CN102842036A - 面向船闸视频监控的智能多目标检测方法 - Google Patents
面向船闸视频监控的智能多目标检测方法 Download PDFInfo
- Publication number
- CN102842036A CN102842036A CN2012102878882A CN201210287888A CN102842036A CN 102842036 A CN102842036 A CN 102842036A CN 2012102878882 A CN2012102878882 A CN 2012102878882A CN 201210287888 A CN201210287888 A CN 201210287888A CN 102842036 A CN102842036 A CN 102842036A
- Authority
- CN
- China
- Prior art keywords
- point
- ships
- ship
- ship lock
- 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.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
面向船闸视频监控的智能多目标检测方法,利用船只前沿的图像特征,在有遮挡的情况下,在视频中识别出多个船只,在船只未进入监控区域前,对区域进行背景建模,获得背景图像;对视频流中的每一帧,采用背景剪除方法,通过当前帧和背景帧的差异,获得运动目标所在区域的前景;对步骤1.b所述的前景进行逐行扫描,在每行中记录遇到的第一个像素点的行列坐标及像素值,从而获得船只运动前沿边缘曲线;以记录的边缘曲线形状特征及像素值属性,对边缘曲线进行简化DBSCAN聚类,从而检测出多个船只。本发明提供一种面向船闸视频监控的智能多目标检测方法,利用视频监控设备,对船闸中多目标进行检测和识别,并实现船只位置速度情况的自动判别,以代替目前的人工判定。
Description
技术领域
本发明一种面向船闸视频监控的智能多目标检测方法,属于模式识别技术领域。
背景技术
大量的视频监控系统只是作为信息采集和储存的作用,内容分析需要由人来完成。采用计算机对视频信息进行智能处理,是当前模式识别的研究热点之一。船闸是在河流中水电站为了通航设置的机构,船只进入船闸后,闸门关闭。为了避免闸门关闭时对设备及船只的撞损,船闸中设置了禁停线,船只不能越过禁停线。
目前的技术多是检测分离状态的多目标,采用的方法主要有:1)、运动目标的识别方法-通过当前帧和背景帧的差异,获得运动目标所在区域。2)、通过静止图像中根据目标颜色特征,通过匹配模板进行目标识别。上述两种方法在船闸中进行多目标检测中都有困难。第一种方法在船只互相遮挡时,由于不能对目标区域进行分离,只能将多个船只视为一个船只。第二种方法,无法事先获得船只的图像模板,并且在遮挡情况下,模板匹配困难,而且实时性难以保证。在视频流中,利用计算机进行遮挡情况下的多目标检测,是船闸智能监控系统需要解决的主要难点。
以上技术背景参见以下参考文献:
[1] 高韬, 智能交通监控中运动目标检测与跟踪算法研究(博士论文). 天津大学, 2010。
[2] 吴思,林守勋,张勇东. 基于动态背景构造的视频运动对象自动分割. 计算机学报,2005, 28(8):1386-1391。
[3]赵钦君,赵东标,陆永华. 一种基于时空信息的多目标检测新算法, 仪器仪表学报, 2011, 31(4) : 877-882。
[4] 郑锦,李波. 面向室外视频监控的背景重构算法. 电子学报,2009, 37(8):1854-1859。
[5] Changick Kim and Jenq-Neng Hwang. Fast and automatic video object segmentation and tracking for content-based applications. IEEE Transactions on Circuits and Systems for Video Technology, 2002,12(2):122-129。
[6] Junwei Han. Object segmentation from consumer videos: a unified framework based on visual attention. IEEE Transactions on Consumer Electronics, 2009,55(3):1597-1605。
[7] 任明武,曹雨龙,杨静宇,唐振民,复杂条件下的船舶目标检测的图象预处理,计算机工程,2000,26(10):68-70。
发明内容
本发明提供一种面向船闸视频监控的智能多目标检测方法,利用视频监控设备,对船闸中多目标进行检测和识别,并实现船只位置速度情况的自动判别,以代替目前的人工判定。
本发明的上述目的是通过这样的技术方案来实现的:面向船闸视频监控的智能多目标检测方法,利用船只前沿的图像特征,在有遮挡的情况下,在视频中识别出多个船只,包括以下步骤:
1.a-在船只未进入监控区域前,对区域进行背景建模,获得背景图像;
1.b-对视频流中的每一帧,采用背景剪除方法,通过当前帧和背景帧的差异,获得运动目标所在区域的前景;
1.c-对步骤1.b所述的前景进行逐行扫描,在每行中记录遇到的第一个像素点的行列坐标及像素值,从而获得船只运动前沿边缘曲线;
1.d-以记录的边缘曲线形状特征及像素值属性,对边缘曲线进行简化DBSCAN聚类,从而检测出多个船只。
在步骤1-c 记录的像素值,可以是RGB值,或者是灰度值。
在步骤1-d,采用简化DBSCAN聚类算法,以步骤1-c获得的曲线数据为输入,设定4个阈值H_S, W_S, V_S, N_S其中,H_S规定在纵向上一个像素点的核心点的邻域半径,W_S规定在横向上一个核心点的邻域半径,V_S规定在像素值上核心点的邻域半径,并定义一个核心点的最小邻居点个数N_S.进行聚类;
其中H_S设置为图像高度的1/30,W_S设置为3,VS设置为值范围的1/4, N_S设置为图像高度的1/20。
所采用的简化DBSCAN聚类算法步骤为:
4.1:设定4个阈值H_S, W_S, V_S,N_S;
4.2:i记录当前处理的像素点序号,i初始化为0;
4.3:如果i是核心点,
4.3.1 认为一个目标出现,目标区域的起点标记start及终点标记stop设定为start=stop=i.并逐个处理后续点,令i=i+1;
4.3.2 如果 i是核心点,则将终点标记更新 stop = i;
4.3.3 如果 i是Stop的可达点,则i=i+1 回到 4.3.2 ;
4.3.4 输出start到stop间的点,作为一个目标识别的结果,
4.4 :访问下一个点, i=i+1;
4.5 :如果 i 不是最后一个点,回到 4.3步骤;
4.6 :返回所有目标识别的结果;
核心点的定义:一个点i, 如果在以H_S,W_S,V_S作为宽度的立方体邻域内,得到的邻居点的个数不少于N_S,则该点是核心点,
可达点的定义:如果一个点i,在某个核心点j的 H_S,W_S,V_S立方体邻域内,则称i是j的可达点。
本发明一种面向船闸视频监控的智能多目标检测方法,可以通过视频检测船闸中处于前排的、相互遮挡的船只的位置、速度等运动信息。采用的主要方法是通过对船头或船尾曲线的形状进行聚类,聚类的依据是一艘船只有一个顶端,多艘船有多个顶端,虽然不同船只的侧面区域是联在一起,但船头或船尾的顶端是不会遮挡的。顶端部分的一簇像素点,其颜色相似,并且构成形状也相似。例如:如果船只水平行驶, 则顶端的一簇像素点的水平坐标基本差别不大, 采用聚类方法检测出顶端,就检测出多个船只。
附图说明
图1为本发明的软件总流程图。
图2为本发明DBSCAN聚类检测流程图。
图3为本发明背景剪除后的运动前景帧。
图4为本发明前沿边缘线。
图5为本发明聚类结果图。
具体实施方式
面向船闸视频监控的智能多目标检测方法,利用船只前沿的图像特征,在有遮挡的情况下,在视频中识别出多个船只,包括以下步骤:
1.a-在船只未进入监控区域前,对区域进行背景建模,获得背景图像;
1.b-对视频流中的每一帧,采用背景剪除方法,通过当前帧和背景帧的差异,获得运动目标所在区域的前景;
1.c-对前景进行逐行扫描,在每行中记录遇到的第一个像素点的行列坐标及像素值,从而获得船只运动前沿边缘曲线;
1.d-以记录的边缘曲线形状特征及像素值属性,对边缘曲线进行简化DBSCAN聚类,从而检测出多个船只。
在步骤1-c中记录的像素值,可以是RGB值,或者是灰度值。
在步骤1-d中采用简化DBSCAN聚类算法,以步骤1-c获得的曲线数据为输入,设定4个阈值H_S, W_S,V_S,N_S。
其中:H_S规定在纵向上一个像素点的核心点的邻域半径,W_S规定在横向上一个核心点的邻域半径,V_S规定在像素值上核心点的邻域半径,并定义一个核心点的最小邻居点个数N_S.进行聚类,其中H_S设置为图像高度的1/30,W_S设置为3,VS设置为值范围的1/4,N_S设置为图像高度的1/20。
本发明采取如下方案,令视频中船闸沿水平方向:
1)、在船只未进入监控区域前,对区域进行背景建模,获得背景图像BkImg;
2)、对视频流中的每一帧Frame,采用背景剪除方法,通过当前帧和背景帧的差异,获得运动目标所在区域的前景FrtImg,即 FrtImg = |Frame - BkImg|;
3)、沿着船只运动方向,对FrtImg进行逐行扫描,记录遇到的第一个像素点的列坐标及像素值,获得船只运动前沿边缘线Curve。该曲线用两个数组V和X表示,其一为V[ImgHeight], 存储当前帧Frame中,处于曲线上的每一点的像素值。另一个为X[ImgHeight],存储曲线上每一个点的列坐标值。
4)、以V和X作为输入,以DBSCAN聚类方法,对边缘曲线进行聚类检测,从而检测出多个船只。
DBSCAN聚类检测具体处理步骤如下:
1:设定4个阈值H_S,W_S,V_S,N_S, H_S,规定在纵向上一个像素点的核心点的邻域半径,W_S规定在横向上一个核心点的邻域半径,V_S规定在像素值上核心点的邻域半径。并定义一个核心点的最小邻居点个数N_S.进行聚类。
2: i记录当前处理的像素点序号,i初始化为0。
3: 如果i是核心点。
3.1 :认为一个目标出现,目标区域的起点标记start及终点标记stop设定为start=stop=i.并逐个处理后续点,令i=i+1;
3.2 如果 i是核心点,则将终点标记更新 stop = i;
3.3 如果 i是Stop的可达点,则i=i+1 回到 3.2 ;
3.4 输出start到stop间的点,作为一个目标识别的结果。
4 :访问下一个点, i=i+1。
5 :如果 i 不是最后一个点,回到 3。
6 :返回所有目标识别的结果。
其中,核心点的定义:一个点i, 如果在以H_S,W_S,V_S作为宽度的立方体邻域内,得到的邻居点的个数不少于N_S,则该点是核心点。可达点的定义:如果一个点i,在某个核心点j的 H_S,W_S,V_S立方体邻域内,则称i是j的可达点。
阈值设置可参考:H_S设置为图像高度的1/30, W_S设置为3, VS设置为值范围的1/4,N_S设置为图像高度的1/20。
以一次视频多目标检测为例:
1 :首先,在船只进入前,通过背景建模的方法,获得背景帧BkImg。可以采用连续N帧起平均值的方法,本例中取前100帧,得到的背景图如图3所示。
2 : 第101帧后,可以对每一帧进行检测。图4是视频监控的某个当前帧Frame。将当前帧和背景帧进行差运算,可以取出进入视频的船只前景FrtImg,如图5所示。
3:从右到左逐行扫描FrtImg, 得到前沿边缘曲线Curve,如图3所示。
4:采用DBSCAN聚类方法,设定H_S=图像高度/30,W_S=3, V_S=图像值范围/4, N_S=图像高度/20,在Curve曲线上发现两个簇,从而完成了两只船的检测,结果如图4所示。
Claims (4)
1.面向船闸视频监控的智能多目标检测方法,其特征在于,利用船只前沿的图像特征,在有遮挡的情况下,在视频中识别出多个船只,包括以下步骤:
1.a-在船只未进入监控区域前,对区域进行背景建模,获得背景图像;
1.b-对视频流中的每一帧,采用背景剪除方法,通过当前帧和背景帧的差异,获得运动目标所在区域的前景;
1.c-对步骤1.b所述的前景进行逐行扫描,在每行中记录遇到的第一个像素点的行列坐标及像素值,从而获得船只运动前沿边缘曲线;
1.d-以记录的边缘曲线形状特征及像素值属性,对边缘曲线进行简化DBSCAN聚类,从而检测出多个船只。
2.根据权利要求1所述面向船闸视频监控的智能多目标检测方法,其特征在于,在步骤1-c 记录的像素值,可以是RGB值,或者是灰度值。
3.根据权利要求1所述面向船闸视频监控的智能多目标检测方法,其特征在于,在步骤1-d,采用简化DBSCAN聚类算法,以步骤1-c获得的曲线数据为输入,设定4个阈值H_S, W_S, V_S, N_S其中,H_S规定在纵向上一个像素点的核心点的邻域半径,W_S规定在横向上一个核心点的邻域半径,V_S规定在像素值上核心点的邻域半径,并定义一个核心点的最小邻居点个数N_S.进行聚类;
其中H_S设置为图像高度的1/30,W_S设置为3,VS设置为值范围的1/4, N_S设置为图像高度的1/20。
4.根据权利要求3所述面向船闸视频监控的智能多目标检测方法,其特征在于,所采用的简化DBSCAN聚类算法步骤为:
4.1:设定4个阈值H_S, W_S, V_S,N_S;
4.2:i记录当前处理的像素点序号,i初始化为0;
4.3:如果i是核心点,
4.3.1 认为一个目标出现,目标区域的起点标记start及终点标记stop设定为start=stop=i.并逐个处理后续点,令i=i+1;
4.3.2 如果 i是核心点,则将终点标记更新 stop = i;
4.3.3 如果 i是Stop的可达点,则i=i+1 回到 4.3.2 ;
4.3.4 输出start到stop间的点,作为一个目标识别的结果,
4.4 :访问下一个点, i=i+1;
4.5 :如果 i 不是最后一个点,回到 4.3步骤;
4.6 :返回所有目标识别的结果;
核心点的定义:一个点i, 如果在以H_S,W_S,V_S作为宽度的立方体邻域内,得到的邻居点的个数不少于N_S,则该点是核心点,
可达点的定义:如果一个点i,在某个核心点j的 H_S,W_S,V_S立方体邻域内,则称i是j的可达点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210287888.2A CN102842036B (zh) | 2011-11-30 | 2012-08-14 | 面向船闸视频监控的智能多目标检测方法 |
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110388737.1 | 2011-11-30 | ||
CN201110388737 | 2011-11-30 | ||
CN2011103887371 | 2011-11-30 | ||
CN201210287888.2A CN102842036B (zh) | 2011-11-30 | 2012-08-14 | 面向船闸视频监控的智能多目标检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102842036A true CN102842036A (zh) | 2012-12-26 |
CN102842036B CN102842036B (zh) | 2015-07-15 |
Family
ID=47369374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210287888.2A Expired - Fee Related CN102842036B (zh) | 2011-11-30 | 2012-08-14 | 面向船闸视频监控的智能多目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102842036B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104931959A (zh) * | 2015-05-25 | 2015-09-23 | 中国电子科技集团公司第十研究所 | 形成目标点迹的多目标点迹凝聚方法 |
CN107423693A (zh) * | 2017-07-05 | 2017-12-01 | 河北汉光重工有限责任公司 | 一种基于背景重构的目标侦测方法 |
CN109447880A (zh) * | 2018-10-10 | 2019-03-08 | 广州市勤思网络科技有限公司 | 水上路网抽取方法和系统 |
CN110414340A (zh) * | 2019-06-21 | 2019-11-05 | 武汉四创自动控制技术有限责任公司 | 一种船闸监控系统中的船舶识别方法 |
CN110910421A (zh) * | 2019-11-11 | 2020-03-24 | 西北工业大学 | 基于分块表征和可变邻域聚类的弱小运动目标检测方法 |
CN111488799A (zh) * | 2020-03-13 | 2020-08-04 | 安徽小眯当家信息技术有限公司 | 一种基于图像识别的坠落物识别方法及系统 |
CN112416191A (zh) * | 2020-09-17 | 2021-02-26 | 上海哔哩哔哩科技有限公司 | 录屏处理方法、装置、计算机设备和计算机可读存储介质 |
CN112733896A (zh) * | 2020-12-30 | 2021-04-30 | 深圳市镭神智能系统有限公司 | 一种船舶过闸管理方法、装置、系统及存储介质 |
CN113990108A (zh) * | 2021-10-22 | 2022-01-28 | 苏交科集团股份有限公司 | 一种船舶优化识别和实时跟踪方法及防撞预警系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101017573A (zh) * | 2007-02-09 | 2007-08-15 | 南京大学 | 一种基于视频监控的运动目标检测与识别方法 |
US7796780B2 (en) * | 2005-06-24 | 2010-09-14 | Objectvideo, Inc. | Target detection and tracking from overhead video streams |
CN102081801A (zh) * | 2011-01-26 | 2011-06-01 | 上海交通大学 | 多特征自适应融合船舶跟踪和航迹检测方法 |
CN101510356B (zh) * | 2009-02-24 | 2011-07-20 | 上海高德威智能交通系统有限公司 | 视频检测系统及其数据处理装置、视频检测方法 |
-
2012
- 2012-08-14 CN CN201210287888.2A patent/CN102842036B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7796780B2 (en) * | 2005-06-24 | 2010-09-14 | Objectvideo, Inc. | Target detection and tracking from overhead video streams |
CN101017573A (zh) * | 2007-02-09 | 2007-08-15 | 南京大学 | 一种基于视频监控的运动目标检测与识别方法 |
CN101510356B (zh) * | 2009-02-24 | 2011-07-20 | 上海高德威智能交通系统有限公司 | 视频检测系统及其数据处理装置、视频检测方法 |
CN102081801A (zh) * | 2011-01-26 | 2011-06-01 | 上海交通大学 | 多特征自适应融合船舶跟踪和航迹检测方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104931959A (zh) * | 2015-05-25 | 2015-09-23 | 中国电子科技集团公司第十研究所 | 形成目标点迹的多目标点迹凝聚方法 |
CN107423693A (zh) * | 2017-07-05 | 2017-12-01 | 河北汉光重工有限责任公司 | 一种基于背景重构的目标侦测方法 |
CN109447880A (zh) * | 2018-10-10 | 2019-03-08 | 广州市勤思网络科技有限公司 | 水上路网抽取方法和系统 |
CN110414340A (zh) * | 2019-06-21 | 2019-11-05 | 武汉四创自动控制技术有限责任公司 | 一种船闸监控系统中的船舶识别方法 |
CN110910421A (zh) * | 2019-11-11 | 2020-03-24 | 西北工业大学 | 基于分块表征和可变邻域聚类的弱小运动目标检测方法 |
CN111488799A (zh) * | 2020-03-13 | 2020-08-04 | 安徽小眯当家信息技术有限公司 | 一种基于图像识别的坠落物识别方法及系统 |
CN112416191A (zh) * | 2020-09-17 | 2021-02-26 | 上海哔哩哔哩科技有限公司 | 录屏处理方法、装置、计算机设备和计算机可读存储介质 |
CN112733896A (zh) * | 2020-12-30 | 2021-04-30 | 深圳市镭神智能系统有限公司 | 一种船舶过闸管理方法、装置、系统及存储介质 |
CN113990108A (zh) * | 2021-10-22 | 2022-01-28 | 苏交科集团股份有限公司 | 一种船舶优化识别和实时跟踪方法及防撞预警系统 |
CN113990108B (zh) * | 2021-10-22 | 2023-01-20 | 苏交科集团股份有限公司 | 一种船舶优化识别和实时跟踪方法及防撞预警系统 |
Also Published As
Publication number | Publication date |
---|---|
CN102842036B (zh) | 2015-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102842036B (zh) | 面向船闸视频监控的智能多目标检测方法 | |
US8218819B2 (en) | Foreground object detection in a video surveillance system | |
US8218818B2 (en) | Foreground object tracking | |
WO2016034059A1 (zh) | 基于颜色-结构特征的目标对象跟踪方法 | |
CN108121991B (zh) | 一种基于边缘候选区域提取的深度学习舰船目标检测方法 | |
Huang et al. | Efficient image stitching of continuous image sequence with image and seam selections | |
US20110058708A1 (en) | Object tracking apparatus and object tracking method | |
US20170132803A1 (en) | Apparatus and method for processing a depth image | |
Gong et al. | Integrated foreground segmentation and boundary matting for live videos | |
CN111652900B (zh) | 基于场景流的客流量的计数方法、系统及设备、存储介质 | |
US20180247418A1 (en) | Method and apparatus for object tracking and segmentation via background tracking | |
Zhang et al. | Visual saliency based object tracking | |
Zhang et al. | An optical flow based moving objects detection algorithm for the UAV | |
EP3043316A1 (en) | Method and apparatus for generating superpixels for multi-view images | |
Yu et al. | A real-time motion detection algorithm for traffic monitoring systems based on consecutive temporal difference | |
Jiao et al. | The research of transmission line foreign body detection based on motion compensation | |
CN103324956B (zh) | 一种基于分布式视频检测的座位统计方法 | |
Song et al. | Image tracking and matching algorithm of semi-dense optical flow method | |
Lu et al. | Minimal path based particle tracking in low SNR fluorescence microscopy images | |
CN114821441A (zh) | 联合ads-b信息的基于深度学习的机场场面运动目标识别方法 | |
Zhao et al. | Siamese network for object tracking in aerial video | |
CN110599517A (zh) | 一种基于局部特征和全局hsv特征组合的目标特征描述方法 | |
Wang et al. | RGB-D SLAM Method Based on Object Detection and K-Means | |
Qian et al. | An Improved Pose Estimation Method in Dynamic Scene Based on Hierarchical Masking and Point Features Classification | |
Zhang et al. | Moving cast shadow detection based on regional growth |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150715 Termination date: 20210814 |