CN104200490A - 一种复杂环境下的快速逆行检测跟踪监控方法 - Google Patents
一种复杂环境下的快速逆行检测跟踪监控方法 Download PDFInfo
- Publication number
- CN104200490A CN104200490A CN201410399860.7A CN201410399860A CN104200490A CN 104200490 A CN104200490 A CN 104200490A CN 201410399860 A CN201410399860 A CN 201410399860A CN 104200490 A CN104200490 A CN 104200490A
- Authority
- CN
- China
- Prior art keywords
- point
- wrong direction
- retrograde
- tracks
- point set
- 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)
Abstract
本发明公开了一种复杂环境下的快速逆行检测跟踪监控方法,包括以下步骤:对视频帧,首先通过帧间差分法提取运动目标前景,然后计算前景目标的强角点集合中每个点的光流场得到光流场集合;判断强角点的运动方向是否在设定逆行方向及其余量中:如有,则记录这些点并构成逆行点集并发出速报检测预警,同时通过跟踪,精确报警是否发生逆行事件:得到需要跟踪的强角点集合后,计算其每一点的光流场集合,若判断仍有逆行的点集,则找到该点集每个点对应的跟踪起点,画出跟踪轨迹;若跟踪结束后处于逆行状态的轨迹的数量小于判定阈值,则判定速报为虚警,否则判定逆行事件发生。本发明的方法,引入跟踪精报,大大提高逆行检测的准确率。
Description
技术领域
本发明涉及安防监控领域,特别涉及一种复杂环境下的快速逆行检测跟踪监控方法。
背景技术
随着国内现代话的飞速发展,人类社会对人身和财产安全的需求越来越高。在单行通道特别是人流、车流聚集区,发生逆行事件是极易产生危险的,引起交通拥堵,甚至造成事故。对监控场景中的人、物体或车辆等移动目标进行的实时逆行检测,发出报警并触发其他相关动作,是逆行检测的主要任务。常用的逆行检测方法有以下几种:
(1)基于光流的逆行检测方法,该方法可以检测出物体的运动,但是对噪声(比如手臂摆动、光照等)干扰灵敏,容易漏报和误报。
(2)基于目标跟踪的逆行检测方法,该方法可以比较稳定的检测出逆行,但需要对每个目标进行检测,速度较慢,要求跟踪一直持续,资源占用严重,在多目标的场景中无法适用,容易跟丢目标。
(3)基于光流与聚类的逆行检测方法,该方法能显著降低运算的复杂度,但仅通过对光流场特征点进行聚类来确定逆行,检测的准确率又不足。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种复杂环境下的快速逆行检测跟踪监控方法。
本发明的目的通过以下的技术方案实现:
一种复杂环境下的快速逆行检测跟踪监控方法,包括以下顺序的步骤:
S1.通过安防摄像头获取监控区域的视频帧;
S2.首先通过帧间差分法提取运动目标前景,然后检测前景目标的强角点,得到强角点集合,计算强角点集合中每个点的光流场,得到光流场集合;
S3.由光流场集合中每个点的光流矢量判断该点的运动方向是否在设定逆行方向及其余量中:如有,则记录这些点并构成逆行点集并发出速报检测预警,同时进入步骤S4;若逆行点集为空,则返回步骤S2继续检测下一帧图像;
S4.通过跟踪,精确报警是否发生逆行事件:
(1)对逆行点集的每个点,在其邻域内重新检测特征强角点,得到需要跟踪的强角点集合,此点集作为跟踪起点;
(2)在跟踪起点处,通过光流方程计算需要跟踪的强角点集合每一点的光流场集合,若判断仍有逆行的点集,则找到该点集每个点对应的跟踪起点,画出跟踪轨迹;
(3)重复步骤(2)直至跟踪结束,若跟踪结束后处于逆行状态的轨迹的数量小于判定阈值,则判定速报为虚警,无逆行事件发生,返回步骤S2、S3,否则判定逆行事件发生。
所述的复杂环境下的快速逆行检测跟踪监控方法,具体包括以下顺序的步骤:
A、通过安防摄像头获取监控区域的视频帧;
B、首先通过帧间差分法提取运动目标前景,然后运用Shi-Tomasi算法检测前景目标的强角点,得到强角点集合:Point{P1(x1,y1),P2(x2,y2),…,Pi(xi,yi)},其中i≥0,i取0时集合为φ;由金字塔Lucas-Kanade光流算法计算强角点集合中每个点的光流场,得到光流场集合: 其中Vx、Vy为x、y方向的光流矢量;
C、指定的逆行的方向为θ,逆行方向角余量为θmargin,通过下式来判断逆行是否发生:
若强角点满足式(1),则判定该强角点的运动方向在设定逆行方向及其余量中,记录满足式(1)的强角点并构成逆行点集:Pr{Pr k(xk,yk)},1<k≤i,此时发出速报检测预警,同时进入步骤D;若逆行点集为空,则返回步骤B继续检测下一帧图像;
D、通过跟踪,精确报警是否发生逆行事件:
(1)对逆行点集Pr的每个点在其邻域U(Pk,δk)内重新检测特征强角点,其中Pk、δk分别为邻域中心、邻域半径,得到需要跟踪的强角点集合:Pt{Pt 1(x1,y1),…,Pt j(xj,yj)},j>1,其中j为角点的数量,此点集作为跟踪起点;
(2)在跟踪起点Pt处,通过光流方程计算需要跟踪的Pt点集中每一点的光流场集合 若通过式(1)判断仍有逆行的点集:Ptd0{Ptd0 1(x1,y1),…,Ptd0 l(xl,yl)},l∈j,则找到点集Ptd0中每个点在点集Pt对应的跟踪起点,画出由跟踪起点Pt到Ptd0的轨迹;
若跟踪未结束,则将Ptd0赋值给Pt,继续跟踪;
(3)重复步骤(2)直至跟踪结束,若m<T1,则判定速报为虚警,无逆行事件发生,返回步骤S2、S3;若m≥T1判定逆行事件发生,其中T1为判定阈值,根据场景调节;所述的m为跟踪结束时,仍然处于逆行状态的轨迹的数量,T1为阈值。
步骤C中,所述的通过式(1)判定逆行是否发生时,逆行的强角点同时要满足下式:
通过式(2)能去除一些明显跟踪错误的点,增强算法的准确性。
步骤S2中,所述的通过帧间差分法提取运动目标前景后,依次对差分图像进行二值化处理、中值滤波以及形态学操作,然后即可得到运动的区域。增加的处理步骤能够得到更好的前景目标。
本发明与现有技术相比,具有如下优点和有益效果:
本发明监控方法能准确的检测逆行事件的发生,根据仿真实验证明,本方法具有较高的准确率,满足实际应用的要求。其次,本方法解决了现有方法不能同时满足检测快速性和检测准确性的问题,对逆行事件的检测具有更好的检测效果。再次,由于本方法有跟踪精报的技术,在人流车流多的复杂场景中,本方法也能适用,不会因为摆手、光照等因素影响检测的准确率。根据仿真实验证明,本方法在检测逆行事件时,平均检测耗时为63ms,非常接近实时性的要求,比现有的技术实时性好。
本发明的方法能准确检测出监控场景中发生的逆行事件,且硬件实现简单,在有效的改善了光流法的漏报与误报率的同时,提高了算法的实时性,降低了资源占用率,还能在报警的同时在视频监控端有相应的记录留存,方便后期处理紧急事件时各方协同工作、取证、回放。本发明创造的亮点是由于跟踪精报的引入,大大提高了逆行检测的准确率,减少了噪声的干扰,极大拓宽了本发明的应用范围,其范围包括但不限于:人流聚集区如(地铁、BRT公交单行通道),高速公路单行通道,大型商场自动手扶梯等,具有很好的实用价值。
综上所述,本方法检测效率高,实时性好,能适用各种复杂的环境,具有良好的工程应用价值。
附图说明
图1为本发明所述的一种复杂环境下的快速逆行检测跟踪监控方法的流程图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
如图1,一种复杂环境下的快速逆行检测跟踪监控方法,具体包括以下顺序的步骤:
A、通过安防摄像头获取监控区域的视频帧;
B、首先通过帧间差分法提取运动目标前景,依次对差分图像进行二值化处理、中值滤波以及形态学操作,然后即可得到运动的区域;然后运用Shi-Tomasi算法检测前景目标的强角点,得到强角点集合:Point{P1(x1,y1),P2(x2,y2),…,Pi(xi,yi)},其中i≥0,i取0时集合为φ;由金字塔Lucas-Kanade光流算法计算强角点集合中每个点的光流场,得到光流场集合: 其中Vx、Vy为x、y方向的光流矢量;
C、指定的逆行的方向为θ,逆行方向角余量为θmargin,通过下式来判断逆行是否发生:
若强角点满足式(1)、(2),则判定该强角点的运动方向在设定逆行方向及其余量中,记录满足式(1)、(2)的强角点并构成逆行点集:Pr{Pr k(xk,yk)},1<k≤i,此时发出速报检测预警,同时进入步骤D;若逆行点集为空,则返回步骤B继续检测下一帧图像;
所述的逆行方向是由用户指定的,即在实际应用中人为设定的禁止通行的方向,此方向用θ表示,θ的取值范围为:[0,360];由于在实际中本方法并不是在固定位置、固定角度来检测逆行,所以仅使用θ限定方向即可,只使用θ反而可以提高适用性;
而θmargin逆行方向角余量,也是在实际应用中可根据实际环境人为修改的;在本监控方法验证实验中,θmargin=π/6;
D、通过跟踪,精确报警是否发生逆行事件:
(1)对逆行点集Pr的每个点在其邻域U(Pk,δk)内重新检测特征强角点,其中Pk、δk分别为邻域中心、邻域半径,得到需要跟踪的强角点集合:Pt{Pt 1(x1,y1),…,Pt j(xj,yj)},j>1,其中j为角点的数量,此点集作为跟踪起点;
(2)在跟踪起点Pt处,通过光流方程计算需要跟踪的Pt点集中每一点的光流场集合 若通过式(1)判断仍有逆行的点集:Ptd0{Ptd0 1(x1,y1),…,Ptd0 l(xl,yl)},l∈j,则找到点集Ptd0中每个点在点集Pt对应的跟踪起点,画出由跟踪起点Pt到Ptd0的轨迹;
若跟踪未结束,则将Ptd0赋值给Pt,继续跟踪;
(3)重复步骤(2)直至跟踪结束,若m<T1,则判定速报为虚警,无逆行事件发生,返回步骤S2、S3;若m≥T1判定逆行事件发生,其中T1为判定阈值,根据场景调节;所述的m为跟踪结束时,仍然处于逆行状态的轨迹的数量,T1为阈值。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (4)
1.一种复杂环境下的快速逆行检测跟踪监控方法,其特征在于,包括以下顺序的步骤:
S1.通过安防摄像头获取监控区域的视频帧;
S2.首先通过帧间差分法提取运动目标前景,然后检测前景目标的强角点,得到强角点集合,计算强角点集合中每个点的光流场,得到光流场集合;
S3.由光流场集合中每个点的光流矢量判断该点的运动方向是否在设定逆行方向及其余量中:如有,则记录这些点并构成逆行点集并发出速报检测预警,同时进入步骤S4;若逆行点集为空,则返回步骤S2继续检测下一帧图像;
S4.通过跟踪,精确报警是否发生逆行事件:
(1)对逆行点集的每个点,在其邻域内重新检测特征强角点,得到需要跟踪的强角点集合,此点集作为跟踪起点;
(2)在跟踪起点处,通过光流方程计算需要跟踪的强角点集合每一点的光流场集合,若判断仍有逆行的点集,则找到该点集每个点对应的跟踪起点,画出跟踪轨迹;
(3)重复步骤(2)直至跟踪结束,若跟踪结束后处于逆行状态的轨迹的数量小于判定阈值,则判定速报为虚警,无逆行事件发生,返回步骤S2、S3,否则判定逆行事件发生。
2.根据权利要求1所述的复杂环境下的快速逆行检测跟踪监控方法,其特征在于,具体包括以下顺序的步骤:
A、通过安防摄像头获取监控区域的视频帧;
B、首先通过帧间差分法提取运动目标前景,然后运用Shi-Tomasi算法检测前景目标的强角点,得到强角点集合:Point{P1(x1,y1),P2(x2,y2),…,Pi(xi,yi)},其中i≥0,i取0时集合为φ;由金字塔Lucas-Kanade光流算法计算强角点集合中每个点的光流场,得到光流场集合: 其中Vx、Vy为x、y方向的光流矢量;
C、指定的逆行的方向为θ,逆行方向角余量为θmargin,通过下式来判断逆行是否发生:
若强角点满足式(1),则判定该强角点的运动方向在设定逆行方向及其余量中,记录满足式(1)的强角点并构成逆行点集:Pr{Pr k(xk,yk)},1<k≤i,此时发出速报检测预警,同时进入步骤D;若逆行点集为空,则返回步骤B继续检测下一帧图像;
D、通过跟踪,精确报警是否发生逆行事件:
(1)对逆行点集Pr的每个点在其邻域U(Pk,δk)内重新检测特征强角点,其中Pk、δk分别为邻域中心、邻域半径,得到需要跟踪的强角点集合:Pt{Pt 1(x1,y1),…,Pt j(xj,yj)},j>1,其中j为角点的数量,此点集作为跟踪起点;
(2)在跟踪起点Pt处,通过光流方程计算需要跟踪的Pt点集中每一点的光流场集合 若通过式(1)判断仍有逆行的点集:Ptd0{Ptd0 1(x1,y1),…,Ptd0 l(xl,yl)},l∈j,则找到点集Ptd0中每个点在点集Pt对应的跟踪起点,画出由跟踪起点Pt到Ptd0的轨迹;
若跟踪未结束,则将Ptd0赋值给Pt,继续跟踪;
(3)重复步骤(2)直至跟踪结束,若m<T1,则判定速报为虚警,无逆行事件发生,返回步骤S2、S3;若m≥T1判定逆行事件发生,其中T1为判定阈值,根据场景调节;所述的m为跟踪结束时,仍然处于逆行状态的轨迹的数量,T1为阈值。
3.根据权利要求2所述的复杂环境下的快速逆行检测跟踪监控方法,其特征在于:步骤C中,所述的通过式(1)判定逆行是否发生时,逆行的强角点同时要满足下式:
4.根据权利要求1所述的复杂环境下的快速逆行检测跟踪监控方法,其特征在于:步骤S2中,所述的通过帧间差分法提取运动目标前景后,依次对差分图像进行二值化处理、中值滤波以及形态学操作,然后即可得到运动的区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410399860.7A CN104200490A (zh) | 2014-08-14 | 2014-08-14 | 一种复杂环境下的快速逆行检测跟踪监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410399860.7A CN104200490A (zh) | 2014-08-14 | 2014-08-14 | 一种复杂环境下的快速逆行检测跟踪监控方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104200490A true CN104200490A (zh) | 2014-12-10 |
Family
ID=52085776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410399860.7A Pending CN104200490A (zh) | 2014-08-14 | 2014-08-14 | 一种复杂环境下的快速逆行检测跟踪监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104200490A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105550678A (zh) * | 2016-02-03 | 2016-05-04 | 武汉大学 | 基于全局显著边缘区域的人体动作特征提取方法 |
CN106297314A (zh) * | 2016-11-03 | 2017-01-04 | 北京文安智能技术股份有限公司 | 一种逆行或压线车辆行为的检测方法、装置及一种球机 |
CN106875385A (zh) * | 2017-02-09 | 2017-06-20 | 广州中国科学院软件应用技术研究所 | 一种高鲁棒性区域入侵检测算法 |
CN107146421A (zh) * | 2017-06-30 | 2017-09-08 | 安徽超清科技股份有限公司 | 智能管控逆向行驶系统 |
CN107229894A (zh) * | 2016-03-24 | 2017-10-03 | 上海宝信软件股份有限公司 | 基于计算机视觉分析技术的智能视频监控方法及系统 |
CN107507225A (zh) * | 2017-09-05 | 2017-12-22 | 明见(厦门)技术有限公司 | 运动目标检测方法、装置、介质及计算设备 |
CN107786837A (zh) * | 2016-08-24 | 2018-03-09 | 杭州海康威视数字技术股份有限公司 | 扶梯危险状态检测方法及装置 |
CN111126171A (zh) * | 2019-12-04 | 2020-05-08 | 江西洪都航空工业集团有限责任公司 | 一种车辆逆行检测方法及系统 |
CN112598009A (zh) * | 2020-09-29 | 2021-04-02 | 中科劲点(北京)科技有限公司 | 基于运动分析的车辆分类方法及系统 |
CN112836667A (zh) * | 2021-02-20 | 2021-05-25 | 上海吉盛网络技术有限公司 | 一种用于判断上行扶梯乘客摔倒逆行的方法 |
CN114879696A (zh) * | 2019-05-15 | 2022-08-09 | 百度在线网络技术(北京)有限公司 | 轨迹匹配方法、装置、设备和介质 |
-
2014
- 2014-08-14 CN CN201410399860.7A patent/CN104200490A/zh active Pending
Non-Patent Citations (3)
Title |
---|
严强等: "光流法在机车安全行驶中的应用", 《计算机应用研究》 * |
梁东升等: "复杂环境下的快速逆行检测跟踪算法", 《HTTP://WWW.CNKI.NET/KCMS/DOI/10.3778/J.ISSN.1002-8331.1308-0389.HTML》 * |
黄佐等: "一种基于光流法的逆行异常事件监测方法", 《视频应用与工程》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105550678B (zh) * | 2016-02-03 | 2019-01-18 | 武汉大学 | 基于全局显著边缘区域的人体动作特征提取方法 |
CN105550678A (zh) * | 2016-02-03 | 2016-05-04 | 武汉大学 | 基于全局显著边缘区域的人体动作特征提取方法 |
CN107229894A (zh) * | 2016-03-24 | 2017-10-03 | 上海宝信软件股份有限公司 | 基于计算机视觉分析技术的智能视频监控方法及系统 |
CN107229894B (zh) * | 2016-03-24 | 2020-09-22 | 上海宝信软件股份有限公司 | 基于计算机视觉分析技术的智能视频监控方法及系统 |
CN107786837A (zh) * | 2016-08-24 | 2018-03-09 | 杭州海康威视数字技术股份有限公司 | 扶梯危险状态检测方法及装置 |
CN107786837B (zh) * | 2016-08-24 | 2021-06-04 | 杭州海康威视数字技术股份有限公司 | 扶梯危险状态检测方法及装置 |
CN106297314A (zh) * | 2016-11-03 | 2017-01-04 | 北京文安智能技术股份有限公司 | 一种逆行或压线车辆行为的检测方法、装置及一种球机 |
CN106875385A (zh) * | 2017-02-09 | 2017-06-20 | 广州中国科学院软件应用技术研究所 | 一种高鲁棒性区域入侵检测算法 |
CN107146421A (zh) * | 2017-06-30 | 2017-09-08 | 安徽超清科技股份有限公司 | 智能管控逆向行驶系统 |
CN107507225A (zh) * | 2017-09-05 | 2017-12-22 | 明见(厦门)技术有限公司 | 运动目标检测方法、装置、介质及计算设备 |
CN114879696A (zh) * | 2019-05-15 | 2022-08-09 | 百度在线网络技术(北京)有限公司 | 轨迹匹配方法、装置、设备和介质 |
CN111126171A (zh) * | 2019-12-04 | 2020-05-08 | 江西洪都航空工业集团有限责任公司 | 一种车辆逆行检测方法及系统 |
CN112598009A (zh) * | 2020-09-29 | 2021-04-02 | 中科劲点(北京)科技有限公司 | 基于运动分析的车辆分类方法及系统 |
CN112836667A (zh) * | 2021-02-20 | 2021-05-25 | 上海吉盛网络技术有限公司 | 一种用于判断上行扶梯乘客摔倒逆行的方法 |
CN112836667B (zh) * | 2021-02-20 | 2022-11-15 | 上海吉盛网络技术有限公司 | 一种用于判断上行扶梯乘客摔倒逆行的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104200490A (zh) | 一种复杂环境下的快速逆行检测跟踪监控方法 | |
Wang et al. | Robust unsupervised video anomaly detection by multipath frame prediction | |
CN105139425B (zh) | 一种人数统计方法及装置 | |
CN103246896B (zh) | 一种鲁棒性车辆实时检测与跟踪方法 | |
CN101295405A (zh) | 人像与车辆识别报警跟踪方法 | |
CN105513349B (zh) | 基于双视角学习的山区高速公路车辆事件检测方法 | |
CN102214359B (zh) | 基于层级式特征匹配的目标跟踪装置 | |
CN105931467B (zh) | 一种跟踪目标的方法及装置 | |
CN103280052B (zh) | 应用于长距离轨道线路智能视频监控的入侵检测方法 | |
CN104408406A (zh) | 基于帧差法和减背景法的人员离岗检测方法 | |
Ghahremannezhad et al. | Real-time accident detection in traffic surveillance using deep learning | |
CN103455997B (zh) | 一种遗弃物检测方法及系统 | |
CN112560641A (zh) | 基于视频的双向客流通道中的单向客流信息检测方法 | |
Shi et al. | Anomalous driving detection for traffic surveillance video analysis | |
Minnikhanov et al. | Detection of traffic anomalies for a safety system of smart city | |
Wang et al. | Traffic camera anomaly detection | |
CN100546380C (zh) | 基于视觉特性的夜间目标检测和跟踪方法 | |
Rao et al. | Abnormal activity detection in video sequences using learnt probability densities | |
CN102789645A (zh) | 一种用于周界防范的多目标快速跟踪方法 | |
CN101877135A (zh) | 一种基于背景重构的运动目标检测方法 | |
Hashmi et al. | Analysis and monitoring of a high density traffic flow at T-intersection using statistical computer vision based approach | |
CN104574340A (zh) | 一种基于历史图像的视频入侵检测方法 | |
Reuter et al. | Multi-object tracking at intersections using the cardinalized probability hypothesis density filter | |
CN115188081A (zh) | 一种面向复杂场景的检测跟踪一体化方法 | |
Luo et al. | A real-time people counting approach in indoor environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20141210 |