CN103986906A - 基于监控视频的开关门检测方法 - Google Patents

Abstract

本发明公开了一种基于监控视频的开关门检测方法，以被检测房间门关闭时对应的图像帧作为参考帧，根据参考帧获取被检测房间门的背景模型，并利用背景模型对检测视频帧中房间门区域进行背景减法计算得到前景图像，通过提取前景图像的特征直线，然后利用特征直线与背景模型中门缝的水平位置，确定本检测门的开关状态。本发明使用运动前景检测、数字图像处理等简单的技术组合完成了自动检测房间门开关状态的功能，方法简单，资源开销极小，适用于视频监控这一类嵌入式系统的应用，直接检测整个房间门区域，根据门缝位置确定开关状态，有效避免人或物体遮挡房间门产生的干扰，检测精度高、普适性强、不存在监控盲点，提高了监控的安全系数。

Description

基于监控视频的开关门检测方法

技术领域

本发明属于视频图像分析和人工智能领域，更具体的涉及一种基于监控视频的开关门检测方法。

背景技术

在安防监控领域，监测门的开关状态是(即在一个长久以来存在的监视场景——特定房间门的人员出入监视)一个极重要的监控参数。最初直接通过设置专职人员，直接检测该场景。

近年来，得益于信息技术的发展，视频监控已经得到了广泛应用，通常通过检测视频监控进行视频采集即可，对于某些特殊场合，尤其是安全等级要求较高的场合，通常配置专人监视电视墙或电脑的监控视频来监控门的开关状态，一旦监控人员发现异常情况时便进行报警。

在人工成本不断提升的今天，采用专人监视实况视频的做法的弊端渐渐显现，且采用专人监控，可能会出现由于监控人员疲劳或疏忽而导致存在一定的监控盲点。而得益于微电子技术、计算机技术等相关技术的迅猛发展，采用计算机技术进行视频分析和人工智能的方法有望在不久的将来代替人工监视，大放光彩。

基于硬件传感器的开关门检测，该方法能够满足大部分的检测需求，但是该方法存在一个弊端是检测成本较高，且灵敏度不够，容易出现误检测和一楼的状态。此外还有一个重要的缺陷，就是通常传感器的检测的空间范围有限，存在一定的监控盲点，存在一定的安全隐患，因此，一种安全系数高、成本低的开关门检测方法在实际应用领域具有很强的需求。

发明内容

针对现有技术的不足，本发明提出了一种基于监控视频的开关门检测方法。

一种基于监控视频的开关门检测方法，包括如下步骤：

(1)以被检测房间门关闭时对应的图像帧作为参考帧，确定参考帧中被检测房间门区域的位置和大小，并根据被检测房间门区域的位置和大小获取被检测房间门区域的背景模型，

所述的背景模型包括参考帧中被检测房间门区域的位置和大小、被检测房间门区域的灰度抠图和灰度抠图中门缝的水平位置；

(2)根据参考帧中被检测房间门的位置和大小，获取待检测视频帧中被检测房间门区域的灰度图像；

(3)以所述的灰度抠图为背景图像，采用背景减法对待检测视频帧中被检测房间门区域的灰度图像进行运动分析，得到被检测房间门区域的前景图像；

(4)提取所述的前景图像的边缘直线，并根据各个边缘直线的长度以及边缘直线中各个线段之间的距离确定各条边缘直线的有效性，以有效的边缘直线作为特征直线；

(5)根据前景图像中每条特征直线的起点和终点的横坐标，以及灰度抠图中门缝的水平位置确定被检测房间门的开关状态。

本发明使用运动前景检测、数字图像处理等简单的技术组合完成了自动检测房间门开关状态的功能，方法简单，资源开销极小，非常适用于视频监控这一类嵌入式系统的应用。直接检测整个房间门区域，根据门缝位置确定开关状态，有效避免人或物体遮挡房间门产生的干扰，检测精度高、普适性强、不存在监控盲点，提高了监控的安全系数。

所述步骤(1)中通过以下步骤获取被检测房间门区域的背景模型：

(1-1)根据参考帧中被检测房间门区域的位置和大小，从参考帧截取相应的区域并进行灰度化处理，得到被检测房间门区域的灰度抠图；

(1-2)确定灰度抠图中门缝的水平位置(即灰度抠图中门缝位置的水平坐标)。

其中参考帧中被检测房间门区域的位置和大小，以及灰度抠图中门缝的水平位置均可以通过人工指定，也可以采用图像处理方法计算得到。

所述步骤(2)通过以下方法得到待检测视频帧中被检测房间门区域灰度图像：

根据参考帧中被检测房间门的位置和大小，从待检测视频帧中截取被检测房间门区域的图像，对截取得到的图像进行灰度化处理得到待检测视频帧中被检测房间门区域灰度图像。

所述步骤(3)包括：

(3-1)根据公式：

Diff(x,y)＝Abs(I_door(x,y)-B_door(x,y))

计算灰度图像与灰度抠图中像素点(x,y)的像素值的绝对差值Diff(x,y)，其中：(x,y)为被检测房间门区域中各个像素点的坐标，Abs为计算绝对值的函数，I_door(x,y)为灰度图像中像素点(x,y)的像素值，B_door(x,y))为灰度抠图中像素点(x,y)的像素值；

(3-2)对绝对差值矩阵进行二值化处理得到前景图像，二值化公式如下：

$\mathrm{dst}(x,y)=\left\{\begin{array}{cc}255& \mathrm{Diff}(x,y)\≥\mathrm{threshold}\\ 0& \mathrm{otherwise}\end{array}\right.,$

其中，dst(x,y)为二值化后像素点(x,y)的像素值，threshold为二值化阈值，otherwise表示否则。

二值化时，令绝对差值大于或等于二值化阈值的像素点的像素值为255，小于二值化阈值的像素点的像素值为0。

所述步骤(3-2)中的二值化阈值为15～20。

二值化阈值的大小直接影响到后续利用前景图像提取边缘直线的准确性，通常二值化阈值越小，提取的边缘直线的准确性越高。作为优选，所述步骤(3-2)中的二值化阈值为15。

所述步骤(4)中通过以下方法提取所述的前景图像的边缘直线：

(4-1)对前景图像进行Canny边缘检测；

(4-2)对边缘检测结果进行累计概率霍夫变换提取得到前景图像的边缘直线。

所述步骤(4)中根据以下方法确定边缘直线的有效性：

若边缘直线的长度大于设定的第一阈值，该边缘直线中各个线段之间距离小于设定的第二阈值，且该边缘直线的起点与中点的横坐标的差值小于第三阈值，则认为该边缘直线有效；

否则，认为该边缘直线无效。

受到提取算法的限制，提取到的边缘直线后需要进一步确定有效性，由于累计概率霍夫变换得到的边缘直线中一条边缘直线可能包含有多个线段，需要根据边缘直线中各个线段之间距离，根据检测需要认为线段之间的距离大于第二阈值的边缘直线无效，且其中若边缘直线的起点与中点的横坐标的差值大于第三阈值则说明直线在竖直方向倾斜，认为是无效，避免检测错误。

所述的第一阈值为被检测门高度的1/4，第二阈值为被检测门高度的1/20，第三阈值为被检测门宽度的1/20。

所述步骤(5)具体过程如下：

计算每一条特征直线的起点和终点的横坐标的平均值，若最小平均值与门缝水平位置的差值小于或等于第四阈值，则认为待检测门开启，否则，认为待检测门关闭。

所述的第四阈值为被检测门宽度的1/40。

最小平均值越小，则该特征直线越接近门缝，当最小平均值与门缝水平位置的差值小于或等于第四阈值，因此被检测门处于开启状态。当特征直线越与门缝重合时开启状态的理想情况，但是由于存在一定的误差，所以需要设定第四阈值。

所述步骤(5)中若检测结果为被检测房间门处于关闭状态，则利用待检测视频帧中被检测房间门区域的灰度图像对背景模型进行更新。

更新方法如下：将待检测视频帧中被检测房间门区域的灰度图像与背景模型中的灰度抠图相加后取平均值作为更新后的灰度抠图，并根据更新后的灰度抠图重新确定门缝所在的水平位置。本发明中通过对被检测房间门的背景模型进行更新，能够减小环境变化对背景模型的影响，从而提高检测的准确率。

所述步骤(5)中若检测结果为被检测房间门处于开启状态，则发出告警。

实际上开启状态触发报警设备发出告警，该告警通常为声光提示信号，通过告警引起警觉。

与现有技术相比，本发明的有益效果为：

(1)本发明使用运动前景检测、数字图像处理等简单的技术组合完成了自动检测房间门开关状态的功能，方法简单，资源开销极小，非常适用于视频监控这一类嵌入式系统的应用；

(2)本发明设计的房间门开关检测算法可以有效避免人或物体遮挡房间门产生的干扰，检测精度高、普适性强；

(3)本发明无需安装额外设备进行房间门开关的检测，也无需雇佣人员，节约成本。

附图说明

图1为本发明的基于监控视频的开关门检测方法的流程图。

具体实施方式

为了更为具体地描述本发明，下面结合附图和具体实施例对本发明进行详细说明。

本实施例的基于监控视频的开关门检测方法，如图1所示，包括如下步骤：

(1)以被检测房间门关闭时对应的图像帧作为参考帧，确定参考帧中被检测房间门区域的位置和大小，并根据被检测房间门区域的位置和大小获取被检测房间门区域的背景模型。

该背景模型包括参考帧中被检测房间门区域的位置和大小、被检测房间门区域的灰度抠图和灰度抠图中门缝的水平位置。

通过以下步骤获取被检测房间门区域的背景模型：

(1-1)根据参考帧中被检测房间门区域的位置和大小(x_d,y_d,w_d,h_d)，从参考帧截取相应的区域并进行灰度化处理，得到被检测房间门区域的灰度抠图B_door；

(1-2)确定灰度抠图中门缝的水平位置C_d(即灰度抠图中门缝位置的水平坐标)。

本实施例中参考帧中被检测房间门区域的位置和大小(x_d,y_d,w_d,h_d)，以及灰度抠图中门缝的水平位置C_d均通过人工指定，其中(x_d,y_d)为参考帧中被检测房间门区域中左上方第一个像素点的坐标，w_d和h_d分别为被检测房间门区域的宽(水平方向，x轴)和高(竖直方向，y轴)。,

(2)根据参考帧中被检测房间门的位置和大小(x_d,y_d,w_d,h_d)，获取待检测视频帧中被检测房间门区域的灰度图像，具体如下：

根据参考帧中被检测房间门的位置和大小(x_d,y_d,w_d,h_d)，从待检测视频帧中截取被检测房间门区域的图像，对截取得到的图像进行灰度化处理得到待检测视频帧中被检测房间门区域灰度图像。

(3)以灰度抠图为背景图像，采用背景减法对待检测视频帧中被检测房间门区域的灰度图像进行运动分析，得到被检测房间门区域的前景图像，具体包括如下步骤：

(3-1)根据公式：

Diff(x,y)＝Abs(I_door(x,y)-B_door(x,y))

计算灰度图像与灰度抠图中像素点(x,y)的像素值的绝对差值Diff(x,y)，其中：(x,y)为被检测房间门区域中各个像素点的坐标，Abs为计算绝对值的函数，I_door(x,y)为灰度图像中像素点(x,y)的像素值，B_door(x,y))为灰度抠图中像素点(x,y)的像素值；

(3-2)对绝对差值矩阵进行二值化处理得到前景图像，二值化公式如下：

$\mathrm{dst}(x,y)=\left\{\begin{array}{cc}255& \mathrm{Diff}(x,y)\≥\mathrm{threshold}\\ 0& \mathrm{otherwise}\end{array}\right.,$

其中，dst(x,y)为二值化后像素点(x,y)的像素值，threshold为二值化阈值，otherwise表示否则。

二值化时，令绝对差值大于或等于二值化阈值的像素点的像素值为255，小于二值化阈值的像素点的像素值为0。本发明中像素点坐标(x,y)中的x和y的取值取决于被检测门区域的大小。

其中的二值化阈值为15～20(本实施例中为15)。

(4)提取前景图像的边缘直线，并根据各个边缘直线的长度以及边缘直线中各个线段之间的距离确定各条边缘直线的有效性，以有效的边缘直线作为特征直线。

本实施例中通过以下方法提取前景图像的边缘直线：

(4-1)对前景图像进行Canny边缘检测；

(4-2)对边缘检测结果进行累计概率霍夫变换提取得到前景图像的边缘直线。

为提高检测的准确率，本实施例中根据以下方法确定边缘直线的有效性：

若边缘直线的长度大于设定的第一阈值，该边缘直线中各个线段之间距离小于设定的第二阈值，且该边缘直线的起点与中点的横坐标的差值小于第三阈值，则认为该边缘直线有效；

否则，认为该边缘直线无效。

本实施例中的第一阈值为被检测房间门高度的1/4，第二阈值为被检测房间门高度的1/20，第三阈值为被检测房间门被检测门宽度的1/20。

(5)根据前景图像中每条特征直线的起点和终点的横坐标，以及灰度抠图中门缝的水平位置确定被检测房间门的开关状态：

计算每一条特征直线的起点和终点的横坐标的平均值(C_avg)，若最小平均值(记为)与门缝水平位置C_d的差值小于或等于第四阈值(本实施例中的第四阈值为被检测门宽度的1/40)，则认为被检测房间门开启，并发出告警；

否则，认为被检测房间门关闭，并利用待检测视频帧中被检测房间门区域的灰度图像对背景模型进行更新。

本实施例中更新方法如下：将待检测视频帧中被检测房间门区域的灰度图像与背景模型中的灰度抠图相加后取平均值作为更新后的灰度抠图，并根据更新后的灰度抠图重新确定门缝所在的水平位置。

以上公开的仅为本发明的具体实施例，但是本发明的保护范围并不局限于此，任何熟悉本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围，都应涵盖在本实用发明的保护范围之内。

Claims (10)

1.一种基于监控视频的开关门检测方法，其特征在于，包括如下步骤：

(1)以被检测房间门关闭时对应的图像帧作为参考帧，确定参考帧中被检测房间门区域的位置和大小，并根据被检测房间门区域的位置和大小获取被检测房间门区域的背景模型，

所述的背景模型包括参考帧中被检测房间门区域的位置和大小、被检测房间门区域的灰度抠图和灰度抠图中门缝的水平位置；

(2)根据参考帧中被检测房间门的位置和大小，获取待检测视频帧中被检测房间门区域的灰度图像；

(3)以所述的灰度抠图为背景图像，采用背景减法对待检测视频帧中被检测房间门区域的灰度图像进行运动分析，得到被检测房间门区域的前景图像；

(4)提取所述的前景图像的边缘直线，并根据各个边缘直线的长度以及边缘直线中各个线段之间的距离确定各条边缘直线的有效性，以有效的边缘直线作为特征直线；

(5)根据前景图像中每条特征直线的起点和终点的横坐标，以及灰度抠图中门缝的水平位置确定被检测房间门的开关状态。

2.如权利要求1所述的基于监控视频的开关门检测方法，其特征在于，所述步骤(3)包括：

(3-1)根据公式：

Diff(x,y)＝Abs(I_door(x,y)-B_door(x,y))

计算灰度图像与灰度抠图中像素点(x,y)的像素值的绝对差值Diff(x,y)，其中：(x,y)为被检测房间门区域中各个像素点的坐标，Abs为计算绝对值的函数，I_door(x,y)为灰度图像中像素点(x,y)的像素值，B_door(x,y))为灰度抠图中像素点(x,y)的像素值；

(3-2)对绝对差值矩阵进行二值化处理得到前景图像，二值化公式如下：

$\mathrm{dst}(x,y)=\left\{\begin{array}{cc}255& \mathrm{Diff}(x,y)\≥\mathrm{threshold}\\ 0& \mathrm{otherwise}\end{array}\right.,$

其中，dst(x,y)为二值化后像素点(x,y)的像素值，threshold为二值化阈值，otherwise表示否则。

3.如权利要求2所述的基于监控视频的开关门检测方法，其特征在于，所述步骤(3-2)中的二值化阈值为15～20。

4.如权利要求3所述的基于监控视频的开关门检测方法，其特征在于，所述步骤(4)中通过以下方法提取所述的前景图像的边缘直线：

(4-1)对前景图像进行Canny边缘检测；

(4-2)对边缘检测结果进行累计概率霍夫变换提取得到前景图像的边缘直线。

5.如权利要求4所述的基于监控视频的开关门检测方法，其特征在于，所述步骤(4)中根据以下方法确定边缘直线的有效性：

若边缘直线的长度大于设定的第一阈值，该边缘直线中各个线段之间距离小于设定的第二阈值，且该边缘直线的起点与终点的横坐标的差值小于第三阈值，则认为该边缘直线有效；

否则，认为该边缘直线无效。

6.如权利要求5所述的基于监控视频的开关门检测方法，其特征在于，所述的第一阈值为被检测房间门高度的1/4，第二阈值为被检测房间门高度的1/20，第三阈值为被检测房门宽度的1/20。

7.如权利要求6所述的基于监控视频的开关门检测方法，其特征在于，所述步骤(5)具体过程如下：

计算每一条特征直线的起点和终点的横坐标的平均值，若最小平均值与门缝水平位置的差值小于或等于第四阈值，则认为被检测房间门开启，否则，认为被检测房间门关闭。

8.如权利要求7中任意一项权利要求所述的基于监控视频的开关门检测方法，所述的第四阈值为被检测房门宽度的1/40。

9.如权利要求1～8中任意一项权利要求所述的基于监控视频的开关门检测方法，其特征在于，所述步骤(5)中若检测结果为被检测房间门处于关闭状态，则利用待检测视频帧中被检测房间门区域的灰度图像对背景模型进行更新。

10.如权利要求9所述的基于监控视频的开关门检测方法，其特征在于，所述步骤(5)中若检测结果为被检测房间门处于开启状态，则发出告警。