CN111461078A - 一种基于计算机视觉技术的防钓监控方法 - Google Patents

Abstract

本发明公开了一种基于计算机视觉技术的防钓监控方法，包括信息采集步骤，信息分析步骤，以及监控报警步骤，所述信息采集步骤为通过摄像机获取视频，所述信息分析步骤为通过计算机对所述视频进行识别分析，所述监控报警步骤为对所述信息分析步骤得到的结果进行展示并报警。本发明基于计算机视觉技术进行图像识别，对鱼竿、人员以及水域进行定位及综合判断，从而杜绝了把行人误认为钓鱼者等现象的发生，提高了钓鱼行为的检出几率。

Description

一种基于计算机视觉技术的防钓监控方法

技术领域

本发明涉及视频监控领域，具体涉及一种基于计算机视觉技术的防钓监控方法。

背景技术

目标检测是计算机视觉领域的基本任务之一，学术界已有将近二十年的研究历史。近些年随着深度学习技术的火热发展，目标检测算法也从基于手工特征的传统算法转向了基于深度神经网络的检测技术。

目前针对不当钓鱼行为，如输电线附近及其他不适合钓鱼的场所，进行有效检测与识别的方法是基于传统的前后帧像素比对方法。像素比对方法的原理是通过对待检测区域进行实时图像采集，对采集图像的前后帧数据进行比对，具体如图1所示。计算k时刻和k+1时刻的图像像素差值，用以检测前后时刻的图像差异。而后计算差异像素点数值的概率分布，与已有钓鱼图像数据库进行比对，判断是否存在钓鱼行为。由于能够搜集到的钓鱼图像数据有限，即可以比对的标准数据分布有限，且采集和计算出的像素差异数值分布是随机多样的，导致这种方法存在两个问题：（1）经常会把行人误认为钓鱼者；（2）检测不出钓鱼行为。

发明内容

为解决上述现有技术中的问题，降低工作过程中不规范行为的发生，本发明的目的是提供一种基于计算机视觉技术的防钓监控方法。该方法基于计算机视觉技术进行图像识别，对鱼竿、人员以及水域进行定位及综合判断，从而杜绝了把行人误认为钓鱼者等现象的发生，提高了钓鱼行为的检出几率。

本发明采用的技术方案如下：

一种基于计算机视觉技术的防钓监控方法，包括信息采集步骤，信息分析步骤，以及监控报警步骤，所述信息采集步骤为通过摄像机获取视频，所述信息分析步骤为通过计算机对所述视频进行识别分析，所述监控报警步骤为对所述信息分析步骤得到的结果进行展示并报警。

进一步的，所述信息分析步骤为采用YOLO算法对所述视频进行识别分析。包括以下步骤：

S1：从视频中截取单帧图像，并将该图像的大小调整为预设好的图像尺寸参数；

S2：将S1中得到的图像划分成为S×S的格栅，并判断每个格栅中是否存在物体的中心；

S3：每个格栅负责检测中心落在该格栅内的物体的坐标位置、类别、准确度，得到鱼竿位置信息、人员位置信息和水域位置信息；

S4：逻辑判断，即根据S3中检测得到的鱼竿位置信息、人员位置信息和水域位置信息，判断是否存在钓鱼行为。

进一步的，所述步骤S2中的格栅为 6×6的格栅。

进一步的，所述步骤S3中所述鱼竿位置信息为垂钓端位置信息，所述人员位置信息以人体腹部为基准，所述水域位置信息以最接近鱼竿垂钓端的水域为基准。

进一步的，所述步骤S3中检测得到的鱼竿位置信息与人员位置信息距离≤8m，鱼竿位置信息与水域位置信息距离≤2m时，所述监控报警步骤报警。

进一步的，所述步骤S3中检测得到的准确度≥70%时，启动步骤S4；所述步骤S3中检测得到的准确度≤50%时，不启动步骤S4；所述步骤S3中检测得到的准确度在50%~70%之间时，将重复检测过程，重复检测三次，取三次检测准确度的平均值，若平均值≥50%，则启动步骤S4。

进一步的，所述信息采集步骤用所述摄像机通过可转动云台安装。

本发明的有益效果是：通过计算机视觉技术进行图像识别，对鱼竿、人员以及水域进行定位及综合判断，从而杜绝了把行人误认为钓鱼者等现象的发生，提高了钓鱼行为的检出几率。

附图说明

图1是现有技术的示意图。

图2是本发明实施例的流程示意图。

图3是本发明实施例中信息分析步骤的流程图。

图4是本发明实施例中信息分析步骤的示意图。

具体实施方式

下面结合附图与实施例对本发明作进一步说明。

实施例中，一种基于计算机视觉技术的防钓监控方法，包括：

信息采集步骤：通过摄像机获取视频，所述摄像机可以是固定机位的一个或者多个摄像机，通过可转动云台安装。可转动的云台可以提供更大的拍摄范围。

信息分析步骤：通过计算机对所述视频进行识别分析，这是核心步骤，主要是对信息采集步骤得到的视频进行处理，当有目标进入摄像机监控区域时，截取图像并分析，当分析得到的结果落入预先设置好的视为有钓鱼现象发生的参数范围内时，启动监控报警步骤。该步骤可以通过一台高性能的服务器来实现。

监控报警步骤：对所述信息分析步骤得到的结果进行展示并报警。监控管理步骤是人机交互的步骤，可以将信息分析步骤的结果以视频或者图像形式展现出来，并发出声音示警。

实施例中，如图2和3所示，所述信息分析步骤为采用YOLO算法对所述视频进行识别分析，包括以下步骤：

S1：从视频中截取单帧图像，并将该图像的大小调整为预设好的图像尺寸参数；

S2：将S1中得到的图像划分成为S×S的格栅，并判断每个格栅中是否存在物体的中心；

S3：每个格栅负责检测中心落在该格栅内的物体的坐标位置、类别、准确度，得到鱼竿位置信息2、人员位置信息3和水域位置信息1；

S4：逻辑判断，即根据S3中检测得到的鱼竿位置信息2、人员位置信息3和水域位置信息1，判断是否存在钓鱼行为。

当所述步骤S2中格栅为 6×6的格栅时，检测的准确度较高。

当所述步骤S3中，检测得出格栅内同时存在鱼竿、人员和水域，并且所述步骤S4判断得出三者位置相邻，则视为钓鱼行为存在。具体的，所述步骤S3中所述鱼竿位置信息2以垂钓端位置信息为基准，所述人员位置信息3以人体腹部为基准，所述水域位置信息1以最接近鱼竿垂钓端的水域为基准。选定基准点便于定位，并对距离作出比较。由于鱼竿的长度一般不超过8m，钓线浸入水中使鱼竿垂钓端靠近水面，因此当所述步骤S3检测出鱼竿、人员和水域三者同时存在，并且所述步骤S4逻辑判断得出：鱼竿位置信息2与人员位置信息3距离≤8m，鱼竿位置信息2与水域位置信息1距离≤2m，则认为有钓鱼行为存在，所述监控报警步骤启动并报警。

实施例中，由于光线、遮挡物、天气等因素的影响，导致所述步骤S3中的格栅在检测落在该格栅内的物体信息时，存在误差，准确率达不到100%。经过实验得出，所述步骤S3中检测得到的准确度在≥70%时，钓鱼活动真实存在，启动步骤S4；所述步骤S3中检测得到的准确度在≤50%时，排除钓鱼活动的存在，步骤S4不启动；所述步骤S3中检测得到的准确度在50%~70%之间时，将重复检测过程，重复检测三次，取三次检测准确度的平均值，若平均值≥50%，则启动步骤S4。

显然，本发明的上述实施例仅仅是为了说明本发明所作的举例，而并非对本发明的实施方式的限定。属于本发明的实质精神所引申出的显而易见的变化或变动仍属于本发明的保护范围。

Claims (6)

1.一种基于计算机视觉技术的防钓监控方法，其特征在于：包括信息采集步骤，信息分析步骤，以及监控报警步骤，具体如下：

（1）所述信息采集步骤为通过摄像机获取视频：

（2）所述信息分析步骤为通过计算机对所述视频进行识别分析：

（3）所述监控报警步骤为对所述信息分析步骤得到的结果进行展示并报警；

所述信息分析步骤为采用YOLO算法对所述视频进行识别分析，包括以下步骤：

步骤1：从视频中截取单帧图像，并将该图像的大小调整为预设好的图像尺寸参数；

步骤2：将步骤1中得到的图像划分成为S×S的格栅，并判断每个格栅中是否存在物体的中心；

步骤3：每个格栅负责检测中心落在该格栅内的物体的坐标位置、类别、准确度，得到鱼竿位置信息、人员位置信息和水域位置信息；

步骤4：逻辑判断，即根据步骤3中检测得到的鱼竿位置信息、人员位置信息和水域位置信息，判断是否存在钓鱼行为。

2.如权利要求1所述的基于计算机视觉技术的防钓监控方法，其特征在于：所述步骤2中的格栅为 6×6的格栅。

3.如权利要求1所述的基于计算机视觉技术的防钓监控方法，其特征在于：所述步骤3中所述鱼竿位置信息以垂钓端为基准，所述人员位置信息以人体腹部为基准，所述水域位置信息以最接近鱼竿垂钓端的水域为基准。

4.如权利要求1所述的基于计算机视觉技术的防钓监控方法，其特征在于：所述步骤3中检测得到的鱼竿位置信息与人员位置信息距离≤8m，鱼竿位置信息与水域位置信息距离≤2m时，所述监控报警步骤报警。

5.如权利要求1所述的基于计算机视觉技术的防钓监控方法，其特征在于：

(1)所述步骤3中检测得到的准确度≥70%时，启动步骤4；

(2)所述步骤3中检测得到的准确度≤50%时，不启动步骤4；

(3)所述步骤3中检测得到的准确度在50%~70%之间时，将重复检测过程，重复检测三次，取三次检测准确度的平均值，若平均值≥50%，则启动步骤4。

6.如权利要求1所述的基于计算机视觉技术的防钓监控方法，其特征在于：所述信息采集步骤用所述摄像机通过可转动云台安装。

Images