CN117079397B - 一种基于视频监控的野外人兽安全预警方法 - Google Patents
一种基于视频监控的野外人兽安全预警方法 Download PDFInfo
- Publication number
- CN117079397B CN117079397B CN202311260028.4A CN202311260028A CN117079397B CN 117079397 B CN117079397 B CN 117079397B CN 202311260028 A CN202311260028 A CN 202311260028A CN 117079397 B CN117079397 B CN 117079397B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- abnormal target
- abnormal
- area
- early warning
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 172
- 241001465754 Metazoa Species 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000002159 abnormal effect Effects 0.000 claims abstract description 155
- 238000012545 processing Methods 0.000 claims abstract description 11
- 241000894007 species Species 0.000 claims description 26
- 230000007123 defense Effects 0.000 claims description 24
- 238000006073 displacement reaction Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 5
- 238000013459 approach Methods 0.000 claims description 3
- 230000003542 behavioural effect Effects 0.000 claims description 2
- 230000004927 fusion Effects 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 description 4
- 230000002547 anomalous effect Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
Classifications
-
- 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
-
- 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
- G08B13/19—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 infrared-radiation detection systems
-
- 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
-
- 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
- G08B13/19608—Tracking movement of a target, e.g. by detecting an object predefined as a target, using target direction and or velocity to predict its new position
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
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Ji,以及得到异常目标的导数集合,记为K;
将Ji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:
MDs=(K∩Js)num×100%
其中MDs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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311260028.4A CN117079397B (zh) | 2023-09-27 | 2023-09-27 | 一种基于视频监控的野外人兽安全预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311260028.4A CN117079397B (zh) | 2023-09-27 | 2023-09-27 | 一种基于视频监控的野外人兽安全预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117079397A CN117079397A (zh) | 2023-11-17 |
CN117079397B true CN117079397B (zh) | 2024-03-26 |
Family
ID=88702595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311260028.4A Active CN117079397B (zh) | 2023-09-27 | 2023-09-27 | 一种基于视频监控的野外人兽安全预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117079397B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117319809B (zh) * | 2023-11-24 | 2024-03-01 | 广州劲源科技发展股份有限公司 | 一种监控视野的智能调节方法 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004023487A (ja) * | 2002-06-17 | 2004-01-22 | Monolith Co Ltd | 監視装置、および監視方法 |
JP2010198519A (ja) * | 2009-02-27 | 2010-09-09 | Hitachi Constr Mach Co Ltd | 周囲監視装置 |
CN104850822A (zh) * | 2015-03-18 | 2015-08-19 | 浙江大学 | 基于多特征融合的简单背景下的叶片识别方法 |
CN105989695A (zh) * | 2015-02-15 | 2016-10-05 | 中国移动通信集团公司 | 监护对象活动风险评估方法及装置 |
CN110598570A (zh) * | 2019-08-20 | 2019-12-20 | 贵州民族大学 | 一种行人异常行为检测方法、系统、存储介质及计算机设备 |
CN111340824A (zh) * | 2020-02-26 | 2020-06-26 | 青海民族大学 | 一种基于数据挖掘的图像特征分割方法 |
CN112669360A (zh) * | 2020-11-30 | 2021-04-16 | 西安电子科技大学 | 一种基于非封闭多维轮廓特征序列的多源图像配准方法 |
CN113099178A (zh) * | 2021-04-01 | 2021-07-09 | 武汉拥钟智能科技有限公司 | 基于视频远程监控的智慧社区安全在线实时监测预警方法 |
CN113192092A (zh) * | 2021-05-07 | 2021-07-30 | 广西科技大学 | 一种模拟xyw细胞感受野特性融合的轮廓检测方法 |
CN113963298A (zh) * | 2021-10-25 | 2022-01-21 | 东北林业大学 | 基于计算机视觉的野生动物识别跟踪与行为检测系统、方法、设备及存储介质 |
CN114218992A (zh) * | 2021-12-29 | 2022-03-22 | 重庆紫光华山智安科技有限公司 | 异常对象的检测方法及相关装置 |
CN114708555A (zh) * | 2022-04-18 | 2022-07-05 | 刘文珍 | 基于数据处理的森林防火监控方法及电子设备 |
EP4027266A1 (en) * | 2021-01-06 | 2022-07-13 | Amadeus S.A.S. | Moiré pattern detection in digital images and a liveness detection system thereof |
CN114967731A (zh) * | 2022-04-12 | 2022-08-30 | 中国计量大学 | 一种基于无人机的野外人员自动搜寻方法 |
CN115375891A (zh) * | 2022-08-12 | 2022-11-22 | 河北师范大学 | 基于机器学习的文物碎片相似性识别及变换匹配方法 |
CN115861409A (zh) * | 2023-02-28 | 2023-03-28 | 华南农业大学 | 大豆叶面积测算方法、系统、计算机设备及存储介质 |
CN115937267A (zh) * | 2023-03-03 | 2023-04-07 | 北京灵赋生物科技有限公司 | 一种基于多帧视频的目标轨迹追踪方法 |
CN116546287A (zh) * | 2023-05-31 | 2023-08-04 | 济南和普威视光电技术有限公司 | 一种多联动野生动物在线监测方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2408615B (en) * | 2003-10-09 | 2006-12-13 | Univ York | Image recognition |
US9905054B2 (en) * | 2016-06-09 | 2018-02-27 | Adobe Systems Incorporated | Controlling patch usage in image synthesis |
DE102017210316A1 (de) * | 2017-06-20 | 2018-12-20 | Volkswagen Aktiengesellschaft | Verfahren und Vorrichtung zum Erfassen einer Nutzereingabe anhand einer Geste |
EP4318384A1 (en) * | 2021-05-20 | 2024-02-07 | Samsung Electronics Co., Ltd. | Image processing apparatus and operating method therefor |
-
2023
- 2023-09-27 CN CN202311260028.4A patent/CN117079397B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004023487A (ja) * | 2002-06-17 | 2004-01-22 | Monolith Co Ltd | 監視装置、および監視方法 |
JP2010198519A (ja) * | 2009-02-27 | 2010-09-09 | Hitachi Constr Mach Co Ltd | 周囲監視装置 |
CN105989695A (zh) * | 2015-02-15 | 2016-10-05 | 中国移动通信集团公司 | 监护对象活动风险评估方法及装置 |
CN104850822A (zh) * | 2015-03-18 | 2015-08-19 | 浙江大学 | 基于多特征融合的简单背景下的叶片识别方法 |
CN110598570A (zh) * | 2019-08-20 | 2019-12-20 | 贵州民族大学 | 一种行人异常行为检测方法、系统、存储介质及计算机设备 |
CN111340824A (zh) * | 2020-02-26 | 2020-06-26 | 青海民族大学 | 一种基于数据挖掘的图像特征分割方法 |
CN112669360A (zh) * | 2020-11-30 | 2021-04-16 | 西安电子科技大学 | 一种基于非封闭多维轮廓特征序列的多源图像配准方法 |
EP4027266A1 (en) * | 2021-01-06 | 2022-07-13 | Amadeus S.A.S. | Moiré pattern detection in digital images and a liveness detection system thereof |
CN113099178A (zh) * | 2021-04-01 | 2021-07-09 | 武汉拥钟智能科技有限公司 | 基于视频远程监控的智慧社区安全在线实时监测预警方法 |
CN113192092A (zh) * | 2021-05-07 | 2021-07-30 | 广西科技大学 | 一种模拟xyw细胞感受野特性融合的轮廓检测方法 |
CN113963298A (zh) * | 2021-10-25 | 2022-01-21 | 东北林业大学 | 基于计算机视觉的野生动物识别跟踪与行为检测系统、方法、设备及存储介质 |
CN114218992A (zh) * | 2021-12-29 | 2022-03-22 | 重庆紫光华山智安科技有限公司 | 异常对象的检测方法及相关装置 |
CN114967731A (zh) * | 2022-04-12 | 2022-08-30 | 中国计量大学 | 一种基于无人机的野外人员自动搜寻方法 |
CN114708555A (zh) * | 2022-04-18 | 2022-07-05 | 刘文珍 | 基于数据处理的森林防火监控方法及电子设备 |
CN115375891A (zh) * | 2022-08-12 | 2022-11-22 | 河北师范大学 | 基于机器学习的文物碎片相似性识别及变换匹配方法 |
CN115861409A (zh) * | 2023-02-28 | 2023-03-28 | 华南农业大学 | 大豆叶面积测算方法、系统、计算机设备及存储介质 |
CN115937267A (zh) * | 2023-03-03 | 2023-04-07 | 北京灵赋生物科技有限公司 | 一种基于多帧视频的目标轨迹追踪方法 |
CN116546287A (zh) * | 2023-05-31 | 2023-08-04 | 济南和普威视光电技术有限公司 | 一种多联动野生动物在线监测方法及系统 |
Non-Patent Citations (3)
Title |
---|
混合目标与搜索区域令牌的视觉目标跟踪;薛万利;计算机研究与发展;20230404;1-10 * |
畜牧业动物图像目标检测改进研究;更桑吉;计算机时代;20211015;20-22 * |
结合人脸关键点与光流特征的微表情识别;王晔;激光杂志;20230523;第44卷(第5期);72-77 * |
Also Published As
Publication number | Publication date |
---|---|
CN117079397A (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111967393B (zh) | 一种基于改进YOLOv4的安全帽佩戴检测方法 | |
CN104966372B (zh) | 多数据融合的森林火灾智能识别系统和方法 | |
CN117079397B (zh) | 一种基于视频监控的野外人兽安全预警方法 | |
CN110084165B (zh) | 基于边缘计算的电力领域开放场景下异常事件的智能识别与预警方法 | |
CN103106766B (zh) | 林火识别方法与系统 | |
CN104269012B (zh) | 基于modis数据的输电线路附近山火监测方法 | |
CN113076899B (zh) | 一种基于目标跟踪算法的高压输电线路异物检测方法 | |
CN111626169A (zh) | 一种基于图像的铁路危险落石尺寸判断方法 | |
CN110956652A (zh) | 变电站人员提前越线告警方法 | |
CN113298077A (zh) | 一种基于深度学习的变电站异物识别定位方法及装置 | |
CN104463253A (zh) | 基于自适应背景学习的消防通道安全检测方法 | |
CN114241310B (zh) | 基于改进yolo模型的堤防管涌险情智能识别方法 | |
CN114882410A (zh) | 基于改进定位损失函数的隧道顶灯故障检测方法及系统 | |
CN104574729A (zh) | 一种报警方法、装置及系统 | |
JP5302926B2 (ja) | 煙検出装置 | |
CN115171006B (zh) | 基于深度学习的自动识别人员进入电力危险区的检测方法 | |
CN116385962A (zh) | 基于机器视觉的廊道内人员监控系统及其方法 | |
CN115810161A (zh) | 一种变电站火灾识别方法及系统 | |
CN114792405A (zh) | 一种架空线路防异物入侵监测方法 | |
CN111754477B (zh) | 基于动态候选区多尺度图像的铁路周界异物入侵检测方法 | |
CN114332775A (zh) | 一种基于目标检测和无序特征的烟雾检测方法 | |
CN113920535A (zh) | 一种基于YOLOv5的电子区域检测方法 | |
CN117811218B (zh) | 一种无人机输变配一体化协同巡检方法 | |
CN111882807B (zh) | 一种识别区域火灾发生地方法及系统 | |
CN116681955B (zh) | 用于交通护栏异常识别的方法及计算设备 |
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 |