤3采集的历史图像数据与步骤1采集的背景图像参考数据进行必对而提取非背景的物体特征量。
与传统入侵检测方法相比，本发明的基于视频监控入侵物体检测方法通过存储非禁止物体模型，将检测到的非背景物体的特征量与非禁止物体模型进行匹配，这样可有效检测出入侵物体，不必受传统检测方法中入侵物体模型限制。因此，本发明的基于视频监控入侵物体检测方法在检测入侵物体时相对传统检测方法灵活性得到提高，可有效扩大入侵物体的检测范围。
附图说明
以下结合附图和具体实施例对本发明的基于视频监控入侵物体检测方法作进一步详细具体的说明。
图1是本发明基于视频监控入侵物体检测方法的示意图。
具体实施方式
请参阅图1所示本发明基于视频监控入侵物体检测方法，它包括以下步骤：步骤1：采用视频监控摄像头采集背景参考图像数据及非禁止物体运动图像数据，并进行存储。步骤1主要是采集背景参考图像数据及非禁止物体运动图像数据。步骤1中非禁止物体运动图像数据为若干静止背景参考图像数据与运动非禁止物体图像合成的连续图像数据。这样采用单角度摄像装置就可完成拍摄，将该单角度摄像装置拍摄的图像数据定时传送给存储模块和处理模块。步骤2：提取非禁止物体空间特征量，建立非禁止物体特征模型。步骤2提取非禁止物体空间特征量为非禁止物体相对静止背景参考图像实时连续变化的动态空间特征量。这样可提取动态非禁止物体相对静止背景参考动态变化特征。动态空间特征量包括物体的形状在静止背景参考图像中变化特征、相对背景参考图像的运行速度范围及相对背景图像的体积范围，依据非禁止物体动态空间特征量建立非禁止物体的特征模型能较准确描述非禁止物体特征。步骤3：以预设采集频率实时采集当前图像数据作为历史图像数据；步骤4：提取步骤3中历史图像数据中非背景的物体特征量与步骤2中非禁止物体特征模型进行匹配，若匹配返回步骤3；若不匹配，则非背景物体为禁止物体，存储禁止物体特征量执行步骤5。步骤5：再次采集当前图像数据，依据步骤4存储的物体特征量锁定当前图像中禁止物体并报警。步骤4中提取步骤3中历史图像数据中非背景的物体特征量是将步骤3实时采集的若干历史图像数据与步骤1采集的背景图像参考数据进行必对而提取非背景的物体动态空间特征量。
以地铁轨道的监控为例，通常情况下地铁轨道上只会出现以一定速度行驶的地铁出现，采用单角度摄像装置对地铁轨道监控时，监控的背景参考图像中会逐渐出现地铁由远及近或由近及远的动态运动画面。为保证建立的非禁止物体模型能准确包括所有地铁，因此，动态特征量包括在运动时与背景参考图象交叠时动态运动的形状。该形状变化的速度，该速度与地铁行驶速度有关；形状还与地铁体积有关。因此建立的非禁止物体地铁模型需覆盖出现在地铁轨道上地铁运动的特征。当入侵物体-人出现时，在一定时间内拍摄到的人的图像数据中相对背景参考图像提取的人的空间特征量不符合地铁特征模型，此时非背景物体人的空间特征量被存储，直接锁定当前采集图像中符合人的空间特征量部分并报警。对应地，也可对隧道进行监控避免人-或不符合要求的机动车辆的侵入导致的安全事故。
本发明的基于视频监控入侵物体检测方法，相对传统入侵物体检测方法灵活性较高，不再受入侵物体存储模型限制，同时本发明可有效扩大入侵物体的检测范围，适宜用于对进入物体要求非常严格的场所。
Claims (5)
1、基于视频监控入侵物体的检测方法，采用视频监控摄像头对待监控区域监控，用于检测待监控区域是否出现禁止物体，其特征在于，基于视频监控入侵物体的检测方法包括以下步骤：
步骤1：采用视频监控摄像头采集背景参考图像数据及非禁止物体运动图像数据，并进行存储；
步骤2：提取非禁止物体空间特征量，建立非禁止物体特征模型；
步骤3：以预设采集频率实时采集当前图像数据作为历史图像数据；
步骤4：提取步骤3中历史图像数据中非背景的物体特征量与步骤2中非禁止物体特征模型进行匹配，若匹配返回步骤3；若不匹配，则非背景物体为禁止物体，存储禁止物体特征量执行步骤5；
步骤5：再次采集当前图像数据，依据步骤4存储的物体特征量锁定当前图像中禁止物体并报警。
2、如权利要求1所述基于视频监控入侵物体的检测方法，其特征在于，所述步骤1中非禁止物体运动图像数据为若干静止背景参考图像数据与运动非禁止物体图像合成的连续图像数据。
3、如权利要求2所述基于视频监控入侵物体的检测方法，其特征在于，所述步骤2提取非禁止物体空间特征量为非禁止物体相对静止背景参考图像实时连续变化的动态空间特征量。
4、如权利要求3所述基于视频监控入侵物体的检测方法，其特征在于，所述动态空间特征量包括物体的形状在静止背景参考图像中变化特征、相对背景参考图像的运行速度范围及相对背景图像的体积范围。
5、如权利要求1所述基于视频监控入侵物体的检测方法，其特征在于，所述步骤4提取步骤3中历史图像数据中非背景的物体特征量是将步骤3采集的历史图像数据与步骤1采集的背景图像参考数据进行必对而提取非背景的物体特征量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNA2008100377892A CN101587619A (zh) | 2008-05-21 | 2008-05-21 | 基于视频监控入侵物体检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNA2008100377892A CN101587619A (zh) | 2008-05-21 | 2008-05-21 | 基于视频监控入侵物体检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN101587619A true CN101587619A (zh) | 2009-11-25 |
Family
ID=41371854
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNA2008100377892A Pending CN101587619A (zh) | 2008-05-21 | 2008-05-21 | 基于视频监控入侵物体检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101587619A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104298954A (zh) * | 2013-07-16 | 2015-01-21 | 江苏云知智能科技有限公司 | 一种二维图像分析方法及系统 |
| CN104320623A (zh) * | 2014-11-03 | 2015-01-28 | 四川理工学院 | 一种智能监控系统记录异常目标移动路线的方法 |
| CN107169401A (zh) * | 2017-02-10 | 2017-09-15 | 北京交通大学 | 基于轨道视觉特征谱的轨道入侵物检测方法 |
| CN108109304A (zh) * | 2017-12-27 | 2018-06-01 | 河南辉煌城轨科技有限公司 | 一种地铁站台入侵者识别系统及识别方法 |
| CN112700614A (zh) * | 2020-12-23 | 2021-04-23 | 广东电网有限责任公司佛山供电局 | 一种安全电子围栏装置 |
| CN117437598A (zh) * | 2023-12-13 | 2024-01-23 | 山东大莱龙铁路有限责任公司 | 邻近营业线施工安全智能防护系统 |
-
2008
- 2008-05-21 CN CNA2008100377892A patent/CN101587619A/zh active Pending
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104298954A (zh) * | 2013-07-16 | 2015-01-21 | 江苏云知智能科技有限公司 | 一种二维图像分析方法及系统 |
| CN104320623A (zh) * | 2014-11-03 | 2015-01-28 | 四川理工学院 | 一种智能监控系统记录异常目标移动路线的方法 |
| CN104320623B (zh) * | 2014-11-03 | 2017-09-15 | 四川理工学院 | 一种智能监控系统记录异常目标移动路线的方法 |
| CN107169401A (zh) * | 2017-02-10 | 2017-09-15 | 北京交通大学 | 基于轨道视觉特征谱的轨道入侵物检测方法 |
| CN107169401B (zh) * | 2017-02-10 | 2020-05-05 | 北京交通大学 | 基于轨道视觉特征谱的轨道入侵物检测方法 |
| CN108109304A (zh) * | 2017-12-27 | 2018-06-01 | 河南辉煌城轨科技有限公司 | 一种地铁站台入侵者识别系统及识别方法 |
| CN108109304B (zh) * | 2017-12-27 | 2024-05-14 | 河南辉煌城轨科技有限公司 | 一种地铁站台入侵者识别系统及识别方法 |
| CN112700614A (zh) * | 2020-12-23 | 2021-04-23 | 广东电网有限责任公司佛山供电局 | 一种安全电子围栏装置 |
| CN117437598A (zh) * | 2023-12-13 | 2024-01-23 | 山东大莱龙铁路有限责任公司 | 邻近营业线施工安全智能防护系统 |
| CN117437598B (zh) * | 2023-12-13 | 2024-02-27 | 山东大莱龙铁路有限责任公司 | 邻近营业线施工安全智能防护系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10210397B2 (en) | System and method for detecting, tracking, and classifiying objects | |
| CN101339688B (zh) | 一种入侵检测方法及系统 | |
| US10672140B2 (en) | Video monitoring method and video monitoring system | |
| CN101587619A (zh) | 基于视频监控入侵物体检测方法 | |
| CN103366374B (zh) | 基于图像匹配的消防通道障碍物检测方法 | |
| CA2545535C (en) | Video tripwire | |
| KR100905504B1 (ko) | 비디오 트립와이어 | |
| JP5203319B2 (ja) | 置き去り監視装置 | |
| US20100128110A1 (en) | System and method for real-time 3-d object tracking and alerting via networked sensors | |
| KR101570339B1 (ko) | 영상분석 서버를 통한 미래 발생범죄 예측 시스템 | |
| US20130307980A1 (en) | System and method for real time security data acquisition and integration from mobile platforms | |
| CN102164270A (zh) | 具有异常事件发掘功能的智能视频监控方法及系统 | |
| CN101465033A (zh) | 一种自动追踪识别系统及方法 | |
| US20130307972A1 (en) | System and method for providing a sensor and video protocol for a real time security data acquisition and integration system | |
| KR101880100B1 (ko) | 감시영역에서 이동객체의 이상행동을 검출하기 위한 cctv 시스템 | |
| CN102496275B (zh) | 客车超载检测方法 | |
| KR101492473B1 (ko) | 사용자 기반 상황 인지형 씨씨티비 통합관제시스템 | |
| JP2007233919A (ja) | 画像処理による侵入者検知装置 | |
| CN108986472A (zh) | 一种掉头车辆监控方法及装置 | |
| JP6893204B2 (ja) | 徘徊イベントを検出するための方法、デバイスおよびシステム | |
| KR100885418B1 (ko) | 오버헤드 카메라 영상에서 사람을 감지하고 추적하는시스템 및 그 방법 | |
| Munagekar | Smart Surveillance system for theft detection using image processing | |
| CN106897678A (zh) | 一种结合心跳信号的远程人脸识别方法、装置和系统 | |
| KR20150112712A (ko) | 객체 행동패턴 cctv 영상 분석서버 | |
| KR101436283B1 (ko) | 영상분석 서버를 통한 미래 발생범죄 예측 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20091125 |