CN104392573A - 一种基于视频的智能偷盗检测方法 - Google Patents

Abstract

一种基于视频的智能偷盗检测方法。其包括依据场景需要设置被保护的目标区域；通过检测当前场景的前景目标分析，判断被保护目标区域是否被遮挡；在没有遮挡的情况下判断目标区域特征变化是否满足偷盗条件，是则触发报警并截取事件发生前后的视频信息。本发明所述的智能偷盗检测方法能够同时监控多个目标，有效地排除人为遮挡引发的误报现象，且能为事件的后续处理提供证据。

Description

一种基于视频的智能偷盗检测方法

技术领域

本发明属于智能视频分析监控领域，涉及图像处理、视频分析、模式识别、计算机视觉等技术。 

背景技术

在展览馆、博物馆、大型展销会、画廊等一些开放性公共场所，安全防盗工作的要求很高。传统传感防盗技术功能相对简单、检测面狭窄、需要被动触发才能报警，一旦窃贼掌握了传感器的特点就能很容易避开这道防线，基于生物识别的防盗技术误报多、成本高、维护复杂，基于视频的防盗技术凭借其便利性得到普遍的应用。然而，目前基于视频的防盗技术仍存在许多弊端：处理速度慢、误报漏报比较严重等。 

发明内容

为解决上述问题，本发明的目的在于提出一种基于视频的智能偷盗检测方法，本方法对误报漏报现象控制良好、检测精度高、对环境中的突发情况具有良好的鲁棒性。为了达到上述目的，本发明提供的基于视频的智能偷盗检测方法主要包括：受保护物品目标方框设置、人为遮挡判断、偷盗检测及报警。 

依据当前场景确定受保护的目标，并根据需求设置多个被保护对象，用黄色的方框分别圈住各被保护物品，则黄色方框区域即为目标区域。设置完成之后，统计当前帧图像中目标区域的灰度、梯度和颜色等信息，并保存到历史数据中，用于后续的分析、识别和判断。 

接着进入人为遮挡的判断阶段。在检测前先判断当前帧图像中各目标区域是否有人为遮挡的情况，具体的判断标准是检测当前场景中前景目标，若发现目标区域有可疑前景，则依据前景的面积特征判断是人为遮挡还是其他，若有人为遮挡则跳过偷盗检测，反之，正常偷盗检测报警。 

所述的偷盗检测及报警为在上述过程中若没有发现人为遮挡的情况，则分析当当前帧图像的目标区域的灰度、颜色及梯度数据与历史保存的数据的差值是否有任何一项超过阈值，有则表明该目标区域发生明显变化，若这种明显变化维持较长一段时间，说明被保护物品在阈值时间内未被放回原处，则触发偷盗报警，同时截取事件发生前后的视频信息，作为事件后续处理的有效证据。 

本发明的有益效果是：系统根据报警的时间信息，截取相应的视频信息，不但可以查看哪个物品被盗，同时还可以查看整个盗窃的过程，这样就方便了监管人员高效地处理危机；且同一场景可设定多个保护对象，适用于博物馆、展厅、高档酒店，实时保护展品或贵重物品的安全。 

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实例一起用于解释本发明，并不构成对本发明的限制。在附图中： 

图1 是本发明的方法逻辑框图。

图2 是人为遮挡判断图。

图3 是偷盗检测及报警流程图。

具体实施方式

下面结合具体实例来说明本发明技术方案所涉及到的各个细节问题。应指出的是，所描述的实例仅旨在便于对本发明的理解，并不因此而限定本发明的保护范围。 

如图1所示，本实例的具体实施分为三个部分：受保护物品目标方框设置、人为遮挡判断、偷盗检测及报警。 

所述的受保护物品目标方框设置是依据当前场景确定受保护的目标，设定偷盗检测区域（用黄色方框框住物品即可），同一场景中可以设置多个保护对象。确定完检测区域后，搜索目标区域，并将目标区域的灰度、颜色、梯度等信息保存到偷盗检测的历史数据中，用于后续的分析、识别和判断。 

接着进入人为遮挡的判断阶段。由于一些博物馆或展厅的参展游客很多，对物品的遮挡现象是常有的，然而，遮挡对于偷盗的检测却影响很大，容易造成误报警。那么，为了解决这一问题，在检测前先判断当前帧图像中的各个目标区域是否有人为遮挡的情况。如图2所示，具体的判断方法为检测当前场景中的前景目标，并将前景目标与偷盗检测的目标区域相比较，若前景目标与目标区域有重叠，则对该前景区域进行分析，若前景的面积特征符合人为遮挡的情况则跳过偷盗检测，反之，正常进入偷盗检测报警阶段。 

由于在无偷盗发生的情况下，目标区域的特征变化不大，而物品被盗后其周围的区域的灰度和颜色等特征会明显变化。所述的偷盗检测及报警如图3所示，在上述过程中若没有发现人为遮挡的情况，则将当前帧图像的目标区域的灰度、颜色及梯度数据与历史保存的数据进行比较，若其中任何一个特征的变化值超过阈值则表明目标区域发生明显变化，若这种明显变化的时间超过阈值，则表示有偷盗发生，发出报警同时截取事件发生前后的视频信息，作为事件后续处理的有效证据，反之，不报警。 

Claims (4)

1.一种基于视频的智能偷盗检测方法，其特征在于：所述的方法包括按顺序执行的以下步骤：

步骤1) 受保护物品目标方框设置；

步骤2）人为遮挡判断；

步骤3）偷盗检测及报警。

2.根据权利要求1所述的方法，其特征在于：步骤1）所述的受保护物品目标方框设置是指依据当前场景，用黄色方框框住被保护物品，黄色方框内部即为偷盗检测目标区域，确定完检测区域后，搜索目标区域，并将目标区域的灰度、颜色、梯度等信息保存到偷盗检测的数据结构中。

3.根据权利要求1所述的方法，其特征在于：步骤2）所述的人为遮挡的判断，其判断标准是检测当前场景中目标区域是否有前景目标，若发现目标区域有可疑前景，则依据前景的高宽比和面积特征判断是人为遮挡还是其他，若有人为遮挡则跳过偷盗检测，反之，正常进入偷盗检测及报警阶段。

4.根据权利要求1所述的方法，其特征在于：步骤3）所述的偷盗检测及报警为在没有发现人为遮挡的情况，依据当前帧图像的目标区域与历史保存的灰度、颜色及梯度数据的变化情况进行分析，若目标区域的特征发生明显变化且时间超过阈值则触发偷盗报警，同时截取相应的视频信息。