CN106355162A - 一种基于视频监控的入侵检测方法 - Google Patents
一种基于视频监控的入侵检测方法 Download PDFInfo
- Publication number
- CN106355162A CN106355162A CN201610846368.9A CN201610846368A CN106355162A CN 106355162 A CN106355162 A CN 106355162A CN 201610846368 A CN201610846368 A CN 201610846368A CN 106355162 A CN106355162 A CN 106355162A
- Authority
- CN
- China
- Prior art keywords
- pedestrian
- video
- video monitoring
- intrusion detection
- 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.)
- Pending
Links
Classifications
-
- 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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
一种基于视频监控的入侵检测方法,首先采用FFMPEG获取前端视频流数据包,在通过CUDA解码专用的数据接口将获取的前端视频流数据并行化处理;而后利用机器学习的方法获得行人分类器和数理统计的方法建立参考背景,以做到实时在线学习,提高算法对场景的适应,为达到实时多目标跟踪,采取卡尔曼滤波算法,通过对行人目标进行跟踪,计算行人的质心,若质心在划线区域内,即目标越界报警,并进行视频显示。本发明在自动化、人工智能技术的基础上,能够快速地、准确地对越界目标进行报警,可有效防止外来目标的入侵,极大地减少了周界防范中的人力成本和物防成本;同时克服了光线的变化、树木的摆动、昆虫的干扰带来的影响。
Description
技术领域
本发明涉及模式识别技术领域,尤其涉及一种基于视频监控的入侵检测方法。
背景技术
随着社会的发展,社会公共安全需求的提高,各种安保手段应运而生。保密要害部门、周界、机要室等位置的安保问题被安保部门提到首要位置。周界、机要室、要害部门入侵防范的成功与否决定了安保系统的安全性。
目前,常用于周界、机要室、要害部门的入侵防范手段有:激光对射、红外对射、电子围栏、震动光缆、泄露电缆等;根据不同的场景,选择不同的技术手段可极大地减少误报和漏报,在实际工程中的应用情况统计如下:
激光对射和红外对射的建设成本低,但激光对射和红外对射需要供电,能耗高,工程中的统计激光对射和红外对射准确率在60%左右;
电子围栏在布设过程中,需要立杆,成本较激光对射、红外对射较高,且后期需要位置脉冲高压,综合来说,电子围栏成本较高,工程中的统计电子围栏的准确率在80%左右;
为提高振动光缆准确率,在工程上,通常采取地埋或者依附在统一的介质上进行,这样在很大程度上增加了施工成本,且震动光缆的成本也较电子围栏高,工程中统计震动光缆的准确率在90%左右;
泄露电缆在工程上的准确率可达到98%,但泄露电缆的成本很高,虽然按照品牌和规格的不同,价格略有区别,但成本均在几万/平米;
故在入侵防范领域,以上所提到的方法起到的均是一种感知作用,通常需在后台连接视频监控进行复核;考虑到不论采取以上哪种手段,均要视频监控进行复核,部分科研人员应用机器视觉的方法在视频上直接进行感知,从而减少成本,但采用传统的机器视觉方法进行入侵检测的感知误报率极高,光线的变化、树木的摆动、昆虫的干扰等均制约了此类方法的发展和应用。
发明内容
本发明所解决的技术问题在于提供一种基于视频监控的入侵检测方法,以解决上述背景技术中的缺点。
本发明所解决的技术问题采用以下技术方案来实现:
一种基于视频监控的入侵检测方法,具体步骤如下:
1)视频解码
采用FFMPEG获取前端视频流数据包,在通过CUDA解码专用的数据接口将获取的前端视频流数据并行化处理;
2)训练行人分类器
利用机器学习的方法获得行人分类器,采用Hog算法和SVM算法相结合,先利用Hog算法对INRIA行人库分别提取正样本特征和负样本特征,并对样本特征进行图像预处理,正样本特征记为1,负样本特征记为0,同时将所有样本特征输入到SVM算法中进行训练,而后将训练结果以文本形式保存,在利用INRIA行人库做准确率测试,即得行人分类器,当且仅当识别率高于85%,才能投入使用;
3)背景建模
采用数理统计的方法建立参考背景,具体方法为:取视频流前100帧,获得每帧的像素值,求100帧相同位置像素的平均值,即得平均值为参考背景像素值;
4)判断行人
将步骤2)中所得的行人分类器应用至获取的视频流中,若有行人,则跟踪,若无行人,则获取下一帧;
5)越界判断
通过对行人目标进行跟踪,计算行人的质心,进而判断质心是否在划线区域内,从而判断是否存在越界,若质心在划线区域内,即目标越界报警,并进行视频显示。
在本发明中,步骤2)中,考虑到分类的速度,采用线性SVM算法。
在本发明中,步骤2)中,为减少计算量,对图像进行预处理,即对检测出的行人进行图像预处理,采用的方法为对比度增强和图像去噪。
在本发明中,步骤4)中,在判断是否为行人时,若负样本数过多,此时重新训练,以获得新的行人分类器;阈值的选定跟场景和摄像机部署的位置有关。
在本发明中,步骤4)中,判断为行人时,对目标进行跟踪采用卡尔曼滤波算法。
在本发明中,步骤4)中,考虑到视频中人数的多寡,采取跳帧的方法进行分析,但不超过5帧。
在本发明中,步骤5)中,视频显示采用是OpenGL作显示。
有益效果:本发明在自动化、人工智能技术的基础上,能够快速地、准确地对越界目标进行报警,可有效地防止外来目标的入侵,极大地减少了周界防范中的人力成本和物防成本;同时克服了光线的变化、树木的摆动、昆虫的干扰带来的影响,有效提高了入侵检测的感知准确率。
附图说明
图1是本发明的较佳实施例的流程示意图。
图2是本发明的较佳实施例中的INRIA行人库负样本。
图3是本发明的较佳实施例中的INRIA行人库正样本。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体图示,进一步阐述本发明。
一种基于视频监控的入侵检测方法,如图1所示,具体步骤如下:
1)视频解码
利用FFMPEG获取前端视频流数据包,在通过CUDA解码专用的数据接口将获取的前端视频流数据并行化处理;
2)训练行人分类器
利用机器学习的方法获得行人分类器,机器学习的方法很多,本实施例采用的算法为Hog和SVM相结合,先利用Hog算法对INRIA行人库分别提取正样本特征和负样本特征,并对样本特征进行图像预处理,如图2~3所示,将正样本特征记为1,负样本特征记为0,并将所有样本特征输入到SVM中进行训练,考虑到分类的速度,此时选取的是线性SVM,而后将训练结果以文本形式保存,在利用INRIA行人库做准确率测试,即得行人分类器,当且仅当识别率高于85%,才能投入使用;
3)背景建模
建立参考背景,建立参考背景的方法很多,考虑到运行的速度和计算量,本实施例采用数理统计的方法建立背景,具体实施方法为:取视频流前100帧,获得每帧的像素值,求100帧相同位置像素的平均值,即得平均值为参考背景像素值;
4)判断行人
将步骤2)中所得的行人分类器应用至获取的视频流中,若有行人,则跟踪,若无行人,则获取下一帧;考虑到视频中人数的多寡,在实际分析中,可采取跳帧的方法进行分析,但不超过5帧;
5)越界判断
通过对行人目标进行跟踪,计算行人的质心,进而判断质心是否在划线区域内,从而判断是否存在越界,若质心在划线区域内,即目标越界报警,并进行视频显示。
在本实施例中,步骤2)中,为减少计算量,对图像进行预处理,即对检测出的行人进行图像预处理,采用的方法为对比度增强和图像去噪。
在本实施例中,步骤4)中,在判断是否为行人时,若负样本数过多,此时应考虑重新训练,以获得新的行人分类器;阈值的选定跟场景和摄像机部署的位置有关。
在本实施例中,步骤4)中,判断为行人时,对目标进行跟踪;多目标跟踪的算法很多,考虑到遮挡等因素,本实施例采用卡尔曼滤波算法。
因本实施例所有算法均采取CUDA并行化处理,在做显示的时候需要考虑与CUDA数据的衔接性,故步骤5)中,视频显示采用是OpenGL作显示。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (7)
1. 一种基于视频监控的入侵检测方法,其特征在于,具体步骤如下:
1)视频解码
采用FFMPEG获取前端视频流数据包,在通过CUDA解码专用的数据接口将获取的前端视频流数据并行化处理;
2)训练行人分类器
利用机器学习的方法获得行人分类器,采用Hog算法和SVM算法相结合,先利用Hog算法对INRIA行人库分别提取正样本特征和负样本特征,并对样本特征进行图像预处理,正样本特征记为1,负样本特征记为0,同时将所有样本特征输入到SVM算法中进行训练,而后将训练结果以文本形式保存,在利用INRIA行人库做准确率测试,即得行人分类器,当且仅当识别率高于85%,才能投入使用;
3)背景建模
采用数理统计的方法建立参考背景,具体方法为:取视频流前100帧,获得每帧的像素值,求100帧相同位置像素的平均值,即得平均值为参考背景像素值;
4)判断行人
将步骤2)中所得的行人分类器应用至获取的视频流中,若有行人,则跟踪,若无行人,则获取下一帧;
5)越界判断
通过对行人目标进行跟踪,计算行人的质心,进而判断质心是否在划线区域内,从而判断是否存在越界,若质心在划线区域内,即目标越界报警,并进行视频显示。
2.根据权利要求1所述的一种基于视频监控的入侵检测方法,其特征在于,步骤2)中,采用线性SVM算法。
3.根据权利要求1所述的一种基于视频监控的入侵检测方法,其特征在于,步骤2)中,对图像进行预处理,即对检测出的行人进行图像预处理,采用的方法为对比度增强和图像去噪。
4.根据权利要求1所述的一种基于视频监控的入侵检测方法,其特征在于,步骤4)中,在判断是否为行人时,若负样本数过多,此时重新训练,以获得新的行人分类器。
5.根据权利要求1所述的一种基于视频监控的入侵检测方法,其特征在于,步骤4)中,判断为行人时,对目标进行跟踪采用卡尔曼滤波算法。
6.根据权利要求1所述的一种基于视频监控的入侵检测方法,其特征在于,步骤4)中,考虑到视频中人数的多寡,采取跳帧的方法进行分析,但不超过5帧。
7.根据权利要求1所述的一种基于视频监控的入侵检测方法,其特征在于,步骤5)中,视频显示采用是OpenGL作显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610846368.9A CN106355162A (zh) | 2016-09-23 | 2016-09-23 | 一种基于视频监控的入侵检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610846368.9A CN106355162A (zh) | 2016-09-23 | 2016-09-23 | 一种基于视频监控的入侵检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106355162A true CN106355162A (zh) | 2017-01-25 |
Family
ID=57858592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610846368.9A Pending CN106355162A (zh) | 2016-09-23 | 2016-09-23 | 一种基于视频监控的入侵检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106355162A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107273822A (zh) * | 2017-05-26 | 2017-10-20 | 西安电子科技大学 | 一种基于监控视频多目标跟踪和人脸识别的隐私保护方法 |
CN107888924A (zh) * | 2017-11-30 | 2018-04-06 | 江西洪都航空工业集团有限责任公司 | 一种无损视频加速分析方法 |
CN108040221A (zh) * | 2017-11-30 | 2018-05-15 | 江西洪都航空工业集团有限责任公司 | 一种智能视频分析与监控系统 |
CN108898042A (zh) * | 2017-12-27 | 2018-11-27 | 浩云科技股份有限公司 | 一种应用于atm机舱内用户异常行为的检测方法 |
CN109410497A (zh) * | 2018-11-20 | 2019-03-01 | 江苏理工学院 | 一种基于深度学习的桥洞空间安全监测与报警系统 |
CN109583396A (zh) * | 2018-12-05 | 2019-04-05 | 广东亿迅科技有限公司 | 一种基于cnn两阶段人体检测的区域防范方法、系统以及终端 |
CN109785361A (zh) * | 2018-12-22 | 2019-05-21 | 国网内蒙古东部电力有限公司 | 基于cnn与mog的变电站异物入侵检测系统 |
CN110428413A (zh) * | 2019-08-02 | 2019-11-08 | 中国科学院合肥物质科学研究院 | 一种用于灯诱设备下的草地贪夜蛾成虫图像检测方法 |
CN113068000A (zh) * | 2019-12-16 | 2021-07-02 | 杭州海康威视数字技术股份有限公司 | 视频目标的监控方法、装置、设备、系统及存储介质 |
CN113593161A (zh) * | 2021-06-28 | 2021-11-02 | 华迪计算机集团有限公司 | 一种周界入侵检测方法 |
CN116129157A (zh) * | 2023-04-13 | 2023-05-16 | 深圳市夜行人科技有限公司 | 一种基于极微光的警戒摄像机智能图像处理方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103218604A (zh) * | 2013-04-03 | 2013-07-24 | 上海交通大学 | 交通场景中基于路面提取的行人检测方法 |
CN103324955A (zh) * | 2013-06-14 | 2013-09-25 | 浙江智尔信息技术有限公司 | 一种基于视频处理的行人检测方法 |
US20140169663A1 (en) * | 2012-12-19 | 2014-06-19 | Futurewei Technologies, Inc. | System and Method for Video Detection and Tracking |
CN105261017A (zh) * | 2015-10-14 | 2016-01-20 | 长春工业大学 | 基于路面约束的图像分割法提取行人感兴趣区域的方法 |
-
2016
- 2016-09-23 CN CN201610846368.9A patent/CN106355162A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140169663A1 (en) * | 2012-12-19 | 2014-06-19 | Futurewei Technologies, Inc. | System and Method for Video Detection and Tracking |
CN103218604A (zh) * | 2013-04-03 | 2013-07-24 | 上海交通大学 | 交通场景中基于路面提取的行人检测方法 |
CN103324955A (zh) * | 2013-06-14 | 2013-09-25 | 浙江智尔信息技术有限公司 | 一种基于视频处理的行人检测方法 |
CN105261017A (zh) * | 2015-10-14 | 2016-01-20 | 长春工业大学 | 基于路面约束的图像分割法提取行人感兴趣区域的方法 |
Non-Patent Citations (5)
Title |
---|
YANWEI PANG,ET AL.: "Efficient HOG human detection", 《SIGNAL PROCESSING》 * |
万卫兵 等主编: "《智能视频监控中目标检测与识别》", 31 January 2010, 上海交通大学出版社 * |
田宜平 等主编: "《地学三维可视化与过程模拟》", 31 May 2015, 中国地质大学出版社 * |
白羽: "基于智能视频监控的入侵危险区域算法研究", 《科技创新与生产力》 * |
石娟峰: "基于视频的行人检测和跟踪", 《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 |
---|---|---|---|---|
CN107273822A (zh) * | 2017-05-26 | 2017-10-20 | 西安电子科技大学 | 一种基于监控视频多目标跟踪和人脸识别的隐私保护方法 |
CN107888924A (zh) * | 2017-11-30 | 2018-04-06 | 江西洪都航空工业集团有限责任公司 | 一种无损视频加速分析方法 |
CN108040221A (zh) * | 2017-11-30 | 2018-05-15 | 江西洪都航空工业集团有限责任公司 | 一种智能视频分析与监控系统 |
CN108898042B (zh) * | 2017-12-27 | 2021-10-22 | 浩云科技股份有限公司 | 一种应用于atm机舱内用户异常行为的检测方法 |
CN108898042A (zh) * | 2017-12-27 | 2018-11-27 | 浩云科技股份有限公司 | 一种应用于atm机舱内用户异常行为的检测方法 |
CN109410497A (zh) * | 2018-11-20 | 2019-03-01 | 江苏理工学院 | 一种基于深度学习的桥洞空间安全监测与报警系统 |
CN109583396A (zh) * | 2018-12-05 | 2019-04-05 | 广东亿迅科技有限公司 | 一种基于cnn两阶段人体检测的区域防范方法、系统以及终端 |
CN109785361A (zh) * | 2018-12-22 | 2019-05-21 | 国网内蒙古东部电力有限公司 | 基于cnn与mog的变电站异物入侵检测系统 |
CN110428413B (zh) * | 2019-08-02 | 2021-09-28 | 中国科学院合肥物质科学研究院 | 一种用于灯诱设备下的草地贪夜蛾成虫图像检测方法 |
CN110428413A (zh) * | 2019-08-02 | 2019-11-08 | 中国科学院合肥物质科学研究院 | 一种用于灯诱设备下的草地贪夜蛾成虫图像检测方法 |
CN113068000A (zh) * | 2019-12-16 | 2021-07-02 | 杭州海康威视数字技术股份有限公司 | 视频目标的监控方法、装置、设备、系统及存储介质 |
CN113068000B (zh) * | 2019-12-16 | 2023-07-18 | 杭州海康威视数字技术股份有限公司 | 视频目标的监控方法、装置、设备、系统及存储介质 |
CN113593161A (zh) * | 2021-06-28 | 2021-11-02 | 华迪计算机集团有限公司 | 一种周界入侵检测方法 |
CN116129157A (zh) * | 2023-04-13 | 2023-05-16 | 深圳市夜行人科技有限公司 | 一种基于极微光的警戒摄像机智能图像处理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106355162A (zh) | 一种基于视频监控的入侵检测方法 | |
CN107229894B (zh) | 基于计算机视觉分析技术的智能视频监控方法及系统 | |
CN110689054B (zh) | 一种工人违规行为监测方法 | |
CN105744232B (zh) | 一种基于行为分析技术的输电线路视频防外破的方法 | |
CN101577812B (zh) | 一种岗位监测的方法和系统 | |
CN104123544A (zh) | 基于视频分析的异常行为检测方法及系统 | |
US9245187B1 (en) | System and method for robust motion detection | |
CN103456024B (zh) | 一种运动目标越线判断方法 | |
CN106128053A (zh) | 一种智慧金睛识别人员逗留徘徊报警方法和装置 | |
KR20200071799A (ko) | 딥러닝 인공지능 기술을 이용한 객체인식 및 카운팅 방법 | |
CN104866842B (zh) | 一种人体目标入侵检测方法 | |
CN103927520A (zh) | 一种逆光环境下人脸检测方法 | |
CN103106766A (zh) | 林火识别方法与系统 | |
CN106128022A (zh) | 一种智慧金睛识别暴力动作报警方法和装置 | |
CN105426820A (zh) | 基于安防监控视频数据的多人异常行为检测方法 | |
CN106127814A (zh) | 一种智慧金睛识别人员聚集打斗报警方法和装置 | |
CN107301375A (zh) | 一种基于稠密光流的视频图像烟雾检测方法 | |
CN104637071A (zh) | 基于智能视频分析的人员跟踪方法 | |
WO2019043406A1 (en) | DETECTION OF ANOMALY FROM VIDEO DATA FROM SURVEILLANCE CAMERAS | |
CN113191273A (zh) | 基于神经网络的油田井场视频目标检测与识别方法及系统 | |
CN113111771A (zh) | 一种发电厂工作人员不安全行为的识别方法 | |
CN103152558A (zh) | 基于场景识别的入侵检测方法 | |
CN103489202A (zh) | 基于视频的入侵检测方法 | |
CN105095891A (zh) | 一种人脸捕捉的方法,装置及系统 | |
Dey et al. | Moving object detection using genetic algorithm for traffic surveillance |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170125 |
|
RJ01 | Rejection of invention patent application after publication |