CN113822913B - 一种基于计算机视觉的高空抛物检测方法和系统 - Google Patents
一种基于计算机视觉的高空抛物检测方法和系统 Download PDFInfo
- Publication number
- CN113822913B CN113822913B CN202111407813.9A CN202111407813A CN113822913B CN 113822913 B CN113822913 B CN 113822913B CN 202111407813 A CN202111407813 A CN 202111407813A CN 113822913 B CN113822913 B CN 113822913B
- Authority
- CN
- China
- Prior art keywords
- model diagram
- track
- model
- moving
- data
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Geometry (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明适用于视频安防监控领域,提供了一种基于计算机视觉的高空抛物检测方法和系统,方法包括以下步骤:获取第一图形数据和第二图形数据;对第一图形数据和第二图形数据处理得到第一运行轨迹和第二运行轨迹;从楼宇三维模型中导出第一模型图和第二模型图;在第一模型图中添加第一运行轨迹,对第一运行轨迹拉伸得到第一曲面;在第二模型图中添加第二运行轨迹,对第二运行轨迹拉伸得到第二曲面;对第一模型图和第二模型图进行合并得到运行轨迹模型图,第一曲面和第二曲面交叉形成高空抛物三维轨迹;对高空抛物三维轨迹进行模拟得到完整轨迹路径,完整轨迹路径与楼宇三维模型中楼宇的交点即为抛出点。通过构造三维模型,能够准确检测出抛出点。
Description
技术领域
本发明涉及视频安防监控技术领域,具体是涉及一种基于计算机视觉的高空抛物检测方法和系统。
背景技术
高空抛物被称为“悬在城市上空的痛”,由于事件发生场所多为高空楼层,少有目击者,抛物时间短,使得执法部门很难追究抛物者的法律责任。
目前,基于计算机视觉的高空抛物检测方法已经实现,例如申请号为201811015244.1的中国专利公开了一种基于计算机视觉的高空抛物检测系统与方法,包括:视频图像采集单元,用于对小区进行全面实时监控并获取图像数据;网络传输单元,用于传输图像数据;运动目标检测单元,用于接收来自网络传输单元的图像数据,对获取的图像数据进行分析处理,确定图像数据中的运动目标和运行轨迹;可以理解的是,监控设备一般安装在一楼,对于高层建筑来说,监控设备难以得到较高楼层的清晰画面,也就是说得到的运行轨迹并不是完整的,这就需要对运行轨迹进行拟合,以使得能够对运行轨迹进行延伸得到抛出点,如果是水平抛出的,通过上述方法可以得到抛出点,但是如果是斜着抛出的,难以通过延伸运行轨迹得到抛出点。因此,需要提供一种基于计算机视觉的高空抛物检测方法和系统,旨在解决上述问题。
发明内容
针对现有技术存在的不足,本发明的目的在于提供一种基于计算机视觉的高空抛物检测方法和系统,以解决上述背景技术中存在的问题。
本发明是这样实现的,一种基于计算机视觉的高空抛物检测方法,所述方法包括以下步骤:
获取高空抛物监控区域的第一视频流数据和第二视频流数据,将第一视频流数据和第二视频流数据解码为第一图形数据和第二图形数据;
对第一图形数据和第二图形数据进行处理,获得第一图形数据中高空抛物的第一运行轨迹,获得第二图形数据中高空抛物的第二运行轨迹;
从楼宇三维模型中导出第一模型图和第二模型图,且第一模型图的视角和画面尺寸与第一图形数据相同,第二模型图的视角和画面尺寸与第二图形数据相同;
在第一模型图中添加第一运行轨迹,对第一运行轨迹进行拉伸得到第一曲面,拉伸方向为导出第一模型图视角的方向,即拉伸方向垂直于第一模型图所在的平面;在第二模型图中添加第二运行轨迹,对第二运行轨迹进行拉伸得到第二曲面,拉伸方向为导出第二模型图视角的方向,即拉伸方向垂直于第二模型图所在的平面;
对第一模型图和第二模型图进行合并得到运行轨迹模型图,第一模型图中的第一曲面和第二模型图中的第二曲面交叉形成高空抛物三维轨迹;
对高空抛物三维轨迹进行模拟得到完整轨迹路径,所述完整轨迹路径与楼宇三维模型中楼宇的交点即为抛出点。
作为本发明进一步的方案:所述对第一图形数据和第二图形数据进行处理,获得第一图形数据中高空抛物的第一运行轨迹,获得第二图形数据中高空抛物的第二运行轨迹的步骤,具体包括:
对第一图形数据和第二图形数据进行处理,确定第一图形数据和第二图形数据中的第一运动目标和第二运动目标;
获取第一运动目标和第二运动目标的特征和目标轨迹;
对第一运动目标和第二运动目标进行判定,当第一运动目标和第二运动目标都属于高空抛物时,第一运动目标和第二运动目标的目标轨迹分别为第一运行轨迹和第二运行轨迹。
作为本发明进一步的方案:所述对第一图形数据和第二图形数据进行处理,确定第一图形数据和第二图形数据中的第一运动目标和第二运动目标的步骤,具体包括:
在第一图形数据和第二图形数据的第一帧,为每个像素点存储一个样本集,所述像素点周围相邻的点的像素值即为样本集的采样值;
将之后每一帧像素点的像素值与样本集的采样值进行对比,若两者之间的差值小于第一阈值,则认为两点相近;
依次遍历所有样本集,可得到像素点与样本集相近的个数,若所述个数大于第二阈值,则认为该像素点为背景点,否则认为该像素点为前景点;
对得到的前景点进行筛选,根据物体的周长和面积筛除掉不符合要求的物体,得到运动目标,对第一图形数据进行处理得到的运动目标为第一运动目标,对第二图形数据进行处理得到的运动目标为第二运动目标。
作为本发明进一步的方案:所述对第一运动目标和第二运动目标进行判定的步骤,具体包括:
判定第一运动目标和第二运动目标是否一直向下运动;
判定第一运动目标和第二运动目标是否一直做加速运动;
当且仅当第一运动目标和第二运动目标一直向下运动且一直做加速运动,第一运动目标和第二运动目标属于高空抛物。
作为本发明进一步的方案:所述从楼宇三维模型中导出第一模型图和第二模型图的步骤,具体包括:
建立楼宇三维模型,所述楼宇三维模型中包括每个点的坐标值;
根据获得第一视频流数据的监控视角得到第一模型图;
根据获得第二视频流数据的监控视角得到第二模型图。
作为本发明进一步的方案:所述对高空抛物三维轨迹进行模拟得到完整轨迹路径,所述完整轨迹路径与楼宇三维模型中楼宇的交点即为抛出点的步骤,具体包括:
使用最小二乘法对高空抛物三维轨迹上的点进行拟合得到一个拟合函数;
根据拟合函数得到一个完整轨迹路径;
所述完整轨迹路径与楼宇三维模型中楼宇的交点即为抛出点。
本发明的另一目的在于提供一种基于计算机视觉的高空抛物检测系统,所述系统包括:
视频流数据获取模块,用于获取高空抛物监控区域的第一视频流数据和第二视频流数据,将第一视频流数据和第二视频流数据解码为第一图形数据和第二图形数据;
运行轨迹确定模块,用于对第一图形数据和第二图形数据进行处理,获得第一图形数据中高空抛物的第一运行轨迹,获得第二图形数据中高空抛物的第二运行轨迹;
模型图导出模块,用于从楼宇三维模型中导出第一模型图和第二模型图,且第一模型图的视角和画面尺寸与第一图形数据相同,第二模型图的视角和画面尺寸与第二图形数据相同;
曲面生成模块,在第一模型图中添加第一运行轨迹,对第一运行轨迹进行拉伸得到第一曲面,拉伸方向为导出第一模型图视角的方向,即拉伸方向垂直于第一模型图所在的平面;在第二模型图中添加第二运行轨迹,对第二运行轨迹进行拉伸得到第二曲面,拉伸方向为导出第二模型图视角的方向,即拉伸方向垂直于第二模型图所在的平面;
三维轨迹确定模块,用于对第一模型图和第二模型图进行合并得到运行轨迹模型图,第一模型图中的第一曲面和第二模型图中的第二曲面交叉形成高空抛物三维轨迹;以及
抛出点确定模块,用于对高空抛物三维轨迹进行模拟得到完整轨迹路径,所述完整轨迹路径与楼宇三维模型中楼宇的交点即为抛出点。
作为本发明进一步的方案:所述运行轨迹确定模块包括:
运动目标确定单元,用于对第一图形数据和第二图形数据进行处理,确定第一图形数据和第二图形数据中的第一运动目标和第二运动目标;
目标轨迹获取单元,用于获取第一运动目标和第二运动目标的特征和目标轨迹;以及
运动目标判定单元,用于对第一运动目标和第二运动目标进行判定,当第一运动目标和第二运动目标都属于高空抛物时,第一运动目标和第二运动目标的目标轨迹分别为第一运行轨迹和第二运行轨迹。
作为本发明进一步的方案:所述运动目标确定单元包括:
样本集子单元,在第一图形数据和第二图形数据的第一帧,为每个像素点存储一个样本集,所述像素点周围相邻的点的像素值即为样本集的采样值;
对比子单元,用于将之后每一帧像素点的像素值与样本集的采样值进行对比,若两者之间的差值小于第一阈值,则认为两点相近;
判定子单元,依次遍历所有样本集,可得到像素点与样本集相近的个数,若所述个数大于第二阈值,则认为该像素点为背景点,否则认为该像素点为前景点;以及
运动目标确定子单元,用于对得到的前景点进行筛选,根据物体的周长和面积筛除掉不符合要求的物体,得到运动目标,对第一图形数据进行处理得到的运动目标为第一运动目标,对第二图形数据进行处理得到的运动目标为第二运动目标。
与现有技术相比,本发明的有益效果是:本发明从两个不同视角的视频流数据得到高空抛物的第一运行轨迹和第二运行轨迹,从楼宇三维模型中导出第一模型图和第二模型图,并在第一模型图中添加第一运行轨迹,对第一运行轨迹进行拉伸得到第一曲面;在第二模型图中添加第二运行轨迹,对第二运行轨迹进行拉伸得到第二曲面;接着对第一模型图和第二模型图进行合并得到运行轨迹模型图,第一模型图中的第一曲面和第二模型图中的第二曲面交叉形成高空抛物三维轨迹;最后对高空抛物三维轨迹进行模拟得到完整轨迹路径,所述完整轨迹路径与楼宇三维模型中楼宇的交点即为抛出点,本发明通过构造三维模型,能够准确检测出抛出点,检测效果好。
附图说明
图1为一种基于计算机视觉的高空抛物检测方法的流程图。
图2为一种基于计算机视觉的高空抛物检测方法中对第一图形数据和第二图形数据进行处理的流程图。
图3为一种基于计算机视觉的高空抛物检测方法中确定第一图形数据和第二图形数据中的第一运动目标和第二运动目标的流程图。
图4为一种基于计算机视觉的高空抛物检测方法中对第一运动目标和第二运动目标进行判定的流程图。
图5为一种基于计算机视觉的高空抛物检测方法中从楼宇三维模型中导出第一模型图和第二模型图的流程图。
图6为一种基于计算机视觉的高空抛物检测方法中对高空抛物三维轨迹进行模拟得到完整轨迹路径的流程图。
图7为一种基于计算机视觉的高空抛物检测系统的结构示意图。
图8为一种基于计算机视觉的高空抛物检测系统中运行轨迹确定模块的结构示意图。
图9为一种基于计算机视觉的高空抛物检测系统中运动目标确定单元的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清晰,以下结合附图及具体实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述。
如图1所示,本发明实施例提供了一种基于计算机视觉的高空抛物检测方法,包括以下步骤:
S100,获取高空抛物监控区域的第一视频流数据和第二视频流数据,将第一视频流数据和第二视频流数据解码为第一图形数据和第二图形数据;
S200,对第一图形数据和第二图形数据进行处理,获得第一图形数据中高空抛物的第一运行轨迹,获得第二图形数据中高空抛物的第二运行轨迹;
S300,从楼宇三维模型中导出第一模型图和第二模型图,且第一模型图的视角和画面尺寸与第一图形数据相同,第二模型图的视角和画面尺寸与第二图形数据相同;
S400,在第一模型图中添加第一运行轨迹,对第一运行轨迹进行拉伸得到第一曲面,拉伸方向为导出第一模型图视角的方向,即拉伸方向垂直于第一模型图所在的平面;在第二模型图中添加第二运行轨迹,对第二运行轨迹进行拉伸得到第二曲面,拉伸方向为导出第二模型图视角的方向,即拉伸方向垂直于第二模型图所在的平面;
S500,对第一模型图和第二模型图进行合并得到运行轨迹模型图,第一模型图中的第一曲面和第二模型图中的第二曲面交叉形成高空抛物三维轨迹;
S600,对高空抛物三维轨迹进行模拟得到完整轨迹路径,所述完整轨迹路径与楼宇三维模型中楼宇的交点即为抛出点。
需要说明的是,高空抛物被称为“悬在城市上空的痛”,其不仅仅是不文明的行为,更是给社会安全带来很大隐患。由于事件发生场所多为高空楼层,少有目击者,抛物时间短,使得执法部门很难追究抛物者的法律责任。因此,实现智能对高空抛物的检测就非常的重要,目前,基于计算机视觉的高空抛物检测方法已经实现,该方法能够通过高空抛物监控视频得到高空抛物的运行轨迹,也就是本发明实施例中的S100和S200步骤,可以理解的是,监控设备一般安装在一楼,对于高层建筑来说,监控设备难以得到较高楼层的清晰画面,也就是说得到的运行轨迹并不是完整的,这就需要对运行轨迹进行拟合,以使得能够对运行轨迹进行延伸得到抛出点,如果是水平抛出的,通过上述方法可以得到抛出点,但是如果是斜着抛出的,难以通过延伸运行轨迹得到抛出点,本发明实施例的目的在于解决这个问题。
本发明实施例中,首先需要获取高空抛物监控区域的第一视频流数据和第二视频流数据,将第一视频流数据和第二视频流数据解码为第一图形数据和第二图形数据,需要说明的是,第一视频流数据和第二视频流数据都是对同一栋建筑的视频监控数据,只是视角不同,也就是说第一视频流数据和第二视频流数据中的高空抛物为同一个,接着对第一图形数据和第二图形数据进行处理,获得第一图形数据中高空抛物的第一运行轨迹,获得第二图形数据中高空抛物的第二运行轨迹,S100和S200步骤的处理过程为现有技术,这里不再赘述。
本发明实施例中,需要事先建立楼宇三维模型,然后从楼宇三维模型中导出第一模型图和第二模型图,且第一模型图的视角和画面尺寸与第一图形数据相同,第二模型图的视角和画面尺寸与第二图形数据相同,例如第一图形数据是通过第一监控设备得到的,那么第一监控设备的视角就是第一模型图的视角,通过这种方法就能够将二维的图形数据转变成三维的模型图,接着在第一模型图中添加第一运行轨迹,对第一运行轨迹进行拉伸得到第一曲面,在第二模型图中添加第二运行轨迹,对第二运行轨迹进行拉伸得到第二曲面,拉伸方向为导出该模型图视角的方向,可以理解的是,真实的运行轨迹一定在第一曲面中,也一定在第二曲面中,因此需要使得第一曲面和第二曲面相交,这时需要对第一模型图和第二模型图进行合并得到运行轨迹模型图,第一模型图中的第一曲面和第二模型图中的第二曲面交叉形成高空抛物三维轨迹,接着对高空抛物三维轨迹进行模拟得到完整轨迹路径,完整轨迹路径与楼宇三维模型中楼宇建筑的会有交点,容易理解,所述交点即为抛出点,本发明实施例通过构造三维模型,能够准确检测出抛出点。
如图2所示,作为本发明一个优选的实施例,所述对第一图形数据和第二图形数据进行处理,获得第一图形数据中高空抛物的第一运行轨迹,获得第二图形数据中高空抛物的第二运行轨迹的步骤,具体包括:
S201,对第一图形数据和第二图形数据进行处理,确定第一图形数据和第二图形数据中的第一运动目标和第二运动目标;
S202,获取第一运动目标和第二运动目标的特征和目标轨迹;
S203,对第一运动目标和第二运动目标进行判定,当第一运动目标和第二运动目标都属于高空抛物时,第一运动目标和第二运动目标的目标轨迹分别为第一运行轨迹和第二运行轨迹。
本发明实施例中,第一运动目标和第二运动目标其实是同一目标,只不过视角不同,需要对第一运动目标和第二运动目标进行判定,容易理解,监控视频处理后可能会存在不属于高空抛物的运动轨迹,例如鸟的运动轨迹、树叶随风而动的运动轨迹等等,只有当第一运动目标和第二运动目标都属于高空抛物时,第一运动目标和第二运动目标的目标轨迹分别为第一运行轨迹和第二运行轨迹。
如图3所示,作为本发明一个优选的实施例,所述对第一图形数据和第二图形数据进行处理,确定第一图形数据和第二图形数据中的第一运动目标和第二运动目标的步骤,具体包括:
S2011,在第一图形数据和第二图形数据的第一帧,为每个像素点存储一个样本集,所述像素点周围相邻的点的像素值即为样本集的采样值;
S2012,将之后每一帧像素点的像素值与样本集的采样值进行对比,若两者之间的差值小于第一阈值,则认为两点相近;
S2013,依次遍历所有样本集,可得到像素点与样本集相近的个数,若所述个数大于第二阈值,则认为该像素点为背景点,否则认为该像素点为前景点;
S2014,对得到的前景点进行筛选,根据物体的周长和面积筛除掉不符合要求的物体,得到运动目标,对第一图形数据进行处理得到的运动目标为第一运动目标,对第二图形数据进行处理得到的运动目标为第二运动目标。
本发明实施例中,通过对图形数据进行灰度化和中值滤波预处理后,利用基于OpenCL的ViBe背景建模的运动目标检测方法,对检测结果进行腐蚀、膨胀、连通性分析去除检测噪声,最终能够获得最小为7*7像素的运动目标,并提取运动目标的特征;ViBe算法实现主要分为三个模块:背景模型初始化、模型匹配、背景模型更新,其中背景模型初始化时只需要利用输入视频序列第一帧图片或者几帧图片,对图片中的每个像素点随机选择此点的像素值或者邻域的像素值作为模型。
如图4所示,作为本发明一个优选的实施例,所述对第一运动目标和第二运动目标进行判定的步骤,具体包括:
S2031,判定第一运动目标和第二运动目标是否一直向下运动;
S2032,判定第一运动目标和第二运动目标是否一直做加速运动;
S2033,当且仅当第一运动目标和第二运动目标一直向下运动且一直做加速运动,第一运动目标和第二运动目标属于高空抛物。
本发明实施例中,在判定第一运动目标和第二运动目标是否属于高空抛物时,这里基于两个判定标准,一个为目标是否一直向下运动,另一个为目标是否一直做加速运动,当且仅当第一运动目标和第二运动目标一直向下运动且一直做加速运动,第一运动目标和第二运动目标属于高空抛物,根据运动目标的特征和目标轨迹容易得到运动状态。
如图5所示,作为本发明一个优选的实施例,所述从楼宇三维模型中导出第一模型图和第二模型图的步骤,具体包括:
S301,建立楼宇三维模型,所述楼宇三维模型中包括每个点的坐标值;
S302,根据获得第一视频流数据的监控视角得到第一模型图;
S303,根据获得第二视频流数据的监控视角得到第二模型图。
本发明实施例中,所述楼宇三维模型中包括楼宇建筑,需要根据第一视频流数据的监控视角和第二视频流数据的监控视角分别得到第一模型图和第二模型图,且第一模型图的视角和画面尺寸与第一图形数据相同,第二模型图的视角和画面尺寸与第二图形数据相同,也就是说,模型图与图形数据中物体的形状和尺寸都相同,只不过模型图为三维图,图形数据为二维图。
如图6所示,作为本发明一个优选的实施例,所述对高空抛物三维轨迹进行模拟得到完整轨迹路径,所述完整轨迹路径与楼宇三维模型中楼宇的交点即为抛出点的步骤,具体包括:
S601,使用最小二乘法对高空抛物三维轨迹上的点进行拟合得到一个拟合函数;
S602,根据拟合函数得到一个完整轨迹路径;
S603,所述完整轨迹路径与楼宇三维模型中楼宇的交点即为抛出点。
本发明实施例中,首先通过高空抛物三维轨迹拟合得到完整轨迹路径,完整轨迹路径与楼宇三维模型中楼宇的交点即为抛出点,完整轨迹路径是通过对高空抛物三维轨迹进行延伸得到的,延伸至与楼宇相交即可,根据抛出点,可以找出事故责任人,便于进行事后取证并追究相关人员的法律责任,有利于制止高空抛物事件的再次发生,保障了人民的生命安全,维护了人民的合法权益,有利于提高社会治安的稳定性。
如图7所示,本发明实施例还提供了一种基于计算机视觉的高空抛物检测系统,所述系统包括:
视频流数据获取模块100,用于获取高空抛物监控区域的第一视频流数据和第二视频流数据,将第一视频流数据和第二视频流数据解码为第一图形数据和第二图形数据;
运行轨迹确定模块200,用于对第一图形数据和第二图形数据进行处理,获得第一图形数据中高空抛物的第一运行轨迹,获得第二图形数据中高空抛物的第二运行轨迹;
模型图导出模块300,用于从楼宇三维模型中导出第一模型图和第二模型图,且第一模型图的视角和画面尺寸与第一图形数据相同,第二模型图的视角和画面尺寸与第二图形数据相同;
曲面生成模块400,在第一模型图中添加第一运行轨迹,对第一运行轨迹进行拉伸得到第一曲面,拉伸方向为导出第一模型图视角的方向,即拉伸方向垂直于第一模型图所在的平面;在第二模型图中添加第二运行轨迹,对第二运行轨迹进行拉伸得到第二曲面,拉伸方向为导出第二模型图视角的方向,即拉伸方向垂直于第二模型图所在的平面;
三维轨迹确定模块500,用于对第一模型图和第二模型图进行合并得到运行轨迹模型图,第一模型图中的第一曲面和第二模型图中的第二曲面交叉形成高空抛物三维轨迹;以及
抛出点确定模块600,用于对高空抛物三维轨迹进行模拟得到完整轨迹路径,所述完整轨迹路径与楼宇三维模型中楼宇的交点即为抛出点。
本发明实施例中,首先需要获取高空抛物监控区域的第一视频流数据和第二视频流数据,将第一视频流数据和第二视频流数据解码为第一图形数据和第二图形数据,需要说明的是,第一视频流数据和第二视频流数据都是对同一栋建筑的视频监控数据,只是视角不同,也就是说第一视频流数据和第二视频流数据中的高空抛物为同一个,接着对第一图形数据和第二图形数据进行处理,获得第一图形数据中高空抛物的第一运行轨迹,获得第二图形数据中高空抛物的第二运行轨迹;本发明实施例中,需要事先建立楼宇三维模型,然后从楼宇三维模型中导出第一模型图和第二模型图,且第一模型图的视角和画面尺寸与第一图形数据相同,第二模型图的视角和画面尺寸与第二图形数据相同,例如第一图形数据是通过第一监控设备得到的,那么第一监控设备的视角就是第一模型图的视角,通过这种方法就能够将二维的图形数据转变成三维的模型图,接着在第一模型图中添加第一运行轨迹,对第一运行轨迹进行拉伸得到第一曲面,在第二模型图中添加第二运行轨迹,对第二运行轨迹进行拉伸得到第二曲面,拉伸方向为导出该模型图视角的方向,可以理解的是,真实的运行轨迹一定在第一曲面中,也一定在第二曲面中,因此需要使得第一曲面和第二曲面相交,这时需要对第一模型图和第二模型图进行合并得到运行轨迹模型图,第一模型图中的第一曲面和第二模型图中的第二曲面交叉形成高空抛物三维轨迹,接着对高空抛物三维轨迹进行模拟得到完整轨迹路径,完整轨迹路径与楼宇三维模型中楼宇建筑的会有交点,容易理解,所述交点即为抛出点,本发明实施例通过构造三维模型,能够准确检测出抛出点。
如图8所示,作为本发明一个优选的实施例,所述运行轨迹确定模块200包括:
运动目标确定单元201,用于对第一图形数据和第二图形数据进行处理,确定第一图形数据和第二图形数据中的第一运动目标和第二运动目标;
目标轨迹获取单元202,用于获取第一运动目标和第二运动目标的特征和目标轨迹;以及
运动目标判定单元203,用于对第一运动目标和第二运动目标进行判定,当第一运动目标和第二运动目标都属于高空抛物时,第一运动目标和第二运动目标的目标轨迹分别为第一运行轨迹和第二运行轨迹。
本发明实施例中,第一运动目标和第二运动目标其实是同一目标,只不过视角不同,需要对第一运动目标和第二运动目标进行判定,容易理解,监控视频处理后可能会存在不属于高空抛物的运动轨迹,例如鸟的运动轨迹、树叶随风而动的运动轨迹等等,只有当第一运动目标和第二运动目标都属于高空抛物时,第一运动目标和第二运动目标的目标轨迹分别为第一运行轨迹和第二运行轨迹。
如图9所示,作为本发明一个优选的实施例,所述运动目标确定单元201包括:
样本集子单元2011,在第一图形数据和第二图形数据的第一帧,为每个像素点存储一个样本集,所述像素点周围相邻的点的像素值即为样本集的采样值;
对比子单元2012,用于将之后每一帧像素点的像素值与样本集的采样值进行对比,若两者之间的差值小于第一阈值,则认为两点相近;
判定子单元2013,依次遍历所有样本集,可得到像素点与样本集相近的个数,若所述个数大于第二阈值,则认为该像素点为背景点,否则认为该像素点为前景点;以及
运动目标确定子单元2014,用于对得到的前景点进行筛选,根据物体的周长和面积筛除掉不符合要求的物体,得到运动目标,对第一图形数据进行处理得到的运动目标为第一运动目标,对第二图形数据进行处理得到的运动目标为第二运动目标。
本发明实施例中,通过对图形数据进行灰度化和中值滤波预处理后,利用基于OpenCL的ViBe背景建模的运动目标检测方法,对检测结果进行腐蚀、膨胀、连通性分析去除检测噪声,最终能够获得最小为7*7像素的运动目标,并提取运动目标的特征;ViBe算法实现主要分为三个模块:背景模型初始化、模型匹配、背景模型更新,其中背景模型初始化时只需要利用输入视频序列第一帧图片或者几帧图片,对图片中的每个像素点随机选择此点的像素值或者邻域的像素值作为模型。
以上仅对本发明的较佳实施例进行了详细叙述,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本领域技术人员在考虑说明书及实施例处的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
Claims (6)
1.一种基于计算机视觉的高空抛物检测方法,其特征在于,所述方法包括以下步骤:
获取高空抛物监控区域的第一视频流数据和第二视频流数据,将第一视频流数据和第二视频流数据解码为第一图形数据和第二图形数据;
对第一图形数据和第二图形数据进行处理,获得第一图形数据中高空抛物的第一运行轨迹,获得第二图形数据中高空抛物的第二运行轨迹;
从楼宇三维模型中导出第一模型图和第二模型图,且第一模型图的视角和画面尺寸与第一图形数据相同,第二模型图的视角和画面尺寸与第二图形数据相同;
在第一模型图中添加第一运行轨迹,对第一运行轨迹进行拉伸得到第一曲面,拉伸方向为导出第一模型图视角的方向,即拉伸方向垂直于第一模型图所在的平面;在第二模型图中添加第二运行轨迹,对第二运行轨迹进行拉伸得到第二曲面,拉伸方向为导出第二模型图视角的方向,即拉伸方向垂直于第二模型图所在的平面;
对第一模型图和第二模型图进行合并得到运行轨迹模型图,第一模型图中的第一曲面和第二模型图中的第二曲面交叉形成高空抛物三维轨迹;
使用最小二乘法对高空抛物三维轨迹上的点进行拟合得到一个拟合函数,根据拟合函数得到一个完整轨迹路径,所述完整轨迹路径与楼宇三维模型中楼宇的交点即为抛出点;
其中,对第一图形数据和第二图形数据进行处理,获得第一图形数据中高空抛物的第一运行轨迹,获得第二图形数据中高空抛物的第二运行轨迹的步骤,具体包括:
对第一图形数据和第二图形数据进行处理,确定第一图形数据和第二图形数据中的第一运动目标和第二运动目标;
获取第一运动目标和第二运动目标的特征和目标轨迹;
对第一运动目标和第二运动目标进行判定,当第一运动目标和第二运动目标都属于高空抛物时,第一运动目标和第二运动目标的目标轨迹分别为第一运行轨迹和第二运行轨迹。
2.根据权利要求1所述一种基于计算机视觉的高空抛物检测方法,其特征在于,所述对第一图形数据和第二图形数据进行处理,确定第一图形数据和第二图形数据中的第一运动目标和第二运动目标的步骤,具体包括:
在第一图形数据和第二图形数据的第一帧,为每个像素点存储一个样本集,所述像素点周围相邻的点的像素值即为样本集的采样值;
将之后每一帧像素点的像素值与样本集的采样值进行对比,若两者之间的差值小于第一阈值,则认为两点相近;
依次遍历所有样本集,可得到像素点与样本集相近的个数,若所述个数大于第二阈值,则认为该像素点为背景点,否则认为该像素点为前景点;
对得到的前景点进行筛选,根据物体的周长和面积筛除掉不符合要求的物体,得到运动目标,对第一图形数据进行处理得到的运动目标为第一运动目标,对第二图形数据进行处理得到的运动目标为第二运动目标。
3.根据权利要求1所述一种基于计算机视觉的高空抛物检测方法,其特征在于,所述对第一运动目标和第二运动目标进行判定的步骤,具体包括:
判定第一运动目标和第二运动目标是否一直向下运动;
判定第一运动目标和第二运动目标是否一直做加速运动;
当且仅当第一运动目标和第二运动目标一直向下运动且一直做加速运动,第一运动目标和第二运动目标属于高空抛物。
4.根据权利要求1所述一种基于计算机视觉的高空抛物检测方法,其特征在于,所述从楼宇三维模型中导出第一模型图和第二模型图的步骤,具体包括:
建立楼宇三维模型,所述楼宇三维模型中包括每个点的坐标值;
根据获得第一视频流数据的监控视角得到第一模型图;
根据获得第二视频流数据的监控视角得到第二模型图。
5.一种基于计算机视觉的高空抛物检测系统,其特征在于,所述系统包括:
视频流数据获取模块,用于获取高空抛物监控区域的第一视频流数据和第二视频流数据,将第一视频流数据和第二视频流数据解码为第一图形数据和第二图形数据;
运行轨迹确定模块,用于对第一图形数据和第二图形数据进行处理,获得第一图形数据中高空抛物的第一运行轨迹,获得第二图形数据中高空抛物的第二运行轨迹;
模型图导出模块,用于从楼宇三维模型中导出第一模型图和第二模型图,且第一模型图的视角和画面尺寸与第一图形数据相同,第二模型图的视角和画面尺寸与第二图形数据相同;
曲面生成模块,在第一模型图中添加第一运行轨迹,对第一运行轨迹进行拉伸得到第一曲面,拉伸方向为导出第一模型图视角的方向,即拉伸方向垂直于第一模型图所在的平面;在第二模型图中添加第二运行轨迹,对第二运行轨迹进行拉伸得到第二曲面,拉伸方向为导出第二模型图视角的方向,即拉伸方向垂直于第二模型图所在的平面;
三维轨迹确定模块,用于对第一模型图和第二模型图进行合并得到运行轨迹模型图,第一模型图中的第一曲面和第二模型图中的第二曲面交叉形成高空抛物三维轨迹;以及
抛出点确定模块,使用最小二乘法对高空抛物三维轨迹上的点进行拟合得到一个拟合函数,根据拟合函数得到一个完整轨迹路径,所述完整轨迹路径与楼宇三维模型中楼宇的交点即为抛出点;
其中,运行轨迹确定模块包括:
运动目标确定单元,用于对第一图形数据和第二图形数据进行处理,确定第一图形数据和第二图形数据中的第一运动目标和第二运动目标;
目标轨迹获取单元,用于获取第一运动目标和第二运动目标的特征和目标轨迹;以及
运动目标判定单元,用于对第一运动目标和第二运动目标进行判定,当第一运动目标和第二运动目标都属于高空抛物时,第一运动目标和第二运动目标的目标轨迹分别为第一运行轨迹和第二运行轨迹。
6.根据权利要求5所述一种基于计算机视觉的高空抛物检测系统,其特征在于,所述运动目标确定单元包括:
样本集子单元,在第一图形数据和第二图形数据的第一帧,为每个像素点存储一个样本集,所述像素点周围相邻的点的像素值即为样本集的采样值;
对比子单元,用于将之后每一帧像素点的像素值与样本集的采样值进行对比,若两者之间的差值小于第一阈值,则认为两点相近;
判定子单元,依次遍历所有样本集,可得到像素点与样本集相近的个数,若所述个数大于第二阈值,则认为该像素点为背景点,否则认为该像素点为前景点;以及
运动目标确定子单元,用于对得到的前景点进行筛选,根据物体的周长和面积筛除掉不符合要求的物体,得到运动目标,对第一图形数据进行处理得到的运动目标为第一运动目标,对第二图形数据进行处理得到的运动目标为第二运动目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111407813.9A CN113822913B (zh) | 2021-11-25 | 2021-11-25 | 一种基于计算机视觉的高空抛物检测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111407813.9A CN113822913B (zh) | 2021-11-25 | 2021-11-25 | 一种基于计算机视觉的高空抛物检测方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113822913A CN113822913A (zh) | 2021-12-21 |
CN113822913B true CN113822913B (zh) | 2022-02-11 |
Family
ID=78918205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111407813.9A Active CN113822913B (zh) | 2021-11-25 | 2021-11-25 | 一种基于计算机视觉的高空抛物检测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113822913B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116309709B (zh) * | 2023-03-03 | 2024-02-27 | 成都众视通科技有限公司 | 一种高空抛物的检测方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107369127A (zh) * | 2017-06-09 | 2017-11-21 | 华南理工大学 | 一种沿行切路径进给的三维类摆线抛光轨迹生成方法 |
CN110675592A (zh) * | 2019-08-16 | 2020-01-10 | 重庆特斯联智慧科技股份有限公司 | 一种基于目标识别的高空抛物预警防护系统和控制方法 |
CN111898511A (zh) * | 2020-07-23 | 2020-11-06 | 北京以萨技术股份有限公司 | 基于深度学习的高空抛物检测方法、装置及介质 |
CN112183355A (zh) * | 2020-09-28 | 2021-01-05 | 北京理工大学 | 基于双目视觉和深度学习的出水高度检测系统及其方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2932919B1 (fr) * | 2008-06-24 | 2010-08-20 | Eurocopter France | Adaptation d'alertes de terrain selectives, en fonction la manoeuvrabilite instantanee d'un giravion |
CN112016414A (zh) * | 2020-08-14 | 2020-12-01 | 熵康(深圳)科技有限公司 | 一种检测高空抛物事件的方法、装置及楼面智能监控系统 |
CN112258573B (zh) * | 2020-10-16 | 2022-11-15 | 腾讯科技(深圳)有限公司 | 抛出位置获取方法、装置、计算机设备及存储介质 |
CN112488024A (zh) * | 2020-12-08 | 2021-03-12 | 平安国际智慧城市科技股份有限公司 | 高空抛物溯源方法、装置、计算机设备及存储介质 |
-
2021
- 2021-11-25 CN CN202111407813.9A patent/CN113822913B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107369127A (zh) * | 2017-06-09 | 2017-11-21 | 华南理工大学 | 一种沿行切路径进给的三维类摆线抛光轨迹生成方法 |
CN110675592A (zh) * | 2019-08-16 | 2020-01-10 | 重庆特斯联智慧科技股份有限公司 | 一种基于目标识别的高空抛物预警防护系统和控制方法 |
CN111898511A (zh) * | 2020-07-23 | 2020-11-06 | 北京以萨技术股份有限公司 | 基于深度学习的高空抛物检测方法、装置及介质 |
CN112183355A (zh) * | 2020-09-28 | 2021-01-05 | 北京理工大学 | 基于双目视觉和深度学习的出水高度检测系统及其方法 |
Non-Patent Citations (2)
Title |
---|
A trajectory-based ball detection and tracking system with applications to shooting angle and velocity estimation in basketball videos;Bodhisattwa Chakraborty,and etc;《2013 Annual IEEE India Conference (INDICON)》;20140130;第1-6页 * |
多传感器融合技术在周界安防中的应用;毛慧;《中国公共安全》;20110331;第44卷(第3期);第242-247页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113822913A (zh) | 2021-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109309811B (zh) | 一种基于计算机视觉的高空抛物检测系统与方法 | |
CN103824070B (zh) | 一种基于计算机视觉的快速行人检测方法 | |
EP2297701B1 (de) | Videoanalyse | |
CN109101944B (zh) | 一种识别向河道内抛投垃圾的实时视频监控方法 | |
CN105574855B (zh) | 云背景下基于模板滤波和虚警抑制的红外小目标检测方法 | |
CN111263114B (zh) | 异常事件报警方法和装置 | |
CN107437318B (zh) | 一种可见光智能识别算法 | |
WO2022078182A1 (zh) | 抛出位置获取方法、装置、计算机设备及存储介质 | |
CN111401311A (zh) | 一种基于图像检测的高空抛物识别方法 | |
CN101635835A (zh) | 智能视频监控方法及系统 | |
CN104463253B (zh) | 基于自适应背景学习的消防通道安全检测方法 | |
US20160019700A1 (en) | Method for tracking a target in an image sequence, taking the dynamics of the target into consideration | |
CN111222478A (zh) | 一种工地安全防护检测方法和系统 | |
CN107657626B (zh) | 一种运动目标的检测方法和装置 | |
CN113822913B (zh) | 一种基于计算机视觉的高空抛物检测方法和系统 | |
CN111753651A (zh) | 一种基于车站二维人群密度分析的地铁群体异常行为检测方法 | |
CN108830161B (zh) | 基于视频流数据的烟雾识别方法 | |
Jiang et al. | An Approach for Crowd Density and Crowd Size Estimation. | |
CN106210633A (zh) | 一种智慧金睛识别越线检测报警方法和装置 | |
CN109299700A (zh) | 基于人群密度分析的地铁群体异常行为检测方法 | |
CN102129559A (zh) | 基于Primal Sketch算法的SAR图像目标检测方法 | |
CN107729811B (zh) | 一种基于场景建模的夜间火焰检测方法 | |
CN106355605A (zh) | 群体运动一致性过滤方法 | |
CN111881863B (zh) | 一种区域群体异常行为检测方法 | |
CN116630365A (zh) | 抛物检测方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |