CN104866842A - 一种人体目标入侵检测方法 - Google Patents
一种人体目标入侵检测方法 Download PDFInfo
- Publication number
- CN104866842A CN104866842A CN201510300835.3A CN201510300835A CN104866842A CN 104866842 A CN104866842 A CN 104866842A CN 201510300835 A CN201510300835 A CN 201510300835A CN 104866842 A CN104866842 A CN 104866842A
- Authority
- CN
- China
- Prior art keywords
- target
- human body
- image
- feature
- detection method
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
- Burglar Alarm Systems (AREA)
Abstract
本发明涉及一种人体目标入侵检测方法。首先采用改进的背景差法检测视频每一帧的运动目标;然后提取目标的形状特征,依据人体的形状特性筛选出疑似人体目标;接着提取目标的运动特征,依据人体的运动特性筛选出疑似人体目标;最后提取疑似人体区域的Haar特征,依据人体的空间灰度分布特性检测目标区域是否包含人体。提出基于多特征融合的入侵人体目标检测方法,提高了人体检测的速度,并降低了虚警率,可以智能检测监控视频中是否存在入侵人体目标,提高智能监控系统的安全性和智能化水平。
Description
技术领域
本发明涉及一种人体目标入侵检测方法,属于目标检测技术领域。
背景技术
随着计算机技术的飞速发展,基于视频的监控方式已逐步取代人工巡逻的方式,成为安全监控的主流。目前,视频监控的智能化水平较低,主要依靠人工监控各个监控点的监控视频来辨别入侵的人体目标。然而,由于监控室内待监控屏幕很多,值班人员很难兼顾所有待监控场所,再加上值班人员疲劳或者疏忽,经常会遗漏许多可疑目标,给监控场所带来重大损失。为降低值班人员的劳动强度、提高视频监控的安全等级,专利“周界智能防范系统(201420490640,2014)”采用雷达和红外传感器辅助视频监控,雷达传感器可以检测运动目标,红外传感器可以检测具有特定温度范围的目标,这两种传感器的检测信号采用“与”的方式进行融合,可以有效检测运动人体目标,并减少风吹草动等许多非人体运动引起的虚警现象。另外,现有的许多网络摄像机(如海康网络摄像机DS-2CD3232(D)-I3)都具备运动侦测功能,该功能不仅可以像雷达传感器那样检测运动目标,而且可以依据预先设置的参数,排除小运动目标或非感兴趣区域的运动目标引起的虚警现象。尽管采用上述方式可以在一定程度上提高视频监控系统的智能化水平,但系统的虚警率较高,主要原因是上述方式都没有区分人体,易受环境变化、动物出没等因素影响。文献“Rapid object detection using a boosted cascade of simple features(CVPR,2001) ”、“Histograms of oriented gradients for human detection(CVPR,2005)”等提出了基于图像灰度信息检测人体目标的方法,可以区分图像中的人体和背景。但由于在全图中搜索人体非常耗时,难以达到视频监控系统的实时性要求,而且全图中背景干扰大,也易引起虚警现象。
发明内容
本发明所要解决的技术问题在于提出一种基于多特征融合的入侵人体目标检测方法,首先检测视频中的运动目标,然后依据目标的形状和运动特性初步筛选出疑似人体目标,接着再通过空间灰度特征对目标进行细筛选,快速检测入侵的人体目标。
为实现上述的发明目的,本发明采用下述的技术方案,流程图如图1所示:
1、基于改进背景差的运动目标检测方法
由于人体检测非常耗时,故本发明先检测视频图像中的运动区域,然后仅在运动区域内检测人体,从而提高算法的运算效率。
背景差法、帧差法和光流法是常用的运动检测方法,其中光流法速度太慢,难以满足监控系统的实时性要求;帧差法检测的运动目标常存在孔洞或断裂现象,不利于后续的人体目标判别,故本发明采用背景差法检测运动目标。然而,背景差法受环境光照变化影响较大。为提高算法对环境的适应能力,本发明提出改进的背景差法,在差分图像分割阶段,采用错分率小的OTSU方法求取自适应的分割阈值,并依据经验阈值限制分割阈值,防止突变或极端情况引起的错分现象;在背景更新阶段,结合分割图像更新背景,目标区域保留原背景像素属性,其他区域对当前图像和背景图像做加权平均,平滑环境变化。具体步骤为:
Step1 取初始帧图像I0作为背景图像B;
Step2 求取背景差分图像E:
其中,为任一像素点坐标,I为当前帧图像。
Step3 采用OTSU法求取图像E的自适应阈值Ta,并依据经验阈值限制分割阈值T的取值范围:
其中,T1、T2分别为阈值的上下限,经验取值为5、25。
Sep4 图像分割,得到二值图像MR:
Step5 采用数学形态学的“顶帽变换”方法对二值图像MR进行滤波,然后采用8-邻接连通方法搜索和标记目标。
Step6 更新背景图像:
其中,参数是一个经验值,用于控制背景更新的快慢,取值越大背景更新越快,这里取值为0.02。
2、基于多特征融合的人体目标检测方法
现有人体检测方法大都是依据人体的灰度分布特性检测人体,在复杂场景下虚警率较高。本发明提出基于多特征融合的人体目标检测方法,首先仅在运动区域检测人体,降低背景区域可能存在的虚警。然后结合形状、运动和空间灰度分布三类特征检测人体,解决单纯依据空间灰度分布特征存在的虚警率高的问题。同时三类特征按从简单到复杂的顺序逐层进行分类,提高人体检测速度。
(1)目标形状特性检测
依据目标的形状特征对运动目标进行粗筛选,有利于减少虚警现象和提高系统整体运行效率,步骤是:
Step1 提取目标的形状特征、、:
其中,w、h分别表示目标区域的宽度和高度,N表示目标区域中值不为零的像素点总数,W、H分别表示当前图像的宽度和高度。
Step2 如果形状特征不满足如下条件:
则判定运动目标不是人体,退出当前帧检测,否则继续检测。其中,T3、T4、T5、T6为经验阈值,这里取值为50、50、4、60。
(2)目标运动特性检测
依据目标的运动特征对运动目标进行粗筛选,有利于降低树枝晃动等引起的虚警现象,步骤是:
Step1 在二值图像MR上,搜索当前目标区域的左右边界[xL,xR]、上下边界[yT,yB];
Step2 计算当前目标的质心坐标(xm,ym):
Step3 在前一帧的目标中,寻找与当前目标边界所围成的矩形相交且重合区域面积最大的一个目标,作为当前目标的匹配目标S。如果当前目标无匹配目标,退出当前帧检测,否则,进入下一步;
Step4 记S的质心坐标为(x0,y0) ,计算当前目标质心的位移D:
Step5 如果位移不满足如下条件:
则判定运动目标不是人体,退出当前帧检测,否则继续检测。其中,T7、T8为经验阈值,这里取值为2、30。
(3)目标灰度特性检测
提取运动目标区域所在灰度图像区域的各像素点的灰度值,依据基于Haar特征的人体检测方法判别当前目标是否为人体(详见“Rapid object detection using a boosted cascade of simple features(CVPR,2001)”),如果不是人体,退出当前帧检测。否则,表明当前帧存在入侵人体目标,发出声光等警示信息提醒值班人员注意。
本发明的优点在于:提出基于多特征融合的入侵人体目标检测方法,提高了人体检测的速度,并降低了虚警率,可以智能检测监控视频中是否存在入侵人体目标,提高智能监控系统的安全性和智能化水平。
附图说明
图1 入侵人体目标检测流程图。
具体实施方式
本发明提出一种基于多特征融合的入侵人体目标检测方法,首先采用改进的背景差法检测视频每一帧的运动目标;然后提取目标的形状特征,依据人体的形状特性筛选出疑似人体目标;接着提取目标的运动特征,依据人体的运动特性筛选出疑似人体目标;最后提取疑似人体区域的Haar特征,依据人体的空间灰度分布特性检测目标区域是否包含人体。
本发明在检测到运动目标的基础上进行人体检测,提高了人体检测速度,同时融合目标的形状、运动和灰度三类特征检测入侵人体目标,降低了虚警率,可广泛应用于智能监控系统。
Claims (5)
1. 一种人体目标入侵检测方法,基于多特征融合的入侵人体目标检测方法,其特征在于,首先检测视频中的运动目标,然后依据目标的形状和运动特性初步筛选出疑似人体目标,接着再通过空间灰度特征对目标进行细筛选,快速检测入侵的人体目标,具体步骤包括:
(1)、基于改进背景差的运动目标检测方法
采用背景差法检测运动目标,背景差法受环境光照变化影响较大,为提高算法对环境的适应能力,在差分图像分割阶段,采用错分率小的OTSU方法求取自适应的分割阈值,并依据经验阈值限制分割阈值,防止突变或极端情况引起的错分现象;在背景更新阶段,结合分割图像更新背景,目标区域保留原背景像素属性,其他区域对当前图像和背景图像做加权平均,平滑环境变化;
(2)、基于多特征融合的人体目标检测方法
基于多特征融合的人体目标检测方法,首先仅在运动区域检测人体,降低背景区域可能存在的虚警,然后结合形状、运动和空间灰度分布三类特征检测人体,解决单纯依据空间灰度分布特征存在的虚警率高的问题,同时三类特征按从简单到复杂的顺序逐层进行分类,提高人体检测速度,包括:
(2.1)目标形状特性检测;
(2.2)目标运动特性检测;
(2.3)目标灰度特性检测。
2.根据权利要求1所述的一种人体目标入侵检测方法,其特征在于,所述基于改进背景差的运动目标检测方法包括如下步骤:
Step1 取初始帧图像I0作为背景图像B;
Step2 求取背景差分图像E:
其中,为任一像素点坐标,I为当前帧图像;
Step3 采用OTSU法求取图像E的自适应阈值Ta,并依据经验阈值限制分割阈值T的取值范围:
其中,T1、T2分别为阈值的上下限,经验取值为5、25;
Sep4 图像分割,得到二值图像MR:
Step5 采用数学形态学的“顶帽变换”方法对二值图像MR进行滤波,然后采用8-邻接连通方法搜索和标记目标;
Step6 更新背景图像:
其中,参数是一个经验值,用于控制背景更新的快慢,取值越大背景更新越快,这里取值为0.02。
3.根据权利要求1所述的一种人体目标入侵检测方法,其特征在于,所述目标形状特性检测包括如下步骤:
Step1 提取目标的形状特征、、:
其中,w、h分别表示目标区域的宽度和高度,N表示目标区域中值不为零的像素点总数,W、H分别表示当前图像的宽度和高度;
Step2 如果形状特征不满足如下条件:
则判定运动目标不是人体,退出当前帧检测,否则继续检测,其中,T3、T4、T5、T6为经验阈值,这里取值为50、50、4、60。
4.根据权利要求1所述的一种人体目标入侵检测方法,其特征在于,所述目标运动特性检测包括如下步骤:
Step1 在二值图像MR上,搜索当前目标区域的左右边界[xL,xR]、上下边界[yT,yB];
Step2 计算当前目标的质心坐标(xm,ym):
Step3 在前一帧的目标中,寻找与当前目标边界所围成的矩形相交且重合区域面积最大的一个目标,作为当前目标的匹配目标S,如果当前目标无匹配目标,退出当前帧检测,否则,进入下一步;
Step4 记S的质心坐标为(x0,y0) ,计算当前目标质心的位移D:
Step5 如果位移不满足如下条件:
则判定运动目标不是人体,退出当前帧检测,否则继续检测,其中,T7、T8为经验阈值,这里取值为2、30。
5.根据权利要求1所述的一种人体目标入侵检测方法,其特征在于,所述目标灰度特性检测具体为:提取运动目标区域所在灰度图像区域的各像素点的灰度值,依据基于Haar特征的人体检测方法判别当前目标是否为人体,如果不是人体,退出当前帧检测,否则,表明当前帧存在入侵人体目标,发出声光等警示信息提醒值班人员注意。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510300835.3A CN104866842B (zh) | 2015-06-05 | 2015-06-05 | 一种人体目标入侵检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510300835.3A CN104866842B (zh) | 2015-06-05 | 2015-06-05 | 一种人体目标入侵检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104866842A true CN104866842A (zh) | 2015-08-26 |
CN104866842B CN104866842B (zh) | 2018-07-03 |
Family
ID=53912663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510300835.3A Expired - Fee Related CN104866842B (zh) | 2015-06-05 | 2015-06-05 | 一种人体目标入侵检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104866842B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106384089A (zh) * | 2016-09-07 | 2017-02-08 | 中国人民解放军国防科学技术大学 | 基于终生学习的人体可靠检测方法 |
CN105260715B (zh) * | 2015-10-16 | 2018-07-06 | 中国人民解放军国防科学技术大学 | 面向偏僻地段的小动物目标检测方法 |
CN108985221A (zh) * | 2018-07-12 | 2018-12-11 | 广州视源电子科技股份有限公司 | 视频片段检测方法、装置、设备和存储介质 |
CN109409243A (zh) * | 2018-09-29 | 2019-03-01 | 江南大学 | 一种移动目标中人体视觉检测方法 |
CN109886130A (zh) * | 2019-01-24 | 2019-06-14 | 上海媒智科技有限公司 | 目标对象的确定方法、装置、存储介质和处理器 |
US10692217B2 (en) | 2016-03-14 | 2020-06-23 | Sercomm Corporation | Image processing method and image processing system |
CN112084813A (zh) * | 2019-06-12 | 2020-12-15 | 杭州萤石软件有限公司 | 异常目标的检测方法、装置及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060170769A1 (en) * | 2005-01-31 | 2006-08-03 | Jianpeng Zhou | Human and object recognition in digital video |
CN101159859A (zh) * | 2007-11-29 | 2008-04-09 | 北京中星微电子有限公司 | 一种运动检测方法、装置以及一种智能监控系统 |
CN101246547A (zh) * | 2008-03-03 | 2008-08-20 | 北京航空航天大学 | 一种根据场景变化特征对视频中运动物体检测的方法 |
CN103035013A (zh) * | 2013-01-08 | 2013-04-10 | 东北师范大学 | 一种基于多特征融合的精确运动阴影检测方法 |
CN103150579A (zh) * | 2013-02-25 | 2013-06-12 | 东华大学 | 一种基于视频序列的人体异常行为检测方法 |
-
2015
- 2015-06-05 CN CN201510300835.3A patent/CN104866842B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060170769A1 (en) * | 2005-01-31 | 2006-08-03 | Jianpeng Zhou | Human and object recognition in digital video |
CN101159859A (zh) * | 2007-11-29 | 2008-04-09 | 北京中星微电子有限公司 | 一种运动检测方法、装置以及一种智能监控系统 |
CN101246547A (zh) * | 2008-03-03 | 2008-08-20 | 北京航空航天大学 | 一种根据场景变化特征对视频中运动物体检测的方法 |
CN103035013A (zh) * | 2013-01-08 | 2013-04-10 | 东北师范大学 | 一种基于多特征融合的精确运动阴影检测方法 |
CN103150579A (zh) * | 2013-02-25 | 2013-06-12 | 东华大学 | 一种基于视频序列的人体异常行为检测方法 |
Non-Patent Citations (1)
Title |
---|
谢剑斌: "一种基于优化区域OTSU的静脉图像分割算法", 《信号处理》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105260715B (zh) * | 2015-10-16 | 2018-07-06 | 中国人民解放军国防科学技术大学 | 面向偏僻地段的小动物目标检测方法 |
US10692217B2 (en) | 2016-03-14 | 2020-06-23 | Sercomm Corporation | Image processing method and image processing system |
CN106384089A (zh) * | 2016-09-07 | 2017-02-08 | 中国人民解放军国防科学技术大学 | 基于终生学习的人体可靠检测方法 |
CN108985221A (zh) * | 2018-07-12 | 2018-12-11 | 广州视源电子科技股份有限公司 | 视频片段检测方法、装置、设备和存储介质 |
CN109409243A (zh) * | 2018-09-29 | 2019-03-01 | 江南大学 | 一种移动目标中人体视觉检测方法 |
CN109886130A (zh) * | 2019-01-24 | 2019-06-14 | 上海媒智科技有限公司 | 目标对象的确定方法、装置、存储介质和处理器 |
CN112084813A (zh) * | 2019-06-12 | 2020-12-15 | 杭州萤石软件有限公司 | 异常目标的检测方法、装置及存储介质 |
WO2020248543A1 (zh) * | 2019-06-12 | 2020-12-17 | 杭州萤石软件有限公司 | 异常目标的检测方法、设备及存储介质 |
CN112084813B (zh) * | 2019-06-12 | 2024-06-04 | 杭州萤石软件有限公司 | 异常目标的检测方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104866842B (zh) | 2018-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104866842A (zh) | 一种人体目标入侵检测方法 | |
KR102129893B1 (ko) | 딥러닝 네트워크 및 평균 이동을 기반으로 하는 선박 자동추적 방법 및 시스템 | |
CN105426820B (zh) | 基于安防监控视频数据的多人异常行为检测方法 | |
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 | |
CN111800507A (zh) | 一种交通监控方法及交通监控系统 | |
CN105260715A (zh) | 面向偏僻地段的小动物目标检测方法 | |
CN106355162A (zh) | 一种基于视频监控的入侵检测方法 | |
EP2926296A2 (en) | Systems and methods to classify moving airplanes in airports | |
CN110852179B (zh) | 基于视频监控平台的可疑人员入侵的检测方法 | |
CN107222726B (zh) | 电力设施防外破预警方法 | |
Malhi et al. | Vision based intelligent traffic management system | |
CN104392464A (zh) | 一种基于彩色视频图像的人为入侵检测方法 | |
CN105574468A (zh) | 视频火焰检测方法、装置及系统 | |
CN103985142A (zh) | 联合数据关联的Mean Shift多目标跟踪方法 | |
CN102663362A (zh) | 一种基于灰度特征的运动目标检测方法 | |
CN110674753A (zh) | 偷盗行为预警方法、终端设备及存储介质 | |
Tao et al. | Smoky vehicle detection based on range filtering on three orthogonal planes and motion orientation histogram | |
CN103152558A (zh) | 基于场景识别的入侵检测方法 | |
CN103793921A (zh) | 一种运动目标提取方法及装置 | |
JP7125843B2 (ja) | 障害検知システム | |
CN110991245A (zh) | 一种基于深度学习与光流法的实时烟雾检测方法 | |
Wang et al. | Video image vehicle detection system for signaled traffic intersection | |
Shafie et al. | Smart video surveillance system for vehicle detection and traffic flow control | |
Gao et al. | Moving object detection for video surveillance based on improved ViBe | |
CN113221603A (zh) | 一种检测监控设备被异物遮挡的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180703 |
|
CF01 | Termination of patent right due to non-payment of annual fee |