CN110309838A - 基于指数变换的视频检测区物体轮廓检测预处理方法 - Google Patents

Abstract

本发明公开了基于指数变换的视频检测区物体轮廓检测预处理方法，通过对检测区视频帧像素值进行指数变换，从而将视频中物体边界的视频帧差距放大，使得物体轮廓清晰度增加，物体轮廓更加明显，对视频检测区视频帧进行预处理，提高检测区检测算法的识别准确性。本发明针对视频帧抓拍角度和光线照射角度等影响，提出一种指数变换的视频检测区物体轮廓检测预处理机制，从而在一定程度上解决了视频帧图像存在局部灰暗的情况而导致视频帧检测区域目标物体轮廓特征并不明显问题，提高智能安防视频分析告警事件准确性。本发明的基于指数变换的视频检测区物体轮廓检测预处理方法具有识别准确度高的优点。

Description

基于指数变换的视频检测区物体轮廓检测预处理方法

技术领域

本发明涉及智能视觉检测技术领域，尤其涉及一种准确性高的基于指数变换的视频检测区物体轮廓检测预处理方法。

背景技术

随着智能安防的发展，越来越多的智能化应用落地在智慧安防的实际建设中，特别是特殊区域的警告事件监测和预警应用，对于智慧社区的建设和发展，具有重要的作用，例如消防占道和攀爬告警等应用，将社区安防管理的工作变得更加智能化和数字化，对于出入小区的人员和车辆，特殊区域的异常情况监测和监控。然而视频智能分析受到光线、抓拍角度和图像的质量等因素影响比较大，在自然环境下的普通摄像头抓怕的视频帧目标区域检测效果，往往受这些因素的制约，检测效果并不怎么理想。再加上视频帧抓拍角度和光线照射角度等影响，视频帧检测区域会存在局部灰暗的情况，导致检测区域目标物体轮廓特征并不明显，对目标物体识别的结果影响较大。

因此，有必要提出一种改进，以克服现有技术缺陷。

发明内容

本发明的目的是解决现有技术中的问题，提供一种识别准确性高的基于指数变换的视频检测区物体轮廓检测预处理方法。

本发明的技术方案是：

一种基于基于指数变换的视频检测区物体轮廓检测预处理方法，包括以下步骤：S1、获取视频帧；S2、将视频帧进行灰度处理；S3、通过视频帧阴影面指数变换函数y＝(1/c)*(X/c)^r将视频帧检测区域阴影处的目标物体轮廓凸显；其中，X为视频帧像素值，y为指数转换后的帧像素值，c＝1.0/255.0，r＝0.2；S4、获取底库图片模板unit_pic及待检测视频帧frame_update，通过SSIM改造算法计算底库图片模板unit_pic与待检测视频帧frame_update的结构相似性，从而判断待检测视频帧frame_update内是否有异常。

作为一种优选的技术方案，所述步骤S4的具体方法为：S4a、在正常情况下获取视频帧，并通过S2和S3处理后，作为底库图片模板unit_pic；S4b、循环获取监控图像的视频帧frame，并通过S2和S3处理后，得到待检测视频帧frame_update；S4c、通过SSIM改造算法计算底库图片模板unit_pic与待检测视频帧frame_update的结构相似性w；S4d、设定异常事件发生的结构相似性阈值为p；若w＞p，则判断待检测视频帧frame_update正常；若w不大于p，则判断待检测视频帧frame_update出现异常情况。

作为一种进一步优选的技术方案，所述步骤S4d中，当w＞p时，对底库图片模板unit_pic进行更新，将此时的待检测视频帧frame_update替换原底库图片模板unit_pic。

作为一种优选的技术方案，当判断待检测视频帧frame_update内有异常时，根据待检测视频帧frame_update的其他信息确认是否进行上报操作。

作为一种优选的技术方案，所述SSIM改造算法为对图片内的亮度、对比度及结构进行计算。

作为一种优选的技术方案，所述步骤S3中“通过视频帧阴影面指数变换函数y＝(1/c)*(X/c)^r将视频帧检测区域阴影处的目标物体轮廓凸显”为将灰度处理后的视频帧内的每个像素值进行指数变换处理，形成新的视频帧图像。

作为一种优选的技术方案，所述步骤S4结束后，判断是否继续进行检测，若继续，转向步骤S4，否则，检测结束。

本发明针对视频帧抓拍角度和光线照射角度等影响，提出一种指数变换的视频检测区物体轮廓检测预处理机制，从而在一定程度上解决了视频帧图像存在局部灰暗的情况而导致视频帧检测区域目标物体轮廓特征并不明显问题，提高智能安防视频分析告警事件准确性。本发明的基于指数变换的视频检测区物体轮廓检测预处理方法，通过对检测区视频帧像素值进行指数变换，从而将视频中物体边界的视频帧差距放大，使得物体轮廓清晰度增加，物体轮廓更加明显，对视频检测区视频帧进行预处理，提高检测区检测算法的识别准确性。

附图说明

图1为本发明基于指数变换的视频检测区物体轮廓检测预处理方法具体实施方式流程框图；

图2为本发明基于指数变换的视频检测区物体轮廓检测预处理方法中步骤S3内指数变换函数的指数变化曲线图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种，但是不排除包含至少一种的情况。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。

如图1所示，本发明的一种基于指数变换的视频检测区物体轮廓检测预处理方法，包括以下步骤：

S1、获取视频帧；获取包含视频智能分析的视频帧frame。

S2、将视频帧进行灰度处理；视频帧灰度处理frame_grade。

S3、通过视频帧阴影面指数变换函数y＝(1/c)*(X/c)^r将视频帧检测区域阴影处的目标物体轮廓凸显；其中，X为视频帧像素值，y为指数转换后的帧像素值，c＝1.0/255.0，r＝0.2。该指数变换函数y＝(1/c)*(X/c)^r，可以通过合理地选择c和r的值来压缩灰度范围，本发明的基于指数变换的视频检测区物体轮廓检测预处理方法中，c＝1.0/255.0，r＝0.2，此时，指数变化曲线图如图2所示。指数变换函数y＝(1/c)*(X/c)^r中，视频帧像素值X越大，y越近似等于X，变化不大；当视频帧像素值X越小，y相对于X，变化较大。而阴影部分视频帧的像素值较小，因此该指数函数y＝(1/c)*(X/c)r,，能够较好的将视频帧检测区域阴影处的目标物体轮廓凸显出来，特别是边界差异凸显效果较好。

S4、获取底库图片模板unit_pic及待检测视频帧frame_update，通过SSIM改造算法计算底库图片模板unit_pic与待检测视频帧frame_update的结构相似性，从而判断待检测视频帧frame_update内是否有异常。

本发明针对视频帧抓拍角度和光线照射角度等影响，提出一种指数变换的视频检测区物体轮廓检测预处理机制，从而在一定程度上解决了，视频帧图像存在局部灰暗的情况，导致视频帧检测区域目标物体轮廓特征并不明显问题，提高智能安防视频分析告警事件准确性。

在实际应用中，步骤S4“获取底库图片模板unit_pic及待检测视频帧frame_update，通过SSIM改造算法计算底库图片模板unit_pic与待检测视频帧frame_update的结构相似性，从而判断待检测视频帧frame_update内是否有异常”的具体实现方法为：

S4a、在正常情况下获取视频帧，并通过S2和S3处理后，作为底库图片模板unit_pic；

S4b、循环获取监控图像的视频帧frame，并通过S2和S3处理后，得到待检测视频帧frame_update；

S4c、通过SSIM改造算法计算底库图片模板unit_pic与待检测视频帧frame_update的结构相似性w；

S4d、设定异常事件发生的结构相似性阈值为p；若w＞p，则判断待检测视频帧frame_update正常；若w不大于p，则判断待检测视频帧frame_update出现异常情况。

应当知晓，本发明中，步骤S4b内所述的监控图像，不单单特指常规监控摄像头获取的图像，还指需要检查对比的图像视频，也即需要进行异物检测的视频图像，可以为设置专门的监测摄像头拍摄的视频或图像，也可以为其他摄像装置获取的视频或图像。

在实际应用中，为了避免底库图片模板的光线随时间推移而使得差异变大，作为优选方案，所述步骤S4d中，当w＞p时，对底库图片模板unit_pic进行更新，将此时的待检测视频帧frame_update替换原底库图片模板unit_pic。

当判断待检测视频帧frame_update内有异常时，根据待检测视频帧frame_update的其他信息确认是否进行上报操作。也即检测到检测区域疑似警情事件发生时，需要根据具体警情其他信息进行确认是否进行上报操作。

在实际应用中，上述SSIM改造算法为对图片内的亮度、对比度及结构进行计算。即通过将底库图片模板unit_pic与待检测视频帧frame_update的检测区域进行结构比较，计算结构相似性。

作为优选方案，为了保证指数变换后的图像中目标物体轮廓凸显，所述步骤S3中“通过视频帧阴影面指数变换函数y＝(1/c)*(X/c)^r将视频帧检测区域阴影处的目标物体轮廓凸显”为将灰度处理后的视频帧内的每个像素值进行指数变换处理，形成新的视频帧图像。

在步骤S4结束后，可以增加一步判断步骤，判断是否继续进行检测，若继续，转向步骤S4，否则，检测结束。

本发明针对视频帧抓拍角度和光线照射角度等影响，提出一种指数变换的视频检测区物体轮廓检测预处理机制，从而在一定程度上解决了视频帧图像存在局部灰暗的情况而导致视频帧检测区域目标物体轮廓特征并不明显问题，提高智能安防视频分析告警事件准确性。本发明的基于指数变换的视频检测区物体轮廓检测预处理方法，通过对检测区视频帧像素值进行指数变换，从而将视频中物体边界的视频帧差距放大，使得物体轮廓清晰度增加，物体轮廓更加明显，对视频检测区视频帧进行预处理，提高检测区检测算法的识别准确性。

综上所述仅为本发明较佳的实施例，并非用来限定本发明的实施范围。即凡依本发明申请专利范围的内容所作的等效变化及修饰，皆应属于本发明的技术范畴。

Claims (7)

1.基于指数变换的视频检测区物体轮廓检测预处理方法，其特征在于：包括以下步骤：

S1、获取视频帧；

S2、将视频帧进行灰度处理；

S3、通过视频帧阴影面指数变换函数y＝(1/c)*(X/c)^r将视频帧检测区域阴影处的目标物体轮廓凸显；其中，X为视频帧像素值，y为指数转换后的帧像素值，c＝1.0/255.0，r＝0.2；

S4、获取底库图片模板unit_pic及待检测视频帧frame_update，通过SSIM改造算法计算底库图片模板unit_pic与待检测视频帧frame_update的结构相似性，从而判断待检测视频帧frame_update内是否有异常。

2.根据权利要求1所述的基于指数变换的视频检测区物体轮廓检测预处理方法，其特征在于：所述步骤S4的具体方法为：

S4a、在正常情况下获取视频帧，并通过S2和S3处理后，作为底库图片模板unit_pic；

S4b、循环获取监控图像的视频帧frame，并通过S2和S3处理后，得到待检测视频帧frame_update；

S4c、通过SSIM改造算法计算底库图片模板unit_pic与待检测视频帧frame_update的结构相似性w；

S4d、设定异常事件发生的结构相似性阈值为p；若w＞p，则判断待检测视频帧frame_update正常；若w不大于p，则判断待检测视频帧frame_update出现异常情况。

3.根据权利要求2所述的基于指数变换的视频检测区物体轮廓检测预处理方法，其特征在于：所述步骤S4d中，当w＞p时，对底库图片模板unit_pic进行更新，将此时的待检测视频帧frame_update替换原底库图片模板unit_pic。

4.根据权利要求1或2所述的基于指数变换的视频检测区物体轮廓检测预处理方法，其特征在于：当判断待检测视频帧frame_update内有异常时，根据待检测视频帧frame_update的其他信息确认是否进行上报操作。

5.根据权利要求1或2所述的基于指数变换的视频检测区物体轮廓检测预处理方法，其特征在于：所述SSIM改造算法为对图片内的亮度、对比度及结构进行计算。

6.根据权利要求1所述的基于指数变换的视频检测区物体轮廓检测预处理方法，其特征在于：所述步骤S3中“通过视频帧阴影面指数变换函数y＝(1/c)*(X/c)^r将视频帧检测区域阴影处的目标物体轮廓凸显”为将灰度处理后的视频帧内的每个像素值进行指数变换处理，形成新的视频帧图像。

7.根据权利要求1所述的基于指数变换的视频检测区物体轮廓检测预处理方法，其特征在于：所述步骤S4结束后，判断是否继续进行检测，若继续，转向步骤S4，否则，检测结束。