CN107888880A - 轨道区间检测与跟踪的智能视频监控方法及系统 - Google Patents

轨道区间检测与跟踪的智能视频监控方法及系统 Download PDF

Info

Publication number
CN107888880A
CN107888880A CN201711160286.XA CN201711160286A CN107888880A CN 107888880 A CN107888880 A CN 107888880A CN 201711160286 A CN201711160286 A CN 201711160286A CN 107888880 A CN107888880 A CN 107888880A
Authority
CN
China
Prior art keywords
target
tracking
video monitoring
intelligent video
sequence
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
Application number
CN201711160286.XA
Other languages
English (en)
Inventor
严伟民
周春荣
严霁玥
蔡金橙
郭锦景
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Vocational College of Transportation
Original Assignee
Chongqing Vocational College of Transportation
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing Vocational College of Transportation filed Critical Chongqing Vocational College of Transportation
Priority to CN201711160286.XA priority Critical patent/CN107888880A/zh
Publication of CN107888880A publication Critical patent/CN107888880A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/215—Motion-based segmentation
    • 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

Abstract

本发明公开了一种轨道区间检测与跟踪的智能视频监控方法及系统，方法包括：采集目标的视频图像序列；实时地分析所述目标的视频图像序列，对所述目标进行轮廓比对和运动态势的锁定，得到目标的特征参数或运动参数；根据所述目标的特征参数或运动参数，发出控制指令，使得所述目标始终位于屏幕的预设位置。本发明提供了一种轨道区间检测与跟踪的智能视频监控方法及系统，重点解决采集的图像中目标识别高效处理算法和对目标快速的预测、跟踪算法及实现对监控的目标锁定，同时在监控控制室计算机屏幕上跟踪显示，并将被锁定目标图像快速高效的识别及对目标准确预测和跟踪的保持。

Description

轨道区间检测与跟踪的智能视频监控方法及系统
技术领域
本发明涉及轨道监控技术领域，具体地说，特别涉及一种轨道区间检测与跟踪的智能视频监控方法及系统。
背景技术
随着高铁运营速度提升，高铁覆盖区域的不断扩充及线路延伸，特别是西部的高铁轨道的桥隧比高，运行区间及周边区域环境各种复杂地质构造、地形气候环境的影响及危害，对高铁运营安全构成的威胁也在增大。通常的做法是在可能会产生灾害或危害的区域或场所全天候实施24小时现场有人值守、值班人员定时巡检及人工报告制度，但由于地质灾害、地形气候及雷电雨雾等环境的影响，不能做到实时监控与防范，且危害多在无预兆(或预兆不明显)发生，安全隐患仍然存在，这就要求现场值守与巡查人员无时无刻不提高警惕，早发现，早防备、早处置。
为更好地使高铁安全实现“常态与非常态结合，预防与应急并重”，针对中国中西部地区山前复杂冲断带形成的地质背景(陡边坡、深溪沟)、地质风化等不良地质环境分布的存在，工程地质恶劣、地质灾害频现及气候环境变化复杂的地域。
现有技术无法快速将被锁定目标图像快速高效的识别及对目标准确预测和跟踪的保持。
发明内容
为了解决现有技术的问题，本发明实施例提供了一种轨道区间检测与跟踪的智能视频监控方法及系统。所述技术方案如下：
一方面，提供了一种轨道区间检测与跟踪的智能视频监控方法，包括：
采集目标的视频图像序列；
实时地分析所述目标的视频图像序列，对所述目标进行轮廓比对和运动态势的锁定，得到目标的特征参数或运动参数；
根据所述目标的特征参数或运动参数，发出控制指令，同时在监控控制室计算机屏幕上跟踪显示，使得所述目标始终位于屏幕的预设位置。
进一步的，所述实时地分析所述目标的视频图像序列具体为：
通过对波门尺寸的自适应调节设置，有效地排除背景干扰；
运用中值滤波的方法增强图像中的有用信号；
采取自适应阈值法来进行图像的分割。
可选地，还包括：
建立模型特征库，快速对不规则的运动目标进行特征提取和选择。
可选地，还包括：通过使用波门跟踪算法，并采用预测跟踪处理技术，根据所监控区域的目标当前的位置信息和运动状态，用拟合函数预测下一时刻的目标位置和速度。
另一方面，提供了一种检测与跟踪的智能视频监控系统，包括：
摄像模块，用于采集目标的视频图像序列；
处理模块，用于实时地分析所述目标的视频图像序列，对所述目标进行轮廓比对和运动态势的锁定，得到目标的特征参数或运动参数；
控制模块，用于根据所述目标的特征参数或运动参数，发出控制指令，同时在监控控制室计算机屏幕上跟踪显示，使得所述目标始终位于屏幕的预设位置。
进一步的，所述处理模块包括：
第一处理单元，用于通过对波门尺寸的自适应调节设置；
第二处理单元，用于运用中值滤波的方法增强图像中的有用信号；
第三处理单元，用于采取自适应阈值法来进行图像的分割。
可选地，还包括：建模单元，用于建立模型特征库，快速对不规则的运动目标进行特征提取和选择。
进一步的，所述控制模块，还用于通过使用波门跟踪算法，并采用预测跟踪处理技术，根据所监控区域的目标当前的位置信息和运动状态，用拟合函数预测下一时刻的目标位置和速度。
本发明实施例提供的技术方案带来的有益效果是：
本发明提供了一种轨道区间检测与跟踪的智能视频监控方法及系统，重点解决采集的图像中目标识别高效处理算法和对目标快速的预测、跟踪算法及实现对监控的目标锁定，同时在监控控制室计算机屏幕上跟踪显示，并将被锁定目标图像快速高效的识别及对目标准确预测和跟踪的保持。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例一的一种轨道区间检测与跟踪的智能视频监控方法流程图；
图2是本发明实施例二的一种轨道区间检测与跟踪的智能视频监控系统示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
实施例一
一方面，提供了一种轨道区间检测与跟踪的智能视频监控方法，参见图1，包括：
S100：采集目标的视频图像序列；
S200：实时地分析所述目标的视频图像序列，对所述目标进行轮廓比对和运动态势的锁定，得到目标的特征参数或运动参数；
S300：根据所述目标的特征参数或运动参数，发出控制指令，使得所述目标始终位于屏幕的预设位置。
进一步的，所述实时地分析所述目标的视频图像序列具体为：
通过对波门尺寸的自适应调节设置，有效地排除背景干扰，保证在满足跟踪精度的前提下，尽量减少计算量和增强系统的抗干扰能力。
运用中值滤波的方法增强图像中的有用信号，通过降低图像噪声和失真程度，改善图像的质量。
系统采取自适应阈值法来进行图像的分割，保证系统的实时性。
可选地，还包括：
建立模型特征库，快速对不规则的运动目标进行特征提取和选择，方便后续对目标快速准确的识别。
可选地，还包括：使用波门跟踪算法，采用预测跟踪处理技术，根据所监控区域的目标当前的位置信息和运动状态，用拟合函数预测下一时刻的目标位置和速度，同时在监控控制室计算机屏幕上跟踪显示，使目标即使被干扰物短暂阻塞的情况下仍然能正确有效地对目标进行正常跟踪。
实施例二
另一方面，提供了一种轨道区间检测与跟踪的智能视频监控系统，参见图2，包括：
摄像模块100，用于采集目标的视频图像序列；
处理模块200，用于实时地分析所述目标的视频图像序列，对所述目标进行轮廓比对和运动态势的锁定，得到目标的特征参数或运动参数；
控制模块300，用于根据所述目标的特征参数或运动参数，发出控制指令，使得所述目标始终位于屏幕的预设位置。
具体而言，视频序列目标跟踪是指对传感器摄取到的图像序列进行处理与分析，充分利用传感器采集得到信息来对目标进行稳定跟踪的过程。一旦目标被确定，就可获得目标的位置、速度、加速度等运动参数，进而获得目标的特征参数。
本实施例中，该系统通过对图像的去噪、对图像进行灰度变换、图像融合、图像增强等处理，可以快速的筛选并提取有用的信息。
应用图像处理技术的红外目标的检测与跟踪实现目的在于以摄像头采集目标的视频图像序列，并通过计算机实时地分析目标，对目标进行轮廓比对和运动态势的锁定，得到目标的特征参数或运动参数，以此作为主要依据控制摄像头始终指向目标，使得目标始终位于屏幕中央附近。系统在检测和监控实践中操作者可以在一定程度上解放出来，去从事其他的工作以提高工作效率。
进一步的，第一处理单元，用于通过对波门尺寸的自适应调节设置，有效地排除背景干扰，保证在满足跟踪精度的前提下，尽量减少计算量和增强系统的抗干扰能力。
第二处理单元，用于运用中值滤波的方法增强图像中的有用信号，通过降低图像噪声和失真程度，改善图像的质量。
第三处理单元，用于采取自适应阈值法来进行图像的分割，保证系统的实时性。
可选地，还包括：建模单元，用于建立模型特征库，快速对不规则的运动目标进行特征提取和选择，方便后续对目标快速准确的识别。
进一步的，所述控制模块，还用于使用波门跟踪算法，采用预测跟踪处理技术，根据所监控区域的目标当前的位置信息和运动状态，用拟合函数预测下一时刻的目标位置和速度，同时在监控控制室计算机屏幕上跟踪显示，使目标即使被干扰物短暂阻塞的情况下仍然能正确有效地对目标进行正常跟踪。
本发明实施例提供的技术方案带来的有益效果是：
本发明提供了一种轨道区间检测与跟踪的智能视频监控方法及系统，重点解决采集的图像中目标识别高效处理算法和对目标快速的预测、跟踪算法及实现对监控的目标锁定，同时在监控控制室计算机屏幕上跟踪显示，并将被锁定目标图像快速高效的识别及对目标准确预测和跟踪的保持。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
以上仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种轨道区间检测与跟踪的智能视频监控方法，其特征在于，包括：
采集目标的视频图像序列；
实时地分析所述目标的视频图像序列，对所述目标进行轮廓比对和运动态势的锁定，得到目标的特征参数或运动参数；
根据所述目标的特征参数或运动参数，发出控制指令，同时在监控控制室计算机屏幕上跟踪显示，并使得所述目标始终位于屏幕的预设位置。
2.如权利要求1所述的检测与跟踪的智能视频监控方法，其特征在于，所述实时地分析所述目标的视频图像序列具体为：
通过对波门尺寸的自适应调节设置，有效地排除背景干扰；
运用中值滤波的方法增强图像中的有用信号；
采取自适应阈值法来进行图像的分割。
3.如权利要求2所述的检测与跟踪的智能视频监控方法，其特征在于，还包括：
建立模型特征库，快速对不规则的运动目标进行特征提取和选择。
4.如权利要求3所述的检测与跟踪的智能视频监控方法，其特征在于，还包括：通过使用波门跟踪算法，并采用预测跟踪处理技术，根据所监控区域的目标当前的位置信息和运动状态，用拟合函数预测下一时刻的目标位置和速度。
5.一种检测与跟踪的智能视频监控系统，其特征在于，包括：
摄像模块，用于采集目标的视频图像序列；
处理模块，用于实时地分析所述目标的视频图像序列，对所述目标进行轮廓比对和运动态势的锁定，得到目标的特征参数或运动参数；
控制模块，用于根据所述目标的特征参数或运动参数，发出控制指令，同时在监控控制室计算机屏幕上跟踪显示，使得所述目标始终位于屏幕的预设位置。
6.如权利要求5所述的检测与跟踪的智能视频监控系统，其特征在于，所述处理模块包括：
第一处理单元，用于通过对波门尺寸的自适应调节设置；
第二处理单元，用于运用中值滤波的方法增强图像中的有用信号；
第三处理单元，用于采取自适应阈值法来进行图像的分割。
7.如权利要求6所述的检测与跟踪的智能视频监控系统，其特征在于，还包括：建模单元，用于建立模型特征库，快速对不规则的运动目标进行特征提取和选择。
8.如权利要求7所述的检测与跟踪的智能视频监控系统，其特征在于，所述控制模块，还用于通过使用波门跟踪算法，并采用预测跟踪处理技术，根据所监控区域的目标当前的位置信息和运动状态，用拟合函数预测下一时刻的目标位置和速度。
CN201711160286.XA 2017-11-20 2017-11-20 轨道区间检测与跟踪的智能视频监控方法及系统 Pending CN107888880A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711160286.XA CN107888880A (zh) 2017-11-20 2017-11-20 轨道区间检测与跟踪的智能视频监控方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711160286.XA CN107888880A (zh) 2017-11-20 2017-11-20 轨道区间检测与跟踪的智能视频监控方法及系统

Publications (1)

Publication Number Publication Date
CN107888880A true CN107888880A (zh) 2018-04-06

Family

ID=61777651

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711160286.XA Pending CN107888880A (zh) 2017-11-20 2017-11-20 轨道区间检测与跟踪的智能视频监控方法及系统

Country Status (1)

Country Link
CN (1) CN107888880A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109001746A (zh) * 2018-06-08 2018-12-14 重庆交通职业学院 用于多旋翼无人热气飞艇的前视目标探测系统及方法
CN110992393A (zh) * 2019-11-24 2020-04-10 杭州鼎热科技有限公司 一种基于视觉的目标运动跟踪方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101098465A (zh) * 2007-07-20 2008-01-02 哈尔滨工程大学 一种视频监控中运动目标检测与跟踪方法
AU2011203707A1 (en) * 2010-01-05 2012-07-12 Isolynx, Llc Systems and methods for analyzing event data
CN102768731A (zh) * 2012-06-29 2012-11-07 陕西省交通规划设计研究院 基于高清视频图像目标自动定位识别系统及方法
CN102968802A (zh) * 2012-11-28 2013-03-13 无锡港湾网络科技有限公司 一种基于视频监控的运动目标分析跟踪方法及系统
CN103259962A (zh) * 2013-04-17 2013-08-21 深圳市捷顺科技实业股份有限公司 一种目标追踪方法和相关装置
CN104637071A (zh) * 2015-01-28 2015-05-20 四川君逸易视科技有限公司 基于智能视频分析的人员跟踪方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101098465A (zh) * 2007-07-20 2008-01-02 哈尔滨工程大学 一种视频监控中运动目标检测与跟踪方法
AU2011203707A1 (en) * 2010-01-05 2012-07-12 Isolynx, Llc Systems and methods for analyzing event data
CN102768731A (zh) * 2012-06-29 2012-11-07 陕西省交通规划设计研究院 基于高清视频图像目标自动定位识别系统及方法
CN102968802A (zh) * 2012-11-28 2013-03-13 无锡港湾网络科技有限公司 一种基于视频监控的运动目标分析跟踪方法及系统
CN103259962A (zh) * 2013-04-17 2013-08-21 深圳市捷顺科技实业股份有限公司 一种目标追踪方法和相关装置
CN104637071A (zh) * 2015-01-28 2015-05-20 四川君逸易视科技有限公司 基于智能视频分析的人员跟踪方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
都基焱 等: "《无人机电视侦察目标定位原理》", 28 February 2013 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109001746A (zh) * 2018-06-08 2018-12-14 重庆交通职业学院 用于多旋翼无人热气飞艇的前视目标探测系统及方法
CN110992393A (zh) * 2019-11-24 2020-04-10 杭州鼎热科技有限公司 一种基于视觉的目标运动跟踪方法

Similar Documents

Publication Publication Date Title
CN107527009B (zh) 一种基于yolo目标检测的遗留物检测方法
CN111160125B (zh) 基于铁路监控的铁路异物入侵检测方法
US20100013917A1 (en) Method and system for performing surveillance
CN104966304B (zh) 基于卡尔曼滤波与非参数背景模型的多目标检测跟踪方法
CN108802758B (zh) 一种基于激光雷达的智能安防监控装置、方法和系统
KR102195706B1 (ko) 침입 탐지방법 및 그 장치
KR101910542B1 (ko) 객체 검출을 위한 영상분석 서버장치 및 방법
WO2001069931A1 (en) Method and apparatus for video surveillance with defined zones
KR20040050907A (ko) 비디오 트립와이어
CN104881643B (zh) 一种快速的遗留物检测方法及系统
Kulkarni et al. Real time vehicle detection, tracking and counting using Raspberry-Pi
CN105575027A (zh) 一种入侵与周界防范方法及装置
KR102315371B1 (ko) 스마트 cctv 관제 및 경보 시스템
Ketcham et al. The intruder detection system for rapid transit using CCTV surveillance based on histogram shapes
Malhi et al. Vision based intelligent traffic management system
CN107888880A (zh) 轨道区间检测与跟踪的智能视频监控方法及系统
CN114677640A (zh) 基于机器视觉的智慧工地安全监测系统及方法
KR101552344B1 (ko) 폭력 상황을 검출하는 장치 및 방법
CN109711313B (zh) 一种识别向河道内倾倒污水的实时视频监控方法
CN108446581B (zh) 一种恶劣环境中的无人机检测方法
CN107124577A (zh) 一种基于运动目标检测的实时防窃系统
Chan A robust target tracking algorithm for FLIR imagery
CN111432172A (zh) 基于图像融合的围栏报警方法及系统
CN114663479A (zh) 一种基于计算机视觉的智能监控预警方法及系统
Kryjak et al. FPGA implementation of camera tamper detection in real-time

Legal Events

Date Code Title Description
PB01 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: 20180406

RJ01 Rejection of invention patent application after publication