CN105163095A - 面向偏僻地段的人体目标监控方法 - Google Patents
面向偏僻地段的人体目标监控方法 Download PDFInfo
- Publication number
- CN105163095A CN105163095A CN201510666479.7A CN201510666479A CN105163095A CN 105163095 A CN105163095 A CN 105163095A CN 201510666479 A CN201510666479 A CN 201510666479A CN 105163095 A CN105163095 A CN 105163095A
- Authority
- CN
- China
- Prior art keywords
- human body
- target
- video
- body target
- video image
- 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
- Studio Devices (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种面向偏僻地段的人体目标监控方法。将物理传感器与图像处理相结合,在物理传感器检测到入侵目标情况下才启动视频采集设备,利用基于视频图像的人体目标验证方法进一步确认人体目标,若不存在人体目标,则关闭视频采集、传输、存储设备;若存在人体目标,则视频监控系统开始工作,并同时继续检测人体目标,当物理传感器和视频图像处理均未发现有效的人体目标时,关闭视频监控系统。本方法仅功耗极小的物理传感器不间断工作,有效降低系统能耗。同时物理传感器和视频图像处理双重检增强人体检测性能,减少冗余数据,有效提高对监控视频的其它相关分析处理效率。
Description
技术领域
本发明属于面向公共安全预警的视频图像处理领域,具体涉及一种面向偏僻地段的人体目标监控方法。
背景技术
视频监控广泛应用于公共安全领域,为公安机关进行预警与案件分析提供了丰富的数据支撑。常用可见光照明的视频摄像机功耗约为1.5~5W左右,当开启红外照明功能时功耗约为15~45W左右,传感器功耗一般在0.5W以下。现有视频监控系统通常采取所有部件全天24小时不间断工作方式,而大多数偏僻区域并非始终存在人体目标,全天工作模式造成极大的能源浪费,并且由此形成的大量冗余数据,也降低了相关部门进行分析的效率。因此有必要根据监控场景中人体目标的出现情况进行按需监控。
现有的基于人体的监控方法,如专利201010218630.8调节人体候补区域的大小与人体检测模板的大小一致,提取与人体检测模板匹配的边缘点,判断并计算匹配边缘点中的有效边缘点,判断人体检测模板分区是否为有效分区,判断人体候补是否被遮挡,累加各有效分区权重和人体候补未被遮挡的有效分区权重,判断出人体候补是否为人体。专利201310415544.X实现了基于彩色与深度信息的人体检测方法,联合特征提取获得的特征既包含彩色信息,又包含深度信息,同时轮廓边缘信息得到增强。专利201010209204.8将背景图像利用图像分割法分为几个区域,在每一个区域,根据前景图像与背景图像的灰度分布直方图的相似度来判断是否应进行灰度增强。本发明可以防止过多的无用的噪声边缘线的错误抽出,也可以强调人物的轮廓,提高人体检测装置的精度。专利201310432350.0利用支持向量机进行训练,得到初始人体检测器;将人体检测器划分为多个小网格,每个网格代表一个小部件,并用相应网格里的权重来表示这个部件;对于网格权重进行更新;采用多尺度滑动框扫描的方式,对于待检测图像进行人体检测,得到人体检测结果。专利201110026465.0根据所采集的深度图像的像素提取图像特征;将所述图像特征输入预设的分类模型,以得出所述深度图像是否包含人体。专利201210401048.4对待检测区域进行时间分区,在每个时区用多通道人体传感器分别进行温度数据采集,判断对应通道是否有人。专利201210148980.0采用释电型传感器进行人体检测。
上述方法可以分为两类:基于图像处理的方法和基于传感器的方法。现有专利基本将两类方法孤立开来实施,一方面人体检测性能未能达到最佳,另一方面未将其用于提高监控系统的工作效率,没有实现节能处理。
发明内容
本发明将物理传感器与图像处理相结合,特提出一种面向偏僻地段的人体目标监控方法。
本方法将物理传感器与图像处理相结合,在物理传感器检测到入侵目标情况下才启动视频采集设备,利用基于视频图像的人体目标验证方法进一步确认人体目标,若不存在人体目标,则关闭视频采集、传输、存储等设备;若存在人体目标,则视频监控系统开始工作,并同时继续检测人体目标,当物理传感器和视频图像处理均未发现有效的人体目标时,关闭视频监控系统。
实现步骤为:
Step1:多类型物理传感器布防于监控区域,全天不间断探测入侵目标;
Step2:物理传感器探测到入侵目标之后,启动该区域监控摄像头,采集防区视频图像;
Step3:针对采集到的防区监控视频图像,自动处理验证是否有人体目标;
Step4:当基于视频图像的人体目标验证方法检测到人体目标后,启动监控系统中针对该区域的其它部分,如传输模块等;
Step5:当物理传感器和视频图像分析均未检测到人体目标时,关闭监控摄像头,跳转至Step1。
本发明的关键创新技术:
1、基于多类型传感器和视频图像处理的两级人体目标检测策略
将视频监控系统分为功耗较低的物理传感器部分,和功耗较高的视频图像采集处理部分。其中物理传感器部分全天处于运行状态,对防区进行入侵目标探测。视频图像处理部分则根据传感器检测结果,首先启动摄像机短暂工作,基于采集到的视频图像分析验证确实存在人体目标之后,再启动视频监控相关的其他部分,并且在物理传感器和视频图像处理均未检测到人体目标时,关闭视频监控部分。其创新点在于:
(1)融合多种人体检测手段,可以弥补单一方法检测结果易受影响的缺陷。
(2)视频监控部分按需工作,可有效降低系统能耗,并减少冗余数据,有助于提高后续分析效率。
2、基于视频图像的人体目标验证方法
在物理传感器探测到入侵目标的基础上,监控摄像机上电采集到视频图像,针对监控图像,首先利用帧差法大致确定目标所在位置,然后利用人脸具有类似椭圆的形状特性,针对目标区域进行基于霍夫变换的椭圆检测,从而确认是否存在人脸。对于任意椭圆,其参数方程可表示为:
其中为椭圆的中心坐标,分别为椭圆的两个半轴,为长轴与x方向夹角。与圆形相比椭圆具有4个未知参数,采用传统Hough变换计算量更大。考虑到椭圆具有如下的几何性质:椭圆上切线方向相同的两点的中点是椭圆的中心,可利用该性质,首先寻找椭圆上的对应斜率相同的边缘点对,边缘点对的中心即为椭圆中心,其步骤包括:
Step1:对监控视频图像进行基于帧差法的目标检测,得到存在目标的区域,其中i为序号;
Step2:初始化二维累加矩阵,其中为目标区域图像的宽和高尺寸;
Step3:对目标区域图像进行边缘检测并二值化为图像V,使背景为0,边缘为1;
Step4:对V中各非零点计算其切线方向;
Step5:在V中遍历切线方向相同的任意两点,计算其中点坐标,并使对应加1;
Step6:累加器矩阵中值最大的元素其坐标即为椭圆的中心。
将中心坐标代入椭圆方程中,从边缘像素的坐标数组V中选取数据,则只需要在三维空间中采用Hough变换对参数a,b,进行统计,得到峰值超过一定阈值的一组参数,即为椭圆的a,b,,从而完成椭圆检测。
本发明在物理传感器探测到人体目标后,基于视频图像进一步确认人体目标。
其创新点在于:
(1)基于形状特性采用霍夫变换检测椭圆人脸,可降低受姿态、光照、表情等对人脸检测的影响;
(2)在传统霍夫变换中加入椭圆几何特性辅助,可提高霍夫变换处理速度。
本方法仅功耗极小的物理传感器不间断工作,功耗较大的视频监控部分仅在有人体目标时工作,可有效降低系统能耗。同时物理传感器和视频图像处理双重检测可增强人体检测性能,减少了冗余数据,能有效提高对监控视频的其它相关分析处理效率。
附图说明
图1是处理流程图。
具体实施方式
一种面向偏僻地段的人体目标监控方法,将物理传感器与图像处理相结合,在物理传感器检测到入侵目标情况下才启动视频采集设备,基于视频图像的人体目标验证方法进一步确认人体目标,若不存在人体目标,则关闭视频采集、传输、存储等设备;若存在人体目标,则视频监控系统开始工作,并同时继续检测人体目标,当物理传感器和视频图像处理均未发现有效的人体目标时,关闭视频监控系统。
实现步骤为:
Step1:多类型物理传感器布防于监控区域,全天不间断探测入侵目标;
Step2:物理传感器探测到入侵目标之后,启动该区域监控摄像头,采集防区视频图像;
Step3:针对采集到的防区监控视频图像,自动处理验证是否有人体目标;
Step4:当基于视频图像的人体目标验证方法检测到人体目标后,启动监控系统中针对该区域的其它部分,如传输模块等;
Step5:当物理传感器和视频图像分析均未检测到人体目标时,关闭监控摄像头,跳转至Step1。
所述基于视频图像的人体目标验证方法,具体为:
在物理传感器探测到入侵目标的基础上,监控摄像机上电采集到视频图像,针对监控图像,首先利用帧差法大致确定目标所在位置,然后利用人脸具有类似椭圆的形状特性,针对目标区域进行基于霍夫变换的椭圆检测,从而确认是否存在人脸。对于任意椭圆,其参数方程可表示为:
其中为椭圆的中心坐标,分别为椭圆的两个半轴,为长轴与x方向夹角。与圆形相比椭圆具有4个未知参数,采用传统Hough变换计算量更大。考虑到椭圆具有如下的几何性质:椭圆上切线方向相同的两点的中点是椭圆的中心,可利用该性质,首先寻找椭圆上的对应斜率相同的边缘点对,边缘点对的中心即为椭圆中心,其步骤包括:
Step1.1:对监控视频图像进行基于帧差法的目标检测,得到存在目标的区域,其中i为序号;
Step1.2:初始化二维累加矩阵,其中为目标区域图像的尺寸;
Step1.3:对目标区域图像进行边缘检测并二值化为图像V,使背景为0,边缘为1;
Step1.4:对V中各非零点计算其切线方向;
Step1.5:在V中遍历切线方向相同的任意两点,计算其中点坐标,并使对应加1;
Step1.6:累加器矩阵中值最大的元素其坐标即为椭圆的中心,将中心坐标代入椭圆方程中,从边缘像素的坐标数组V中选取数据,则只需要在三维空间中采用Hough变换对参数a,b,进行统计,得到峰值超过一定阈值的一组参数,即为椭圆的a,b,,从而完成椭圆检测。
Claims (2)
1.一种面向偏僻地段的人体目标监控方法,将物理传感器与图像处理相结合,在物理传感器检测到入侵目标情况下才启动视频采集设备,其特征在于,采用基于视频图像的人体目标验证方法进一步确认人体目标,若不存在人体目标,则关闭视频采集、传输、存储设备;若存在人体目标,则视频监控系统开始工作,并同时继续检测人体目标,当物理传感器和视频图像处理均未发现有效的人体目标时,关闭视频监控系统,
实现步骤为:
Step1:多类型物理传感器布防于监控区域,全天不间断探测入侵目标;
Step2:物理传感器探测到入侵目标之后,启动该区域监控摄像头,采集防区视频图像;
Step3:针对采集到的防区监控视频图像,自动处理验证是否有人体目标;
Step4:当基于视频图像的人体目标验证方法检测到人体目标后,启动监控系统中针对该区域的其它部分,如传输模块;
Step5:当物理传感器和视频图像分析均未检测到人体目标时,关闭监控摄像头,跳转至Step1。
2.根据权利要求1所述的一种面向偏僻地段的人体目标监控方法,其特征在于,所述基于视频图像的人体目标验证方法确认人体目标,具体为:
在物理传感器探测到入侵目标的基础上,监控摄像机上电采集到视频图像,针对监控图像,首先利用帧差法大致确定目标所在位置,然后利用人脸具有类似椭圆的形状特性,针对目标区域进行基于霍夫变换的椭圆检测,从而确认是否存在人脸,对于任意椭圆,其参数方程可表示为:
其中为椭圆的中心坐标,分别为椭圆的两个半轴,为长轴与x方向夹角,与圆形相比椭圆具有4个未知参数,考虑到椭圆具有如下的几何性质:椭圆上切线方向相同的两点的中点是椭圆的中心,利用该性质,首先寻找椭圆上的对应斜率相同的边缘点对,边缘点对的中心即为椭圆中心,其步骤包括:
Step1.1:对监控视频图像进行基于帧差法的目标检测,得到存在目标的区域,其中i为序号;
Step1.2:初始化二维累加矩阵,其中为目标区域图像宽和高的尺寸;
Step1.3:对目标区域图像进行边缘检测并二值化为图像V,使背景为0,边缘为1;
Step1.4:对V中各非零点计算其切线方向;
Step1.5:在V中遍历切线方向相同的任意两点,计算其中点坐标,并使对应加1;
Step1.6:累加器矩阵中值最大的元素其坐标即为椭圆的中心,将中心坐标代入椭圆方程中,从边缘像素的坐标数组V中选取数据,只需要在三维空间中采用Hough变换对参数a,b,进行统计,得到峰值超过一定阈值的一组参数,即为椭圆的a,b,,从而完成椭圆检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510666479.7A CN105163095A (zh) | 2015-10-16 | 2015-10-16 | 面向偏僻地段的人体目标监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510666479.7A CN105163095A (zh) | 2015-10-16 | 2015-10-16 | 面向偏僻地段的人体目标监控方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105163095A true CN105163095A (zh) | 2015-12-16 |
Family
ID=54803837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510666479.7A Pending CN105163095A (zh) | 2015-10-16 | 2015-10-16 | 面向偏僻地段的人体目标监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105163095A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109359562A (zh) * | 2018-09-29 | 2019-02-19 | 佳都新太科技股份有限公司 | 目标识别方法、装置、目标识别设备及存储介质 |
CN109963046A (zh) * | 2017-12-26 | 2019-07-02 | 原盛科技股份有限公司 | 移动侦测装置以及相关移动侦测方法 |
CN110941991A (zh) * | 2019-10-28 | 2020-03-31 | 成都华迈通信技术有限公司 | 一种多通道结构化数据采集系统及数据采集方法 |
CN111917974A (zh) * | 2020-06-24 | 2020-11-10 | 济南浪潮高新科技投资发展有限公司 | 一种基于fpga的视频处理系统、方法、设备及介质 |
CN112005281A (zh) * | 2018-04-26 | 2020-11-27 | 谷歌有限责任公司 | 智能设备上的功率管理的系统和方法 |
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 |
CN112414552A (zh) * | 2020-11-24 | 2021-02-26 | 西南交通大学 | 用于电梯上的体温检测装置及其体温计算方法 |
CN113810664A (zh) * | 2021-09-15 | 2021-12-17 | 国家石油天然气管网集团有限公司 | 管道工程建设的焊坑安全监控方法及系统 |
US11871140B2 (en) | 2017-12-26 | 2024-01-09 | Pixart Imaging Inc. | Motion detection methods and image sensor devices capable of generating ranking list of regions of interest and pre-recording monitoring images |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090109400A1 (en) * | 2007-10-25 | 2009-04-30 | Tomoaki Yoshinaga | Gaze direction measuring method and gaze direction measuring device |
CN102610057A (zh) * | 2011-01-25 | 2012-07-25 | 深圳市高斯贝尔家居智能电子有限公司 | 车载信息智能处理系统和方法 |
CN103905706A (zh) * | 2014-04-21 | 2014-07-02 | 天彩电子(深圳)有限公司 | 一种网络摄像机及其控制方法 |
CN104391966A (zh) * | 2014-12-03 | 2015-03-04 | 中国人民解放军国防科学技术大学 | 基于深度学习的典型车标搜索方法 |
CN104811595A (zh) * | 2015-04-08 | 2015-07-29 | 合肥君正科技有限公司 | 一种网络监控摄像机及其工作方法 |
-
2015
- 2015-10-16 CN CN201510666479.7A patent/CN105163095A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090109400A1 (en) * | 2007-10-25 | 2009-04-30 | Tomoaki Yoshinaga | Gaze direction measuring method and gaze direction measuring device |
CN102610057A (zh) * | 2011-01-25 | 2012-07-25 | 深圳市高斯贝尔家居智能电子有限公司 | 车载信息智能处理系统和方法 |
CN103905706A (zh) * | 2014-04-21 | 2014-07-02 | 天彩电子(深圳)有限公司 | 一种网络摄像机及其控制方法 |
CN104391966A (zh) * | 2014-12-03 | 2015-03-04 | 中国人民解放军国防科学技术大学 | 基于深度学习的典型车标搜索方法 |
CN104811595A (zh) * | 2015-04-08 | 2015-07-29 | 合肥君正科技有限公司 | 一种网络监控摄像机及其工作方法 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109963046A (zh) * | 2017-12-26 | 2019-07-02 | 原盛科技股份有限公司 | 移动侦测装置以及相关移动侦测方法 |
CN109963046B (zh) * | 2017-12-26 | 2021-06-04 | 原相科技股份有限公司 | 移动侦测装置以及相关移动侦测方法 |
US11871140B2 (en) | 2017-12-26 | 2024-01-09 | Pixart Imaging Inc. | Motion detection methods and image sensor devices capable of generating ranking list of regions of interest and pre-recording monitoring images |
CN112005281A (zh) * | 2018-04-26 | 2020-11-27 | 谷歌有限责任公司 | 智能设备上的功率管理的系统和方法 |
US11743578B2 (en) | 2018-04-26 | 2023-08-29 | Google Llc | Systems and methods of power-management on smart devices |
CN109359562A (zh) * | 2018-09-29 | 2019-02-19 | 佳都新太科技股份有限公司 | 目标识别方法、装置、目标识别设备及存储介质 |
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 |
CN110941991B (zh) * | 2019-10-28 | 2023-05-23 | 成都华迈通信技术有限公司 | 一种多通道结构化数据采集系统及数据采集方法 |
CN110941991A (zh) * | 2019-10-28 | 2020-03-31 | 成都华迈通信技术有限公司 | 一种多通道结构化数据采集系统及数据采集方法 |
CN111917974A (zh) * | 2020-06-24 | 2020-11-10 | 济南浪潮高新科技投资发展有限公司 | 一种基于fpga的视频处理系统、方法、设备及介质 |
CN111917974B (zh) * | 2020-06-24 | 2022-04-15 | 山东浪潮科学研究院有限公司 | 一种基于fpga的视频处理系统、方法、设备及介质 |
CN112414552A (zh) * | 2020-11-24 | 2021-02-26 | 西南交通大学 | 用于电梯上的体温检测装置及其体温计算方法 |
CN113810664A (zh) * | 2021-09-15 | 2021-12-17 | 国家石油天然气管网集团有限公司 | 管道工程建设的焊坑安全监控方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105163095A (zh) | 面向偏僻地段的人体目标监控方法 | |
Gaur et al. | Video flame and smoke based fire detection algorithms: A literature review | |
CN106203274B (zh) | 一种视频监控中行人实时检测系统及方法 | |
Gajjar et al. | Human detection and tracking for video surveillance: A cognitive science approach | |
CN103839346B (zh) | 一种智能门窗防入侵装置以及系统、智能门禁系统 | |
CN109145742B (zh) | 一种行人识别方法及系统 | |
CN103824070B (zh) | 一种基于计算机视觉的快速行人检测方法 | |
CN102855622B (zh) | 一种基于显著性分析的红外遥感图像海面船只检测方法 | |
CN104751136B (zh) | 一种基于人脸识别的多相机视频事件回溯追踪方法 | |
Kumar et al. | Fusion of thermal infrared and visible spectrum video for robust surveillance | |
CN101226597B (zh) | 一种基于热红外步态的夜间行人识别方法及系统 | |
CN106448160B (zh) | 结合车辆行驶轨迹和监控视频数据的目标人物追踪方法 | |
CN105868689A (zh) | 一种基于级联卷积神经网络的人脸遮挡检测方法 | |
CN103246896B (zh) | 一种鲁棒性车辆实时检测与跟踪方法 | |
CN103839373A (zh) | 一种突发异常事件智能识别报警装置及报警系统 | |
CN106446926A (zh) | 一种基于视频分析的变电站工人安全帽佩戴检测方法 | |
CN108986158A (zh) | 一种基于目标再识别的跨场景追踪方法和装置及计算机视觉平台 | |
CN107230267B (zh) | 基于人脸识别算法的幼儿园智能签到方法 | |
CN103605971B (zh) | 一种捕获人脸图像的方法及装置 | |
CN103164858A (zh) | 基于超像素和图模型的粘连人群分割与跟踪方法 | |
US8965068B2 (en) | Apparatus and method for discriminating disguised face | |
CN102521565A (zh) | 低分辨率视频的服装识别方法及系统 | |
CN102968802A (zh) | 一种基于视频监控的运动目标分析跟踪方法及系统 | |
CN104778474A (zh) | 一种用于目标检测的分类器构建方法及目标检测方法 | |
Almagambetov et al. | Mobile standards-based traffic light detection in assistive devices for individuals with color-vision deficiency |
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 |
Application publication date: 20151216 |
|
WD01 | Invention patent application deemed withdrawn after publication |