CN111079612A - 输电线路通道入侵物体停留监测方法及装置 - Google Patents
输电线路通道入侵物体停留监测方法及装置 Download PDFInfo
- Publication number
- CN111079612A CN111079612A CN201911252091.7A CN201911252091A CN111079612A CN 111079612 A CN111079612 A CN 111079612A CN 201911252091 A CN201911252091 A CN 201911252091A CN 111079612 A CN111079612 A CN 111079612A
- Authority
- CN
- China
- Prior art keywords
- target data
- image data
- background model
- foreground target
- monitoring
- 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
Images
Classifications
-
- 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
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
- G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种输电线路通道入侵物体停留监测方法及装置,所述方法包含:采集待测区域在不同帧率下的图像数据;通过高斯背景模型和所述图像数据分析获得待测区域内的运动前景目标数据和增量前景目标数据;根据所述运动前景目标数据消除所述增量前景目标数据中的运动前景目标数据,获得入侵目标数据;监测所述入侵目标数据对应的静止目标的停留时长,当所述停留时长高于预设阈值时,生成报警信号并输出。
Description
技术领域
本发明涉及安全监测领域,特别提供一种输电线路通道入侵物体停留监测方法及装置。
背景技术
传统的目标检测重点是检测“运动”的目标,而外破目标检测的研究对象是“静止”的目标。如果按照传统的运动目标检测方法进行遗留物体检测,就会将研究的对象融入背景当中,误判为背景对象。在需要检测外破目标或者其他情况下(比如非法区域停车等),采用单一的背景模型对暂时的静态目标进行检测,这种方法是不可行的,该方式无法准确对新加入的目标进行分析,容易被误判断为原始背景。
为此,当前输电线路通道安全监测领域亟需一种有效的监测方法以准备进行预警,来降低传统人工监测所带来的人力成本过高等问题。
发明内容
为解决上述技术问题,本发明目的在于提供一种准确识别入侵物体的输电线路通道入侵物体停留监测方法及装置。
为达上述目的,本发明所提供的一种输电线路通道入侵物体停留监测方法,具体包含:采集待测区域在不同帧率下的图像数据;通过高斯背景模型和所述图像数据分析获得待测区域内的运动前景目标数据和增量前景目标数据;根据所述运动前景目标数据消除所述增量前景目标数据中的运动前景目标数据,获得入侵目标数据;监测所述入侵目标数据对应的静止目标的停留时长,当所述停留时长高于预设阈值时,生成报警信号并输出。
在上述输电线路通道入侵物体停留监测方法中,优选的,采集待测区域在不同帧率下的图像数据包含:采集视频帧率大于等于25帧每秒的图像数据作为第一图像数据;采集视频帧率小于等于5帧每秒的图像数据作为第二图像数据。
在上述输电线路通道入侵物体停留监测方法中,优选的,通过高斯背景模型和所述图像数据分析获得待测区域内的运动前景目标数据和增量前景目标数据包含:通过将第一图像数据中连续的每一帧图像更新高斯背景模型,获得第一背景模型;将第一背景模型与当前图像进行差分及目标分割处理,获得预设周期内的运动前景目标数据。
在上述输电线路通道入侵物体停留监测方法中,优选的,通过高斯背景模型和所述图像数据分析获得待测区域内的运动前景目标数据和增量前景目标数据包含:通过将第二图像数据中连续的每一帧图像更新高斯背景模型,获得第二背景模型;将第二背景模型与当前图像进行差分及目标分割处理,获得预设周期内的增量前景目标数据。
在上述输电线路通道入侵物体停留监测方法中,优选的,通过高斯背景模型和所述图像数据分析获得待测区域内的运动前景目标数据和增量前景目标数据包含:通过背景差分法分析第二图像数据,获得预设周期内的增量前景目标数据。
本发明还提供一种输电线路通道入侵物体停留监测装置,所述装置包含计算模块、采集模块、分析模块和报警模块;所述采集模块用于采集待测区域在不同帧率下的图像数据;所述计算模块用于通过高斯背景模型和所述图像数据分析获得待测区域内的运动前景目标数据和增量前景目标数据;所述分析模块用于根据所述运动前景目标数据消除所述增量前景目标数据中的运动前景目标数据,获得入侵目标数据;所述报警模块用于监测所述入侵目标数据对应的静止目标的停留时长,当所述停留时长高于预设阈值时,生成报警信号并输出。
在上述输电线路通道入侵物体停留监测装置中,优选的,所述采集模块包含:采集视频帧率大于等于25帧每秒的图像数据作为第一图像数据;采集视频帧率小于等于5帧每秒的图像数据作为第二图像数据。
在上述输电线路通道入侵物体停留监测装置中,优选的,所述计算模块包含运动分析单元,所述运动分析单元用于通过将第一图像数据中连续的每一帧图像更新高斯背景模型,获得第一背景模型;将第一背景模型与当前图像进行差分及目标分割处理,获得预设周期内的运动前景目标数据。
在上述输电线路通道入侵物体停留监测装置中,优选的,所述计算模块包含增量分析单元,所述增量分析单元用于通过将第二图像数据中连续的每一帧图像更新高斯背景模型,获得第二背景模型;将第二背景模型与当前图像进行差分及目标分割处理,获得预设周期内的增量前景目标数据;或,通过背景差分法分析第二图像数据,获得预设周期内的增量前景目标数据。
本发明还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述方法的计算机程序。
本发明使用其中一个背景模型检测所有的前景目标,另一个背景模型检测运动的目标,然后将两个背景模型检测的结果进行信息融合,以此得到暂时的静态目标,即候选的遗留物体目标,并以该目标为参考进行有效的入侵物体预警,较现有技术来讲明显更为准确,误差率极低。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,并不构成对本发明的限定。在附图中:
图1为本发明一实施例所提供的输电线路通道入侵物体停留监测方法的流程示意图;
图2为本发明一实施例所提供的高斯背景模型建模方法的原理示意图;
图3为本发明一实施例所提供的背景图像示意图;
图4为本发明一实施例所提供的输电线路通道入侵物体停留监测装置的结构示意图;
图5为本发明一实施例所提供的输电线路通道入侵物体停留监测方法的处理流程图;
图6为本发明一实施例所提供的电子设备的结构示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。需要说明的是,只要不构成冲突,本发明中的各个实施例及各实施例中的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。
另外,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
请参考图1所示,本发明提供了一种输电线路通道入侵物体停留监测方法,具体包含:S101采集待测区域在不同帧率下的图像数据;S102通过高斯背景模型和所述图像数据分析获得待测区域内的运动前景目标数据和增量前景目标数据;S103根据所述运动前景目标数据消除所述增量前景目标数据中的运动前景目标数据,获得入侵目标数据;S104监测所述入侵目标数据对应的静止目标的停留时长,当所述停留时长高于预设阈值时,生成报警信号并输出。以此,利用不同帧率下图像数据的差异,配合高斯背景模型来分别获得包含有运动前景目标的数据和包含有运动前景目标及静态前景目标的增量前景数据;其后利用单独获得的运动前景目标数据即可清除所述增量前景数据中的运动物体,从而获得静态的入侵物体;在确定该入侵物体后即可进行停留监测预警。
在上述实施例中,步骤S101中采集待测区域在不同帧率下的图像数据具体可包含:采集视频帧率大于等于25帧每秒的图像数据作为第一图像数据;采集视频帧率小于等于5帧每秒的图像数据作为第二图像数据;也就是说,为使得入侵物体监测更为精准,实际工作中可采用至少两种帧率差值较大的方式采集待测区域的入侵物体,接着利用帧率较高(例如大于等于25帧每秒)的图像数据获得运动前景目标数据,利用帧率较低(例如小于等于5帧每秒)的图像数据获得包含有运动前景目标及静态前景目标的增量前景数据;其后,则可通过将第一图像数据中连续的每一帧图像更新高斯背景模型,获得第一背景模型;将第一背景模型与当前图像进行差分及目标分割处理,获得预设周期内的运动前景目标数据;以及,通过将第二图像数据中连续的每一帧图像更新高斯背景模型,获得第二背景模型;将第二背景模型与当前图像进行差分及目标分割处理,获得预设周期内的增量前景目标数据;其中,当光照变化不明显的情况下,还可通过背景差分法分析第二图像数据,获得预设周期内的增量前景目标数据。
综上,实际工作中,传统的目标检测重点是检测“运动”的目标,而外破目标检测的研究对象是“静止”的目标。如果按照传统的运动目标检测方法进行遗留物体检测,就会将研究的对象融入背景当中,误判为背景对象。在需要检测外破目标或者其他情况下(比如非法区域停车等),采用单一的背景模型对暂时的静态目标进行检测,这种方法是不可行的。因此,设计一种双背景模型对静态的目标进行检测,使用其中一个背景模型检测所有的前景目标,另一个背景模型检测运动的目标,然后将两个背景模型检测的结果进行信息融合,得到暂时的静态目标,即候选的遗留物体目标。
为此,请参考图5所示,上述原理在具体实施时,第一背景模型和第二背景模型均是在高斯背景模型的基础上建立,建模方法如图2所示;通常情况下,第一背景模型所采用的视频的帧率是25帧/秒;在这种情况下,使用传统高斯背景模型对背景进行估计,即将连续的每一帧图像去更新高斯背景模型,所得到的背景模型与当前图像进行差分、目标分割,可以得到的检测结果是在一个短期的时间内,具有运动状态的目标,为此,设定在帧率为25帧/秒情况下进行的传统意义的高斯背景模型为Bs。第二个背景模型BL的是在一个较低帧率的视频上建立的,例如5帧/秒;降低原始视频的帧率,也就是每隔一定的时间采集一次视频图像,使用图像对背景模型BL进行检测和更新。当BL的帧率将低到一定程度时,可以认为低帧率的高斯背景模型退化成了单纯的背景图像,即采用低帧率(5帧/秒)的高斯背景模型进行运动目标检测的方法退化成了背景差分法;因此,在短时间内光照变化不明显的情况下,可以使用背景差分法代替低帧率的高斯背景模型。高帧率背景模型BS能够检测到的目标主要包括运动着的对象或者刚刚从运动状态转变为静止状态的对象,但是当一个新的物体进入场景后静止一段时间,高帧率的背景模型BS则无法检测,而低帧率背景模型BL能够检测到的所有不属于原有背景的目标,无论其运动状态是静止还是运动。如图3所示,假设了一组背景简单且同时存在静止对象和运动目标的视频序列。a)是原始的背景图像,b)是当前帧场景图像,其中矩形是静止了一段时间的目标,圆形是运动的目标。c)是采用了高帧率的背景模型进行目标检测的结果,可以看出只检测到了运动物体。d)是采用了低帧率的背景模型进行目标检测的结果,检测出了不属于原始背景图像的所有前景对象。因此将c)和d)图像再进行减法运算,就可以将运动的目标消除掉,得到所求的静止对象。
具体运算过程可如下:针对场景中的任意一个像素点f(x,y),分别使用高帧率背景模型BS和低帧率背景模型BL进行目标检测,分别得到二值化的前景图像DS和DL。假设检测结果为前景时,D(x,y)=1;检测结果为背景时,D(x,y)=0。根据两种背景模型检测的不同结果,会产生如表1所示的四种情况
表1
在上述表中,(1)DS(x,y)=1并且DL(x,y)=1时,像素点(x,y)的像素值不符合这两个背景模型中的任意一个,也就是在两个背景模型中都呈现“运动”的状态,说明该点所在区域为运动目标;
(2)DS(x,y)=1并且DL(x,y)=0时,像素点(x,y)的像素值符合高帧率背景模型BS,与此同时,该点像素值不符合低帧率背景模型,说明该点为之前被覆盖过、并且重新恢复原始状态的背景;
(3)DS(x,y)=0并且DL(x,y)=1时,像素点(x,y)的像素值符合低帧率背景模型BL,与此同时,该点像素值不符合高帧率背景模型,说明该点为一段时间内不属于原始背景的、呈现“静止”状态的对象,即候选的遗留物体;
(4)DS(x,y)=0并且DL(x,y)=0时,像素点(x,y)的像素值同时符合这两个背景模型,该点呈现“静止”状态,即该点为背景。
第三种情况则是因为高帧率背景模型BS可以检测出运动目标,但是该模型并不学习这种临时的像素值变化。只有当运动的前景目标静止一段时间之后,高帧率背景模型BS通过较为频繁的学习可以将该前景目标融为背景模型。低帧率背景模型BL的更新频率较低,场景中的前景目标对该模型的训练效果较小,也就是说只要是不符合最初的原始背景模型的前景目标,无论其运动状态是“运动”还是“静止”,都很难对低帧率的背景模型进行训练。由于这两种背景模型在处理“静止的前景目标”的情况下,结果是完全相反的,因此通过条件判断就可以检测出“静止的前景目标”。
在上述实施例中,“静止的前景目标”是指不属于原有背景、但是进入了场景后并静止的物体;将双背景模型进行差分的方法只能判断出新的物体由运动变为静止,而不能判断该物体静止的时间;因此设定入侵物体停留报警时间,当静止的前景目标在场景中静止的时间超过停留报警时间时,可做出报警响应与安全防范措施,当已经判定为入侵物体的目标被移除时,则解除警报,以此实现监测的完整流程。
在本发明一实施例中,为便于准备检测停留物体的停留时长,提供一种能够自动更新的可能性图像L(x,y),使其能够根据双背景模型处理结果与停留报警时间,进行自适应的入侵物体停留特性判断。阈值图像需要针对场景中每个像素点进行计算,其初始值设置为0,在第t帧时的计算方法如公式1:
其中,k和maxT均为常数,k是衰减参数,maxT是报警阈值。当位于(x,y)的像素值被判定为静止的前景目标时,该点所对应的L(x,y)会随着时间的变化而增长,当增长到阈值maxT时,判定所在位置为遗留物体,并报警。当该遗留物体被移除时,所在点的L(x,y)会迅速低于阈值maxT并开始下降,下降速度与衰减参数k有关。报警阈值maxT代表入侵物体占据整幅画面的比例,由于输电线路现场安装的摄像头位置高度不一致,拍摄物体距离不一致,需根据实际情况进行设定。例如在距离地面15米高度处安装摄像头,假定最小捕捉目标为小型汽车,则设定maxT为整幅画面像素数的30%。当L(x,y)超过整幅画面像素数的30%时,可排定当前视场中出现了停留较长时间的入侵物体,例如小型汽车或更为大型的车辆等。因为较高的报警阈值不仅具有较好的抗噪性,并且对应的启动报警时间较长,这样可以减少误判的概率,即降低虚警率。当没有入侵物体停留事件对L(x,y)进行贡献时,L(x,y)的衰减速度由衰减参数k来决定。同时,衰减参数k也决定了入侵物体离开时(移除后需要恢复原始背景),系统的响应速度,为了使入侵物体离开时,系统警报能够迅速地解除,通常情况下,设定衰减参数k为一个较大的数值。例如在距离地面15米高度处安装摄像头,假定最小捕捉目标为小型汽车时,k=图像像素数×0.15。
请参考图4所示,本发明还提供一种输电线路通道入侵物体停留监测装置,所述装置包含计算模块、采集模块、分析模块和报警模块;所述采集模块用于采集待测区域在不同帧率下的图像数据;所述计算模块用于通过高斯背景模型和所述图像数据分析获得待测区域内的运动前景目标数据和增量前景目标数据;所述分析模块用于根据所述运动前景目标数据消除所述增量前景目标数据中的运动前景目标数据,获得入侵目标数据;所述报警模块用于监测所述入侵目标数据对应的静止目标的停留时长,当所述停留时长高于预设阈值时,生成报警信号并输出。其中,所述采集模块包含:采集视频帧率大于等于25帧每秒的图像数据作为第一图像数据;采集视频帧率小于等于5帧每秒的图像数据作为第二图像数据。
在上述实施例中,所述计算模块包含运动分析单元和增量分析单元,所述运动分析单元用于通过将第一图像数据中连续的每一帧图像更新高斯背景模型,获得第一背景模型;将第一背景模型与当前图像进行差分及目标分割处理,获得预设周期内的运动前景目标数据;所述增量分析单元用于通过将第二图像数据中连续的每一帧图像更新高斯背景模型,获得第二背景模型;将第二背景模型与当前图像进行差分及目标分割处理,获得预设周期内的增量前景目标数据;或,通过背景差分法分析第二图像数据,获得预设周期内的增量前景目标数据。
本发明还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述方法的计算机程序。
本发明使用其中一个背景模型检测所有的前景目标,另一个背景模型检测运动的目标,然后将两个背景模型检测的结果进行信息融合,以此得到暂时的静态目标,即候选的遗留物体目标,并以该目标为参考进行有效的入侵物体预警,较现有技术来讲明显更为准确,误差率极低。
如图6所示,该电子设备600还可以包括:通信模块110、输入单元120、音频处理单元130、显示器160、电源170。值得注意的是,电子设备600也并不是必须要包括图6中所示的所有部件;此外,电子设备600还可以包括图6中没有示出的部件,可以参考现有技术。
如图6所示,中央处理器100有时也称为控制器或操作控件,可以包括微处理器或其他处理器装置和/或逻辑装置,该中央处理器100接收输入并控制电子设备600的各个部件的操作。
其中,存储器140,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息,此外还可存储执行有关信息的程序。并且中央处理器100可执行该存储器140存储的该程序,以实现信息存储或处理等。
输入单元120向中央处理器100提供输入。该输入单元120例如为按键或触摸输入装置。电源170用于向电子设备600提供电力。显示器160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器,但并不限于此。
该存储器140可以是固态存储器,例如,只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器,其即使在断电时也保存信息,可被选择性地擦除且设有更多数据,该存储器的示例有时被称为EPROM等。存储器140还可以是某种其它类型的装置。存储器140包括缓冲存储器141(有时被称为缓冲器)。存储器140可以包括应用/功能存储部142,该应用/功能存储部142用于存储应用程序和功能程序或用于通过中央处理器100执行电子设备600的操作的流程。
存储器140还可以包括数据存储部143,该数据存储部143用于存储数据,例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器140的驱动程序存储部144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块110即为经由天线111发送和接收信号的发送机/接收机110。通信模块(发送机/接收机)110耦合到中央处理器100,以提供输入信号和接收输出信号,这可以和常规移动通信终端的情况相同。
基于不同的通信技术,在同一电子设备中,可以设置有多个通信模块110,如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)110还经由音频处理器130耦合到扬声器131和麦克风132,以经由扬声器131提供音频输出,并接收来自麦克风132的音频输入,从而实现通常的电信功能。音频处理器130可以包括任何合适的缓冲器、解码器、放大器等。另外,音频处理器130还耦合到中央处理器100,从而使得可以通过麦克风132能够在本机上录音,且使得可以通过扬声器131来播放本机上存储的声音。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (11)
1.一种输电线路通道入侵物体停留监测方法,其特征在于,所述方法包含:
采集待测区域在不同帧率下的图像数据;
通过高斯背景模型和所述图像数据分析获得待测区域内的运动前景目标数据和增量前景目标数据;
根据所述运动前景目标数据消除所述增量前景目标数据中的运动前景目标数据,获得入侵目标数据;
监测所述入侵目标数据对应的静止目标的停留时长,当所述停留时长高于预设阈值时,生成报警信号并输出。
2.根据权利要求1所述的输电线路通道入侵物体停留监测方法,其特征在于,采集待测区域在不同帧率下的图像数据包含:采集视频帧率大于等于25帧每秒的图像数据作为第一图像数据;采集视频帧率小于等于5帧每秒的图像数据作为第二图像数据。
3.根据权利要求2所述的输电线路通道入侵物体停留监测方法,其特征在于,通过高斯背景模型和所述图像数据分析获得待测区域内的运动前景目标数据和增量前景目标数据包含:
通过将第一图像数据中连续的每一帧图像更新高斯背景模型,获得第一背景模型;
将第一背景模型与当前图像进行差分及目标分割处理,获得预设周期内的运动前景目标数据。
4.根据权利要求2所述的输电线路通道入侵物体停留监测方法,其特征在于,通过高斯背景模型和所述图像数据分析获得待测区域内的运动前景目标数据和增量前景目标数据包含:
通过将第二图像数据中连续的每一帧图像更新高斯背景模型,获得第二背景模型;将第二背景模型与当前图像进行差分及目标分割处理,获得预设周期内的增量前景目标数据。
5.根据权利要求2所述的输电线路通道入侵物体停留监测方法,其特征在于,通过高斯背景模型和所述图像数据分析获得待测区域内的运动前景目标数据和增量前景目标数据包含:通过背景差分法分析第二图像数据,获得预设周期内的增量前景目标数据。
6.一种输电线路通道入侵物体停留监测装置,其特征在于,所述装置包含计算模块、采集模块、分析模块和报警模块;
所述采集模块用于采集待测区域在不同帧率下的图像数据;
所述计算模块用于通过高斯背景模型和所述图像数据分析获得待测区域内的运动前景目标数据和增量前景目标数据;
所述分析模块用于根据所述运动前景目标数据消除所述增量前景目标数据中的运动前景目标数据,获得入侵目标数据;
所述报警模块用于监测所述入侵目标数据对应的静止目标的停留时长,当所述停留时长高于预设阈值时,生成报警信号并输出。
7.根据权利要求6所述的输电线路通道入侵物体停留监测装置,其特征在于,所述采集模块包含:采集视频帧率大于等于25帧每秒的图像数据作为第一图像数据;采集视频帧率小于等于5帧每秒的图像数据作为第二图像数据。
8.根据权利要求7所述的输电线路通道入侵物体停留监测装置,其特征在于,所述计算模块包含运动分析单元,所述运动分析单元用于通过将第一图像数据中连续的每一帧图像更新高斯背景模型,获得第一背景模型;将第一背景模型与当前图像进行差分及目标分割处理,获得预设周期内的运动前景目标数据。
9.根据权利要求7所述的输电线路通道入侵物体停留监测装置,其特征在于,所述计算模块包含增量分析单元,所述增量分析单元用于通过将第二图像数据中连续的每一帧图像更新高斯背景模型,获得第二背景模型;将第二背景模型与当前图像进行差分及目标分割处理,获得预设周期内的增量前景目标数据;或,通过背景差分法分析第二图像数据,获得预设周期内的增量前景目标数据。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5任一所述方法。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求1至5任一所述方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911252091.7A CN111079612A (zh) | 2019-12-09 | 2019-12-09 | 输电线路通道入侵物体停留监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911252091.7A CN111079612A (zh) | 2019-12-09 | 2019-12-09 | 输电线路通道入侵物体停留监测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111079612A true CN111079612A (zh) | 2020-04-28 |
Family
ID=70313442
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911252091.7A Pending CN111079612A (zh) | 2019-12-09 | 2019-12-09 | 输电线路通道入侵物体停留监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111079612A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112232267A (zh) * | 2020-10-29 | 2021-01-15 | 国网河北省电力有限公司 | 一种滞留人员检测方法及系统 |
CN113393629A (zh) * | 2021-05-25 | 2021-09-14 | 浙江大华技术股份有限公司 | 入侵行为检测方法、装置和多路视频监控系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103714325A (zh) * | 2013-12-30 | 2014-04-09 | 中国科学院自动化研究所 | 基于嵌入式系统的遗留物和遗失物实时检测方法 |
CN105894701A (zh) * | 2016-04-05 | 2016-08-24 | 江苏电力信息技术有限公司 | 输电线路防外破大型施工车辆的识别报警方法 |
CN107204006A (zh) * | 2017-06-01 | 2017-09-26 | 大连海事大学 | 一种基于双背景差分的静止目标检测方法 |
CN108846335A (zh) * | 2018-05-31 | 2018-11-20 | 武汉市蓝领英才科技有限公司 | 基于视频图像的智慧工地区域管理及入侵检测方法、系统 |
CN109919053A (zh) * | 2019-02-24 | 2019-06-21 | 太原理工大学 | 一种基于监控视频的深度学习车辆停车检测方法 |
CN110288801A (zh) * | 2019-06-25 | 2019-09-27 | 南方电网数字电网研究院有限公司 | 电力现场视频监控方法、装置、计算机设备和存储介质 |
-
2019
- 2019-12-09 CN CN201911252091.7A patent/CN111079612A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103714325A (zh) * | 2013-12-30 | 2014-04-09 | 中国科学院自动化研究所 | 基于嵌入式系统的遗留物和遗失物实时检测方法 |
CN105894701A (zh) * | 2016-04-05 | 2016-08-24 | 江苏电力信息技术有限公司 | 输电线路防外破大型施工车辆的识别报警方法 |
CN107204006A (zh) * | 2017-06-01 | 2017-09-26 | 大连海事大学 | 一种基于双背景差分的静止目标检测方法 |
CN108846335A (zh) * | 2018-05-31 | 2018-11-20 | 武汉市蓝领英才科技有限公司 | 基于视频图像的智慧工地区域管理及入侵检测方法、系统 |
CN109919053A (zh) * | 2019-02-24 | 2019-06-21 | 太原理工大学 | 一种基于监控视频的深度学习车辆停车检测方法 |
CN110288801A (zh) * | 2019-06-25 | 2019-09-27 | 南方电网数字电网研究院有限公司 | 电力现场视频监控方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
朱炜;何冰;刘新平;谢小松;陆丽;王芳林;: "输电线路监控系统中运动目标的智能检测与识别" * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112232267A (zh) * | 2020-10-29 | 2021-01-15 | 国网河北省电力有限公司 | 一种滞留人员检测方法及系统 |
CN113393629A (zh) * | 2021-05-25 | 2021-09-14 | 浙江大华技术股份有限公司 | 入侵行为检测方法、装置和多路视频监控系统 |
CN113393629B (zh) * | 2021-05-25 | 2022-11-15 | 浙江大华技术股份有限公司 | 入侵行为检测方法、装置和多路视频监控系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3008696B1 (en) | Tracker assisted image capture | |
KR102217253B1 (ko) | 행동패턴 분석 장치 및 방법 | |
CN104519318A (zh) | 图像监控系统和监视摄像机 | |
CN102426785B (zh) | 基于轮廓和局部特征点的交通流信息感知方法及系统 | |
CN104506804A (zh) | 一种快速道路上的机动车异常行为监测装置及其方法 | |
CN110782433B (zh) | 基于时序的动态信息暴力抛物检测方法、装置及存储介质 | |
CN111444854B (zh) | 异常事件检测方法、相关设备及可读存储介质 | |
US20060056702A1 (en) | Image processing apparatus and image processing method | |
US20160210759A1 (en) | System and method of detecting moving objects | |
JP4852355B2 (ja) | 放置物検出装置及び放置物検出方法 | |
JP7305965B2 (ja) | ビデオ監視システムのパラメータ設定方法、装置及びビデオ監視システム | |
CN110114801B (zh) | 图像前景检测装置及方法、电子设备 | |
CN111079612A (zh) | 输电线路通道入侵物体停留监测方法及装置 | |
KR102159954B1 (ko) | 지능형 영상 분석을 위한 관심 영역 설정 방법 및 이에 따른 영상 분석 장치 | |
JP4999794B2 (ja) | 静止領域検出方法とその装置、プログラム及び記録媒体 | |
CN115760912A (zh) | 运动目标跟踪方法、装置、设备及计算机可读存储介质 | |
CN102254396B (zh) | 基于视频的入侵检测方法及装置 | |
CN111950339A (zh) | 视频处理 | |
KR20160093253A (ko) | 영상 기반 이상 흐름 감지 방법 및 그 시스템 | |
JP4025007B2 (ja) | 踏切障害物検知装置 | |
CN103455997A (zh) | 一种遗弃物检测方法及系统 | |
CN112560546A (zh) | 抛洒行为检测方法、装置及存储介质 | |
JP7125843B2 (ja) | 障害検知システム | |
CN114898279A (zh) | 物体检测方法及装置、计算机设备、存储介质 | |
CN114173064B (zh) | 一种多重曝光方法、装置及电子设备 |
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 |