CN106981163B - 一种人员入侵异常事件报警方法 - Google Patents

Abstract

本发明涉及一种人员入侵异常事件报警方法，包括：采集图片和制作背景。划定要检测的区域。入侵判断：在实时采集图片过程中，采用三帧差分法对设定区域内的图像进行分析处理，当有目标进入到监控视野后，检测到运动目标轮廓信息，如果计算出来的不同部分面积值超过自适应阈值即判断为有入侵行为。如果确实有目标入侵，则对目标进行跟踪。目标识别。工装工帽检测。报警。

Description

一种人员入侵异常事件报警方法

技术领域

本发明属于安防监控行业，涉及智能识别、图像处理的检测系统。

技术背景

随着监控系统的普及化及庞大化，传统人为监控的局限性越来越突出。当监控者同时观测多个监视器时，监控精度会随着监控视频数量的上升而下降。由于人需要饮食休息等生理活动，这也会影响监控系统的可靠性。这就是为什么传统人为监控系统往往存在漏报率高、响应速度慢及可靠性差等问题。另外，监控系统越来越庞大，如果全部采用人为监控，其人力成本也会非常昂贵。因此，具有智能化处理能力是视频监控的发展方向和研究的热点

针对没按要求着装进入高危区域的情况，现有的检测方式主要分为两种：第一种是派专人在高危区域的入口处检查，对于没按要求着装的员工警告并禁止入内；第二种方法是传统监控，把所有进入高危区的人员全部以视频的形式记录下来，事后再进行批评教育。这两种方法都有局限性，存在很多问题。在智能视频监控方面，大多是以传感器辅助监控，通常只能判断出是否有目标入侵，真正是物体入侵还是人员入侵都还需要调看录像，不能在事件发生的第一时间进行报警和做一些紧急处理措施。类似的专利很多，如徐晓青的人员入侵(专利公开号CN103985210A)，张军的人员探测装置(专利公开号CN204315020U)等。

发明内容

鉴于上述问题，本发明的目的是提供一种能够实时检测不符合着装要求的异常事件，从而可以第一时间报警的人员入侵异常事件报警方法。此发明通过以下技术和方法实现:

一种人员入侵异常事件报警方法，包括下列步骤：

1)采集图片：首先确定工装工帽系统要监控的区域，利用固定摄像头采集图片；

2)制作背景：采集两张图片，第一张图片，拍照的是没有目标入侵的图片，作为检测的背景图片和正常图片；第二张图片，拍照的是一个规范着装的人员站在监控区域内的照片；把它作为人员入侵检测的规范着装图片。

3)设定区域：划定要检测的区域，检测区域以外的地方不进行分析处理。

4)入侵判断：在实时采集图片过程中，采用三帧差分法对设定区域内的图像进行分析处理，当有目标进入到监控视野后，检测到运动目标轮廓信息，如果计算出来的不同部分面积值超过自适应阈值即判断为有入侵行为。

5)如果确实有目标入侵，则对目标进行跟踪：首先确定目标在设定区域内的位置；其次运用KALMAN滤波的方式对运动目标可能出现的区域进行估计，够预测和匹配该运动目标的轨迹。从而判断运动目标从进入监控设定区域到走出监控设定区域的运动轨迹，确定运动目标在监控设定区域中的轨迹。

6)目标识别：通过将背景图片和入侵帧图像进行差值计算，把入侵目标的图像从背景中提取出来；把从背景中提取出来的入侵目标的图像进行二值化处理后将图像边缘提取，最后进行Harris角点检测，将边缘特征点提取出来进行神经网络训练和识别，通过边缘特征提取出的特征点，先对模型进行大量训练，形成比较成熟的识别人体的神经网络，使之能够判断出是否是人体入侵视野。

7)工装工帽检测：如果判断是有人员入侵，提取出人形图片，对人形图片用HIS模型进行分块分析，将不同颜色区域分开，根据人形特征，按一定比例找到头部位置，并与从规范着装图片提取的工帽颜色作对比，如果头部未发现工帽特征的颜色，则判断为没有佩戴工帽的异常入侵；将根据人形图片的躯干部分或者腿部所找到工装特征的颜色与规范着装图片中提取的工装颜色作对比，如果未在设置的颜色差异范围内，也判断为异常入侵。

8)如果发现有异常入侵情形发生，系统发出声光报警，并发出不良信号控制大门关闭，禁止通行。

附图说明

图1.为工装工帽检测系统的流程图。

具体实施方式

下面将结合附图和实例对产品做进一步的阐述。

结合附图1,说明下工装工帽检测系统的检测方法。

1)采集图片：首先确定工装工帽系统要监控的区域，安装固定好位置，把图像调整到清晰、颜色正常的状态后，开始采集图片。检测工装工帽有个特定条件：固定好位置，开始检测后，位置不能发生变化，否则影响检测。

2)制作背景：打开系统，采集两张图片，第一张图片，拍照的是没有目标入侵的图片，把它作为检测的背景图片和正常图片；第二张图片，拍照的是一个规范着装的人员站在监控区域内的照片；把它作为人员入侵的异常图片。

情况说明：①要作工装工帽检测参数，必须先做人员入侵的参数。②结合2)的内容，拍照两张图片主要是用来做人员入侵的参数。③结合2)的内容，第二张图片不仅在人员入侵参数设置上会用到，而且在工装工帽检测环节还会用到。

3)设定区域：由于系统的监控视野比较大，而且部分区域属于无用区域，即要设定监控区域；结合2)内容，在第一张图片中，划定要检测的区域，检测区域以外的地方不进行分析处理。

4)入侵判断：结合3)的内容，系统在连续不断地采集图片，并对设定区域内的图像进行分析处理。当有目标进入到监控视野后，相邻两帧图片肯定有很大不同。计算机对相邻两帧图片进行差分计算，把不同部分以像素的形式显示出来，相同的部分直接变成黑色背景；当不同部分的面积超过了设置的范围时即判断有入侵行为。这个方法叫三帧差分法，其基本原理是选取连续三帧图像并分别对两帧进行差分计算，然后将差分计算出来的不同部分通过OSTU自适应阈值算法进行二值化处理，得到二值化图形，将设定区域内的每个像素点与此二值化图形进行逻辑与运算，从而获得运动目标轮廓信息。如果差分计算出来的不同部分面积值超过自适应阈值即判断为有入侵行为。

情况说明：①结合2)的内容，设定二值化的参数标准时，需要第一张图片和第二张图片做差分计算；②二值化参数标准的两个作用：一、把入侵目标与背景完整清晰的分离出来；二、消除差分后图片中干扰点、噪点。

5)目标跟踪：结合4)的判断分析，如果确实有目标入侵，则对目标进行跟踪。首先确定目标在设定区域内(详见3))的位置，以4)中得到的二值化图形外接矩形的中心点作为目标运动位置；其次运用KALMAN滤波的方式对运动目标可能出现的区域进行估计，该算法可以准确地预测运动目标的位置和速度，能够预测和匹配该运动目标的轨迹。从而判断运动目标从进入监控设定区域到走出监控设定区域的运动轨迹，确定运动目标在监控设定区域中的轨迹。

6)目标识别：结合5)进一步说明，从5)得到的轨迹是由连续采集下每帧图片提供一点信息汇集而成。每帧图片在不做任何处理的情况下，用三帧差分法计算出运动目标的图像，并传送给图像识别模块，以便图像识别模块识别运动目标。图像识别模块通过将背景图片(2提到的第一张图)和当前入侵帧图像进行差值计算，然后把入侵目标的图像从背景中提取出来，并且把背景填充成白色；接下来把从背景中提取出来的入侵目标的图像进行二值化处理后将图像边缘提取，最后进行Harris角点检测，将边缘特征点提取出来进行神经网络训练和识别。通过边缘特征提取出的特征点，先对模型进行大量训练，形成比较成熟的识别人体的神经网络，使能够判断出是否是人体入侵视野。

7)工装工帽检测：结合6)的内容，如果判断是有人员入侵，系统把提取出来的人形图片用HIS模型(HSI颜色模型由美国色彩学家孟塞尔在1915年提出)进行分块分析，将不同颜色区域分开。根据人形特征，按一定比例找到头部位置。如果头部未发现工帽特征的颜色，则证明没有佩戴工帽；如果躯干部分或者腿部未发现工装特征的颜色也判断为异常入侵。具体情况根据工装工帽的颜色特征来进行具体分析。

情况说明：①结合2)的内容，找到头部工帽特征的颜色需要与第二张图片中提取的工帽颜色作对比，如果在设置的颜色差异范围内，即判断佩戴了工帽。②结合2)的内容，找到工装特征的颜色需要与第二张图片中提取的工装颜色作对比，如果在设置的颜色差异范围内，即判断穿了工装。

8)控制输出：结合7)的内容，如果发现人员未按要求佩戴工装工帽，系统发出声光报警，并发出不良信号控制大门关闭，禁止通行。

综上所述，本发明工装工帽检测系统，利用有目标入侵时和无目标入侵时的不同，计算图像差值，然后对差值图像进行跟踪，识别是否为人员入侵。确定为人员入侵后，再运用HSI颜色模型对入侵人员进行工装工帽的颜色判断，若有工装工帽异常时，禁止人员通行。全天候不间断检测，大大提高了企业的效率，切实地解决了企业的问题。

Claims (1)

1.一种人员入侵异常事件报警方法，包括下列步骤：

1)采集图片：首先确定工装工帽系统要监控的区域，利用固定摄像头采集图片；

2)制作背景：采集两张图片，第一张图片，拍照的是没有目标入侵的图片，作为检测的背景图片和正常图片；第二张图片，拍照的是一个规范着装的人员站在监控区域内的照片；把它作为人员入侵检测的规范着装图片；

3)设定区域：划定要检测的区域，检测区域以外的地方不进行分析处理；

4)入侵判断：在实时采集图片过程中，采用三帧差分法对设定区域内的图像进行分析处理，当有目标进入到监控视野后，检测到运动目标轮廓信息，如果计算出来的不同部分面积值超过自适应阈值即判断为有入侵行为；

5)如果确实有目标入侵，则对目标进行跟踪：首先确定目标在设定区域内的位置；其次运用KALMAN滤波的方式对运动目标可能出现的区域进行估计，预测和匹配该运动目标的轨迹；从而判断运动目标从进入监控设定区域到走出监控设定区域的运动轨迹，确定运动目标在监控设定区域中的轨迹；

6)目标识别：通过将背景图片和入侵帧图像进行差值计算，把入侵目标的图像从背景中提取出来；把从背景中提取出来的入侵目标的图像进行二值化处理后将图像边缘提取，最后进行Harris角点检测，将边缘特征点提取出来进行神经网络训练和识别，通过边缘特征提取出的特征点，先对模型进行大量训练，形成比较成熟的识别人体的神经网络，使之能够判断出是否是人体入侵视野；

7)工装工帽检测：如果判断是有人员入侵，提取出人形图片，对人形图片用HSI模型进行分块分析，将不同颜色区域分开，根据人形特征，按一定比例找到头部位置，并与从规范着装图片提取的工帽颜色作对比，如果头部未发现工帽特征的颜色，则判断为没有佩戴工帽的异常入侵；将根据人形图片的躯干部分或者腿部所找到工装特征的颜色与规范着装图片中提取的工装颜色作对比，如果未在设置的颜色差异范围内，也判断为异常入侵；

8)如果发现有异常入侵情形发生，系统发出声光报警，并发出不良信号控制大门关闭，禁止通行。