CN103729858B - 一种视频监控系统中遗留物品的检测方法 - Google Patents

Abstract

本发明提供了一种视频监控系统中遗留物品的检测方法，包括：获取视频监控画面；获取背景模型；检测监控画面中是否有运动目标；有运动目标则记录其运动轨迹，没有运动目标则返回继续获取视频监控画面；当运动目标从运动变为静止状态时，计算其静止的时间t；设定时间阈值T；判定t与T的大小，确定所述运动目标是否为遗留物品；更新背景模型，继续监测监控画面中是否有运动目标。本发明背景模型更新的方法计算复杂度降低；且通过不断的更新背景模型，使得本发明的抗干扰能力更强，同时不会将遗留物更新到背景模型中，使得遗留物品可以一直被检测到。

Description

一种视频监控系统中遗留物品的检测方法

技术领域

本发明涉及视频监控领域，具体涉及一种视频监控系统中遗留物品的检测方法。

背景技术

在公共活动场所进行可疑遗留物检测对保护人民群众的财产安全和人身安全均具有重要意义。遗留物检测属于智能视频监控领域中异常行为研究的范畴，它交叉运用了计算机视觉、数字图像处理、模式识别和人工智能等学科的知识，使得计算机能够在现实场景中自动检测从运动变为静止的物体，并提取物体的颜色、位置、轮廓等信息，从而可以实时准确地识别物体遗留事件的发生。遗留物的检测是视频监控系统中安全方面的一个重要应用分支，对于遗留物的自动检测不仅可以提高异常事物处理部门的工作效率，避免危险事件的发生，同时也有助于失主寻找丢失的物品。

目前视频监控中常见的运动目标检测算法主要有三类:光流法、帧间差分法和背景减除法。光流法在算法执行时以视频中像素灰度的时空变化为处理对象，对先验场景信息的依赖度很低，由此带来的弊端是算法的复杂度较高，往往难以满足实时性的要求；帧间差分法的优点是算法的实现比较简单，实时性较好，并且对光照的缓慢变化不敏感，但是由于运动目标上像素的纹理、灰度等信息比较相近，帧间差分法通常只能得到部分运动信息，不能完整地分割运动目标；背景减除法是目前运动目标检测中应用最广泛的一种方法，在已得到视频背景图像的前提下，利用当前图像与背景图像的差分来检测出运动区域，但是，现有的大多数背景减除法很容易将静止的物体更新到背景模型中，当运动的物体停止一段时间后，现有的背景减除法将检测不到遗留的物体。

遗留物是指与运动主体分离后迅速变为静止的、并且在场景中的停留时间超过一定阈值的物体。遗留物检测是智能视频监控系统的主要功能之一，对于遗留物检测算法研究的时间并不长，但实际应用中遇到的问题却很多，因此，至今仍未得到很好的解决，特别是如何提高算法的抗干扰能力，降低算法实现的复杂度以及提高检测的精度。

不难看出，现有技术还存在一定的缺陷。

发明内容

本发明所要解决的技术问题是提供一种视频监控系统中遗留物品的检测方法，其算法简单，且能及时更新背景模型，使遗留物品的检测更为准确。

为此，本发明提供如下技术方案：

一种视频监控系统中遗留物品的检测方法，包括：

获取视频监控画面；

获取背景模型；

检测监控画面中是否有运动目标；

有运动目标则记录其运动轨迹，没有运动目标则返回继续获取视频监控画面；

当运动目标从运动变为静止状态时，计算其静止的时间t；

设定时间阈值T；

判定t与T的大小，确定所述运动目标是否为遗留物品；

更新背景模型，继续监测监控画面中是否有运动目标。

进一步的，当监控视频画面中不存在背景模型时，则初始化背景模型。

进一步的，所述时间阈值T依据不同的场景设置不同值。

进一步的，当t＞T时，则判断所述运动目标为遗留物品。

进一步的，所述更新背景模型包括：

保存视频监控画面的第一帧背景帧图像Img_bgf；

用传统Vibe的检测方法检测出前景像素，得到当前帧的二值图像

对中值滤波法，去除图像中的孤立点和其它噪声，并用形态学膨胀的方法填充二值图像中前景像素块不连续的点或者空洞的地方，得到新的二值图像

根据找出前景像素块的最小轮廓矩形，并以此矩形为中心，长宽各增长5个像素，得到新的轮廓rect；

遍历rect内所有的背景像素p(x,y)，以p(x,y)为中心，在Im中取以p(x,y)为中心的5*5邻域像素作为模板1，以p(x,y)对应Img_bgf中的位置p^bgf(x',y')为中心，在Img_bgf中取以p^bgf(x',y')为中心的5*5邻域像素作为模板2，将模板1和模板2按如下公式计算匹配率：

其中x'＝0...4y'＝0...4；

对p(x,y)进行再判断，判断公式如下：

其中T_fb为判定前景像素是背景像素的最小匹配率；

更新p^bgf(x',y')，当vibe检测判定得到的结果图像中没有前景像素时，用当前帧图像替换p^bgf(x',y')。

进一步的，所述视频监控系统中遗留物品的检测方法还包括：

当确定所述运动目标为遗留物品时，通过报警通知用户。

本发明通过改进传统的vibe算法，在对通过传统vibe算法获取的结果做进一步相关的处理，使视频监控系统的背景模型能够适应背景的不断变化，比如光照的变化，背景物体的变更等等。背景模型的更新的方法计算复杂度降低；且通过不断的更新背景模型，使得本发明的抗干扰能力更强，同时不会将遗留物更新到背景模型中，使得遗留物可以一直被检测到。Vibe算法对运动目标的检测精度比较高，本发明改进Vibe算法的同时也继承了Vibe算法的优越性能，对遗留物的检测取很高的检测精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种视频监控系统中遗留物品的检测方法流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例和附图，对本发明实施例中的技术方案进行清楚、完整地描述。需要说明的是，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例

如图1所示，本实施例提供的一种视频监控系统中遗留物品的检测方法，包括：

获取视频监控画面；作为优选，可以通过摄像头采集视频监控画面。

获取背景模型；作为优选，当监控视频画面中不存在背景模型时，则初始化背景模型。

检测监控画面中是否有运动目标；

有运动目标则记录其运动轨迹，没有运动目标则返回继续获取视频监控画面；

当运动目标从运动变为静止状态时，计算其静止的时间t；需要说明的是，“t”为所述运动目标从运动状态变为静止状态时起，直到下次变为运动状态时的时间。

设定时间阈值T；需要说明的是，在不同场景(即不同环境条件下)需要不同的时间阈值，用户可以根据实际情况设定T的具体大小，选定适当的时间阈值T可以减少错报误报(报警)的次数。

判定t与T的大小，确定所述运动目标(需要说明的是，此时的运动目标已经由运动状态变为静止状态，此时处于静止状态)是否为遗留物品；作为优选，本实施例中当t＞T时，则判断所述运动目标为遗留物品；反之，则不认为所述运动目标为遗留物品。

更新背景模型，继续监测监控画面中是否有运动目标。

需要说明的是，Vibe是一种像素级视频背景建模或前景检测的算法，Vibe算法的性能优于现有的一些算法。本发明提出的视频监控系统中遗留物品的检测方法通过改进Vibe算法，提出一种新的背景模型更新方法，使物体从运动状态变为静止状态后，不被更新到背景模型中，从而能够使遗留物始终被检测到。

作为优选，所述更新背景模型包括：

保存视频监控画面的第一帧背景帧图像Img_bgf；需要说明的是，保存是为了作为后续进行领域匹配验证的参考帧图像，进而以分辨是背景图像还是前景图像(指有运动目标进入的背景图像)

用传统Vibe的检测方法检测出前景像素，得到当前帧的二值图像

对中值滤波法，去除图像中的孤立点和其它噪声，并用形态学膨胀的方法填充二值图像中前景像素块不连续的点或者空洞的地方，得到新的二值图像

根据(新的二值图像)，找出前景像素块的最小轮廓矩形，并以此矩形为中心，长宽各增长5个像素，得到新的轮廓rect；

遍历rect(新的轮廓rect)内所有的背景像素p(x,y)，以p(x,y)为中心，在中取以p(x,y)为中心的5*5邻域像素作为模板1，以p(x,y)对应Img_bgf中的位置p^bgf(x',y')为中心，在Img_bgf中取以p^bgf(x',y')为中心的5*5邻域像素作为模板2，将模板1和模板2按如下公式计算匹配率：

$match(x,y)=\frac{{\mathrm{\Σ}}_{x^{\′},y^{\′}}\{p^{bgf}(x^{\′},y^{\′})*p(x+x^{\′},y+y^{\′})\}}{\sqrt{{\mathrm{\Σ}}_{x^{\′},y^{\′}}{p}^{bgf}{(x^{\′},y^{\′})}^2*{\mathrm{\Σ}}_{x^{\′},y^{\′}}p{(x+x^{\′},y+y^{\′})}^2}}---\left(1\right)$

其中x'＝0...4y'＝0...4。

对p(x,y)进行再判断，判断公式如下：

$p(x,y)=\left\{\begin{array}{cc}255& ifmatch(x,y)<T_{fb}\\ 0& otherwise\end{array}\right.---\left(2\right)$

其中T_fb为判定前景像素是背景像素的最小匹配率。

需要说明的是，如果p(x,y)和p^bgf(x',y')的匹配率比最小匹配率还小时，则说明p(x,y)为前景像素。此时就不用更换背景模型，因为已经有遗留物品出现在原来的背景模型里面。

更新p^bgf(x',y')，当vibe检测判定得到的结果图像中没有前景像素时，用当前帧图像(即时获取的视频监控画面)替换p^bgf(x',y')。

作为优选，本实施例还包括：

当确定所述运动目标为遗留物品时，通过报警通知用户。

本发明通过改进传统的vibe算法，Vibe算法的初始化仅仅通过一帧图像即可完成，因此本发明的实时性很好；在对通过传统vibe算法获取的结果做进一步相关的处理，使视频监控系统的背景模型能够适应背景的不断变化，比如光照的变化，背景物体的变更等等。背景模型的更新的方法计算复杂度降低；且通过不断的更新背景模型，使得本发明的抗干扰能力更强，同时不会将遗留物更新到背景模型中，使得遗留物可以一直被检测到。Vibe算法对运动目标的检测精度比较高，本发明改进Vibe算法的同时也继承了Vibe算法的优越性能，对遗留物的检测取很高的检测精度。

以上所述实施例仅表达了本发明的一种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (2)

1.一种视频监控系统中遗留物品的检测方法，其特征在于，包括：

获取视频监控画面；

获取背景模型；

当监控视频画面中不存在背景模型时，则初始化背景模型；

检测监控画面中是否有运动目标；

有运动目标则记录其运动轨迹，没有运动目标则返回继续获取视频监控画面；

当运动目标从运动变为静止状态时，计算其静止的时间t；

设定时间阈值T；所述时间阈值T依据不同的场景设置不同值；

判定t与T的大小，确定所述运动目标是否为遗留物品；

当t＞T时，则判断所述运动目标为遗留物品；

更新背景模型，继续监测监控画面中是否有运动目标；

所述更新背景模型包括：

保存视频监控画面的第一帧背景帧图像Img_bgf；

用传统Vibe的检测方法检测出前景像素，得到当前帧的二值图像

对中值滤波法，去除图像中的孤立点和其它噪声，并用形态学膨胀的方法填充二值图像中前景像素块不连续的点或者空洞的地方，得到新的二值图像

根据找出前景像素块的最小轮廓矩形，并以此矩形为中心，长宽各增长5个像素，得到新的轮廓rect；

遍历rect内所有的背景像素p(x,y)，以p(x,y)为中心，在中取以p(x,y)为中心的5*5邻域像素作为模板1，以p(x,y)对应Img_bgf中的位置p^bgf(x',y')为中心，在Img_bgf中取以p^bgf(x',y')为中心的5*5邻域像素作为模板2，将模板1和模板2按如下公式计算匹配率：

其中x'＝0...4y'＝0...4；

对p(x,y)进行再判断，判断公式如下：

其中T_fb为判定前景像素是背景像素的最小匹配率；

更新p^bgf(x',y')，当vibe检测判定得到的结果图像中没有前景像素时，用当前帧图像替换p^bgf(x',y')。

2.根据权利要求1所述的视频监控系统中遗留物品的检测方法，其特征在于，还包括：

当确定所述运动目标为遗留物品时，通过报警通知用户。