CN109670419B - 一种基于周界安防视频监控系统的行人检测方法 - Google Patents
一种基于周界安防视频监控系统的行人检测方法 Download PDFInfo
- Publication number
- CN109670419B CN109670419B CN201811472754.1A CN201811472754A CN109670419B CN 109670419 B CN109670419 B CN 109670419B CN 201811472754 A CN201811472754 A CN 201811472754A CN 109670419 B CN109670419 B CN 109670419B
- Authority
- CN
- China
- Prior art keywords
- region
- target
- background
- regions
- 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.)
- Active
Links
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
- Burglar Alarm Systems (AREA)
Abstract
本发明公开了一种基于周界安防视频监控系统的行人检测方法。首先使用均值函数法进行背景建模,然后分别通过基于区域的背景差分法和帧间差分法对实时视频序列提取目标区域,最后通过区域比对保留有效目标区域。方法适用于目标灰度相差较大、目标灰度与背景灰度相近、目标体积较小等情况,同时可以消除绝大部分背景噪声、背景反光或背景亮度变化的影响。该方法易于在实时嵌入式系统实现等特点,具有较高的工程应用价值。
Description
技术领域
本发明属于图像识别技术领域,涉及一种基于周界安防视频监控系统的行人检测方法。
背景技术
目前主动报警式的周界安防系统主要使用的是脉冲电子围栏、主动红外对射、光纤传感、视频监控等方式,根据市场需求在不同场所都已得到运用,但都存在一定的优缺点。传统的基于视频监控的周界安防系统主要采用人工监控的方式,其效率低,人为忽略可能性大。针对以上问题,结合周界安防视频监控系统应用需求,需要研究一种适用于工程化应用的行人检测方法。
发明内容
(一)发明目的
本发明的目的是:提供一种基于周界安防视频监控系统的行人检测方法,克服现有技术的不足之处,有效解决目标灰度相差较大、目标灰度与背景灰度相近、目标体积较小、背景反光或背景亮度变化等问题,准确检测出行人目标。
(二)技术方案
为了解决上述技术问题,本发明提供基于周界安防视频监控系统的行人检测方法,其包括下列步骤:
(1)背景建模
基于周界安防视频监控系统采集的视频图像构建初始背景模型;
(2)基于区域的背景差分目标提取;
(3)帧间差分目标提取;
(4)目标筛选,将步骤(2)得到的目标区域集合记为Q,步骤(3)得到的目标区域集合记为P,将集合Q中区域与集合P中区域进行逐一对比,区域重合比例超过2/3的则保留集合Q中区域,删除对应的集合P中区域,如果不存在重合,则对集合Q中区域进行再一次的目标特征筛选,判断是否保留,最终留下的集合P、Q中的区域即为正确的目标提取结果。
其中,所述步骤(1)中,背景建模时,提前预存N帧周界安防视频监控系统采集的视频图像来构建初始背景模型,对储存的N帧视频图像中所有视频图像相同位置像素点进行加权平均计算,得到像素点的平均值作为背景图像。
其中,所述步骤(2)中,基于区域的背景差分目标提取的过程为:将当前帧图像与背景图像中的对应像素点相减求绝对值获得差分图像,对差分图像进行分区域二值化,并将各区域二值化结果合并为一幅图,方向为由左至右、由下至上,算满整幅图为止,当前区域与前一次区域形成重叠。
其中,所述步骤(2)中,两区域重叠部分面积以不小于目标为准。
其中,所述步骤(2)中,对差分图像进行分区域时,按照由左至右、由下至上分为多个子区域,相邻的子区域边缘重叠。
其中,所述步骤(3)中,帧间差分目标提取的过程为:将当前帧图像与前一帧图像中对应位置的像素值相减取绝对值,获得差分图像,在差分图像中像素值较小的区域认为该区域静止,反之则为运动区域,随后设定阀值进行二值化处理,得到二值化图像。
其中,所述步骤(3)中,采用对间隔5帧的两帧图像进行帧间差分。
其中,所述步骤(4)中,目标筛选时,将集合Q中区域Q[j]与集合P中区域P[i]进行逐一对比,区域重合比例超过2/3的则保留区域Q[j],删除对应的区域P[i],如果不存在重合,则对Q[j]进行再一次的目标特征筛选,判断是否保留,最终留下的集合P、Q中的区域即为正确的目标提取结果,其中,j=1、2、3、......、n,i=1、2、3、......、m,n和m分别为集合P、Q中区域的个数。
(三)有益效果
上述技术方案所提供的基于周界安防视频监控系统的行人检测方法,与现有技术相比的有益效果是:
(1)基于区域的背景差分法相较于传统的背景差分算法更适用于目标灰度相差较大、目标灰度与背景灰度相近、目标体积较小等情况,同时可以消除绝大部分背景噪声。
(2)帧间差分法可以消除背景反光或背景亮度变化对检测精度的影响。
(3)本方法中采用背景差分及帧间差分结合算法可有效提取出静止目标、远距离目标、近距离目标,并保留目标轮廓特征,同时极大程度减弱环境变化及背景噪声对目标提取结果的影响。
附图说明
图1为本方案方法流程示意图;
图2为基于区域二值化处理方式示意图;
图3为背景差分及帧间差分结合方法流程图;
图4a行人移动原始图像;
图4b基于区域的二值化结果;
图4c基于区域的目标检测结果;
图5a为行人移动原始图像;
图5b为基于区域的背景差分法二值化图像;
图5c为帧间差分法二值化图像;
图5d为利用技术解决方案的第(4)步骤处理后的目标筛选图像。
图5e为最终检测结果图像。
具体实施方式
为使本发明的目的、内容、和优点更加清楚,下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。
参照图1所示,本发明基于周界安防视频监控系统的行人检测方法包括下列步骤:
(1)背景建模。
提前预存N帧周界安防视频监控系统采集的视频图像来构建初始背景模型,对储存的N帧视频图像中所有视频图像相同位置像素点进行加权平均计算,得到像素点的平均值作为背景图像。
(2)基于区域的背景差分目标提取。
将当前帧图像与背景图像中的对应像素点相减求绝对值获得差分图像,对差分图像进行分区域二值化,并将各区域二值化结果合并为一幅图,方向为由左至右、由下至上,算满整幅图为止,当前区域需与前一次区域形成重叠,防止目标正好处于区域分界处导致目标提取错误。每个区域及相邻区域重叠部分大小需根据目标大小而定,以不小于目标大小、运算速度快为标准。处理示意图见附图2。
其中,对差分图像按照由左至右、由下至上分为多个子区域,相邻的子区域边缘重叠。
(3)帧间差分目标提取。
将当前帧图像与前一帧图像中对应位置的像素值相减取绝对值,获得差分图像,在差分图像中像素值较小的区域认为该区域静止,反之则为运动区域,随后设定阀值进行二值化处理,得到二值化图像。为防止丢失运动较慢目标,本方法采用对间隔5帧的两帧图像进行帧间差分。
(4)目标筛选。
步骤(2)中对差分图像二值化得到目标区域集合记为Q,步骤(3)中对差分图像二值化得到目标区域集合记为P,将集合Q中区域Q[j]与集合P中区域P[i]进行逐一对比,区域重合比例超过2/3的则保留区域Q[j],删除对应的区域P[i],如果不存在重合,则对Q[j]进行再一次的目标特征筛选,判断是否保留,最终留下的集合P、Q中的区域即为正确的目标提取结果,其中,j=1、2、3、......、n,i=1、2、3、......、m,n和m分别为集合P、Q中区域的个数。方法流程见附图3。
实施例
利用某周界安防视频监控系统采集14位复杂背景下的60m距离行人目标图像,图像分辨率为384*288。
图4a为当前帧行人移动图像,基于区域的背景差分二值化后结果如图4b所示,对图4b进行目标提取结果如图4c所示。
图5a为当前帧行人移动图像,基于区域的背景差分二值化后结果如图5b所示,基于帧间差分二值化后结果如图5c所示,对图5b和图5c结果利用技术解决方案的第(4)步骤进行目标筛选后结果如图5d所示,最终检测结果如图5e所示。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (1)
1.一种基于周界安防视频监控系统的行人检测方法,其特征在于,包括下列步骤:
(1)背景建模
基于周界安防视频监控系统采集的视频图像构建初始背景模型;
(2)基于区域的背景差分目标提取;
(3)帧间差分目标提取;
(4)目标筛选,将步骤(2)得到的目标区域集合记为Q,步骤(3)得到的目标区域集合记为P,将集合Q中区域与集合P中区域进行逐一对比,区域重合比例超过2/3的则保留集合Q中区域,删除对应的集合P中区域,如果不存在重合,则对集合Q中区域进行再一次的目标特征筛选,判断是否保留,最终留下的集合P、Q中的区域即为正确的目标提取结果;
所述步骤(1)中,背景建模时,提前预存N帧周界安防视频监控系统采集的视频图像来构建初始背景模型,对储存的N帧视频图像中所有视频图像相同位置像素点进行加权平均计算,得到像素点的平均值作为背景图像;
所述步骤(2)中,基于区域的背景差分目标提取的过程为:将当前帧图像与背景图像中的对应像素点相减求绝对值获得差分图像,对差分图像进行分区域二值化,并将各区域二值化结果合并为一幅图,方向为由左至右、由下至上,算满整幅图为止,当前区域与前一次区域形成重叠;
所述步骤(2)中,两区域重叠部分面积以不小于目标为准;
所述步骤(2)中,对差分图像进行分区域时,按照由左至右、由下至上分为多个子区域,相邻的子区域边缘重叠;
所述步骤(3)中,帧间差分目标提取的过程为:将当前帧图像与前一帧图像中对应位置的像素值相减取绝对值,获得差分图像,在差分图像中像素值较小的区域认为该区域静止,反之则为运动区域,随后设定阀值进行二值化处理,得到二值化图像;
所述步骤(3)中,采用对间隔5帧的两帧图像进行帧间差分;
所述步骤(4)中,目标筛选时,将集合Q中区域Q[j]与集合P中区域P[i]进行逐一对比,区域重合比例超过2/3的则保留区域Q[j],删除对应的区域P[i],如果不存在重合,则对Q[j]进行再一次的目标特征筛选,判断是否保留,最终留下的集合P、Q中的区域即为正确的目标提取结果,其中,j=1、2、3、......、n,i=1、2、3、......、m,m和n分别为集合P、Q中区域的个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811472754.1A CN109670419B (zh) | 2018-12-04 | 2018-12-04 | 一种基于周界安防视频监控系统的行人检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811472754.1A CN109670419B (zh) | 2018-12-04 | 2018-12-04 | 一种基于周界安防视频监控系统的行人检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109670419A CN109670419A (zh) | 2019-04-23 |
CN109670419B true CN109670419B (zh) | 2023-05-23 |
Family
ID=66144238
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811472754.1A Active CN109670419B (zh) | 2018-12-04 | 2018-12-04 | 一种基于周界安防视频监控系统的行人检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109670419B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115147450B (zh) * | 2022-09-05 | 2023-02-03 | 中印云端(深圳)科技有限公司 | 基于运动帧差图像的移动目标检测方法及检测装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103324913A (zh) * | 2013-05-29 | 2013-09-25 | 长安大学 | 一种基于形状特征和轨迹分析的行人事件检测方法 |
JP2014154898A (ja) * | 2013-02-05 | 2014-08-25 | Nissan Motor Co Ltd | 物体検知装置 |
WO2018171412A1 (zh) * | 2017-03-20 | 2018-09-27 | 华为技术有限公司 | 一种行人检索方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100593335C (zh) * | 2007-11-29 | 2010-03-03 | 北京中星微电子有限公司 | 一种运动检测方法及装置 |
CN102722982B (zh) * | 2012-03-30 | 2016-01-06 | 上海市金山区青少年活动中心 | 基于背景与帧间差分算法的车流及其运动状态检测方法 |
CN107204006B (zh) * | 2017-06-01 | 2020-02-07 | 大连海事大学 | 一种基于双背景差分的静止目标检测方法 |
CN107886086B (zh) * | 2017-12-01 | 2020-01-14 | 中国农业大学 | 一种基于图像视频的目标动物检测方法及装置 |
-
2018
- 2018-12-04 CN CN201811472754.1A patent/CN109670419B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014154898A (ja) * | 2013-02-05 | 2014-08-25 | Nissan Motor Co Ltd | 物体検知装置 |
CN103324913A (zh) * | 2013-05-29 | 2013-09-25 | 长安大学 | 一种基于形状特征和轨迹分析的行人事件检测方法 |
WO2018171412A1 (zh) * | 2017-03-20 | 2018-09-27 | 华为技术有限公司 | 一种行人检索方法及装置 |
Non-Patent Citations (1)
Title |
---|
王红茹 ; 童伟 ; .基于自适应高斯模型的实效运动目标检测算法.计算机工程与设计.2016,(10),第128-132页. * |
Also Published As
Publication number | Publication date |
---|---|
CN109670419A (zh) | 2019-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021208275A1 (zh) | 一种交通视频背景建模方法及系统 | |
CN107045629B (zh) | 一种多车道线检测方法 | |
CN101872546B (zh) | 一种基于视频的过境车辆快速检测方法 | |
CN102663362B (zh) | 一种基于灰度特征的运动目标检测方法 | |
CN101826228B (zh) | 基于背景估计的公交乘客运动目标检测方法 | |
CN108038883B (zh) | 一种应用于公路路面视频图像的裂缝检测及识别方法 | |
CN104952256A (zh) | 一种基于视频信息的交叉口处车辆的检测方法 | |
CN107833242A (zh) | 一种基于边缘信息和改进vibe运动目标检测方法 | |
CN109711256B (zh) | 一种低空复杂背景无人机目标检测方法 | |
CN108198208B (zh) | 一种基于目标跟踪的移动侦测方法 | |
CN103440484A (zh) | 一种适应室外大空间的火焰检测方法 | |
CN107944354B (zh) | 一种基于深度学习的车辆检测方法 | |
CN111967394B (zh) | 一种基于动静态网格融合策略的森林火灾烟雾根节点检测方法 | |
CN108022249A (zh) | 一种遥感视频卫星运动车辆目标感兴趣区域自动提取方法 | |
Lian et al. | A novel method on moving-objects detection based on background subtraction and three frames differencing | |
CN103473547A (zh) | 一种用于智能交通检测系统的车辆目标物识别算法 | |
CN104537688A (zh) | 一种基于背景差分和hog特征的运动目标检测方法 | |
CN103049788B (zh) | 基于计算机视觉的待过行人数目的检测系统及方法 | |
CN106934819A (zh) | 一种提高图像中运动物体检测精度的方法 | |
CN101299274B (zh) | 一种移动固定目标的检测方法及系统 | |
Du et al. | Research on an efficient method of license plate location | |
CN109670419B (zh) | 一种基于周界安防视频监控系统的行人检测方法 | |
CN107729811B (zh) | 一种基于场景建模的夜间火焰检测方法 | |
Ye | A robust method for counting people in complex indoor spaces | |
CN103996199A (zh) | 一种基于深度信息的运动检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |