CN117079397B - 一种基于视频监控的野外人兽安全预警方法 - Google Patents

Abstract

本发明公开了一种基于视频监控的野外人兽安全预警方法，涉及安全预警技术领域，所述方法包括：设置监控区域，在监控区域内布置若干个监控终端，通过监控终端实时获取其所在位置的监控数据；对监控终端所获得的监控数据进行处理，获得待分析监控数据；对所获得的待分析监控数据进行分析，判断监控终端所监控的区域是否存在异常目标，并在存在异常目标时，对异常目标进行运动轨迹预测；根据异常目标的运动轨迹预测获得异常目标的行为风险指数，并根据行为风险指数作出相应的预警；本方法通过获得待分析监控数据以及预测异常目标的运动轨迹，分别获得异常目标在白天与黑夜的行为风险指数，进而根据行为风险指数作出相应的预警。

Description

一种基于视频监控的野外人兽安全预警方法

技术领域

本发明涉及安全预警技术领域，具体是一种基于视频监控的野外人兽安全预警方法。

背景技术

随着安全预警技术的逐渐成熟，在越来越多的领域中安全预警得到了广泛的运用，例如交通事故预警、火灾预警、自然灾害预警以及工程管理预警等领域。

现有的基于视频监控的安全预警技术中，当出现无生命体征的目标被自然风吹进视频监控的视野范围时，安全预警也会发出预警，且现有的安全预警不能预测异常目标的运动轨迹，进而不能根据运动轨迹预判异常目标的终点，这种预警方式往往对视频监控的视野范围内的目标的行为风险造成误判，预警准确率较低，如何辨别进入视野范围的目标是否具有威胁，且预判异常目标的运动轨迹是我们的要解决的问题，为此，现提供一种基于视频监控的野外人兽安全预警方法。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于视频监控的野外人兽安全预警方法。

为了实现上述目的，本发明提供如下技术方案：

一种基于视频监控的野外人兽安全预警方法，其特征在于，包括：

步骤S1：设置监控区域，在监控区域内布置若干个监控终端，通过监控终端实时获取其所在位置的监控数据；

步骤S2：对监控终端所获得的监控数据进行处理，获得待分析监控数据；

步骤S3：对所获得的待分析监控数据进行分析，判断监控终端所监控的区域是否存在异常目标，并在存在异常目标时，对异常目标进行运动轨迹预测；

步骤S4：根据异常目标的运动轨迹预测获得异常目标的行为风险指数，并根据行为风险指数作出相应的预警。

进一步的，所述监控区域的设置过程包括：

在监控区域内，设置一级安全防线和二级安全防线，并记录一级安全防线与二级安全防线之间的距离；

在一级安全防线和二级安全防线上设置若干个监控终端，所述监控终端包括视频终端与红外检测终端，实时获取拍摄范围内的视频数据与热像图，并对获取时间进行记录，生成对应的时间戳。

进一步的，对监控数据进行处理的过程包括：

将设置在一级安全防线和二级安全防线上的监控终端所获取的监控数据进行标记，并建立UV坐标系；

将各个监控终端所获得的监控数据根据对应的时间戳映射至UV坐标系内；

将所获得的监控数据分解为若干个视频帧，将同一时刻的视频帧进行汇总，生成视频帧集；

将视频帧集内的各个视频帧根据对应的监控终端的拍摄范围进行拼接，将拼接后的视频帧映射至一个新的UV坐标系内，获得监控区域内的监控图像与监控热像图；

对所获得的监控图像与监控热像图进行栅格化处理，获得各个像素，对各个像素进行编号；

设定红外阈值，将栅格化处理后的监控热像图根据红外阈值划分为热区域与冷区域，并分别标记热区域与冷区域内各个像素的像素值；

再将处理后的监控图像与监控热像图按照各个像素的编号一一对应后进行融合叠加，得到的新的图像记为待分析监控数据。

进一步的，判断监控终端所监控的区域是否存在异常目标的过程包括：

获取待分析监控数据中的监控热像图，实时监控所述监控热像图中是否出现热区域，并记录出现的热区域所占像素的个数；

设定异常阈值，当出现的热区域所占的像素个数大于等于异常阈值时，监控区域出现异常，则记热区域为异常目标，进而确认异常目标的物种名称。

进一步的，所述确认异常目标的物种名称的过程包括：

采集若干个野生动物的图像，记录各个野生动物的物种名称；

设置风险等级，将各个物种名称与相应的风险等级相关联，得到野生动物风险表；

对各个野生动物的图像进行所述栅格化处理，并分别对栅格化处理后的图像中野生动物所在的像素与其余的像素的像素值做不同标记；

提取出野生动物所在的像素中与不同像素值交界的若干像素，将若干像素视作各个点，连接点与点后得到野生动物的轮廓曲线；

提取异常目标中与冷区域交界的若干像素，将若干像素视作各个点，连接点与点后得到异常目标的轮廓曲线；

分别在两个轮廓曲线上等分的取n个点，并分别计算n个点在两个轮廓曲线上的导数，得到野生动物的导数集合与异常目标的导数集合；

将野生动物的导数集合与异常目标的导数集合进行相交后得到交集，并得到交集中导数的个数，根据交集中导数的个数获得异常目标与各个野生动物的图像的匹配度，记为匹配度集合；

在匹配度集合中得到值最大的匹配度，并获得值最大的匹配度对应的野生动物的物种名称，即为异常目标的物种名称；

根据异常目标的物种名称与野生动物风险表，获得异常目标对应的风险系数，进而预测异常目标的运动轨迹。

进一步的，对异常目标的运动轨迹进行预测的过程包括：

记异常目标第一次出现在监控区域时所在的视频帧对应的时间戳为起始时刻，异常目标最新一次位移结束后所在的视频帧对应的时间戳为结束时刻；

以异常目标竖方向上最长线段为长，横方向上最长的线段为宽，以长与宽两条线段的交点为异常目标的中心点；

以异常目标的中心点在起始时刻的位置为原点，在监控区域建立直角坐标系，得到结束时刻异常目标的中心点的位置坐标；

根据原点与结束时刻异常目标的中心点的位置坐标获得异常目标的位移向量，并以位移向量与横坐标的夹角为轨迹偏移角，则根据异常目标的运动速度与轨迹偏移角获得异常目标的预测运动轨迹。

进一步的，所述获得异常目标的行为风险指数的过程包括：

获取异常目标所占的像素的个数，表示异常目标的体积大小；

设定安全防线系数，记为r，并获取第一次拍摄到异常目标进入监控区域的监控终端所在的位置；

当第一次拍摄到异常目标进入监控区域的监控终端处于二级安全防线时，r＝0，当第一次拍摄到异常目标进入监控区域的监控终端处于二级安全防线时，r＝1；

获取一级安全防线与二级安全防线的距离，根据距离设定一级风险判定阈值，记为φD，设定二级风险判定阈值，记为ωD；

根据异常目标的预测运动轨迹、异常目标的体积大小、安全防线系数以及一级风险判定阈值，获得异常目标的行为风险指数，记为I。

进一步的，根据行为风险指数作出相应的预警操作的过程包括：

根据一级风险判定阈值与二级风险判定阈值，将安全预警划分为三个预警等级；

当0<I<ωD时，提示二级安全防线范围内出现异常目标，预警等级较低；

当时，提示二级安全防线范围内出现异常目标，或将进入一级安全防线，预警等级为中级；

当φD≤I，且r＝0时，提示二级安全防线范围内出现异常目标，正极速逼近一级安全防线，预警等级较高；

当φD≤I，且r＝1时，提示存在异常目标进入一级安全防线，预警等级较高。

与现有技术相比，本发明的有益效果是：

本方法通过获得进入视频监控视野范围的物体的位移情况与红外能量分布情况，判断物体是否为具有威胁的异常目标，同时，预测异常目标的运动轨迹，并根据异常目标体积大小获得行为风险指数，使得安全预警可以自动判断异常目标的行为风险程度，从而做出相应的预警。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1为本发明的原理图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。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做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。

如图1所示，一种基于视频监控的野外人兽安全预警方法，包括：

步骤S1：设置监控区域，在监控区域内布置若干个监控终端，通过监控终端实时获取其所在位置的监控数据；

具体的，在监控区域内，设置一级安全防线和二级安全防线，并记录一级安全防线与二级安全防线之间的距离，记为D；

在一级安全防线和二级安全防线上设置若干个监控终端，所述监控终端包括视频数据终端与红外检测终端，实时获取拍摄范围内的视频数据与热像图，并对获取时间进行记录，生成对应的时间戳；

相邻的监控终端的拍摄范围具有重叠部分，由各个监控终端共同拍摄监控区域；

所述红外检测终端通过非接触探测物体表面的红外能量，并将其转换为电信号，生成热像图；

所述热像图用于表示目标物体表面红外能量的分布，热像图根据红外能量的强弱分为热区域与冷区域；

所述监控终端获取监控数据的同时，所述红外检测终端生成监控数据的热像图；

步骤S2：对监控终端所获得的监控数据进行处理，获得待分析监控数据；

具体的，所述对监控终端所获得的监控数据进行处理的过程包括：

将设置在一级安全防线和二级安全防线上的监控终端所获取的监控数据进行标记，并建立UV坐标系；

将各个视频终端所获得的视频数据根据对应的时间戳映射至UV坐标系内；

将所获得的视频数据分解为若干个视频帧，将同一时刻的视频帧进行汇总，生成视频帧集；

将视频帧集内的各个视频帧根据对应的监控终端的拍摄范围进行拼接，将拼接后的视频帧映射至一个新的UV坐标系内，获得监控区域内的监控图像；

对所获得的监控图像进行栅格化处理，根据监控图像的大小将监控图像划分为矩形网格，每一个格子为一个栅格，又称为像素，进而对各个像素进行编号；

进一步，将各个视频终端所获得的热像图按照上述操作获得监控区域内的监控热像图；

对所获得的监控热像图进行栅格化处理得到各个像素，进而对各个像素进行编号；

设定红外阈值，将红外能量大于等于红外阈值的像素的像素值记为1，红外能量小于红外阈值的像素的像素值记为0；

对所得到的处理后的监控图像与监控热像图进行融合叠加，将监控图像与监控热像图的各个像素根据编号一一对应，再将同一时刻下监控热像图的视频帧叠加至监控数据的视频帧的上方，得到的新的图像记为待分析监控数据；

步骤S3：对所获得的待分析监控数据进行分析，判断监控终端所监控的区域是否存在异常目标，并在存在异常目标时，对异常目标进行运动轨迹预测；

具体的，根据待分析监控数据判断监控终端所监控的区域是否存在异常的过程包括：

获取待分析监控数据中的监控热像图，实时监控所述监控热像图中是否出现热区域，并记录出现的热区域所占像素的个数；

设定异常阈值，当出现的热区域所占的像素个数大于等于异常阈值时，监控区域出现异常；

则记出现异常的热区域为异常目标；

进一步，设置野生动物风险表，通过识别异常目标的轮廓确认异常目标的物种名称，再根据野生动物风险表获得异常目标的风险系数；

所述设置野生动物风险表的过程包括：

采集若干个野生动物的图像，记录各个野生动物的物种名称，并对各个物种名称进行编号，记为s，其中s>0，为自然数；

设置风险等级，所述风险等级从高到低分为高、中、低三个等级，将各个物种名称与相应的风险等级相关联，得到野生动物风险表；

所述通过识别异常目标的轮廓确认异常目标的物种名称的过程包括：

对各个野生动物的图像进行上述的栅格化处理，得到若干个像素，将野生动物所在的像素的像素值记为1，其余的像素的像素值记为0，提取像素值为1的像素中与像素值为0的像素交界的像素，将这些像素视作各个点，连接点与点得到野生动物的轮廓曲线，进而得到所有野生动物的轮廓曲线；

同理，提取异常目标中与冷区域交界的各个像素，由这些像素构成异常目标的轮廓曲线；

建立两个坐标系，分别将野生动物的轮廓曲线与异常目标的轮廓曲线映射到坐标系中；

分别在野生动物的轮廓曲线与异常目标的轮廓曲线上等分的取n个点，其中n>0，且n为自然数，计算野生动物的轮廓曲线与异常目标的轮廓曲线上各个点的导数，得到各个野生动物的导数集合，记为J_i，以及得到异常目标的导数集合，记为K；

将J_i分别与K相交，得到交集，并得到交集中各个点的导数的个数，计算公式为：

MD_s＝(K∩J_s)_num×100％

其中MD_s表示异常目标与编号为s的野生动物的图像的匹配度，num表示括号内集合的个数；

进而得到异常目标与各个野生动物的图像的匹配度，记为匹配度集合，并对比匹配度集合内各个匹配度的值的大小，得出值最大的匹配度，并获得该匹配度对应的野生动物的物种名称，该物种名称即为异常目标的物种名称；

所述根据野生动物风险表获得异常目标的风险系数的过程包括：

设定风险系数，记为g，当物种名称对应的风险等级为高时，g＝3，当物种名称对应的风险等级为中时，g＝2，以此类推；

根据所得到的异常目标的物种名称，通过野生动物风险表，得出该物种名称对应的风险系数；

当风险系数g≥2时，预测异常目标的运动轨迹；

所述对异常目标的运动轨迹进行预测的过程包括：

以异常目标竖方向上最长线段为长，横方向上最长的线段为宽，以长与宽两条线段的交点为异常目标的中心点；

记异常目标第一次出现在监控区域时所在的视频帧对应的时间戳为起始时刻t₀，异常目标最新一次位移结束后所在的视频帧对应的时间戳为结束时刻t₁；

以异常目标的中心点在起始时刻的位置为原点(0，0)，在监控区域建立直角坐标系，得到结束时刻异常目标的中心点的位置坐标为(X，Y)；

则根据起始时刻、结束时刻与结束时刻的位置坐标，获得异常目标的运动速度v，计算过程为

同时根据原点与结束时刻异常目标的中心点的位置坐标获得异常目标的位移向量，记位移向量为

并以位移向量与横坐标的夹角为轨迹偏移角θ，计算过程为/>

则根据异常目标的运动速度与轨迹偏移角获得异常目标的预测运动轨迹为：

实时监控异常目标的位移，根据异常目标最新一次位移的结束时刻与对应的位置坐标，实时更新异常目标的预测运动轨迹；

步骤S4：根据异常目标的运动轨迹预测获得异常目标的行为风险指数，并根据行为风险指数作出相应的预警；

根据异常目标的所占的热区域的面积，获得异常目标所占的像素的个数，记为N，且N为大于0的自然数，用于表示异常目标的体积大小；

获取第一次拍摄到异常目标进入监控区域的监控终端所在的位置，设定安全防线系数，记为r；

当第一次拍摄到异常目标进入监控区域的监控终端处于二级安全防线时，所述安全防线系数r＝0，当第一次拍摄到异常目标进入监控区域的监控终端处于二级安全防线时，安全防线系数r＝1；

记行为风险指数为I，获取一级安全防线与二级安全防线的距离D，根据距离D设定一级风险判定阈值为φD，二级风险判定阈值为ωD，其中φ，ω为常数，且φ＞ω；

当距离D越大时，一级风险判定阈值与二级风险判定阈值越大，相反，距离D越小时，一级风险判定阈值与二级风险判定阈值越小；

进而，根据异常目标的预测运动轨迹、异常目标的体积大小、安全防线系数以及一级风险判定阈值，获得异常目标的行为风险指数，并根据行为风险指数作出相应的预警操作：

所述得到行为风险指数I的过程为：

I＝αv+βθ+γN+rφD；

其中，α，β，γ为常数，且β＞α≥γ＞0；

所述根据行为风险指数作出相应的预警操作的过程包括：

根据一级风险判定阈值与二级风险判定阈值，将安全预警划分为三个预警等级，从高到低分别为高、中、低；

当0＜I＜ωD时，提示二级安全防线范围内出现异常目标，预警等级较低；

当时，提示二级安全防线范围内出现异常目标，或将进入一级安全防线，预警等级为中级；

当φD≤I，且r＝0时，提示二级安全防线范围内出现异常目标，正极速逼近一级安全防线，预警等级较高；

当φD≤I，且r＝1时，提示存在异常目标进入一级安全防线，预警等级较高。

以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (1)

1.一种基于视频监控的野外人兽安全预警方法，其特征在于，包括：

步骤S1：设置监控区域，在监控区域内布置若干个监控终端，通过监控终端实时获取其所在位置的监控数据；

步骤S2：对监控终端所获得的监控数据进行处理，获得待分析监控数据；

步骤S3：对所获得的待分析监控数据进行分析，判断监控终端所监控的区域是否存在异常目标，并在存在异常目标时，对异常目标进行运动轨迹预测；

步骤S4：根据异常目标的运动轨迹预测获得异常目标的行为风险指数，并根据行为风险指数作出相应的预警；

所述监控区域的设置过程包括：

在监控区域内，设置一级安全防线和二级安全防线，并记录一级安全防线与二级安全防线之间的距离；

在一级安全防线和二级安全防线上设置若干个监控终端，所述监控终端包括视频终端与红外检测终端，实时获取拍摄范围内的视频数据与热像图，并对获取时间进行记录，生成对应的时间戳；

对监控数据进行处理的过程包括：

将设置在一级安全防线和二级安全防线上的监控终端所获取的监控数据进行标记，并建立UV坐标系；

将各个监控终端所获得的监控数据根据对应的时间戳映射至UV坐标系内；

将所获得的监控数据分解为若干个视频帧，将同一时刻的视频帧进行汇总，生成视频帧集；

将视频帧集内的各个视频帧根据对应的监控终端的拍摄范围进行拼接，将拼接后的视频帧映射至一个新的UV坐标系内，获得监控区域内的监控图像与监控热像图；

对所获得的监控图像与监控热像图进行栅格化处理，获得各个像素，对各个像素进行编号；

设定红外阈值，将栅格化处理后的监控热像图根据红外阈值划分为热区域与冷区域，并分别标记热区域与冷区域内各个像素的像素值；

再将处理后的监控图像与监控热像图按照各个像素的编号一一对应后进行融合叠加，得到的新的图像记为待分析监控数据；

判断监控终端所监控的区域是否存在异常目标的过程包括：

获取待分析监控数据中的监控热像图，实时监控所述监控热像图中是否出现热区域，并记录出现的热区域所占像素的个数；

设定异常阈值，当出现的热区域所占的像素个数大于等于异常阈值时，监控区域出现异常，则记热区域为异常目标，进而确认异常目标的物种名称；

所述确认异常目标的物种名称的过程包括：

采集若干个野生动物的图像，记录各个野生动物的物种名称；

设置风险等级，将各个物种名称与相应的风险等级相关联，得到野生动物风险表；

对各个野生动物的图像进行所述栅格化处理，并分别对栅格化处理后的图像中野生动物所在的像素与其余像素的像素值做不同标记；

提取出野生动物所在的像素中与不同像素值交界的若干像素，将若干像素视作各个点，连接点与点后得到野生动物的轮廓曲线；

提取异常目标中与冷区域交界的若干像素，将若干像素视作各个点，连接点与点后得到异常目标的轮廓曲线；

分别在两个轮廓曲线上等分的取n个点，并分别计算n个点在两个轮廓曲线上的导数，得到野生动物的导数集合与异常目标的导数集合；

将野生动物的导数集合与异常目标的导数集合进行相交后得到交集，并得到交集中导数的个数，根据交集中导数的个数获得异常目标与各个野生动物的图像的匹配度，记为匹配度集合；

在匹配度集合中得到值最大的匹配度，并获得值最大的匹配度对应的野生动物的物种名称，即为异常目标的物种名称；

根据异常目标的物种名称与野生动物风险表，获得异常目标对应的风险系数，进而预测异常目标的运动轨迹；

对异常目标的运动轨迹进行预测的过程包括：

记异常目标第一次出现在监控区域时所在的视频帧对应的时间戳为起始时刻，异常目标最新一次位移结束后所在的视频帧对应的时间戳为结束时刻；

以异常目标竖方向上最长的线段为长，横方向上最长的线段为宽，以长与宽两条线段的交点为异常目标的中心点；

以异常目标的中心点在起始时刻的位置为原点，在监控区域建立直角坐标系，得到结束时刻异常目标的中心点的位置坐标；

根据原点与结束时刻异常目标的中心点的位置坐标获得异常目标的位移向量，并以位移向量与横坐标的夹角为轨迹偏移角，则根据异常目标的运动速度与轨迹偏移角获得异常目标的预测运动轨迹；

所述获得异常目标的行为风险指数的过程包括：

获取异常目标所占的像素的个数，表示异常目标的体积大小；

设定安全防线系数，记为r，并获取第一次拍摄到异常目标进入监控区域的监控终端所在的位置；

当第一次拍摄到异常目标进入监控区域的监控终端处于二级安全防线时，r＝0，当第一次拍摄到异常目标进入监控区域的监控终端处于二级安全防线时，r＝1；

获取一级安全防线与二级安全防线的距离，根据距离设定一级风险判定阈值，记为φD，设定二级风险判定阈值，记为ωD；

根据异常目标的预测运动轨迹、异常目标的体积大小、安全防线系数以及一级风险判定阈值，获得异常目标的行为风险指数，记为I；

根据行为风险指数作出相应的预警操作的过程包括：

根据一级风险判定阈值与二级风险判定阈值，将安全预警划分为三个预警等级；

当0<I<ωD时，提示二级安全防线范围内出现异常目标，预警等级较低；

当时，提示二级安全防线范围内出现异常目标，或将进入一级安全防线，预警等级为中级；

当φD≤I，且r＝0时，提示二级安全防线范围内出现异常目标，正极速逼近一级安全防线，预警等级较高；

当φD≤I，且r＝1时，提示存在异常目标进入一级安全防线，预警等级较高。