CN104657712A - 一种监控视频中蒙面人检测方法 - Google Patents
一种监控视频中蒙面人检测方法 Download PDFInfo
- Publication number
- CN104657712A CN104657712A CN201510066492.9A CN201510066492A CN104657712A CN 104657712 A CN104657712 A CN 104657712A CN 201510066492 A CN201510066492 A CN 201510066492A CN 104657712 A CN104657712 A CN 104657712A
- Authority
- CN
- China
- Prior art keywords
- moving object
- image
- pedestrian
- profile
- rectangular area
- 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
Abstract
本发明公开了一种监控视频中蒙面人检测方法，首先使用高斯混合模型进行背景建模，提取出运动物体，而后对运动物体进行行人检测，判断运动物体是否是行人，再对判断得出的行人进行人脸识别，若无法正常识别出人脸，则判定该行人为蒙面人之类的可疑人员。本发明能适应外界环境的变化，且检测结果有较高的准确率。
Description
技术领域
本发明一般涉及图像处理以及模式识别领域，具体涉及视频中蒙面人的自动检测方法。
背景技术
视频监控是构成安全防范系统的重要一环，是一种拥有较强能力的防范系统。视频监控由于其直观，准确，快速并且有信息，内容丰富的优点，广泛应用在不同的场合，近年来在计算机，网络和图像处理，传输技术迅速发展的推动下，监控技术也有了长足的发展。然而对于无人看守的地方，财产安全仍然受到严重威胁，就算设有监视器，也经常发生看守人员疏忽大意漏看的情形，让不法份子得以闯入。但是如果只是一些小动物误闯或者工作人员经过，监控系统也发出警报，就显然不太合适。
如果在无人看守的场合，例如仓库、厂房、关门的商店等等。在视频监控的同时，区分人与动物，并在区分去人的基础上区分出蒙面人，及时的发现闯入的可疑人物并发出警告，则有利于提高人们的生命财产安全，减少他们的损失。
发明内容
本发明可应用于嵌入在仓库、公司、办公室等无人看守区域所设置的静止摄像头上。其目的是用来实时监测所拍摄的视频中是否出现蒙面人之类的可疑人员。达到全自动监控、及时报警、保护财产安全的作用。具体技术方案如下所述：
一种监控视频中蒙面人检测方法，包括以下步骤：
S100：获取视频流；
S200：利用S100中获取的视频流采用混合高斯模型构建背景模型；
S300：从视频流中依次获取一帧图像，并利用S200构建的背景模型获取运动前景图像，并对背景模型进行更新；
S400：对S300中所获取的二值前景图像进行形态学处理；所述形态学处理为先对提取出的前景图像进行开操作，再进行闭操作；
S500：对S400处理后的二值前景图像进行轮廓查找，并对轮廓进行凸包拟合，获取前景图像中运动物体矩形区域，具体包括以下子步骤：
S501：对S400中获取的二值前景图像进行基于二值图像连通域的轮廓查找；
S502：对S501中查找到的轮廓进行凸包拟合，并对凸包内区域进行填充，填充方法为：获取到凸包之后对凸包区域内的黑色像素块置255，即将其变为白色；
S503：对S502处理后的二值前景图像进行轮廓查找，并获取每一个轮廓的最小外接矩形；
S504：对S503中获取的最小外接矩形进行合并，合并方法为：若两个矩形满足合并条件则将其合并为一个矩形区域，新的矩形区域为能包含这两个矩形区域的最小矩形区域，合并条件为：两个矩形中心点x坐标的差值小于两个矩形宽度和的一半且两个矩形中心点y坐标的差值小于两个矩形高度和的0.7倍；
S505：经S504处理后剩余的矩形区域则为运动物体区域；
S600：利用S500中获取的运动矩形区域，从S300中获取的图像帧中提取运动物体图像输入SVM分类器进行判断，判断该运动物体是否为行人；
S700：对S600中判断为行人的运动物体图像进行人脸检测，若连续若干帧检测到了行人却无法检测到正常人脸，则判断为蒙面人。
与现有技术相比，本发明具有如下优点和技术效果：
现有视频监控系统功能单一，仅仅记录当时的情况，没有对记录的视频进行一个处理，更不用说及时的反馈信息，例如发出警报等。本发明使用高斯混合模型进行背景建模，提取出运动物体，而后对运动物体进行行人检测，判断运动物体是否是行人，再对判断得出的行人进行人脸识别，若无法正常识别出人脸，则判定该行人为蒙面人之类的可疑人员。本发明能适应外界环境的变化，且检测结果又较高的准确率，具有较高的适用性和鲁棒性。
附图说明
图1为本发明所述一种监控视频中蒙面人检测方法流程示意图。
具体实施方式
以下结合附图对实施例对本发明的实施方式作进一步说明，但本发明的实施不限于此。
如图1所示，本发明一种监控视频中蒙面人检测方法主要包括以下步骤：
一种监控视频中蒙面人检测方法，其特征在于，包括以下步骤：
S100：获取视频流；
S200：利用S100中获取的视频流采用混合高斯模型构建背景模型；
S300：从视频流中依次获取一帧图像，并利用S200构建的背景模型获取运动前景图像，并对背景模型进行更新；
S400：对S300中所获取的二值前景图像进行形态学处理；所述形态学处理为先对提取出的前景图像进行开操作，再进行闭操作；
S500：对S400处理后的二值前景图像进行轮廓查找，并对轮廓进行凸包拟合，获取前景图像中运动物体矩形区域，具体包括以下子步骤：
S501：对S400中获取的二值前景图像进行基于二值图像连通域的轮廓查找；
S502：对S501中查找到的轮廓进行凸包拟合，并对凸包内区域进行填充，填充方法为：获取到凸包之后对凸包区域内的黑色像素块置255，即将其变为白色；
S503：对S502处理后的二值前景图像进行轮廓查找，并获取每一个轮廓的最小外接矩形；
S504：对S503中获取的最小外接矩形进行合并，合并方法为：若两个矩形满足合并条件则将其合并为一个矩形区域，新的矩形区域为能包含这两个矩形区域的最小矩形区域，合并条件为：两个矩形中心点x坐标的差值小于两个矩形宽度和的一半且两个矩形中心点y坐标的差值小于两个矩形高度和的0.7倍；
S505：经S504处理后剩余的矩形区域则为运动物体区域；
S600：利用S500中获取的运动矩形区域，从S300中获取的图像帧中提取运动物体图像输入SVM分类器进行判断，判断该运动物体是否为行人；
S700：对S600中判断为行人的运动物体图像进行人脸检测，若连续若干帧检测到了行人却无法检测到正常人脸，则判断为蒙面人。
在这个实施例中，对视频流中的每一帧图像都进行检测，并且需要在连续若干帧检测都无法检测到正常人脸的情况下，才判断为蒙面人。对于所述连续若干帧在实际应用中设置的值与视频的帧率相关，可参看下式设置：
通常视频流的帧率是每秒20帧或25帧，上式中所述阈值帧数可以根据试验分析设置。
在一个实施例中所述阈值帧数设置为10帧，将帧数/秒的值设置为30，帧率为30，则在这个实施例中，连续帧数设置为10。
之所以需要连续若干帧都检测到行人却无法检测到正常人脸才判断为蒙面人，是因为本公开的方法是对一个视频流中的运动物体进行连续的跟踪和检测，其中某一帧没有检测到人脸并不能说明就是蒙面人，因为很多因此可能会导致某一帧会检测不到人脸，比如人脸被其他物体遮挡，人脸处于侧面时等。
更进一步的，为了能更准确的检测到蒙面人，可以设置预警值，所述预警值为连续检测不到正常人脸的但是帧数未达到设定值的某一值，对于出现预警值的情况时，通过人来判断是否为蒙面人。
其中，S600中的SVM分类器在用于判断是否为行人前先进行构造和训练，在一个具体实施例中，提供了所述分类器的具体实现子步骤如下：
S611：构造分类器；
S612：准备正样本与负样本，正样本与负样本可从历史监控视频中选取有行人和没有行人的视频帧；
S613：将正样本和负样本分别放在不同的文件夹中，并处理成同样的大小；
求取所有样本的Hog特征；
S614：将正样本标识为1，负样本为0；
S615：将所有样本的Hog特征与标签，输入到SVM中进行训练；
S616：保存结果，得到训练好的分类器。
在这个实施例中，所述分类器为svm分类器，优选使用高斯核函数，将所得样本数据标记后输入到所述分类器中，可以得到所述分类器的相关参数。
更优的，所述分类器使用opencv中svm分类器函数。
在另一个实施例中，提供了S600中判断行人的具体方法，所述具体方法包括以下步骤：
S621：利用S505中获取的运动物体区域，从S300中获取的图像帧中提取运动物体图像；
S622：将S621中获取的图像缩放至64*128像素大小；
S623：对经S622处理后的图像进行直方图均衡化操作；
S624：对经S623处理后的图像进行Hog特征检测，获取图像的Hog特征；
S625：将S624中获取的图像的Hog特征输入行人检测分类器，判断该运动物体是否为行人。
优选的，在进行Hog特征检测时，可以使用opencv的hog.detectMultiScale函数。
优选的，S700中的人脸检测方法是采用opencv开源库中基于Haar分类器的人脸检测算法。
以上对本发明所提供的一种监控视频中蒙面人检测方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (5)
1.一种监控视频中蒙面人检测方法，其特征在于，包括以下步骤：
S100：获取视频流；
S200：利用S100中获取的视频流采用混合高斯模型构建背景模型；
S300：从视频流中依次获取一帧图像，并利用S200构建的背景模型获取运动前景图像，并对背景模型进行更新；
S400：对S300中所获取的二值前景图像进行形态学处理；所述形态学处理为先对提取出的前景图像进行开操作，再进行闭操作；
S500：对S400处理后的二值前景图像进行轮廓查找，并对轮廓进行凸包拟合，获取前景图像中运动物体矩形区域，具体包括以下子步骤：
S501：对S400中获取的二值前景图像进行基于二值图像连通域的轮廓查找；
S502：对S501中查找到的轮廓进行凸包拟合，并对凸包内区域进行填充，填充方法为：获取到凸包之后对凸包区域内的黑色像素块置255，即将其变为白色；
S503：对S502处理后的二值前景图像进行轮廓查找，并获取每一个轮廓的最小外接矩形；
S504：对S503中获取的最小外接矩形进行合并，合并方法为：若两个矩形满足合并条件则将其合并为一个矩形区域，新的矩形区域为能包含这两个矩形区域的最小矩形区域，合并条件为：两个矩形中心点x坐标的差值小于两个矩形宽度和的一半且两个矩形中心点y坐标的差值小于两个矩形高度和的0.7倍；
S505：经S504处理后剩余的矩形区域则为运动物体区域；
S600：利用S500中获取的运动矩形区域，从S300中获取的图像帧中提取运动物体图像输入SVM分类器进行判断，判断该运动物体是否为行人；
S700：对S600中判断为行人的运动物体图像进行人脸检测，若连续若干帧检测到了行人却无法检测到正常人脸，则判断为蒙面人。
2.根据权利要求1所述的方法，其特征在于，优选的，S600中的SVM分类器在用于判断是否为行人前先进行构造和训练，具体子步骤如下：
S611：构造分类器；
S612：准备正样本与负样本，正样本与负样本可从历史监控视频中选取有行人和没有行人的视频帧；
S613：将正样本和负样本分别放在不同的文件夹中，并处理成同样的大小；
求取所有样本的Hog特征；
S614：将正样本标识为1，负样本为0；
S615：将所有样本的Hog特征与标签，输入到SVM中进行训练；
S616：保存结果，得到训练好的分类器。
3.根据权利要求1所述的方法，其特征在于，S600中判断行人的方法包括以下步骤：
S621：利用S505中获取的运动物体区域，从S300中获取的图像帧中提取运动物体图像；
S622：将S621中获取的图像缩放至64*128像素大小；
S623：对经S622处理后的图像进行直方图均衡化操作；
S624：对经S623处理后的图像进行Hog特征检测，获取图像的Hog特征；
S625：将S624中获取的图像的Hog特征输入行人检测分类器，判断该运动物体是否为行人。
4.根据权利要求1所述的方法，其特征在于，S700中的人脸检测方法是采用opencv开源库中基于Haar分类器的人脸检测算法。
5.根据权利要求1所述的方法，其特征在于，S700中所述连续若干帧的值根据下式设置：
式中，表示对结果取整；阈值帧数为一个整数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510066492.9A CN104657712B (zh) | 2015-02-09 | 2015-02-09 | 一种监控视频中蒙面人检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510066492.9A CN104657712B (zh) | 2015-02-09 | 2015-02-09 | 一种监控视频中蒙面人检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104657712A true CN104657712A (zh) | 2015-05-27 |
| CN104657712B CN104657712B (zh) | 2017-11-14 |
Family
ID=53248813
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510066492.9A Active CN104657712B (zh) | 2015-02-09 | 2015-02-09 | 一种监控视频中蒙面人检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104657712B (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104866843A (zh) * | 2015-06-05 | 2015-08-26 | 中国人民解放军国防科学技术大学 | 一种面向监控视频的蒙面人脸检测方法 |
| CN105933647A (zh) * | 2016-04-20 | 2016-09-07 | 武汉凯乐华芯集成电路有限公司 | 一种智能交互门禁控制方法及系统 |
| CN106022278A (zh) * | 2016-05-26 | 2016-10-12 | 天津艾思科尔科技有限公司 | 一种视频图像中吉里巴甫服饰人群检测的方法及系统 |
| CN106056060A (zh) * | 2016-05-26 | 2016-10-26 | 天津艾思科尔科技有限公司 | 一种视频图像中蒙面纱检测的方法及系统 |
| CN107330472A (zh) * | 2017-07-06 | 2017-11-07 | 南开大学 | 一种无标记模式动物个体的自动识别方法 |
| CN107334469A (zh) * | 2017-07-24 | 2017-11-10 | 北京理工大学 | 基于支持向量机的非接触多人心率测量方法及装置 |
| CN107883930A (zh) * | 2017-10-30 | 2018-04-06 | 北京致臻智造科技有限公司 | 一种显示屏的位姿计算方法及系统 |
| CN108460032A (zh) * | 2017-02-17 | 2018-08-28 | 杭州海康威视数字技术股份有限公司 | 一种视频摘要的生成方法及装置 |
| CN109726691A (zh) * | 2018-12-30 | 2019-05-07 | 杭州铭智云教育科技有限公司 | 一种监控方法 |
| CN109815820A (zh) * | 2018-12-26 | 2019-05-28 | 深圳市天彦通信股份有限公司 | 目标定位方法及相关装置 |
| CN110659384A (zh) * | 2018-06-13 | 2020-01-07 | 杭州海康威视数字技术股份有限公司 | 视频结构化分析方法及装置 |
| CN110933955A (zh) * | 2017-06-02 | 2020-03-27 | 尼特莫公司 | 基于对来自摄像机图像的对象的检测的警报事件的改进生成 |
| CN114187723A (zh) * | 2021-11-25 | 2022-03-15 | 深圳市中西视通科技有限公司 | 一种安防监控方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102542246A (zh) * | 2011-03-29 | 2012-07-04 | 广州市浩云安防科技股份有限公司 | Atm机异常人脸检测方法 |
| CN102622584A (zh) * | 2012-03-02 | 2012-08-01 | 成都三泰电子实业股份有限公司 | 视频监控中蒙面人脸的检测方法 |
| CN103020577A (zh) * | 2011-09-20 | 2013-04-03 | 佳都新太科技股份有限公司 | 一种基于hog特征的运动目标识别方法及系统 |
| CN104239865A (zh) * | 2014-09-16 | 2014-12-24 | 宁波熵联信息技术有限公司 | 一种基于多级检测的行人检测与跟踪方法 |
-
2015
- 2015-02-09 CN CN201510066492.9A patent/CN104657712B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102542246A (zh) * | 2011-03-29 | 2012-07-04 | 广州市浩云安防科技股份有限公司 | Atm机异常人脸检测方法 |
| CN103020577A (zh) * | 2011-09-20 | 2013-04-03 | 佳都新太科技股份有限公司 | 一种基于hog特征的运动目标识别方法及系统 |
| CN102622584A (zh) * | 2012-03-02 | 2012-08-01 | 成都三泰电子实业股份有限公司 | 视频监控中蒙面人脸的检测方法 |
| CN104239865A (zh) * | 2014-09-16 | 2014-12-24 | 宁波熵联信息技术有限公司 | 一种基于多级检测的行人检测与跟踪方法 |
Non-Patent Citations (3)
| Title |
|---|
| 兰玉文等: "基于监控视频的人体动态特征应用识别技术研究", 《警察技术》 * |
| 宋丙菊: "基于ATM机的用户异常行为识别的研究", 《中国优秀硕士学位论文全文数据库》 * |
| 王喆: "面向自动柜员机智能安防的异常人脸检测技术和系统研发", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104866843A (zh) * | 2015-06-05 | 2015-08-26 | 中国人民解放军国防科学技术大学 | 一种面向监控视频的蒙面人脸检测方法 |
| CN104866843B (zh) * | 2015-06-05 | 2018-08-21 | 中国人民解放军国防科学技术大学 | 一种面向监控视频的蒙面人脸检测方法 |
| CN105933647B (zh) * | 2016-04-20 | 2019-03-05 | 武汉凯乐华芯集成电路有限公司 | 一种智能交互门禁控制方法及系统 |
| CN105933647A (zh) * | 2016-04-20 | 2016-09-07 | 武汉凯乐华芯集成电路有限公司 | 一种智能交互门禁控制方法及系统 |
| CN106022278A (zh) * | 2016-05-26 | 2016-10-12 | 天津艾思科尔科技有限公司 | 一种视频图像中吉里巴甫服饰人群检测的方法及系统 |
| CN106056060A (zh) * | 2016-05-26 | 2016-10-26 | 天津艾思科尔科技有限公司 | 一种视频图像中蒙面纱检测的方法及系统 |
| CN108460032A (zh) * | 2017-02-17 | 2018-08-28 | 杭州海康威视数字技术股份有限公司 | 一种视频摘要的生成方法及装置 |
| US11393210B2 (en) | 2017-06-02 | 2022-07-19 | Netatmo | Generation of alert events based on a detection of objects from camera images |
| CN110933955A (zh) * | 2017-06-02 | 2020-03-27 | 尼特莫公司 | 基于对来自摄像机图像的对象的检测的警报事件的改进生成 |
| CN107330472A (zh) * | 2017-07-06 | 2017-11-07 | 南开大学 | 一种无标记模式动物个体的自动识别方法 |
| CN107334469A (zh) * | 2017-07-24 | 2017-11-10 | 北京理工大学 | 基于支持向量机的非接触多人心率测量方法及装置 |
| CN107883930A (zh) * | 2017-10-30 | 2018-04-06 | 北京致臻智造科技有限公司 | 一种显示屏的位姿计算方法及系统 |
| CN107883930B (zh) * | 2017-10-30 | 2020-11-13 | 北京致臻智造科技有限公司 | 一种显示屏的位姿计算方法及系统 |
| CN110659384A (zh) * | 2018-06-13 | 2020-01-07 | 杭州海康威视数字技术股份有限公司 | 视频结构化分析方法及装置 |
| CN109815820A (zh) * | 2018-12-26 | 2019-05-28 | 深圳市天彦通信股份有限公司 | 目标定位方法及相关装置 |
| CN109726691A (zh) * | 2018-12-30 | 2019-05-07 | 杭州铭智云教育科技有限公司 | 一种监控方法 |
| CN109726691B (zh) * | 2018-12-30 | 2020-12-04 | 安徽润谷科技有限公司 | 一种监控方法 |
| CN114187723A (zh) * | 2021-11-25 | 2022-03-15 | 深圳市中西视通科技有限公司 | 一种安防监控方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104657712B (zh) | 2017-11-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104657712A (zh) | 一种监控视频中蒙面人检测方法 | |
| CN109670441B (zh) | 一种实现安全帽穿戴识别的方法、系统、终端以及计算机可读存储介质 | |
| CN105095829B (zh) | 一种人脸识别方法及系统 | |
| CN104063722B (zh) | 一种融合hog人体目标检测和svm分类器的安全帽识别方法 | |
| CN102542289B (zh) | 一种基于多高斯计数模型的人流量统计方法 | |
| CN107123131B (zh) | 一种基于深度学习的运动目标检测方法 | |
| CN100589561C (zh) | 基于视频内容分析的可疑静止物检测方法 | |
| CN108647582A (zh) | 一种复杂动态环境下目标行为识别与预测方法 | |
| CN107301375B (zh) | 一种基于稠密光流的视频图像烟雾检测方法 | |
| CN105654508B (zh) | 基于自适应背景分割的监控视频移动目标跟踪方法及系统 | |
| Li et al. | Abandoned objects detection using double illumination invariant foreground masks | |
| CN103034852B (zh) | 静止摄像机场景下特定颜色行人的检测方法 | |
| CN104866841B (zh) | 一种人体目标奔跑行为检测方法 | |
| CN103971380A (zh) | 基于rgb-d的行人尾随检测方法 | |
| CN110378179A (zh) | 基于红外热成像的地铁逃票行为检测方法及系统 | |
| Bedruz et al. | Real-time vehicle detection and tracking using a mean-shift based blob analysis and tracking approach | |
| CN104992453A (zh) | 基于极限学习机的复杂背景下目标跟踪方法 | |
| CN105096342A (zh) | 一种基于傅里叶描述子和方向梯度直方图的入侵检测算法 | |
| CN101715111A (zh) | 视频监控中滞留物主自动搜寻方法 | |
| CN103390151A (zh) | 人脸检测方法及装置 | |
| CN104616006A (zh) | 一种面向监控视频的胡须人脸检测方法 | |
| Patel et al. | Automatic licenses plate recognition | |
| CN105740751A (zh) | 一种目标检测与识别的方法和系统 | |
| CN104899559B (zh) | 一种基于视频监控的快速行人检测方法 | |
| CN105957300A (zh) | 一种智慧金睛识别可疑张贴遮蔽报警方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |