CN105046719A - 一种视频监控方法及系统 - Google Patents
一种视频监控方法及系统 Download PDFInfo
- Publication number
- CN105046719A CN105046719A CN201510385725.1A CN201510385725A CN105046719A CN 105046719 A CN105046719 A CN 105046719A CN 201510385725 A CN201510385725 A CN 201510385725A CN 105046719 A CN105046719 A CN 105046719A
- Authority
- CN
- China
- Prior art keywords
- target
- moving target
- rise time
- video image
- frame video
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明提供一种视频监控方法及系统,设定了初始目标生成时间阈值,当某一运动目标的目标生成时间小于该初始目标生成时间阈值时,就会丢弃该运动目标,从而可以准确地过滤如树叶晃动等这些干扰;否则,计算运动目标的平均速度,利用平均速度生成与其对应的目标生成时间阈值,对速度不同的运动目标进行设置不同的目标生成时间阈值,从而可以更加准确的从不同速度的运动目标中识别出有效目标。同时,只有当运动目标的生成时间大于或等于与其对应的目标生成时间阈值,该运动目标才为有效目标,从而进一步过滤噪声。可见,该方法和系统可以在具有噪声的复杂场景下有效的过滤噪声、准确地从速度不同的运动目标中识别出有效目标,而且其算法复杂度低。
Description
技术领域
本发明涉及视频监控技术,具体地涉及一种基于SmartIPC的微智能视频监控方法及系统。
背景技术
微智能的摄像机是近几年比较热门的智能前置摄像机,其代表产品当属SmartIPC。SmartIPC相当于传统摄像机的升级,是在传统摄像机的基础上增加了新的功能,即将智能监控算法添加到传统的摄像机上,由于其数据处理能力是有限的,因此,必然要求运行在其上面的视频监控算法具有算法复杂度低的特点,同时其准确性也要高。
在智能监控中,跟踪运动目标是其基本功能,传统的目标跟踪技术(如:光流分割法,Snake变形轮廓模型法,mean-shift算法,粒子滤波器等算法)由于其算法复杂度比较高,不适用于SmartIPC。因此,就需要有一种算法复杂度低但其准确性也高的目标跟踪技术。
在实际使用中,特别在一些复杂场景下,会有很多干扰因素(例如,含有树叶晃动干扰因素;含有光线变化干扰因素;在低照度下含有萤火虫效应的噪声影响)。为了能够有效的识别有效目标,就需要过滤这些干扰因素,也要准确的识别出有效目标。与此同时,为了能够适用于SmartIPC设备,过滤干扰因素和有效目标识别算法还要具有算法复杂度低的特点。
发明内容
为此,本发明提供了一种在复杂场景中能够有效的提取运动目标并识别有效目标的方法,且该方法具有算法复杂度低和准确性高的优点,该方法特别适用于像SmartIPC这种要求算法复杂度低和准确性高的设备。
本发明提供了一种视频监控方法,包括如下步骤:获取视频监控得到的连续多帧视频图像;检测当前帧视频图像中的运动目标;对当前帧中的每一运动目标分别进行目标跟踪;获取所述运动目标从出现至当前时刻的目标生成时间和平均速度;根据所述运动目标的所述平均速度生成与所述运动目标对应的目标生成时间阈值;比较所述运动目标的目标生成时间和所述与所述运动目标对应的目标生成时间阈值,当所述运动目标的目标生成时间大于或等于与其对应的目标生成时间阈值时,确定该运动目标为有效目标。
优选地,所述获取所述运动目标从出现至当前时刻的目标生成时间和平均速度的步骤被替换为:获取所述运动目标从出现至当前时刻的目标生成时间,当所述运动目标的目标生成时间大于或等于预设的初始目标生成时间阈值时,获取所述运动目标从出现至当前时刻的平均速度。
优选地,所述根据所述运动目标的所述平均速度生成与所述运动目标对应的目标生成时间阈值的步骤中:运动目标的平均速度越大,与其对应的目标生成时间阈值越小;运动目标的平均速度越小,与其对应的目标生成时间阈值越大。
优选地,所述检测当前帧视频图像中的运动目标的步骤包括:获取当前帧视频图像的前景图像;获取所述前景图像的二值图像;对所述二值图像进行连通区域查找以获取运动目标。
优选地,所述对当前帧中的每一运动目标分别进行目标跟踪,获取所述运动目标从出现至当前时刻的目标生成时间和平均速度的步骤包括:将当前帧视频图像中的每一运动目标分别与前一帧视频图像中的所有运动目标进行重叠区域判断;如果当前帧视频图像中第i个运动目标与前一帧视频图像中的所有运动目标均无重叠区域,则判定该运动目标为新出现的目标;如果当前帧视频图像中第i个运动目标与前一帧视频图像中的J个运动目标有重叠区域,将前一帧视频图像中的J个运动目标指定为候选运动目标;则分别获取当前帧视频图像中第i个运动目标与J个候选运动目标的最佳匹配度MPi:
MPi=min[(|SA(t+1,i)-SA(t,j)|+|SR(t+1,i)-SR(t,j)|)/2],j=1,2,...,J
其中SA(t+1,i)为当前帧视频图像中第i个运动目标的实际面积,SA(t,j)为第j个候选运动目标的实际面积,SR(t+1,i)为当前帧视频图像中第i个运动目标的最小外接矩形面积,SR(t,j)为第j个候选运动目标的最小外接矩形面积;
比较MPi与阈值MPTh,如果MPi小于阈值MPTh,则当前帧视频图像中第i个运动目标与前一帧视频图像中的第k个候选运动目标匹配;否则当前帧视频图像中第i个运动目标为新出现的运动目标,其中,当j=k时,MPi的值最小;
获取包含当前帧视频图像中第i个运动目标、以及包含与当前帧视频图像中第i个运动目标匹配目标的所有视频图像的帧数作为目标生成时间。
本发明提供了一种视频监控系统,包括如下模块:视频图像获取模块,用于获取视频监控得到的连续多帧视频图像;运动目标获取模块,用于检测当前帧视频图像中的运动目标;运动目标跟踪模块,用于对当前帧中的每一运动目标分别进行目标跟踪;目标生成时间和平均速度获取模块,用于获取所述运动目标从出现至当前时刻的目标生成时间和平均速度;有效目标识别模块,用于根据所述运动目标的所述平均速度生成与所述运动目标对应的目标生成时间阈值;比较所述运动目标的目标生成时间和所述与所述运动目标对应的目标生成时间阈值,当所述运动目标的目标生成时间大于或等于与其对应的目标生成时间阈值时,确定该运动目标为有效目标。
优选地,所述目标生成时间和平均速度获取模块中的方法被替换为:获取所述运动目标从出现至当前时刻的目标生成时间,当所述运动目标的目标生成时间大于或等于预设的初始目标生成时间阈值时,获取所述运动目标从出现至当前时刻的平均速度。
优选地,所述有效目标识别模块中的所述根据所述运动目标的所述平均速度生成与所述运动目标对应的目标生成时间阈值的步骤中:运动目标的平均速度越大,与其对应的目标生成时间阈值越小;运动目标的平均速度越小,与其对应的目标生成时间阈值越大。
优选地,所述运动目标获取模块包括:前景图像获取子模块,用于获取当前帧视频图像的前景图像;二值图像获取子模块,用于获取所述前景图像的二值图像;运动目标获取子模块,用于对所述二值图像进行连通区域查找以获取运动目标。
优选地,运动目标跟踪模块以及目标生成时间和平均速度获取模块包括以下模块:重叠区域判断子模块,用于将当前帧视频图像中的每一运动目标分别与前一帧视频图像中的所有运动目标进行重叠区域判断;新出现的目标判定子模块,用于如果当前帧视频图像中第i个运动目标与前一帧视频图像中的所有运动目标均无重叠区域,则判定该运动目标为新出现的目标;最佳匹配度计算子模块,用于如果当前帧视频图像中第i个运动目标与前一帧视频图像中的J个运动目标有重叠区域,将前一帧视频图像中的J个运动目标指定为候选运动目标;则分别获取当前帧视频图像中第i个运动目标与J个候选运动目标的最佳匹配度MPi:
MPi=min[(|SA(t+1,i)-SA(t,j)|+|SR(t+1,i)-SR(t,j)|)/2],j=1,2,...,J
其中SA(t+1,i)为当前帧视频图像中第i个运动目标的实际面积,SA(t,j)为第j个候选运动目标的实际面积,SR(t+1,i)为当前帧视频图像中第i个运动目标的最小外接矩形面积,SR(t,j)为第j个候选运动目标的最小外接矩形面积;
运动目标匹配子模块,用于比较MPi与阈值MPTh,如果MPi小于阈值MPTh,则当前帧视频图像中第i个运动目标与前一帧视频图像中的第k个候选运动目标匹配;否则当前帧视频图像中第i个运动目标为新出现的运动目标,其中,当j=k时,MPi的值最小;
目标生成时间计算子模块,用于获取包含当前帧视频图像中第i个运动目标、以及包含与当前帧视频图像中第i个运动目标匹配目标的所有视频图像的帧数作为目标生成时间。
与现有技术相比,本发明具有以下优点:
(1)本发明所述的视频监控方法及系统,设定了初始目标生成时间阈值,当某一运动目标的目标生成时间小于该初始目标生成时间阈值时,就会丢弃该运动目标,从而可以准确地过滤如树叶晃动等这些干扰;否则,计算运动目标的平均速度,利用平均速度生成与其对应的目标生成时间阈值,对速度不同的运动目标设置不同的目标生成时间阈值,从而可以更加准确的从不同速度的运动目标中识别出有效目标。同时,只有当运动目标的生成时间大于或等于与其对应的目标生成时间阈值,该运动目标才为有效目标,从而进一步过滤噪声。可见,该方法和系统可以在具有噪声的复杂场景下有效的过滤噪声、准确地从速度不同的运动目标中识别出有效目标,而且其算法复杂度低;
(2)本发明所述视频监控方法及系统,在利用运动目标的平均速度生成与其对应的目标生成时间阈值时,运动目标的平均速度越大其对应的目标生成时间阈值越小;运动目标的平均速度越小其对应的目标生成时间阈值越大。因为在实际应用的场景中,在一个摄像机所能够拍摄到的视野中,通常不同运动目标的速度不一样(例如,通常汽车的速度比行人快),速度快的运动目标的目标生成时间一般很短,而速度慢的运动目标的目标生成时间一般要长一些。因此,本方法和系统可以更好的从不同速度的运动目标中识别出有效目标和过滤噪声,提高了算法的准确性,算法的复杂度也低。
(3)本发明所述视频监控方法及系统,判断当前帧中的运动目标与前一帧的所有运动目标是否存在区域重叠,如果存在,则将前一帧中的所有运动目标作为候选目标,计算当前帧中的运动目标与所有候选目标的最佳匹配度(计算得到最佳匹配度的候选目标记为第k个候选目标),当最佳匹配度小于阈值时,判定当前帧中的运动目标与第k个候选目标相匹配。与现有技术中的目标跟踪方法相比,该方法及系统具有准确性高并且算法复杂度低的优点。
(4)本发明所述视频监控方法及系统,得到每一帧图像的前景图像,获取该前景图像的二值图像,对该二值图像进行连通区域查找获取运动目标。与现有技术中的运动目标检测方法相比,该方法及系统具有准确性高并且算法复杂度低的优点。
附图说明
为了使本发明的内容更容易被清楚的理解,下面根据本发明的具体实施例并结合附图,对本发明作进一步详细的说明,其中
图1是本发明第1实施例提供的视频监控方法的流程图;
图2是本发明第1实施例提供的膨胀腐蚀因子;
图3是本发明第2实施例提供的视频监控系统的原理图;
具体实施方式
实施例1
本发明提供了一种视频监控方法,如图1所示,包括如下步骤:
步骤S1,获取视频监控得到的连续多帧视频图像。该连续多帧视频图像可以从SmartIPC设备获得;同时根据平台的不同,该连续多帧视频图像可能是完整的YUV数据或者仅含Y信息的灰度图像,也有可能是其他格式的灰度图像;同时该连续多帧图像也可以为位图模式、双色调模式、RGB模式、CMYK模式、Lab模式、索引颜色模式、多通道模式等等模式。本实施例中设定其为灰度图像。
步骤S2,检测当前帧视频图像中的运动目标。其中的运动目标可能为一个或者多个。
步骤S3,对当前帧中的每一运动目标分别进行目标跟踪。
步骤S4,获取所述运动目标从出现至当前时刻的目标生成时间和平均速度。优选地,目标生成时间可以用运动目标存在的帧视频图像的数量来衡量。
步骤S5,根据所述运动目标的所述平均速度生成与所述运动目标对应的目标生成时间阈值;比较所述运动目标的目标生成时间和所述与所述运动目标对应的目标生成时间阈值,当所述运动目标的目标生成时间大于或等于与其对应的目标生成时间阈值时,确定该运动目标为有效目标。需要说明的是,本步骤的目的在于筛选出有效目标,对于当前帧视频图像,如果能够检测到某一运动目标,则对该运动目标的目标生成时间进行更新,同时对该运动目标的平均速度进行更新,利用更新后的平均速度重新对目标生成时间阈值进行调整,以上三个参数都是实时更新的。一旦发现运动目标的目标生成时间与生成时间阈值满足有效目标的条件,则将其判定为有效目标且之后不再对该运动目标是否有效进行判断。如果目标生成时间与目标生成时间阈值的关系总是无法满足有效目标的条件,则继续更新并判断,直至判断到最后其还不符合有效目标的判断条件将其视为无效目标。
在实际应用的场景中,运动目标的速度一般都不一样(例如,汽车的速度一般都比行人的速度快),因此会导致在一个摄像机所能够拍摄到的视野里,速度不同的运动目标的目标生成时间一般不同。而本方法依据运动目标的速度,动态的设定一个目标生成时间阈值,从而可以对速度不同的运动目标实现更好地识别。同时,只有当运动目标的生成时间大于或等于与其对应的目标生成时间阈值,该运动目标才为有效目标,可以过滤噪声
因此,该方法不仅可以从运动目标中准确识别出有效运动目标,而且还具有算法复杂度低的特点,特别适用于像SmartIPC这种要求算法复杂度低和准确性高的设备。
优选地,步骤S4可被替换为:获取所述运动目标从出现至当前时刻的目标生成时间,当所述运动目标的目标生成时间大于或等于预设的初始目标生成时间阈值时,获取所述运动目标从出现至当前时刻的平均速度。
可选地,预设的初始目标生成时间阈值设置为5。
可选地,获取所述运动目标从出现至当前时刻的平均速度具体为:
步骤S41,根据运动目标的轨迹信息以及运动目标的目标生成时间GT,以像素位置变化计算运动目标在X轴和Y轴上的位移:
其中,P(t,x)为在t时刻该运动目标在X轴上的坐标,以像素为单位;P(t+1,x)为在t+1时刻该运动目标在X轴上的坐标,以像素为单位;P(t,y)为在t时刻该运动目标在Y轴上的坐标,以像素为单位;P(t+1,y)为在t+1时刻该运动目标在Y轴上的坐标,以像素为单位。
步骤S42:当运动目标的目标生成时间大于或等于初始目标生成时间阈值时,计算运动目标的平均速度,计算方法见下式:
其中,abs(DMX)为DMX的绝对值,abs(DMY)为DMY的绝对值,AvgSpeed为运动目标的平均速度。
根据本实施例中的视频监控方法,当跟踪到某一个运动目标之后,获取该运动目标的目标生成时间。当该运动目标的目标生成时间小于初始目标生成时间阈值时,就会丢弃该运动目标,这样就可以消除如树叶晃动等干扰(例如,树叶在晃动时,就会将树叶视为运动目标,而树叶的目标生成时间很短,所以就能达到消除这些干扰的目的)。
优选地,在步骤S5中,所述根据所述运动目标的所述平均速度生成与所述运动目标对应的目标生成时间阈值的步骤中,运动目标的平均速度越大,与其对应的目标生成时间阈值越小;运动目标的平均速度越小,与其对应的目标生成时间阈值越大。
例如,可以根据如下公式获取目标生成时间阈值GTThred:
其中,AvgSpeed为运动目标的平均速度。
在实际应用的场景中,在一个摄像机所能够拍摄到的视野中,速度快的运动目标的目标生成时间一般很短,而速度慢的运动目标的目标生成时间一般要长一些。因此,当运动目标的速度快时,其对应的目标生成时间阈值就应该小一些;而当运动目标的速度慢时,其对应的目标生成时间阈值就应该长一些。因此,本方法可以更好的从不同速度的运动目标中识别出有效目标,提高了算法的准确性,算法的复杂度也低。
优选地,所述步骤S2包括以下步骤:
步骤S21,获取当前帧视频图像的前景图像。
可选地,步骤S21根据三帧差分法获取当前帧视频图像对应的前景图像,具体为:获取本帧视频图像及其连续的前面两帧视频图像,分别求出相邻两帧视频图像的绝对差灰度图像,将得到的两个绝对差灰度图像与设定的阈值T比较并进行二值化得到两帧相对运动图像,然后将两帧相对运动图像相与得到前景图像。
步骤S22,获取所述前景图像的二值图像。
可选地,可以对前景图像进行膨胀腐蚀等形态学处理得到二值图像,膨胀腐蚀因子如图2所示。
步骤S23,对所述二值图像进行连通区域查找以获取运动目标。例如,可采用深度优先搜索算法进行连通域查找。此时可以计算运动目标的实际面积,运动目标的实际面积是指在运动目标的最小外接矩形内前景像素数目。
本实施例所提供的识别运动目标的方法,可以很好的防止检测到的目标发生“空洞”现象和“鬼影”现象,可以更加准确的识别运动目标,同时算法的复杂性低。
优选地,步骤S3和步骤S4中的所述获取所述运动目标从出现至当前时刻的目标生成时间的步骤包括:
步骤S31,将当前帧视频图像中的每一运动目标分别与前一帧视频图像中的所有运动目标进行重叠区域判断。可选地,该重叠区域判断为最小外接矩形重叠区域判断。
步骤S32,如果当前帧视频图像中第i个运动目标与前一帧视频图像中的所有运动目标均无重叠区域,则判定该运动目标为新出现的目标。可选地,新建该新出现的目标的轨迹信息。
步骤S33,如果当前帧视频图像中第i个运动目标与前一帧视频图像中的J个运动目标有重叠区域,将前一帧视频图像中的J个运动目标指定为候选运动目标;则分别获取当前帧视频图像中第i个运动目标与J个候选运动目标的最佳匹配度MPi:
MPi=min[(|SA(t+1,i)-SA(t,j)|+|SR(t+1,i)-SR(t,j)|)/2],j=1,2,...,J
其中SA(t+1,i)为当前帧视频图像中第i个运动目标的实际面积,SA(t,j)为第j个候选运动目标的实际面积,SR(t+1,i)为当前帧视频图像中第i个运动目标的最小外接矩形面积,SR(t,j)为第j个候选运动目标的最小外接矩形面积。
可选地,此处的实际面积是指在运动目标的最小外接矩形内前景像素数目,最小外接矩形面积是指运动目标的最小外接矩形内的像素数目。
步骤S34,比较MPi与阈值MPTh,如果MPi小于阈值MPTh,则当前帧视频图像中第i个运动目标与前一帧视频图像中的第k个候选运动目标匹配;否则当前帧视频图像中第i个运动目标为新出现的运动目标,其中,当j=k时,MPi的值最小。
可选地,新建该新出现的运动目标的轨迹信息。
可选地,MPTh的值为1000。
步骤S35,获取包含当前帧视频图像中第i个运动目标、以及包含与当前帧视频图像中第i个运动目标匹配目标的所有视频图像的帧数作为目标生成时间。
可选地,对于前一帧视频图像中没有被该第i个运动目标匹配上的运动目标的轨迹信息进行删除。
本实施例所提供的目标跟踪方法,相对于现有技术中的目标跟踪方法,降低了算法复杂度,同时也具有很高的准确性。特别适用于像SmartIPC这种要求算法复杂度低和准确性高的设备
优选地,本发明所提供的视频监控方法,如图1所示,还包括以下步骤:
步骤S6,判断所述有效目标是否发生异常行为。
可选地,对获取到的有效目标进行异常行为分析,以确定具体的事件是否发生。具体的针对不同的智能规则要对有效目标进行不同的分析,例如,区域入侵检测则检测有效目标是否进入到用户指定的感兴趣区域。
步骤S7,当检测到异常行为时发出报警。
可选地,当检测到异常行为发生时,触发报警系统进行报警,并联动报警实现报警现场的视频录像或者图像抓拍。
实施例2
本发明提供了一种视频监控系统,如图3所示,包括如下模块:
视频图像获取模块,用于获取视频监控得到的连续多帧视频图像;
运动目标获取模块,用于检测当前帧视频图像中的运动目标;
运动目标跟踪模块,用于对当前帧中的每一运动目标分别进行目标跟踪;
目标生成时间和平均速度获取模块,用于获取所述运动目标从出现至当前时刻的目标生成时间和平均速度;
有效目标识别模块,用于根据所述运动目标的所述平均速度生成与所述运动目标对应的目标生成时间阈值;比较所述运动目标的目标生成时间和所述与所述运动目标对应的目标生成时间阈值,当所述运动目标的目标生成时间大于或等于与其对应的目标生成时间阈值时,确定该运动目标为有效目标。
在实际应用的场景中,运动目标的速度一般都不一样(例如,汽车的速度一般都比行人的速度快),因此会导致在一个摄像机所能够拍摄到的视野中,速度不同的运动目标的目标生成时间一般不同。而本系统依据运动目标的速度,动态的设定一个目标生成时间阈值,从而可以对速度不同的运动目标实现更好地识别。同时,只有当运动目标的生成时间大于或等于与其对应的目标生成时间阈值,该运动目标才为有效目标,从而进一步过滤噪声
因此,系统不仅可以从运动目标中准确识别出有效目标,而且还具有算法复杂度低的特点,特别适用于像SmartIPC这种要求算法复杂度低和准确性高的设备。
优选地,所述目标生成时间和平均速度获取模块中的方法被替换为:获取所述运动目标从出现至当前时刻的目标生成时间,当所述运动目标的目标生成时间大于或等于预设的初始目标生成时间阈值时,获取所述运动目标从出现至当前时刻的平均速度。
根据本实施例中的视频监控系统,当跟踪到某一个运动目标之后,获取该运动目标的目标生成时间。当该运动目标的目标生成时间小于初始目标生成时间阈值时,就会丢弃该运动目标,这样就可以消除如树叶晃动等干扰(例如,树叶在晃动时,就会将树叶视为运动目标,而树叶的目标生成时间很短,所以就能达到消除这些干扰的目的)。
优选地,所述有效目标识别模块中的所述根据所述运动目标的所述平均速度生成与所述运动目标对应的目标生成时间阈值的步骤中:运动目标的平均速度越大,与其对应的目标生成时间阈值越小;运动目标的平均速度越小,与其对应的目标生成时间阈值越大。
在实际应用的场景中,在一个摄像机所能够拍摄到的视野中,速度快的运动目标的目标生成时间一般很短,而速度慢的运动目标的目标生成时间一般要长一些。因此,当运动目标的速度快时,其对应的目标生成时间阈值就应该小一些;而当运动目标的速度慢时,其对应的目标生成时间阈值就应该长一些。从而本方法可以更好的从不同速度的运动目标中识别出有效目标,提高了算法的准确性,算法的复杂度也低。
优选地,所述运动目标获取模块包括:前景图像获取子模块,用于获取当前帧视频图像的前景图像;二值图像获取子模块,用于获取所述前景图像的二值图像;运动目标获取子模块,用于对所述二值图像进行连通区域查找以获取运动目标。
优选地,在本发明的视频监控系统中,运动目标跟踪模块以及目标生成时间和平均速度获取模块包括以下模块:
重叠区域判断子模块,用于将当前帧视频图像中的每一运动目标分别与前一帧视频图像中的所有运动目标进行重叠区域判断;
新出现的目标判定子模块,用于如果当前帧视频图像中第i个运动目标与前一帧视频图像中的所有运动目标均无重叠区域,则判定该运动目标为新出现的目标;
最佳匹配度计算子模块,用于如果当前帧视频图像中第i个运动目标与前一帧视频图像中的J个运动目标有重叠区域,将前一帧视频图像中的J个运动目标指定为候选运动目标;则分别获取当前帧视频图像中第i个运动目标与J个候选运动目标的最佳匹配度MPi:
MPi=min[(|SA(t+1,i)-SA(t,j)|+|SR(t+1,i)-SR(t,j)|)/2],j=1,2,...,J
其中SA(t+1,i)为当前帧视频图像中第i个运动目标的实际面积,SA(t,j)为第j个候选运动目标的实际面积,SR(t+1,i)为当前帧视频图像中第i个运动目标的最小外接矩形面积,SR(t,j)为第j个候选运动目标的最小外接矩形面积;
运动目标匹配子模块,用于比较MPi与阈值MPTh,如果MPi小于阈值MPTh,则当前帧视频图像中第i个运动目标与前一帧视频图像中的第k个候选运动目标匹配;否则当前帧视频图像中第i个运动目标为新出现的运动目标,其中,当j=k时,MPi的值最小;
目标生成时间计算子模块,用于获取包含当前帧视频图像中第i个运动目标、以及包含与当前帧视频图像中第i个运动目标匹配目标的所有视频图像的帧数作为目标生成时间。
优选地,如图3所示,本发明所述的视频监控系统还包括以下模块:异常行为判断模块,用于判断所述有效目标是否发生异常行为;报警模块,用于当检测到异常行为时发出报警。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种视频监控方法,其特征在于,包括如下步骤:
获取视频监控得到的连续多帧视频图像;
检测当前帧视频图像中的运动目标;
对当前帧中的每一运动目标分别进行目标跟踪;
获取所述运动目标从出现至当前时刻的目标生成时间和平均速度;
根据所述运动目标的所述平均速度生成与所述运动目标对应的目标生成时间阈值;比较所述运动目标的目标生成时间和所述与所述运动目标对应的目标生成时间阈值,当所述运动目标的目标生成时间大于或等于与其对应的目标生成时间阈值时,确定该运动目标为有效目标。
2.根据权利要求1所述的视频监控方法,其特征在于,所述获取所述运动目标从出现至当前时刻的目标生成时间和平均速度的步骤被替换为:
获取所述运动目标从出现至当前时刻的目标生成时间,当所述运动目标的目标生成时间大于或等于预设的初始目标生成时间阈值时,获取所述运动目标从出现至当前时刻的平均速度。
3.根据权利要求1或2所述的视频监控方法,其特征在于,所述根据所述运动目标的所述平均速度生成与所述运动目标对应的目标生成时间阈值的步骤中:
运动目标的平均速度越大,与其对应的目标生成时间阈值越小;
运动目标的平均速度越小,与其对应的目标生成时间阈值越大。
4.根据权利要求1-3任一项所述的视频监控方法,其特征在于,所述检测当前帧视频图像中的运动目标的步骤包括:
获取当前帧视频图像的前景图像;
获取所述前景图像的二值图像;
对所述二值图像进行连通区域查找以获取运动目标。
5.根据权利要求1-4任一项所述的视频监控方法,其特征在于,所述对当前帧中的每一运动目标分别进行目标跟踪,获取所述运动目标从出现至当前时刻的目标生成时间和平均速度的步骤包括:
将当前帧视频图像中的每一运动目标分别与前一帧视频图像中的所有运动目标进行重叠区域判断;
如果当前帧视频图像中第i个运动目标与前一帧视频图像中的所有运动目标均无重叠区域,则判定该运动目标为新出现的目标;
如果当前帧视频图像中第i个运动目标与前一帧视频图像中的J个运动目标有重叠区域,将前一帧视频图像中的J个运动目标指定为候选运动目标;则分别获取当前帧视频图像中第i个运动目标与J个候选运动目标的最佳匹配度MPi:
MPi=min[(|SA(t+1,i)-SA(t,j)|+|SR(t+1,i)-SR(t,j)|)/2],j=1,2,...,J
其中SA(t+1,i)为当前帧视频图像中第i个运动目标的实际面积,SA(t,j)为第j个候选运动目标的实际面积,SR(t+1,i)为当前帧视频图像中第i个运动目标的最小外接矩形面积,SR(t,j)为第j个候选运动目标的最小外接矩形面积;
比较MPi与阈值MPTh,如果MPi小于阈值MPTh,则当前帧视频图像中第i个运动目标与前一帧视频图像中的第k个候选运动目标匹配;否则当前帧视频图像中第i个运动目标为新出现的运动目标,其中,当j=k时,MPi的值最小;
获取包含当前帧视频图像中第i个运动目标、以及包含与当前帧视频图像中第i个运动目标匹配目标的所有视频图像的帧数作为目标生成时间。
6.一种视频监控系统,其特征在于,包括如下模块:
视频图像获取模块,用于获取视频监控得到的连续多帧视频图像;
运动目标获取模块,用于检测当前帧视频图像中的运动目标;
运动目标跟踪模块,用于对当前帧中的每一运动目标分别进行目标跟踪;
目标生成时间和平均速度获取模块,用于获取所述运动目标从出现至当前时刻的目标生成时间和平均速度;
有效目标识别模块,用于根据所述运动目标的所述平均速度生成与所述运动目标对应的目标生成时间阈值;比较所述运动目标的目标生成时间和所述与所述运动目标对应的目标生成时间阈值,当所述运动目标的目标生成时间大于或等于与其对应的目标生成时间阈值时,确定该运动目标为有效目标。
7.根据权利要求6所述的视频监控系统,其特征在于,所述目标生成时间和平均速度获取模块中的方法被替换为:
获取所述运动目标从出现至当前时刻的目标生成时间,当所述运动目标的目标生成时间大于或等于预设的初始目标生成时间阈值时,获取所述运动目标从出现至当前时刻的平均速度。
8.根据权利要求6或7所述的视频监控系统,其特征在于,所述有效目标识别模块中的所述根据所述运动目标的所述平均速度生成与所述运动目标对应的目标生成时间阈值的步骤中:
运动目标的平均速度越大,与其对应的目标生成时间阈值越小;
运动目标的平均速度越小,与其对应的目标生成时间阈值越大。
9.根据权利要求6-8任一项所述的视频监控系统,其特征在于,所述运动目标获取模块包括:
前景图像获取子模块,用于获取当前帧视频图像的前景图像;
二值图像获取子模块,用于获取所述前景图像的二值图像;
运动目标获取子模块,用于对所述二值图像进行连通区域查找以获取运动目标。
10.根据权利要求6-9任一项所述的视频监控系统,其特征在于,运动目标跟踪模块以及目标生成时间和平均速度获取模块包括以下模块:
重叠区域判断子模块,用于将当前帧视频图像中的每一运动目标分别与前一帧视频图像中的所有运动目标进行重叠区域判断;
新出现的目标判定子模块,用于如果当前帧视频图像中第i个运动目标与前一帧视频图像中的所有运动目标均无重叠区域,则判定该运动目标为新出现的目标;
最佳匹配度计算子模块,用于如果当前帧视频图像中第i个运动目标与前一帧视频图像中的J个运动目标有重叠区域,将前一帧视频图像中的J个运动目标指定为候选运动目标;则分别获取当前帧视频图像中第i个运动目标与J个候选运动目标的最佳匹配度MPi:
MPi=min[(|SA(t+1,i)-SA(t,j)|+|SR(t+1,i)-SR(t,j)|)/2],j=1,2,...,J
其中SA(t+1,i)为当前帧视频图像中第i个运动目标的实际面积,SA(t,j)为第j个候选运动目标的实际面积,SR(t+1,i)为当前帧视频图像中第i个运动目标的最小外接矩形面积,SR(t,j)为第j个候选运动目标的最小外接矩形面积;
运动目标匹配子模块,用于比较MPi与阈值MPTh,如果MPi小于阈值MPTh,则当前帧视频图像中第i个运动目标与前一帧视频图像中的第k个候选运动目标匹配;否则当前帧视频图像中第i个运动目标为新出现的运动目标,其中,当j=k时,MPi的值最小;
目标生成时间计算子模块,用于获取包含当前帧视频图像中第i个运动目标、以及包含与当前帧视频图像中第i个运动目标匹配目标的所有视频图像的帧数作为目标生成时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510385725.1A CN105046719B (zh) | 2015-07-03 | 2015-07-03 | 一种视频监控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510385725.1A CN105046719B (zh) | 2015-07-03 | 2015-07-03 | 一种视频监控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105046719A true CN105046719A (zh) | 2015-11-11 |
CN105046719B CN105046719B (zh) | 2017-11-14 |
Family
ID=54453236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510385725.1A Active CN105046719B (zh) | 2015-07-03 | 2015-07-03 | 一种视频监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105046719B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106603999A (zh) * | 2017-02-17 | 2017-04-26 | 上海创米科技有限公司 | 视频监控报警方法与系统 |
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 |
CN107644528A (zh) * | 2017-08-02 | 2018-01-30 | 浙江工业大学 | 一种基于车辆跟踪的车辆排队长度检测方法 |
CN108572734A (zh) * | 2018-04-23 | 2018-09-25 | 哈尔滨拓博科技有限公司 | 一种基于红外激光辅助成像的手势控制系统 |
CN109040604A (zh) * | 2018-10-23 | 2018-12-18 | Oppo广东移动通信有限公司 | 拍摄图像的处理方法、装置、存储介质及移动终端 |
CN109427072A (zh) * | 2017-08-30 | 2019-03-05 | 中国电信股份有限公司 | 识别运动目标的方法和装置 |
TWI666933B (zh) * | 2018-04-02 | 2019-07-21 | 緯創資通股份有限公司 | 物件監控方法及其運算裝置 |
CN112541472A (zh) * | 2020-12-23 | 2021-03-23 | 北京百度网讯科技有限公司 | 一种目标检测方法、装置及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101577006A (zh) * | 2009-06-15 | 2009-11-11 | 北京中星微电子有限公司 | 视频监控中的徘徊检测方法和系统 |
CN101739551A (zh) * | 2009-02-11 | 2010-06-16 | 北京智安邦科技有限公司 | 运动目标识别方法及系统 |
CN101765025A (zh) * | 2008-12-23 | 2010-06-30 | 北京中星微电子有限公司 | 一种监控摄像设备异常检测的系统及方法 |
WO2011063616A1 (zh) * | 2009-11-24 | 2011-06-03 | 杭州海康威视软件有限公司 | 运动目标自动跟踪的装置和方法 |
CN104732187A (zh) * | 2013-12-18 | 2015-06-24 | 杭州华为企业通信技术有限公司 | 一种图像跟踪处理的方法及设备 |
-
2015
- 2015-07-03 CN CN201510385725.1A patent/CN105046719B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101765025A (zh) * | 2008-12-23 | 2010-06-30 | 北京中星微电子有限公司 | 一种监控摄像设备异常检测的系统及方法 |
CN101739551A (zh) * | 2009-02-11 | 2010-06-16 | 北京智安邦科技有限公司 | 运动目标识别方法及系统 |
CN101577006A (zh) * | 2009-06-15 | 2009-11-11 | 北京中星微电子有限公司 | 视频监控中的徘徊检测方法和系统 |
WO2011063616A1 (zh) * | 2009-11-24 | 2011-06-03 | 杭州海康威视软件有限公司 | 运动目标自动跟踪的装置和方法 |
CN104732187A (zh) * | 2013-12-18 | 2015-06-24 | 杭州华为企业通信技术有限公司 | 一种图像跟踪处理的方法及设备 |
Non-Patent Citations (1)
Title |
---|
李海燕: "视频序列中运动人体的异常行为检测", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN106603999A (zh) * | 2017-02-17 | 2017-04-26 | 上海创米科技有限公司 | 视频监控报警方法与系统 |
CN107644528A (zh) * | 2017-08-02 | 2018-01-30 | 浙江工业大学 | 一种基于车辆跟踪的车辆排队长度检测方法 |
CN109427072A (zh) * | 2017-08-30 | 2019-03-05 | 中国电信股份有限公司 | 识别运动目标的方法和装置 |
CN110338803B (zh) * | 2018-04-02 | 2021-12-07 | 纬创资通股份有限公司 | 物件监控方法及其运算装置 |
TWI666933B (zh) * | 2018-04-02 | 2019-07-21 | 緯創資通股份有限公司 | 物件監控方法及其運算裝置 |
CN110338803A (zh) * | 2018-04-02 | 2019-10-18 | 纬创资通股份有限公司 | 物件监控方法及其运算装置 |
US10755400B2 (en) | 2018-04-02 | 2020-08-25 | Wistron Corporation | Method and computing device for monitoring object |
CN108572734A (zh) * | 2018-04-23 | 2018-09-25 | 哈尔滨拓博科技有限公司 | 一种基于红外激光辅助成像的手势控制系统 |
CN109040604B (zh) * | 2018-10-23 | 2020-09-15 | Oppo广东移动通信有限公司 | 拍摄图像的处理方法、装置、存储介质及移动终端 |
CN109040604A (zh) * | 2018-10-23 | 2018-12-18 | Oppo广东移动通信有限公司 | 拍摄图像的处理方法、装置、存储介质及移动终端 |
CN112541472A (zh) * | 2020-12-23 | 2021-03-23 | 北京百度网讯科技有限公司 | 一种目标检测方法、装置及电子设备 |
CN112541472B (zh) * | 2020-12-23 | 2023-11-24 | 北京百度网讯科技有限公司 | 一种目标检测方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN105046719B (zh) | 2017-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105046719B (zh) | 一种视频监控方法及系统 | |
Chen et al. | An enhanced segmentation on vision-based shadow removal for vehicle detection | |
CN103077539A (zh) | 一种复杂背景及遮挡条件下的运动目标跟踪方法 | |
JP2009533778A (ja) | 統計的画素モデリングを使った映像セグメント化 | |
CN102663362B (zh) | 一种基于灰度特征的运动目标检测方法 | |
CN102332167A (zh) | 一种智能交通监控中车辆和行人的目标检测方法 | |
KR101062225B1 (ko) | 감시 카메라를 이용한 지능형 영상 검색 방법 및 시스템 | |
CN104866842B (zh) | 一种人体目标入侵检测方法 | |
CN111860120A (zh) | 车载相机自动遮挡检测方法和装置 | |
CN107798688A (zh) | 运动目标识别方法、预警方法以及汽车防追尾预警装置 | |
CN105426816A (zh) | 一种处理人脸图像的方法及装置 | |
Bakti et al. | Vehicle detection and tracking using gaussian mixture model and kalman filter | |
Kawakatsu et al. | Traffic surveillance system for bridge vibration analysis | |
CN107122732B (zh) | 一种监控场景下高鲁棒性的快速车牌定位方法 | |
CN102254396B (zh) | 基于视频的入侵检测方法及装置 | |
CN106097725A (zh) | 一种基于动态特征提取的车辆分类流量检测方法 | |
Hou et al. | Video road vehicle detection and tracking based on OpenCV | |
Roy et al. | A comprehensive survey on computer vision based approaches for moving object detection | |
CN103578121A (zh) | 干扰运动环境下基于共享高斯模型的运动检测方法 | |
CN103400395A (zh) | 一种基于haar特征检测的光流跟踪方法 | |
CN112070802B (zh) | 一种目标跟踪方法、装置、设备及计算机可读存储介质 | |
CN106611159A (zh) | 一种基于机器视觉的小鼠探索的识别方法 | |
CN111339824A (zh) | 基于机器视觉的路面抛洒物检测方法 | |
Wu et al. | Video object tracking method based on normalized cross-correlation matching | |
Liao et al. | Multi-scale ship tracking based on maritime monitoring platform |
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 |