CN105869185A - 一种自动门 - Google Patents
一种自动门 Download PDFInfo
- Publication number
- CN105869185A CN105869185A CN201610237718.1A CN201610237718A CN105869185A CN 105869185 A CN105869185 A CN 105869185A CN 201610237718 A CN201610237718 A CN 201610237718A CN 105869185 A CN105869185 A CN 105869185A
- Authority
- CN
- China
- Prior art keywords
- module
- background
- image
- video image
- sequence information
- 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
- 238000001914 filtration Methods 0.000 claims abstract description 49
- 238000001514 detection method Methods 0.000 claims abstract description 26
- 238000012544 monitoring process Methods 0.000 claims description 35
- 238000000034 method Methods 0.000 claims description 20
- 230000008878 coupling Effects 0.000 claims description 7
- 238000010168 coupling process Methods 0.000 claims description 7
- 238000005859 coupling reaction Methods 0.000 claims description 7
- 239000007787 solid Substances 0.000 claims description 7
- 238000005303 weighing Methods 0.000 claims description 7
- 230000002093 peripheral effect Effects 0.000 abstract 3
- 238000012806 monitoring device Methods 0.000 abstract 2
- 230000007423 decrease Effects 0.000 description 6
- 238000007689 inspection Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
Classifications
-
- G06T5/70—
-
- E—FIXED CONSTRUCTIONS
- E05—LOCKS; KEYS; WINDOW OR DOOR FITTINGS; SAFES
- E05F—DEVICES FOR MOVING WINGS INTO OPEN OR CLOSED POSITION; CHECKS FOR WINGS; WING FITTINGS NOT OTHERWISE PROVIDED FOR, CONCERNED WITH THE FUNCTIONING OF THE WING
- E05F15/00—Power-operated mechanisms for wings
- E05F15/70—Power-operated mechanisms for wings with automatic actuation
- E05F15/73—Power-operated mechanisms for wings with automatic actuation responsive to movement or presence of persons or objects
-
- E—FIXED CONSTRUCTIONS
- E06—DOORS, WINDOWS, SHUTTERS, OR ROLLER BLINDS IN GENERAL; LADDERS
- E06B—FIXED OR MOVABLE CLOSURES FOR OPENINGS IN BUILDINGS, VEHICLES, FENCES OR LIKE ENCLOSURES IN GENERAL, e.g. DOORS, WINDOWS, BLINDS, GATES
- E06B7/00—Special arrangements or measures in connection with doors or windows
- E06B7/28—Other arrangements on doors or windows, e.g. door-plates, windows adapted to carry plants, hooks for window cleaners
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/68—Control of cameras or camera modules for stable pick-up of the scene, e.g. compensating for camera body vibrations
- H04N23/682—Vibration or motion blur correction
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- E—FIXED CONSTRUCTIONS
- E05—LOCKS; KEYS; WINDOW OR DOOR FITTINGS; SAFES
- E05F—DEVICES FOR MOVING WINGS INTO OPEN OR CLOSED POSITION; CHECKS FOR WINGS; WING FITTINGS NOT OTHERWISE PROVIDED FOR, CONCERNED WITH THE FUNCTIONING OF THE WING
- E05F15/00—Power-operated mechanisms for wings
- E05F15/70—Power-operated mechanisms for wings with automatic actuation
- E05F15/73—Power-operated mechanisms for wings with automatic actuation responsive to movement or presence of persons or objects
- E05F2015/767—Power-operated mechanisms for wings with automatic actuation responsive to movement or presence of persons or objects using cameras
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Abstract
本发明提供一种自动门,包括自动门和安装在自动门上的视频监控装置,其中,视频监控装置包括:(1)图像采集模块,用于采集视频监控图像;(2)图像初处理模块,用于对所述原视频图像序列信息进行运动目标的初步检测处理并输出包含有运动目标的有效视频图像序列信息;(3)滤波模块,用于接收所述有效视频图像序列信息并对有效视频图像序列信息的背景形状进行滤波处理;(4)背景建模模块,用于建立滤波后的背景模型,所述背景模型设定由N个带权重的表示边缘点的形状上下文直方图组成;(5)背景消减模块,用于对当前帧图像上的边缘点进行属性分类并消减属于背景的边缘点;(6)特征匹配模块。本发明能最大程度的减少由于背景噪声和摄像机抖动造成的对运动目标的误检,且实时性好。
Description
技术领域
本发明涉及智能门禁领域,具体涉及一种自动门。
背景技术
相关技术中的视频监控装置,存在以下问题:(1)在视频监控系列图像中由于背景噪声的存在而将背景误检为运动目标;(2)在视频监控过程中存在轻微抖动,会将背景误检为运动目标;(3)在对运动目标的检测过程中,存在计算量大,实时性差的问题而不能及时检测到运动目标。
发明内容
针对上述问题,本发明提供一种自动门,该装置中的视频监控装置能最大程度的减少由于背景噪声和摄像机抖动造成的对运动目标的误检,且实时性好。
本发明的目的采用以下技术方案来实现:
提供了一种自动门,包括自动门和安装在自动门上的视频监控装置,其中,视频监控装置包括:
(1)图像采集模块,用于采集视频监控图像,其连接至视频监控设备并采集其中的原视频图像序列信息;
(2)图像初处理模块,与图像采集模块连接,用于对所述原视频图像序列信息进行运动目标的初步检测处理并输出包含有运动目标的有效视频图像序列信息;
(3)滤波模块,与图像初处理模块连接,用于接收所述有效视频图像序列信息并对有效视频图像序列信息的背景形状进行滤波处理,包括采用维纳波对所述背景形状进行初次滤波的一级滤除子模块和采用高斯滤波对初次滤波后的背景形状再次进行滤波的二级滤除子模块;
(4)背景建模模块,与滤波模块连接,用于建立滤波后的背景模型,所述背景模型设定由N个带权重的表示边缘点的形状上下文直方图组成,背景模型上边缘点的形状上下文直方图表示为:
其中,x为背景边缘点坐标,N表示所包含的形状上下文直方图的个数,N的取值范围为[5,10],wn,x表示第n个形状上下文直方图对应的权重,Bl表示对以背景边缘点x为极坐标圆心、半径为R的圆按照对数距离建立的同心圆个数,Bθ表示对圆周角划分的等份数;
(5)背景消减模块,与背景建模模块连接,用于对当前帧图像上的边缘点进行属性分类并消减属于背景的边缘点,包括匹配度计算子模块、约束条件计算子模块、属性判定子模块和消减子模块,所述匹配度计算子模块、约束条件计算子模块皆连接至所述属性判定子模块,所述属性判定子模块连接至所述消减子模块,其中:
a、匹配度计算子模块,用于计算当前帧图像上边缘点的形状上下文直方图与所述背景模型上相对应边缘点的形状上下文直方图之间的匹配度,所述匹配度的计算公式为:
式中,表示当前帧图像上的边缘点x的形状上下文直方图,表示背景模型上相对应边缘点x的形状上下文直方图,n=1,...N;表示边缘点x的邻域,用来衡量两边缘点的形状上下文直方图的差异,越小,表明两边缘点的形状上下文直方图差异越小;
b、约束条件计算子模块,用于计算当前帧图像上边缘点的形状上下文直方图与所述背景模型上相对应的形状上下文直方图的差异之间的约束条件,约束条件公式为:
c、属性判定子模块,所述属性判定子模块用于判定当前帧图像上的边缘点的属性,所述当前帧图像上的边缘点为属于背景的边缘点的判定条件为:
且
其中,TP为根据背景模型设定的匹配度阈值,TY为根据背景模型设定的约束条件阈值;
d、消减子模块,用于剔除由属性判定子模块判定为属于背景的边缘点并输出属于运动目标的区域图像;
(6)特征匹配模块,与消减子模块连接,用于将所述属于运动目标的区域图像与数据库中预定模板进行特征匹配,若匹配则打开自动门。
优选地,所述图像初处理模块包括:
a、参考有效度设定子模块,用于存储含运动目标的视频图像样本的有效度参考阈值,所述有效度表示用于判定原视频图像序列信息中第m帧视频图像是否为所述有效视频图像的判定因子,所述有效度参考阈值包括亮度变化率参考阈值和目标尺寸参考阈值;
b、实际有效度计算子模块,用于计算原视频图像序列信息中第m帧视频图像的有效度,有效度的计算公式为:
其中,V表示有效度,Lm为第m帧视频图像的亮度变化率,M表示原视频图像序列信息中所包含的视频图像总帧数,m=1,...M,mv为原视频图像序列信息中亮度变化率大于亮度变化率参考阈值的视频图像的总帧数,d为第m帧视频图像的目标尺寸,dp为目标尺寸参考阈值;
c、输出子模块,用于输出属于有效视频图像序列的图像信息,当所述当前帧图像的有效度大于所述有效度参考阈值时,所述输出子模块输出所述当前帧图像。
本发明的有益效果为:
1、设置图像初处理模块,用于对所述原视频图像序列信息进行运动目标的初步检测处理并输出包含有运动目标的有效视频图像序列信息,能够大大节约存储空间,提高检测的速度;
2、设置滤波模块,对局部形状进行滤波处理,能够有效地滤出环境噪声,避免将噪声误检为运动目标;
3、设置背景建模模块,采用加权形状上下文直方图对由滤波模块滤波后的背景进行建模,最大程度的减少了由于背景噪声和摄像机抖动造成的对运动目标的误检;
4、在建模过程中,仅对边缘点的形状上下文直方图进行计算,大大节约了存储空间,提高了运算速度,系统的实时性得到增强;
5、设置背景消减模块,引入匹配度和匹配约束条件对背景进行消减,能够快速准确的对运动目标进行配准,完成检测。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明各模块的连接示意图。
具体实施方式
结合以下实施例对本发明作进一步描述。
实施例1
参见图1,本实施例的自动门包括自动门和安装在自动门上的视频监控装置,其中,视频监控装置包括:
(1)图像采集模块,用于采集视频监控图像,其连接至视频监控设备并采集其中的原视频图像序列信息;
(2)图像初处理模块,与图像采集模块连接,用于对所述原视频图像序列信息进行运动目标的初步检测处理并输出包含有运动目标的有效视频图像序列信息,所述图像初处理模块包括:
a、参考有效度设定子模块,用于存储含运动目标的视频图像样本的有效度参考阈值,所述有效度表示用于判定原视频图像序列信息中第m帧视频图像是否为所述有效视频图像的判定因子,所述有效度参考阈值包括亮度变化率参考阈值和目标尺寸参考阈值;
b、实际有效度计算子模块,用于计算原视频图像序列信息中第m帧视频图像的有效度,有效度的计算公式为:
其中,V表示有效度,Lm为第m帧视频图像的亮度变化率,M表示原视频图像序列信息中所包含的视频图像总帧数,m=1,...M,mv为原视频图像序列信息中亮度变化率大于亮度变化率参考阈值的视频图像的总帧数,d为第m帧视频图像的目标尺寸,dp为目标尺寸参考阈值;
c、输出子模块,用于输出属于有效视频图像序列的图像信息,当所述当前帧图像的有效度大于所述有效度参考阈值时,所述输出子模块输出所述当前帧图像;
(3)滤波模块,与图像初处理模块连接,用于接收所述有效视频图像序列信息并对有效视频图像序列信息的背景形状进行滤波处理,包括采用维纳波对所述背景形状进行初次滤波的一级滤除子模块和采用高斯滤波对初次滤波后的背景形状再次进行滤波的二级滤除子模块;
(4)背景建模模块,与滤波模块连接,用于建立滤波后的背景模型,所述背景模型设定由N个带权重的表示边缘点的形状上下文直方图组成,背景模型上边缘点的形状上下文直方图表示为:
其中,x为背景边缘点坐标,N表示所包含的形状上下文直方图的个数,N的取值范围为[5,10],wn,x表示第n个形状上下文直方图对应的权重,Bl表示对以背景边缘点x为极坐标圆心、半径为R的圆按照对数距离建立的同心圆个数,Bθ表示对圆周角划分的等份数;
(5)背景消减模块,与背景建模模块连接,用于对当前帧图像上的边缘点进行属性分类并消减属于背景的边缘点,包括匹配度计算子模块、约束条件计算子模块、属性判定子模块和消减子模块,所述匹配度计算子模块、约束条件计算子模块皆连接至所述属性判定子模块,所述属性判定子模块连接至所述消减子模块,其中:
a、匹配度计算子模块,用于计算当前帧图像上边缘点的形状上下文直方图与所述背景模型上相对应边缘点的形状上下文直方图之间的匹配度,所述匹配度的计算公式为:
式中,表示当前帧图像上的边缘点x的形状上下文直方图,表示背景模型上相对应边缘点x的形状上下文直方图,n=1,...N;表示边缘点x的邻域,用来衡量两边缘点的形状上下文直方图的差异,越小,表明两边缘点的形状上下文直方图差异越小;
b、约束条件计算子模块,用于计算当前帧图像上边缘点的形状上下文直方图与所述背景模型上相对应的形状上下文直方图的差异之间的约束条件,约束条件公式为:
c、属性判定子模块,所述属性判定子模块用于判定当前帧图像上的边缘点的属性,所述当前帧图像上的边缘点为属于背景的边缘点的判定条件为:
且
其中,TP为根据背景模型设定的匹配度阈值,TY为根据背景模型设定的约束条件阈值;
d、消减子模块,用于剔除由属性判定子模块判定为属于背景的边缘点并输出属于运动目标的区域图像;
(6)特征匹配模块,与消减子模块连接,用于将所述属于运动目标的区域图像与数据库中预定模板进行特征匹配,若匹配则打开自动门。
本实施例设置图像初处理模块,用于对所述原视频图像序列信息进行运动目标的初步检测处理并输出包含有运动目标的有效视频图像序列信息,能够大大节约存储空间,提高检测的速度;设置滤波模块,对局部形状进行滤波处理,能够有效地滤出环境噪声,避免将噪声误检为运动目标;设置背景建模模块,采用加权形状上下文直方图对由滤波模块滤波后的背景进行建模,最大程度的减少了由于背景噪声和摄像机抖动造成的对运动目标的误检;在建模过程中,仅对边缘点的形状上下文直方图进行计算,大大节约了存储空间,提高了运算速度,系统的实时性得到增强;设置背景消减模块,引入匹配度和匹配约束条件对背景进行消减,能够快速准确的对运动目标进行配准,完成检测;其中,N值越大对背景的动态性适应能力越强,但会占用更多地存储资源,增加计算量,实时性也会变差,本实施例取值N=5,与相对技术中的视频监控装置相比,误检率降低了1%,运算速度提高了5%。
实施例2
参见图1,本实施例的自动门包括自动门和安装在自动门上的视频监控装置,其中,视频监控装置包括:
(1)图像采集模块,用于采集视频监控图像,其连接至视频监控设备并采集其中的原视频图像序列信息;
(2)图像初处理模块,与图像采集模块连接,用于对所述原视频图像序列信息进行运动目标的初步检测处理并输出包含有运动目标的有效视频图像序列信息,所述图像初处理模块包括:
a、参考有效度设定子模块,用于存储含运动目标的视频图像样本的有效度参考阈值,所述有效度表示用于判定原视频图像序列信息中第m帧视频图像是否为所述有效视频图像的判定因子,所述有效度参考阈值包括亮度变化率参考阈值和目标尺寸参考阈值;
b、实际有效度计算子模块,用于计算原视频图像序列信息中第m帧视频图像的有效度,有效度的计算公式为:
其中,V表示有效度,Lm为第m帧视频图像的亮度变化率,M表示原视频图像序列信息中所包含的视频图像总帧数,m=1,...M,mv为原视频图像序列信息中亮度变化率大于亮度变化率参考阈值的视频图像的总帧数,d为第m帧视频图像的目标尺寸,dp为目标尺寸参考阈值;
c、输出子模块,用于输出属于有效视频图像序列的图像信息,当所述当前帧图像的有效度大于所述有效度参考阈值时,所述输出子模块输出所述当前帧图像;
(3)滤波模块,与图像初处理模块连接,用于接收所述有效视频图像序列信息并对有效视频图像序列信息的背景形状进行滤波处理,包括采用维纳波对所述背景形状进行初次滤波的一级滤除子模块和采用高斯滤波对初次滤波后的背景形状再次进行滤波的二级滤除子模块;
(4)背景建模模块,与滤波模块连接,用于建立滤波后的背景模型,所述背景模型设定由N个带权重的表示边缘点的形状上下文直方图组成,背景模型上边缘点的形状上下文直方图表示为:
其中,x为背景边缘点坐标,N表示所包含的形状上下文直方图的个数,N的取值范围为[5,10],wn,x表示第n个形状上下文直方图对应的权重,Bl表示对以背景边缘点x为极坐标圆心、半径为R的圆按照对数距离建立的同心圆个数,Bθ表示对圆周角划分的等份数;
(5)背景消减模块,与背景建模模块连接,用于对当前帧图像上的边缘点进行属性分类并消减属于背景的边缘点,包括匹配度计算子模块、约束条件计算子模块、属性判定子模块和消减子模块,所述匹配度计算子模块、约束条件计算子模块皆连接至所述属性判定子模块,所述属性判定子模块连接至所述消减子模块,其中:
a、匹配度计算子模块,用于计算当前帧图像上边缘点的形状上下文直方图与所述背景模型上相对应边缘点的形状上下文直方图之间的匹配度,所述匹配度的计算公式为:
式中,表示当前帧图像上的边缘点x的形状上下文直方图,表示背景模型上相对应边缘点x的形状上下文直方图,n=1,...N;表示边缘点x的邻域,用来衡量两边缘点的形状上下文直方图的差异,越小,表明两边缘点的形状上下文直方图差异越小;
b、约束条件计算子模块,用于计算当前帧图像上边缘点的形状上下文直方图与所述背景模型上相对应的形状上下文直方图的差异之间的约束条件,约束条件公式为:
c、属性判定子模块,所述属性判定子模块用于判定当前帧图像上的边缘点的属性,所述当前帧图像上的边缘点为属于背景的边缘点的判定条件为:
且
其中,TP为根据背景模型设定的匹配度阈值,TY为根据背景模型设定的约束条件阈值;
d、消减子模块,用于剔除由属性判定子模块判定为属于背景的边缘点并输出属于运动目标的区域图像;
(6)特征匹配模块,与消减子模块连接,用于将所述属于运动目标的区域图像与数据库中预定模板进行特征匹配,若匹配则打开自动门。
本实施例设置图像初处理模块,用于对所述原视频图像序列信息进行运动目标的初步检测处理并输出包含有运动目标的有效视频图像序列信息,能够大大节约存储空间,提高检测的速度;设置滤波模块,对局部形状进行滤波处理,能够有效地滤出环境噪声,避免将噪声误检为运动目标;设置背景建模模块,采用加权形状上下文直方图对由滤波模块滤波后的背景进行建模,最大程度的减少了由于背景噪声和摄像机抖动造成的对运动目标的误检;在建模过程中,仅对边缘点的形状上下文直方图进行计算,大大节约了存储空间,提高了运算速度,系统的实时性得到增强;设置背景消减模块,引入匹配度和匹配约束条件对背景进行消减,能够快速准确的对运动目标进行配准,完成检测;其中,N值越大对背景的动态性适应能力越强,但会占用更多地存储资源,增加计算量,实时性也会变差,本实施例取值N=6,与相对技术中的视频监控装置相比,误检率降低了2%,运算速度提高了4.5%。
实施例3
参见图1,本实施例的自动门包括自动门和安装在自动门上的视频监控装置,其中,视频监控装置包括:
(1)图像采集模块,用于采集视频监控图像,其连接至视频监控设备并采集其中的原视频图像序列信息;
(2)图像初处理模块,与图像采集模块连接,用于对所述原视频图像序列信息进行运动目标的初步检测处理并输出包含有运动目标的有效视频图像序列信息,所述图像初处理模块包括:
a、参考有效度设定子模块,用于存储含运动目标的视频图像样本的有效度参考阈值,所述有效度表示用于判定原视频图像序列信息中第m帧视频图像是否为所述有效视频图像的判定因子,所述有效度参考阈值包括亮度变化率参考阈值和目标尺寸参考阈值;
b、实际有效度计算子模块,用于计算原视频图像序列信息中第m帧视频图像的有效度,有效度的计算公式为:
其中,V表示有效度,Lm为第m帧视频图像的亮度变化率,M表示原视频图像序列信息中所包含的视频图像总帧数,m=1,...M,mv为原视频图像序列信息中亮度变化率大于亮度变化率参考阈值的视频图像的总帧数,d为第m帧视频图像的目标尺寸,dp为目标尺寸参考阈值;
c、输出子模块,用于输出属于有效视频图像序列的图像信息,当所述当前帧图像的有效度大于所述有效度参考阈值时,所述输出子模块输出所述当前帧图像;
(3)滤波模块,与图像初处理模块连接,用于接收所述有效视频图像序列信息并对有效视频图像序列信息的背景形状进行滤波处理,包括采用维纳波对所述背景形状进行初次滤波的一级滤除子模块和采用高斯滤波对初次滤波后的背景形状再次进行滤波的二级滤除子模块;
(4)背景建模模块,与滤波模块连接,用于建立滤波后的背景模型,所述背景模型设定由N个带权重的表示边缘点的形状上下文直方图组成,背景模型上边缘点的形状上下文直方图表示为:
其中,x为背景边缘点坐标,N表示所包含的形状上下文直方图的个数,N的取值范围为[5,10],wn,x表示第n个形状上下文直方图对应的权重,Bl表示对以背景边缘点x为极坐标圆心、半径为R的圆按照对数距离建立的同心圆个数,Bθ表示对圆周角划分的等份数;
(5)背景消减模块,与背景建模模块连接,用于对当前帧图像上的边缘点进行属性分类并消减属于背景的边缘点,包括匹配度计算子模块、约束条件计算子模块、属性判定子模块和消减子模块,所述匹配度计算子模块、约束条件计算子模块皆连接至所述属性判定子模块,所述属性判定子模块连接至所述消减子模块,其中:
a、匹配度计算子模块,用于计算当前帧图像上边缘点的形状上下文直方图与所述背景模型上相对应边缘点的形状上下文直方图之间的匹配度,所述匹配度的计算公式为:
式中,表示当前帧图像上的边缘点x的形状上下文直方图,表示背景模型上相对应边缘点x的形状上下文直方图,n=1,...N;表示边缘点x的邻域,用来衡量两边缘点的形状上下文直方图的差异,越小,表明两边缘点的形状上下文直方图差异越小;
b、约束条件计算子模块,用于计算当前帧图像上边缘点的形状上下文直方图与所述背景模型上相对应的形状上下文直方图的差异之间的约束条件,约束条件公式为:
c、属性判定子模块,所述属性判定子模块用于判定当前帧图像上的边缘点的属性,所述当前帧图像上的边缘点为属于背景的边缘点的判定条件为:
且
其中,TP为根据背景模型设定的匹配度阈值,TY为根据背景模型设定的约束条件阈值;
d、消减子模块,用于剔除由属性判定子模块判定为属于背景的边缘点并输出属于运动目标的区域图像;
(6)特征匹配模块,与消减子模块连接,用于将所述属于运动目标的区域图像与数据库中预定模板进行特征匹配,若匹配则打开自动门。
本实施例设置图像初处理模块,用于对所述原视频图像序列信息进行运动目标的初步检测处理并输出包含有运动目标的有效视频图像序列信息,能够大大节约存储空间,提高检测的速度;设置滤波模块,对局部形状进行滤波处理,能够有效地滤出环境噪声,避免将噪声误检为运动目标;设置背景建模模块,采用加权形状上下文直方图对由滤波模块滤波后的背景进行建模,最大程度的减少了由于背景噪声和摄像机抖动造成的对运动目标的误检;在建模过程中,仅对边缘点的形状上下文直方图进行计算,大大节约了存储空间,提高了运算速度,系统的实时性得到增强;设置背景消减模块,引入匹配度和匹配约束条件对背景进行消减,能够快速准确的对运动目标进行配准,完成检测;其中,N值越大对背景的动态性适应能力越强,但会占用更多地存储资源,增加计算量,实时性也会变差,本实施例取值N=7,与相对技术中的视频监控装置相比,误检率降低了3.5%,运算速度提高了4%。
实施例4
参见图1,本实施例的自动门包括自动门和安装在自动门上的视频监控装置,其中,视频监控装置包括:
(1)图像采集模块,用于采集视频监控图像,其连接至视频监控设备并采集其中的原视频图像序列信息;
(2)图像初处理模块,与图像采集模块连接,用于对所述原视频图像序列信息进行运动目标的初步检测处理并输出包含有运动目标的有效视频图像序列信息,所述图像初处理模块包括:
a、参考有效度设定子模块,用于存储含运动目标的视频图像样本的有效度参考阈值,所述有效度表示用于判定原视频图像序列信息中第m帧视频图像是否为所述有效视频图像的判定因子,所述有效度参考阈值包括亮度变化率参考阈值和目标尺寸参考阈值;
b、实际有效度计算子模块,用于计算原视频图像序列信息中第m帧视频图像的有效度,有效度的计算公式为:
其中,V表示有效度,Lm为第m帧视频图像的亮度变化率,M表示原视频图像序列信息中所包含的视频图像总帧数,m=1,...M,mv为原视频图像序列信息中亮度变化率大于亮度变化率参考阈值的视频图像的总帧数,d为第m帧视频图像的目标尺寸,dp为目标尺寸参考阈值;
c、输出子模块,用于输出属于有效视频图像序列的图像信息,当所述当前帧图像的有效度大于所述有效度参考阈值时,所述输出子模块输出所述当前帧图像;
(3)滤波模块,与图像初处理模块连接,用于接收所述有效视频图像序列信息并对有效视频图像序列信息的背景形状进行滤波处理,包括采用维纳波对所述背景形状进行初次滤波的一级滤除子模块和采用高斯滤波对初次滤波后的背景形状再次进行滤波的二级滤除子模块;
(4)背景建模模块,与滤波模块连接,用于建立滤波后的背景模型,所述背景模型设定由N个带权重的表示边缘点的形状上下文直方图组成,背景模型上边缘点的形状上下文直方图表示为:
其中,x为背景边缘点坐标,N表示所包含的形状上下文直方图的个数,N的取值范围为[5,10],wn,x表示第n个形状上下文直方图对应的权重,Bl表示对以背景边缘点x为极坐标圆心、半径为R的圆按照对数距离建立的同心圆个数,Bθ表示对圆周角划分的等份数;
(5)背景消减模块,与背景建模模块连接,用于对当前帧图像上的边缘点进行属性分类并消减属于背景的边缘点,包括匹配度计算子模块、约束条件计算子模块、属性判定子模块和消减子模块,所述匹配度计算子模块、约束条件计算子模块皆连接至所述属性判定子模块,所述属性判定子模块连接至所述消减子模块,其中:
a、匹配度计算子模块,用于计算当前帧图像上边缘点的形状上下文直方图与所述背景模型上相对应边缘点的形状上下文直方图之间的匹配度,所述匹配度的计算公式为:
式中,表示当前帧图像上的边缘点x的形状上下文直方图,表示背景模型上相对应边缘点x的形状上下文直方图,n=1,...N;表示边缘点x的邻域,用来衡量两边缘点的形状上下文直方图的差异,越小,表明两边缘点的形状上下文直方图差异越小;
b、约束条件计算子模块,用于计算当前帧图像上边缘点的形状上下文直方图与所述背景模型上相对应的形状上下文直方图的差异之间的约束条件,约束条件公式为:
c、属性判定子模块,所述属性判定子模块用于判定当前帧图像上的边缘点的属性,所述当前帧图像上的边缘点为属于背景的边缘点的判定条件为:
且
其中,TP为根据背景模型设定的匹配度阈值,TY为根据背景模型设定的约束条件阈值;
d、消减子模块,用于剔除由属性判定子模块判定为属于背景的边缘点并输出属于运动目标的区域图像;
(6)特征匹配模块,与消减子模块连接,用于将所述属于运动目标的区域图像与数据库中预定模板进行特征匹配,若匹配则打开自动门。
本实施例设置图像初处理模块,用于对所述原视频图像序列信息进行运动目标的初步检测处理并输出包含有运动目标的有效视频图像序列信息,能够大大节约存储空间,提高检测的速度;设置滤波模块,对局部形状进行滤波处理,能够有效地滤出环境噪声,避免将噪声误检为运动目标;设置背景建模模块,采用加权形状上下文直方图对由滤波模块滤波后的背景进行建模,最大程度的减少了由于背景噪声和摄像机抖动造成的对运动目标的误检;在建模过程中,仅对边缘点的形状上下文直方图进行计算,大大节约了存储空间,提高了运算速度,系统的实时性得到增强;设置背景消减模块,引入匹配度和匹配约束条件对背景进行消减,能够快速准确的对运动目标进行配准,完成检测;其中,N值越大对背景的动态性适应能力越强,但会占用更多地存储资源,增加计算量,实时性也会变差,本实施例取值N=8,与相对技术中的视频监控装置相比,误检率降低了4%,运算速度提高了3.7%。
实施例5
参见图1,本实施例的自动门包括自动门和安装在自动门上的视频监控装置,其中,视频监控装置包括:
(1)图像采集模块,用于采集视频监控图像,其连接至视频监控设备并采集其中的原视频图像序列信息;
(2)图像初处理模块,与图像采集模块连接,用于对所述原视频图像序列信息进行运动目标的初步检测处理并输出包含有运动目标的有效视频图像序列信息,所述图像初处理模块包括:
a、参考有效度设定子模块,用于存储含运动目标的视频图像样本的有效度参考阈值,所述有效度表示用于判定原视频图像序列信息中第m帧视频图像是否为所述有效视频图像的判定因子,所述有效度参考阈值包括亮度变化率参考阈值和目标尺寸参考阈值;
b、实际有效度计算子模块,用于计算原视频图像序列信息中第m帧视频图像的有效度,有效度的计算公式为:
其中,V表示有效度,Lm为第m帧视频图像的亮度变化率,M表示原视频图像序列信息中所包含的视频图像总帧数,m=1,...M,mv为原视频图像序列信息中亮度变化率大于亮度变化率参考阈值的视频图像的总帧数,d为第m帧视频图像的目标尺寸,dp为目标尺寸参考阈值;
c、输出子模块,用于输出属于有效视频图像序列的图像信息,当所述当前帧图像的有效度大于所述有效度参考阈值时,所述输出子模块输出所述当前帧图像;
(3)滤波模块,与图像初处理模块连接,用于接收所述有效视频图像序列信息并对有效视频图像序列信息的背景形状进行滤波处理,包括采用维纳波对所述背景形状进行初次滤波的一级滤除子模块和采用高斯滤波对初次滤波后的背景形状再次进行滤波的二级滤除子模块;
(4)背景建模模块,与滤波模块连接,用于建立滤波后的背景模型,所述背景模型设定由N个带权重的表示边缘点的形状上下文直方图组成,背景模型上边缘点的形状上下文直方图表示为:
其中,x为背景边缘点坐标,N表示所包含的形状上下文直方图的个数,N的取值范围为[5,10],wn,x表示第n个形状上下文直方图对应的权重,Bl表示对以背景边缘点x为极坐标圆心、半径为R的圆按照对数距离建立的同心圆个数,Bθ表示对圆周角划分的等份数;
(5)背景消减模块,与背景建模模块连接,用于对当前帧图像上的边缘点进行属性分类并消减属于背景的边缘点,包括匹配度计算子模块、约束条件计算子模块、属性判定子模块和消减子模块,所述匹配度计算子模块、约束条件计算子模块皆连接至所述属性判定子模块,所述属性判定子模块连接至所述消减子模块,其中:
a、匹配度计算子模块,用于计算当前帧图像上边缘点的形状上下文直方图与所述背景模型上相对应边缘点的形状上下文直方图之间的匹配度,所述匹配度的计算公式为:
式中,表示当前帧图像上的边缘点x的形状上下文直方图,表示背景模型上相对应边缘点x的形状上下文直方图,n=1,...N;表示边缘点x的邻域,用来衡量两边缘点的形状上下文直方图的差异,越小,表明两边缘点的形状上下文直方图差异越小;
b、约束条件计算子模块,用于计算当前帧图像上边缘点的形状上下文直方图与所述背景模型上相对应的形状上下文直方图的差异之间的约束条件,约束条件公式为:
c、属性判定子模块,所述属性判定子模块用于判定当前帧图像上的边缘点的属性,所述当前帧图像上的边缘点为属于背景的边缘点的判定条件为:
且
其中,TP为根据背景模型设定的匹配度阈值,TY为根据背景模型设定的约束条件阈值;
d、消减子模块,用于剔除由属性判定子模块判定为属于背景的边缘点并输出属于运动目标的区域图像;
(6)特征匹配模块,与消减子模块连接,用于将所述属于运动目标的区域图像与数据库中预定模板进行特征匹配,若匹配则打开自动门。
本实施例设置图像初处理模块,用于对所述原视频图像序列信息进行运动目标的初步检测处理并输出包含有运动目标的有效视频图像序列信息,能够大大节约存储空间,提高检测的速度;设置滤波模块,对局部形状进行滤波处理,能够有效地滤出环境噪声,避免将噪声误检为运动目标;设置背景建模模块,采用加权形状上下文直方图对由滤波模块滤波后的背景进行建模,最大程度的减少了由于背景噪声和摄像机抖动造成的对运动目标的误检;在建模过程中,仅对边缘点的形状上下文直方图进行计算,大大节约了存储空间,提高了运算速度,系统的实时性得到增强;设置背景消减模块,引入匹配度和匹配约束条件对背景进行消减,能够快速准确的对运动目标进行配准,完成检测;其中,N值越大对背景的动态性适应能力越强,但会占用更多地存储资源,增加计算量,实时性也会变差,本实施例取值N=10,与相对技术中的视频监控装置相比,误检率降低了4.2%,运算速度提高了3.5%。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (2)
1.一种自动门,其特征是,包括自动门和安装在自动门上的视频监控装置,其中,视频监控装置包括:
(1)图像采集模块,用于采集视频监控图像,其连接至视频监控设备并采集其中的原视频图像序列信息;
(2)图像初处理模块,与图像采集模块连接,用于对所述原视频图像序列信息进行运动目标的初步检测处理并输出包含有运动目标的有效视频图像序列信息;
(3)滤波模块,与图像初处理模块连接,用于接收所述有效视频图像序列信息并对有效视频图像序列信息的背景形状进行滤波处理,包括采用维纳波对所述背景形状进行初次滤波的一级滤除子模块和采用高斯滤波对初次滤波后的背景形状再次进行滤波的二级滤除子模块;
(4)背景建模模块,与滤波模块连接,用于建立滤波后的背景模型,所述背景模型设定由N个带权重的表示边缘点的形状上下文直方图组成,背景模型上边缘点的形状上下文直方图表示为:
其中,x为背景边缘点坐标,N表示所包含的形状上下文直方图的个数,N的取值范围为[5,10],wn,x表示第n个形状上下文直方图对应的权重,Bl表示对以背景边缘点x为极坐标圆心、半径为R的圆按照对数距离建立的同心圆个数,Bθ表示对圆周角划分的等份数;
(5)背景消减模块,与背景建模模块连接,用于对当前帧图像上的边缘点进行属性分类并消减属于背景的边缘点,包括匹配度计算子模块、约束条件计算子模块、属性判定子模块和消减子模块,所述匹配度计算子模块、约束条件计算子模块皆连接至所述属性判定子模块,所述属性判定子模块连接至所述消减子模块,其中:
a、匹配度计算子模块,用于计算当前帧图像上边缘点的形状上下文直方图与所述背景模型上相对应边缘点的形状上下文直方图之间的匹配度,所述匹配度的计算公式为:
式中,表示当前帧图像上的边缘点x的形状上下文直方图,表示背景模型上相对应边缘点x的形状上下文直方图,n=1,...N;表示边缘点x的邻域,用来衡量两边缘点的形状上下文直方图的差异,越小,表明两边缘点的形状上下文直方图差异越小;
b、约束条件计算子模块,用于计算当前帧图像上边缘点的形状上下文直方图与所述背景模型上相对应的形状上下文直方图的差异之间的约束条件,约束条件公式为:
c、属性判定子模块,所述属性判定子模块用于判定当前帧图像上的边缘点的属性,所述当前帧图像上的边缘点为属于背景的边缘点的判定条件为:
且
其中,TP为根据背景模型设定的匹配度阈值,TY为根据背景模型设定的约束条件阈值;
d、消减子模块,用于剔除由属性判定子模块判定为属于背景的边缘点并输出属于运动目标的区域图像;
(6)特征匹配模块,与消减子模块连接,用于将所述属于运动目标的区域图像与数据库中预定模板进行特征匹配,若匹配则打开自动门。
2.根据权利要求1所述的一种自动门,其特征是,所述图像初处理模块包括:
a、参考有效度设定子模块,用于存储含运动目标的视频图像样本的有效度参考阈值,所述有效度表示用于判定原视频图像序列信息中第m帧视频图像是否为所述有效视频图像的判定因子,所述有效度参考阈值包括亮度变化率参考阈值和目标尺寸参考阈值;
b、实际有效度计算子模块,用于计算原视频图像序列信息中第m帧视频图像的有效度,有效度的计算公式为:
其中,V表示有效度,Lm为第m帧视频图像的亮度变化率,M表示原视频图像序列信息中所包含的视频图像总帧数,m=1,...M,mv为原视频图像序列信息中亮度变化率大于亮度变化率参考阈值的视频图像的总帧数,d为第m帧视频图像的目标尺寸,dp为目标尺寸参考阈值;
c、输出子模块,用于输出属于有效视频图像序列的图像信息,当所述当前帧图像的有效度大于所述有效度参考阈值时,所述输出子模块输出所述当前帧图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610237718.1A CN105869185A (zh) | 2016-04-15 | 2016-04-15 | 一种自动门 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610237718.1A CN105869185A (zh) | 2016-04-15 | 2016-04-15 | 一种自动门 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105869185A true CN105869185A (zh) | 2016-08-17 |
Family
ID=56633127
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610237718.1A Pending CN105869185A (zh) | 2016-04-15 | 2016-04-15 | 一种自动门 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105869185A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108222749A (zh) * | 2017-12-29 | 2018-06-29 | 安徽慧视金瞳科技有限公司 | 一种基于图像分析的智能自动门控制方法 |
CN108734678A (zh) * | 2018-05-22 | 2018-11-02 | 任阿毛 | 餐桌开口封闭控制系统 |
CN113818773A (zh) * | 2021-09-18 | 2021-12-21 | 中原工学院 | 基于图像处理的安全窗户控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101169020A (zh) * | 2006-10-27 | 2008-04-30 | 上海市上海中学 | 基于视觉技术的自动门 |
CN102752574A (zh) * | 2011-04-18 | 2012-10-24 | 中兴通讯股份有限公司 | 一种视频监控系统及方法 |
CN102902819A (zh) * | 2012-10-30 | 2013-01-30 | 浙江宇视科技有限公司 | 一种视频智能分析方法及装置 |
CN105100724A (zh) * | 2015-08-13 | 2015-11-25 | 电子科技大学 | 一种基于视觉分析的智能家居远程安全监控方法及装置 |
-
2016
- 2016-04-15 CN CN201610237718.1A patent/CN105869185A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101169020A (zh) * | 2006-10-27 | 2008-04-30 | 上海市上海中学 | 基于视觉技术的自动门 |
CN102752574A (zh) * | 2011-04-18 | 2012-10-24 | 中兴通讯股份有限公司 | 一种视频监控系统及方法 |
CN102902819A (zh) * | 2012-10-30 | 2013-01-30 | 浙江宇视科技有限公司 | 一种视频智能分析方法及装置 |
CN105100724A (zh) * | 2015-08-13 | 2015-11-25 | 电子科技大学 | 一种基于视觉分析的智能家居远程安全监控方法及装置 |
Non-Patent Citations (1)
Title |
---|
刘乐元: "面向有限资源平台人机交互的人手检测与跟踪", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108222749A (zh) * | 2017-12-29 | 2018-06-29 | 安徽慧视金瞳科技有限公司 | 一种基于图像分析的智能自动门控制方法 |
CN108734678A (zh) * | 2018-05-22 | 2018-11-02 | 任阿毛 | 餐桌开口封闭控制系统 |
CN113818773A (zh) * | 2021-09-18 | 2021-12-21 | 中原工学院 | 基于图像处理的安全窗户控制方法 |
CN113818773B (zh) * | 2021-09-18 | 2022-11-15 | 中原工学院 | 基于图像处理的安全窗户控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104123544B (zh) | 基于视频分析的异常行为检测方法及系统 | |
CN103576660B (zh) | 智能家居监控方法 | |
CN111666944B (zh) | 一种红外弱小目标检测方法及装置 | |
CN106530281B (zh) | 基于边缘特征的无人机图像模糊判断方法及系统 | |
CN105469105A (zh) | 一种基于视频监控的香烟烟雾检测方法 | |
CN104408406B (zh) | 基于帧差法和减背景法的人员离岗检测方法 | |
CN109101859A (zh) | 使用高斯惩罚检测图像中行人的方法 | |
CN107341480A (zh) | 一种改进型pccnn神经网络模型的人群聚集检测方法 | |
CN104463117A (zh) | 一种基于视频方式的人脸识别样本采集方法及系统 | |
CN101847265A (zh) | 一种在公交客流统计系统中使用的运动目标提取及多目标分割方法 | |
CN111222478A (zh) | 一种工地安全防护检测方法和系统 | |
CN105893946A (zh) | 一种正面人脸图像的检测方法 | |
CN109241814A (zh) | 基于yolo神经网络的行人检测方法 | |
CN101916447A (zh) | 一种鲁棒的运动目标检测与跟踪图像处理系统 | |
CN103593679A (zh) | 一种基于在线机器学习的视觉人手跟踪方法 | |
CN110334660A (zh) | 一种雾天条件下基于机器视觉的森林火灾监测方法 | |
CN105869185A (zh) | 一种自动门 | |
CN112183472A (zh) | 一种基于改进RetinaNet的试验现场人员是否穿着工作服检测方法 | |
CN102749034A (zh) | 基于图像处理的铁路道岔缺口偏移量检测方法 | |
CN105957098A (zh) | 一种无人值守水库监控系统 | |
CN105933645A (zh) | 一种无人值守仓库监控系统 | |
CN105957101A (zh) | 一种远程获取有用监控信息装置 | |
CN110378935A (zh) | 基于图像语义信息的抛物识别方法 | |
CN107748621A (zh) | 一种智能交互机器人 | |
CN106780599A (zh) | 一种基于Hough变化的圆形识别方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160817 |
|
RJ01 | Rejection of invention patent application after publication |