一种基于图像检测的高空抛物识别方法
技术领域
本发明涉及高空抛物识别方法,具体涉及一种基于图像检测的高空抛物识别方法。
背景技术
随着城市化的推进,越来越多的居民工作、生活在高层建筑中。但同时,居民的生命安全也受到了高空抛物、堕物的严重威胁。目前,为应对高空抛、堕物,明确责任人,进而杜绝高空抛、堕物的出现,传统的做法是使用摄像设备采集高清视频,并利用人工智能(尤其是计算机视觉)检测、分析基于此视频流的图像。
但这种传统的做法,需要在监控系统中建立高空抛物报警系统。在出现报警信息后,需要人员查看具体的抛物视频,人力成本和延时性高。
基于传统做法,人们研发出一种基于光流的检测方法。这种光流检测方法又包括传统的光流法和基于神经网络的光流法。传统的光流法,计算复杂度高,对噪音敏感。基于神经网络的光流法虽然高效,但是以牺牲精度的代价换取的时间上的优势,同时对场景要求比较高。
发明内容
本发明要解决的技术问题是提供一种基于图像检测的高空抛物识别方法,其能够实时、准确的检测出高空抛物,检测速度快,系统负担小,对场景的要求低。
为了解决上述技术问题,本发明提供了一种基于图像检测的高空抛物识别方法,包括以下步骤:
S1,设置监控区域,提取视频帧信息;
S2,提取基于MOG2的运动物体候选框;
S3,匹配前后帧运动物体候选框,判断是否为同一物体,若是,则进入S4;
S4,分析物体的运动轨迹,判断是否为抛物。
作为优选的,包括以下步骤:
S1,设置监控区域,提取视频帧信息;
S2,基于MOG2算法对视频背景进行建模,提取出运动的前景图像,并对提取出的前景图像运用形态学变换去噪及像素面积筛选,选取出运动物体的候选框;
S3,将当前帧的候选框与前N帧的候选框进行特征匹配,满足所有匹配条件的候选框被判定为同一运动物体在不同帧中的图像;
S4,对同一物体的运动轨迹进行分析,若该运动轨迹同时满足(1)检测帧数>帧数阈值t,(2)物体下降高度>高度阈值h的条件,则判定该物体为抛落物体。
作为优选的,在步骤S3中,匹配特征至少包括候选框间的距离、形状相似度和灰度分布相似度,匹配条件包括:
a.候选框间的距离<距离阈值d,其中,候选框间的距离定义为候选框中心的欧氏距离;
b.候选框的形状相似度<形状相似度阈值r,其中,形状相似度定义为候选框宽高比的比值;
c.候选框的灰度分布相似度<灰度分布相似度阈值g,其中,灰度分布相似度定义为候选框的归一化至[0,1]的灰度直方图间的均方误差。
作为优选的,包括以下步骤:
S1,在高为H的建筑物前L处安装分辨率为X的摄像机,摄像机画面中至少包含整栋建筑物,并在画面中设置监控区域,提取视频帧信息;
S2,基于MOG2算法对视频背景进行建模,提取出运动的前景图像,并对提取出的前景图像运用形态学变换去噪及像素面积筛选,选取出运动物体的候选框;
S3,将当前帧的候选框与前N帧的候选框进行匹配,匹配特征至少包括候选框间的距离、形状相似度和灰度分布相似度,具体的,匹配条件有:
a.候选框间的距离<距离阈值d,其中,候选框间的距离定义为候选框中心的欧氏距离;
b.候选框的形状相似度<形状相似度阈值r,其中,形状相似度定义为候选框宽高比的比值;
c.候选框的灰度分布相似度<灰度分布相似度阈值g,其中,灰度分布相似度定义为候选框的归一化至[0,1]的灰度直方图间的均方误差;
满足所有匹配条件的候选框被判定为同一运动物体在不同帧中的图像;
S4,对同一物体的运动轨迹进行分析,若该运动轨迹同时满足(1)检测帧数>帧数阈值t,(2)物体下降高度>高度阈值h的条件,则判定该物体为抛落物体。
作为优选的,H为30m,L为20m,分辨率X为720P,距离阈值d为36Pixel,形状相似度阈值r为1-7,灰度分布相似度阈值g为0.1-0.5,帧数阈值t为5帧,高度阈值h为150Pixel。
作为优选的,分辨率X分别为1080P、2K和4K时,距离阈值d分别为54Pixel、72Pixel和108Pixel,高度阈值h分别为225Pixel、300Pixel和540Pixel。
作为优选的,摄像机与建筑物的底端的距离L和摄像机与建筑物的顶端的距离M的比值为1:0.5-2。
与现有技术相比,本发明的有益效果是:
1、本通过计算机视觉技术、背景检测技术等,以及运动物体轨迹分析,来直接对出现在视频中的高空物品进行实时检测,以及时报警,避免出现高空抛物伤害事件,同时,通过采用加速的策略,对于该系统的计算成本也大大降低,实用性强,不增加过多的计算负担。
2、本发明采用改进的混合高斯背景建模,可以自适应选择高斯分布个数,对于高空中运动的物体,加速了“鬼影”的消除,节省了算法的时间成本;同时,结合运动物体的轨迹分析,提高了检测的精准度。
3、本发明能够准确的检测出高空抛物,且在1080Ti的显卡环境下,计算速度为10FPS,且模型储存大小不超过500M,达到了应用的要求。
附图说明
为了更清楚的说明本发明实施例技术中的技术方案,下面将对实施例技术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,还能够根据这些附图获得其他的附图。
图1为本发明的流程示意图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅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的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。
实施例1
参照图1所示,本实施例公开了一种基于图像检测的高空抛物识别方法,包括以下步骤:
S1,设置监控区域,提取视频帧信息;
S2,基于MOG2算法对视频背景进行建模,提取出运动的前景图像,并对提取出的前景图像运用形态学变换去噪及像素面积筛选,选取出运动物体的候选框;
S3,将当前帧的候选框与前N帧的候选框进行匹配,匹配特征至少包括候选框间的距离、形状相似度和灰度分布相似度,具体的,匹配条件有:
d.候选框间的距离<距离阈值d,其中,候选框间的距离定义为候选框中心的欧氏距离;
e.候选框的形状相似度<形状相似度阈值r,其中,形状相似度定义为候选框宽高比的比值;
f.候选框的灰度分布相似度<灰度分布相似度阈值g,其中,灰度分布相似度定义为候选框的归一化至[0,1]的灰度直方图间的均方误差;
满足所有匹配条件的候选框被判定为同一运动物体在不同帧中的图像;
S4,对同一物体的运动轨迹进行分析,若该运动轨迹同时满足(1)检测帧数>帧数阈值t,(2)物体下降高度>高度阈值h的条件,则判定该物体为抛落物体。
实施例2
本实施例公开了一种基于图像检测的高空抛物识别方法,包括以下步骤:
S1,在高为H的建筑物前L处安装分辨率为X的摄像机,摄像机画面中至少包含整栋建筑物,并在画面中设置监控区域,提取视频帧信息;
S2,基于MOG2算法对视频背景进行建模,提取出运动的前景图像,并对提取出的前景图像运用形态学变换去噪及像素面积筛选,选取出运动物体的候选框;
S3,将当前帧的候选框与前N帧的候选框进行匹配,匹配特征至少包括候选框间的距离、形状相似度和灰度分布相似度,具体的,匹配条件有:
g.候选框间的距离<距离阈值d,其中,候选框间的距离定义为候选框中心的欧氏距离;
h.候选框的形状相似度<形状相似度阈值r,其中,形状相似度定义为候选框宽高比的比值;
i.候选框的灰度分布相似度<灰度分布相似度阈值g,其中,灰度分布相似度定义为候选框的归一化至[0,1]的灰度直方图间的均方误差;
满足所有匹配条件的候选框被判定为同一运动物体在不同帧中的图像;
S4,对同一物体的运动轨迹进行分析,若该运动轨迹同时满足(1)检测帧数>帧数阈值t,(2)物体下降高度>高度阈值h的条件,则判定该物体为抛落物体。
实施例3
本实施例公开了一种基于图像检测的高空抛物识别方法,包括以下步骤:
S1,在高为30m的建筑物前20m处安装分辨率为720P的摄像机,摄像机画面中至少包含整栋建筑物,并在画面中设置监控区域,提取视频帧信息;
S2,基于MOG2算法对视频背景进行建模,提取出运动的前景图像,并对提取出的前景图像运用形态学变换去噪及像素面积筛选,选取出运动物体的候选框;
S3,将当前帧的候选框与前N帧的候选框进行匹配,匹配特征至少包括候选框间的距离、形状相似度和灰度分布相似度,具体的,匹配条件有:
j.候选框间的距离<距离阈值d=36Pixel,其中,候选框间的距离定义为候选框中心的欧氏距离;
k.候选框的形状相似度<形状相似度阈值r=3-5,其中,形状相似度定义为候选框宽高比的比值;
l.候选框的灰度分布相似度<灰度分布相似度阈值g=0.2-0.4,其中,灰度分布相似度定义为候选框的归一化至[0,1]的灰度直方图间的均方误差;
满足所有匹配条件的候选框被判定为同一运动物体在不同帧中的图像;
S4,对同一物体的运动轨迹进行分析,若该运动轨迹同时满足(1)检测帧数>帧数阈值t=5帧,(2)物体下降高度>高度阈值h=150Pixel的条件,则判定该物体为抛落物体。
实施例4
本实施例公开了一种基于图像检测的高空抛物识别方法,包括以下步骤:
S1,在高为30m的建筑物前20m处安装分辨率为1080P的摄像机,摄像机画面中至少包含整栋建筑物,并在画面中设置监控区域,提取视频帧信息;
S2,基于MOG2算法对视频背景进行建模,提取出运动的前景图像,并对提取出的前景图像运用形态学变换去噪及像素面积筛选,选取出运动物体的候选框;
S3,将当前帧的候选框与前N帧的候选框进行匹配,匹配特征至少包括候选框间的距离、形状相似度和灰度分布相似度,具体的,匹配条件有:
m.候选框间的距离<距离阈值d=54Pixel,其中,候选框间的距离定义为候选框中心的欧氏距离;
n.候选框的形状相似度<形状相似度阈值r=4,其中,形状相似度定义为候选框宽高比的比值;
o.候选框的灰度分布相似度<灰度分布相似度阈值g=0.3,其中,灰度分布相似度定义为候选框的归一化至[0,1]的灰度直方图间的均方误差;
满足所有匹配条件的候选框被判定为同一运动物体在不同帧中的图像;
S4,对同一物体的运动轨迹进行分析,若该运动轨迹同时满足(1)检测帧数>帧数阈值t=5帧,(2)物体下降高度>高度阈值h=225Pixel的条件,则判定该物体为抛落物体。
实施例5
本实施例公开了一种基于图像检测的高空抛物识别方法,包括以下步骤:
S1,在高为30m的建筑物前20m处安装分辨率为2K的摄像机,摄像机画面中至少包含整栋建筑物,并在画面中设置监控区域,提取视频帧信息;
S2,基于MOG2算法对视频背景进行建模,提取出运动的前景图像,并对提取出的前景图像运用形态学变换去噪及像素面积筛选,选取出运动物体的候选框;
S3,将当前帧的候选框与前N帧的候选框进行匹配,匹配特征至少包括候选框间的距离、形状相似度和灰度分布相似度,具体的,匹配条件有:
p.候选框间的距离<距离阈值d=72Pixel,其中,候选框间的距离定义为候选框中心的欧氏距离;
q.候选框的形状相似度<形状相似度阈值r=4,其中,形状相似度定义为候选框宽高比的比值;
r.候选框的灰度分布相似度<灰度分布相似度阈值g=0.3,其中,灰度分布相似度定义为候选框的归一化至[0,1]的灰度直方图间的均方误差;
满足所有匹配条件的候选框被判定为同一运动物体在不同帧中的图像;
S4,对同一物体的运动轨迹进行分析,若该运动轨迹同时满足(1)检测帧数>帧数阈值t=5帧,(2)物体下降高度>高度阈值h=300Pixel的条件,则判定该物体为抛落物体。
实施例6
本实施例公开了一种基于图像检测的高空抛物识别方法,包括以下步骤:
S1,在高为30m的建筑物前20m处安装分辨率为4K的摄像机,摄像机画面中至少包含整栋建筑物,并在画面中设置监控区域,提取视频帧信息;
S2,基于MOG2算法对视频背景进行建模,提取出运动的前景图像,并对提取出的前景图像运用形态学变换去噪及像素面积筛选,选取出运动物体的候选框;
S3,将当前帧的候选框与前N帧的候选框进行匹配,匹配特征至少包括候选框间的距离、形状相似度和灰度分布相似度,具体的,匹配条件有:
s.候选框间的距离<距离阈值d=108Pixel,其中,候选框间的距离定义为候选框中心的欧氏距离;
t.候选框的形状相似度<形状相似度阈值r=4,其中,形状相似度定义为候选框宽高比的比值;
u.候选框的灰度分布相似度<灰度分布相似度阈值g=0.3,其中,灰度分布相似度定义为候选框的归一化至[0,1]的灰度直方图间的均方误差;
满足所有匹配条件的候选框被判定为同一运动物体在不同帧中的图像;
S4,对同一物体的运动轨迹进行分析,若该运动轨迹同时满足(1)检测帧数>帧数阈值t=5帧,(2)物体下降高度>高度阈值h=450Pixel的条件,则判定该物体为抛落物体。
对于实施例2-6,摄像机与建筑物的底端的距离L和摄像机与建筑物的顶端的距离M的比值为1:0.5-2。以避免不同高度上同样的距离反应在像素数上的差异过大。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理能够在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖点相一致的最宽的范围。