CN112800975A - 一种基于图像处理的安检通道内行为识别方法 - Google Patents
一种基于图像处理的安检通道内行为识别方法 Download PDFInfo
- Publication number
- CN112800975A CN112800975A CN202110129255.8A CN202110129255A CN112800975A CN 112800975 A CN112800975 A CN 112800975A CN 202110129255 A CN202110129255 A CN 202110129255A CN 112800975 A CN112800975 A CN 112800975A
- Authority
- CN
- China
- Prior art keywords
- target
- behavior
- image
- original image
- moving target
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 206010000117 Abnormal behaviour Diseases 0.000 claims abstract description 21
- 238000007689 inspection Methods 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000003706 image smoothing Methods 0.000 claims description 4
- 238000011410 subtraction method Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000006399 behavior Effects 0.000 abstract description 27
- 230000005856 abnormality Effects 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 description 22
- 238000001514 detection method Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 9
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 230000014759 maintenance of location Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种基于图像处理的安检通道内行为识别方法，包括：获取安检区域中摄像头采集的原始图像；对原始图像中的运动目标和图像背景进行分离；对运动目标在原始图像的每一帧中进行目标跟踪；对运动目标提取目标特征，然后根据运动目标的目标特征判定是否为异常行为，则进行报警。本发明能够有效的动态场景中的目标进行定位、识别和跟踪，并分析和判断目标行为是否与已知异常行为相符，从而能在异常发生时及时进行现场信息记录及安防预警。
Description
技术领域
本发明涉及监控系统领域，尤其涉及一种基于图像处理的安检通道内行为识别方法。
背景技术
当下机场安检区域视频监控具有监控点位众多、监控范围大以及监控内容复杂等特点。仅仅依靠传统“人眼”观看众多视频的监控模式发现机场安全问题的效率越来越低，安保人员难以实时、有效地监视和发现突发或有威胁的安防事件。其次，在安防事件发生后，难以快速、准确地在海量存储视频中搜寻现场相关信息。
发明内容
本发明提供一种基于图像处理的安检通道内行为识别方法，以解决现有技术存在的问题。
本发明采用以下技术方案：
一种基于图像处理的安检通道内行为识别方法，包括：
（1）获取安检区域中摄像头采集的原始图像；
（2）对原始图像中的运动目标和图像背景进行分离；
（3）对运动目标在原始图像的每一帧中进行目标跟踪；
（4）对运动目标提取目标特征，然后根据运动目标的目标特征判定是否为异常行为，则进行报警。
所述（1）中，获取原始图像以后，对原始图像进行预处理，所述预处理包括图像灰度转换、图像平滑处理。
所述（2）中，通过背景差分法对原始图像中的运动目标和图像背景进行分离。
所述（3）中，通过基于特征匹配的目标跟踪算法进行运动目标在原始图像每一帧中的目标跟踪。
所述（4）中，首先获取正常行为样本集和异常行为样本集，通过分类器对正常行为样本集和异常行为样本集进行训练，生成分类器，所述分类器的预测结果包括异常行为和正常行为，然后通过分类器对输入的目标特征进行预测，如果预测结果为异常行为，则进行报警。
本发明的有益效果：
本发明能够有效的动态场景中的目标进行定位、识别和跟踪，并分析和判断目标行为是否与已知异常行为相符，从而能在异常发生时及时进行现场信息记录及安防预警。
附图说明
图1是本发明的行为识别整体流程示意图；
图2是本发明中目标检测流程示意图；
图3是本发明中目标跟踪流程示意图；
图4是本发明中行为分析判断流程示意图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细说明。
应该指出，以下详细说明都是例式性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的技术含义相同。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本发明中，术语如“固接”、“相连”、“连接”等应做广义理解，表示可以是固定连接，也可以是一体地连接或可拆卸连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员，可以根据具体情况确定上述术语在本发明中的具体含义，不能理解为对本发明的限制。
本发明提供了一种基于图像处理的安检通道内行为识别方法，用于解决在传统“人眼”观看众多视频的监控模式下，安保人员难以实时、有效地监视、发现突发或有威胁的安防事件的难题。本发明的方法克服了现有监控模式难以识别和跟踪的缺陷，能够分析和判断目标行为是否与已知异常行为相符，从而能在异常发生时及时进行现场信息记录及安防预警。同时能够在事件发生后，通过实时行为预警，实现安检监控由被动监控到主动监控的转变，提高安检监控的准确性和及时性，降低视频监控管理成本，达到有效避免或高效处理机场安检有威胁或突发性的事件的目的。
在现有的安检范围内，设置有多个监控点，每个监控点均设置有摄像机，摄像机能够采集个监控点的视频图像序列，本发明针对摄像机获取的视频图像序列进行分析，提供一种基于图像处理的安检通道内行为识别方法，该方法包括以下步骤：
（1）获取安检区域中摄像头采集的原始图像；
（2）对原始图像中的运动目标和图像背景进行分离；
（3）对运动目标在原始图像的每一帧中进行目标跟踪；
（4）对运动目标提取目标特征，然后根据运动目标的目标特征判定是否为异常行为，并对异常行为进行报警。
现实生活中，由于外界因素影响，从各个监控点摄像机直接采集的原始图像序列大多会因为光照、风吹等外界因素对视频资源造成图像质量不佳，所以在对运动目标检查之前需要对原始图像序列进行图像预处理，所述的图像预处理过程至少图像灰度变换、图像平滑处理、数学形态学处理等图像预处理过程中的一个或者多个。对原始图像序列中的图像帧进行图像灰度变换、图像平滑处理和/或数学形态学处理的方法为现有图像处理领域很常用的方法，因此不再进行详细描述。
在经过图像预处理后，对进行过预处理的图像中的运动目标检测提取，最终将视频中的运动部分和图像背景分离。对运动目标提取有多种方法，本发明使用的目标检测提取算法要能适应于各种监测环境，比如适应各类天气，对光线环境变化有很好的鲁棒性。现有的典型算法有光流法、帧差法和背景差分法等。根据每种算法的应用场合和优缺点不同，根据本发明的应用场景，优选选用现有的运动目标提取算法中的背景差分法。背景差分法算法简单易于实现且处理速度较快，通过建立稳定可靠的背景模型，以及背景模型随着场景变化而不断等更新，可以提取较完整的检测目标信息。
背景差分法在提取运动目标时，首先需要将输入的视频序列进行处理，取视频序列中第一帧图像并初始化为背景模型，然后将每一帧的图像同背景模型进行对比，得出运动的动态物体，用于之后的物体识别等操作，使用背景差分法获识别动态目标的过程如图2所示。
动态目标检测出来后，需要对视频序列中的运动目标进行追踪。具体为，将检测的目标在其视频序列中帧与帧之间建立联系，即在上一帧图像中的目标在下一帧图像中的实时高效匹配，因此需要对监控场景中的目标进行有效的实时跟踪。现有常用的目标跟踪算法大致分为：基于特征匹配的目标跟踪、基于区域的目标跟踪、基于模型的跟踪、基于边缘点轮廓线的跟踪等。根据每种算法的优缺点不同，本发明优选采用基于特征匹配的目标跟踪。基于特征匹配的目标跟踪算法通过特征提取和特征匹配，即提取每一帧的目标形状、轮廓、颜色、位置、面积等特征对比之前帧的提取特征的相关程度而确定匹配关系，实现检测目标在每一帧的跟踪。通过特征匹配的目标跟踪算法为现有图像处理中非常常用的算法，因此不赘述。
设定每个特征可以波动的阈值范围，对动态目标进行提取特征，再与特征的阈值值范围进行比对，判断是否属于需要的运动目标。如果动态目标不是需要的运动目标，则舍弃该目标，如果动态目标为需要的运动目标，则对目标进行追踪。该判断过程如图3所示。
基于深度学习模型对运动目标的行为特征进行提取， 建立分析规则算法，包括线规则、AB线规则、区域规则、对象滞留规则、人群聚集规则、跌倒规则：
线规则是对检测对象越线异常行为识别判断的依据。在监控区域内设置警戒线将监控区域划分为：正常区域和禁止进入区域。
AB线规则是对检测对象逆行异常行为识别判断的依据。在监控区域内设置两条警戒线，通过从A线到B线，或是B线到A线运动轨迹检测，判断检测对象是否出现逆行异常行为。
区域规则是对检测对象进入布控区域行为识别判断的依据。在监控区域内设置一个或是多个布控区域，通过检测对象与布控区域的边界线的关系，判断检测对象是否出现区域入侵异常行为。
对象滞留规则是对检测对象在布控区域内待的时间超过正常时间的滞留行为识别判断的依据。在监控区域内设置一个或是多个布控区域，通过检测对象的运动轨迹以及逗留时间来判断检测对象是否出现异常滞留行为。
人群聚集规则是对进入布控区域内的人员超多事件识别判断的依据。在监控区域内设置一个或是多个布控区域以及超限人数，通过布控区域与检测对象的关系以及布控区域内的检查对象数量的计算等来判断该区域是否出现人群聚集事件。
跌倒规则是对进入布控区域内的人员跌倒行为识别判断的依据。在监控区域内设置一个或是多个布控区域，通过布控区域与检测对象的关系、检测对象的运动轨迹以及跌倒行为识别等来判断该人员是否出现跌倒异常行为。
将运动目标行为特征值带入分析规则算法进行计算，获取运动目标与异常行为规则的匹配程度，与异常行为规则阈值进行比对，对异常行为进行报警，行为分析过程如图4所示。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (5)
1.一种基于图像处理的安检通道内行为识别方法，其特征在于，包括：
（1）获取安检区域中摄像头采集的原始图像；
（2）对原始图像中的运动目标和图像背景进行分离；
（3）对运动目标在原始图像的每一帧中进行目标跟踪；
（4）对运动目标提取目标特征，然后根据运动目标的目标特征判定是否为异常行为，则进行报警。
2.根据权利要求1所述的一种基于图像处理的安检通道内行为识别方法，其特征在于：
所述（1）中，获取原始图像以后，对原始图像进行预处理，所述预处理包括图像灰度转换、图像平滑处理。
3.根据权利要求1所述的一种基于图像处理的安检通道内行为识别方法，其特征在于：
所述（2）中，通过背景差分法对原始图像中的运动目标和图像背景进行分离。
4.根据权利要求1所述的一种基于图像处理的安检通道内行为识别方法，其特征在于：
所述（3）中，通过基于特征匹配的目标跟踪算法进行运动目标在原始图像每一帧中的目标跟踪。
5.根据权利要求1所述的一种基于图像处理的安检通道内行为识别方法，其特征在于：
所述（4）中，首先获取正常行为样本集和异常行为样本集，通过分类器对正常行为样本集和异常行为样本集进行训练，生成分类器，所述分类器的预测结果包括异常行为和正常行为，然后通过分类器对输入的目标特征进行预测，如果预测结果为异常行为，则进行报警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110129255.8A CN112800975A (zh) | 2021-01-29 | 2021-01-29 | 一种基于图像处理的安检通道内行为识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110129255.8A CN112800975A (zh) | 2021-01-29 | 2021-01-29 | 一种基于图像处理的安检通道内行为识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112800975A true CN112800975A (zh) | 2021-05-14 |
Family
ID=75813059
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110129255.8A Pending CN112800975A (zh) | 2021-01-29 | 2021-01-29 | 一种基于图像处理的安检通道内行为识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112800975A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113657297A (zh) * | 2021-08-20 | 2021-11-16 | 华能国际电力股份有限公司上海石洞口第二电厂 | 一种基于特征分析的作业违章智能识别方法及设备 |
| CN113992894A (zh) * | 2021-10-27 | 2022-01-28 | 甘肃风尚电子科技信息有限公司 | 基于监控视频时序动作定位和异常检测的异常事件识别系统 |
| CN115206094A (zh) * | 2022-06-27 | 2022-10-18 | 五邑大学 | 交通运输枢纽异常事件检测方法、检测系统、存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101266710A (zh) * | 2007-03-14 | 2008-09-17 | 中国科学院自动化研究所 | 一种基于规则的全天候智能视频分析监控方法 |
| CN102724182A (zh) * | 2012-05-30 | 2012-10-10 | 北京像素软件科技股份有限公司 | 异常客户端的识别方法 |
| CN105389567A (zh) * | 2015-11-16 | 2016-03-09 | 上海交通大学 | 基于稠密光流直方图的群体异常检测方法 |
| CN107273866A (zh) * | 2017-06-26 | 2017-10-20 | 国家电网公司 | 一种基于监控系统的人体异常行为识别方法 |
| CN110807389A (zh) * | 2019-10-25 | 2020-02-18 | 深圳亿络科技有限公司 | 基于5g传输的大场景视频监控方法、装置以及服务器 |
| CN112149576A (zh) * | 2020-09-24 | 2020-12-29 | 杭州宣迅电子科技有限公司 | 一种基于图像分析的电梯安全实时监测管理系统 |
-
2021
- 2021-01-29 CN CN202110129255.8A patent/CN112800975A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101266710A (zh) * | 2007-03-14 | 2008-09-17 | 中国科学院自动化研究所 | 一种基于规则的全天候智能视频分析监控方法 |
| CN102724182A (zh) * | 2012-05-30 | 2012-10-10 | 北京像素软件科技股份有限公司 | 异常客户端的识别方法 |
| CN105389567A (zh) * | 2015-11-16 | 2016-03-09 | 上海交通大学 | 基于稠密光流直方图的群体异常检测方法 |
| CN107273866A (zh) * | 2017-06-26 | 2017-10-20 | 国家电网公司 | 一种基于监控系统的人体异常行为识别方法 |
| CN110807389A (zh) * | 2019-10-25 | 2020-02-18 | 深圳亿络科技有限公司 | 基于5g传输的大场景视频监控方法、装置以及服务器 |
| CN112149576A (zh) * | 2020-09-24 | 2020-12-29 | 杭州宣迅电子科技有限公司 | 一种基于图像分析的电梯安全实时监测管理系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113657297A (zh) * | 2021-08-20 | 2021-11-16 | 华能国际电力股份有限公司上海石洞口第二电厂 | 一种基于特征分析的作业违章智能识别方法及设备 |
| CN113992894A (zh) * | 2021-10-27 | 2022-01-28 | 甘肃风尚电子科技信息有限公司 | 基于监控视频时序动作定位和异常检测的异常事件识别系统 |
| CN115206094A (zh) * | 2022-06-27 | 2022-10-18 | 五邑大学 | 交通运输枢纽异常事件检测方法、检测系统、存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110738127B (zh) | 基于无监督深度学习神经网络算法的安全帽识别方法 | |
| Joshi et al. | Deep learning framework to detect face masks from video footage | |
| CN111898514B (zh) | 一种基于目标检测与动作识别的多目标视觉监管方法 | |
| CN112800975A (zh) | 一种基于图像处理的安检通道内行为识别方法 | |
| CN112396658B (zh) | 一种基于视频的室内人员定位方法及定位系统 | |
| CN108133172B (zh) | 视频中运动对象分类的方法、车流量的分析方法及装置 | |
| CN107133564B (zh) | 一种工装工帽检测方法 | |
| CN108647582A (zh) | 一种复杂动态环境下目标行为识别与预测方法 | |
| CN112287816A (zh) | 一种基于深度学习的危险工作区事故自动检测报警方法 | |
| CN103517042A (zh) | 一种养老院老人危险行为监测方法 | |
| CN103942850A (zh) | 基于视频分析和rfid技术的医护人员在岗监测方法 | |
| CN110728252B (zh) | 一种应用于区域人员运动轨迹监控的人脸检测方法 | |
| CN112183162A (zh) | 一种监控场景下人脸自动注册识别系统及方法 | |
| CN113297926B (zh) | 行为检测识别方法及系统 | |
| CN111275910A (zh) | 一种基于高斯混合模型的扶梯越界行为检测方法及系统 | |
| US20230186634A1 (en) | Vision-based monitoring of site safety compliance based on worker re-identification and personal protective equipment classification | |
| CN210666820U (zh) | 一种基于dsp边缘计算的行人异常行为检测系统 | |
| CN112866654B (zh) | 一种智能视频监控系统 | |
| CN115311735A (zh) | 一种异常行为智能识别预警方法 | |
| CN107704818A (zh) | 一种基于视频图像的火灾检测系统 | |
| CN112232235B (zh) | 基于5g和算法的智慧工厂远程监控方法及系统 | |
| CN107729811B (zh) | 一种基于场景建模的夜间火焰检测方法 | |
| CN117409347A (zh) | 一种基于esnn的早期火灾检测方法 | |
| CN112183532A (zh) | 基于弱监督协同学习算法的安全帽识别方法及存储介质 | |
| CN106611159A (zh) | 一种基于机器视觉的小鼠探索的识别方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210514 |
|
| RJ01 | Rejection of invention patent application after publication |