CN1556506A - 视频监控系统的智能化报警处理方法 - Google Patents

Abstract

一种视频监控系统的智能化报警处理方法。属于视频监控技术领域。方法步骤如下：采用背景建模方法，对采集得到的视频流进行场景背景提取，排除场景中的运动干扰，提取出稳定的视频监控场景画面；采用视频对象分割方法，对提取的监控背景进行视频对象分割，分割出所关注的固定监控对象，经过分割后，跟踪识别就更精确；采用视频跟踪方法，利用相邻帧中的视频对象的颜色特性，完成对视频对象进行跟踪，从而实现对于丢失的视频对象的报警处理。本发明能对指定的监控对象进行及时、准确的跟踪定位，从而高效、快捷地完成智能化报警处理。

Description

视频监控系统的智能化报警处理方法

技术领域

本发明涉及一种智能化报警处理方法，具体是一种视频监控系统的智能化报警处理方法。属于视频监控技术领域。

背景技术

目前的视频监控系统的报警处理还没有达到很好的智能化水平，并且复杂程度高，如果把智能化报警处理应用到监控系统中，不仅造价昂贵，效果也很不理想，因此现有的大部分监控系统报警处理还是采用人工方式。通常是将摄像机的输出结果记录下来，当异常情况(如停车场中的车辆被盗)发生后，通过人工观察结果，对于这种异常进行记录与处理，此时的视频监控系统没有充分发挥其实时主动的监督作用。还有少部分的视频监控系统，虽然可以自动实现报警处理，可是智能化程度很低，主要是检测场景中是否存在运动，从而根据场景的运动信息给出报警信号。这种方法不适用于室外或者人员走动频繁等场景。

经文献检索发现，在美国专利中，专利号为4589081号专利，专利名称为：“Inteligent surveillance alarm system and method”，(“智能化监控报警系统和方法”)此技术利用统计的方法，统计过去时间段内的监控环境中的统计信息，利用当前的监控信息与过去时间段内的统计信息进行匹配，利用这种匹配关系来完成报警处理。这种方法虽然简单，可是当场景中存在着运动物体的干扰时，其误报警将很严重。美国专利号为：6457364，专利名称为：“UltrasoundSurveillance and Break-In Alarm”(“超声波监控和闯入报警系统”)，此专利技术首先向监控场景中发射超声波，利用发射回来的超声波信息，来判断在相应的位置是否有人闯入。这种方法可以很好的应用为家庭的防盗系统，可是不能很好的应用在对固定对象的防盗系统，并且它也很容易受场景中运动的干扰。此方法还有一个最大的缺点是不能进行摄像和摄影。

发明内容

本发明的目的在于克服现有技术的不足，提供一种稳定、高效的视频监控系统的智能化报警处理方法，使其解决已有视频监控系统的智能化报警处理能力差、复杂程度高的技术缺陷。本发明采用计算机视觉和模式识别领域的新技术，如果场景中存在物体运动或者人员的走动，或是场景中的光线发生改变，只要监控场景中的监控对象还在，就可以排除这些干扰，防止误报警，从而实现智能化的视频监控。

本发明是通过以下技术方案实现的，本发明方法步骤如下：

(1)采用背景建模方法，对采集得到的视频流进行场景背景更新维护，提取出去除运动干扰的视频监控场景画面；

(2)采用视频对象分割方法，对得到的监控背景进行视频对象提取；

(3)采用视频跟踪方法，利用相邻帧中视频对象的颜色特性，实现对视频对象的跟踪，并对监控对象的丢失进行报警处理。

以下对本发明作进一步的说明，具体内容如下：

所述的背景建模方法，具体步骤如下：

·背景初始化：采用背景初始化算法，利用当前的初始输入帧的信息作为各个模型的均值，系统默认最大方差为各模型的方差；

·数据输入：对收到的视频帧信息进行转换，为YUV12到RGB的转换，采用MSDN推荐内插法；

·背景更新：抽选收到的帧，根据背景模型更新算法处理；

·背景预处理：利用图像形态学原理，利用腐蚀等方式消除孤立点；

·阴影消除：取出孤立点后，对仅色度值分布相同的点的集合定义为阴影，去除阴影后得到更精确的背景。

所述的背景初始化算法，其实就是建立背景模型。背景模型特征值采用像素的亮度色度值RGB，其中I_ij＝(R_ij，G_ij，B_ij)表示第j帧、第i个像素上的RGB值，分布模型描述为：

背景分布的概率密度函数p(x)的估计值

满足：

式中，在RGB空间上，每个像素假定有N个高斯分布，x为某一帧某像素点上的输入特征向量x＝(R，G，B)^T，

为该像素点的第i个高斯分布的权重，其中μ_i为第i个高斯分布的均值，μ_i＝(μ_iR，μ_iG，μ_iB)^T；σ_i为第i个高斯分布的均方差，σ_i＝(σ_iR，σ_iG，σ_iB)^T。

由于背景的稳定状态数目一般有限，再考虑计算成本，假设单一高斯分布数目N＝5，就可以满足大多数的情况了。同时规定，N个单一分布中的前L个权值较大的分布是背景分布。即按分布的权重降序排列时，L满足： 其余的分布可以认为是由于前景运动而引起的暂时变化，不属于背景。门限T的大小影响背景中稳定状态的数目，同分布数N有关。

所述的背景模型更新算法，主要是用新的视频采样值实时地调整匹配的单一高斯分布的权重和参数，来更新模型逼近变化后的真实背景分布。其匹配准则为：|x-μ_i|＜τσ_i，而且同时 最小时，才是匹配的。

匹配分布的参数更新遵循下式：

μ_i(t)＝(1-α)μ_i(t-1)+αx(t)                              (3)

${\mathrm{\σ}}_i\left(t\right)={((1-\mathrm{\β}){\mathrm{\σ}}_i^2(t-1)+\mathrm{\β}{(x\left(t\right)-{\mathrm{\μ}}_i\left(t\right))}^2)}^{\frac{1}{2}}---\left(4\right)$

因子α的大小表征了时间远近不同的采样值对背景物体状态的影响大小，β的大小则主要表征了摄像机自身参数变化的快慢。

分布权重更新遵循：

当新采样与第i个分布匹配时，S(t)＝1；不匹配时S(t)＝0。因子γ的大小反映了背景模型对背景物体变化的敏感程度。

当新的值不匹配时，在分布数N一定的情况下，将舍弃权重最小的高斯分布，

用新的分布来代替，并且初始化权重为 同时对其他权重做归一化处理：其中，参数l的取值，表示场景变化对背景模型适应的速度影响。

所述的视频对象分割方法，具体步骤如下：

·背景图像读取：以RGB的格式读入图象数据，然后分别转换为YUV12和HSI格式的数据保存；

·预处理：采用Roberts算子计算原图象的梯度图象，然后用中值滤波的方法对梯度图象去噪声，减少由于噪声引起的过分割，中值滤波器窗口大小的选择兼顾滤波效果和运算速度；

·图象分割：采用分水岭算法对图象进行块分割，即以图象的灰度作为第三维建立三维拓扑图，用Vincent和Soille提出的模拟注水的方法提取拓扑图表面的分水岭，自然形成各区域，完成图象的块分割；传统的分水岭算法最大的缺点就是过分割现象，即会出现大量的分割图像块，这主要是噪声和图像内容本身比较复杂造成的，也是分水岭算法本身无法克服的。为了分割出准确的视频监控对象，必须对分水岭算法进行改进处理，主要对分水岭算法分割后的结果，再采用基于颜色信息的区域聚类算法；

·颜色分析和区域聚合：设一幅灰度图象经过分水岭算法处理后被分为k个区域，得到块邻接关系图；

·弱边界的处理：经过颜色聚类处理后，再消除弱边界，即对每一条相邻块之间的边界，检验边界上的梯度大于某一设定阈值的象素的比例，若该比例超过50％则认为是强边界予以保留，反之则认为是弱边界，相应的邻块进行合并。

传统的分水岭算法最大的缺点就是过分割现象，即会出现大量的分割图像块，这主要是噪声和图像内容本身比较复杂造成的，也是分水岭算法本身无法克服的。为了分割出准确的视频监控对象，必须对分水岭算法进行改进处理，主要对分水岭算法分割后的结果，再采用基于颜色信息的块聚类算法，这样就可以很好的解决过分割现象，准确地提取出视频对象。利用视频对象分割方法，不再关注整个监控场景，只关注分割出来的视频对象，从而大大的减小视频跟踪处理的复杂程度，为实现实时视频跟踪提供基础。

所述的视频跟踪方法，具体步骤如下：

·对相继视频帧中的视频对象进行亮度的灰度值匹配，如果在确定的搜索范围内能很好的匹配上监控对象，则认为对象存在，否则认为监控对象已经丢失，发出报警信号；

·系统检测出场景中显著的光线变化，给出提示。检测出场景中光线的变化，对指定的监控对象进行及时、准确的跟踪定位，从而高效、快捷地完成智能化报警处理。

与现有技术相比，本发明将背景建模和视频对象分割结合起来，首先对采集得到的视频流进行场景背景更新维护，提取出去除运动干扰的视频监控场景画面，很好的排除了场景中人的移动所引起的遮挡对监控对象的干扰，检测出场景中光线的变化，对指定的监控对象进行及时、准确的跟踪定位，从而高效、快捷地完成智能化报警处理。

附图说明

图1本发明方法流程框图

图2本发明背景建模流程框图

图3本发明视频分割与跟踪流程框图

具体实施方式

基于本发明方法实现的的智能化报警的视频监控系统，是一种当监控场景中的固定对象发生丢失时的自动报警系统。此系统主要有以下几个特点：(1)可以很好的排除对监控对象运动遮挡的干扰；(2)可以自动识别监控场景中光线的改变；(3)当丢失的监控对象恢复原有位置，可以重新识别与跟踪；(4)对实际的监控环境有很好的适应能力。以下结合附图对本发明方法作进一步详细描述。

本发明是视频监控系统中的智能化报警处理的核心技术，其方法流程框图如图1所示，其主要包括四部分：背景建模、视频对象分割、视频对象跟踪和报警处理。

背景建模的流程框图如图2所示，其中

·背景初始化模块：利用当前的初始输入帧的信息作为各个模型的均值，系统默认最大方差为各模型的方差。

·数据输入模块：对收到的视频帧信息进行转换，现定为YUV12到RGB的转换(采用MSDN推荐内插法)。

·背景更新模块：抽选收到的帧(暂定为4取1)，根据以上更新算法处理。

·背景预处理模块：利用图像形态学原理，利用腐蚀等方式消除孤立点。

·阴影消除模块：取出孤立点后，对色度值分布相同而亮度值不同的点的集合定义为阴影，去除阴影后得到更精确的背景。

视频分割与跟踪主要完成从监控场景中分离出监控视频对象，并且在后继的视频帧内进行跟踪定位，其流程框图如图3所示。

前面背景建模中提取出来的监控背景图像数据送入视频对象分割模块，系统将根据用户预先定义的分割区域，进行对象分割。主要采用改进的分水岭算法来实现。传统的分水岭算法最大的缺点就是过分割现象，即会出现大量的分割图像块，这主要是噪声和图像内容本身比较复杂造成的，也是分水岭算法本身无法克服的。为了分割出准确的视频监控对象，必须对分水岭算法进行改进处理，主要对分水岭算法分割后的结果，再采用基于颜色信息的块聚类算法，这样就可以很好的解决过分割现象，准确地提取出视频对象。视频对象分割后视频对象将送入视频对象跟踪模块，视频对象跟踪中，利用前面已提取得到的监控对象，在后继的视频帧内进行对象跟踪，其具体的跟踪方法是对相继视频帧的视频对象进行亮度的灰度值匹配，如果在确定的搜索范围内可以很好的匹配上监控对象，则认为其没有丢失，如果不能匹配上，则认为监控对象已经丢失，并将触发报警模块发出报警信号。同时，跟踪模块可以检测出场景中显著的光线变化，对这种情形不予报警。

Claims (6)

1、一种视频监控系统中的智能化报警处理方法，其特征是，方法步骤如下：

(1)采用背景建模方法，对采集得到的视频流进行场景背景更新维护，提取出去除运动干扰的视频监控场景画面；

(2)采用视频对象分割方法，对得到的监控背景进行视频对象提取；

(3)采用视频跟踪方法，利用相邻帧中视频对象的颜色特性，实现对视频对象的跟踪，并对监控对象的丢失进行报警处理。

2、根据权利要求1所述的视频监控系统中的智能化报警处理方法，其特征是，所述的背景建模方法，具体步骤如下：

·背景初始化：采用背景初始化算法，利用当前的初始输入帧的信息作为各个模型的均值，系统默认最大方差为各模型的方差；

·数据输入：对收到的视频帧信息进行转换，为YUV12到RGB的转换，采用MSDN推荐内插法；

·背景更新：抽选收到的帧，根据背景模型更新算法处理；

·背景预处理：利用图像形态学原理，利用腐蚀方式消除孤立点；

·阴影消除：取出孤立点后，对仅色度值分布相同的点的集合定义为阴影，去除阴影后得到更精确的背景。

3、根据权利要求2所述的视频监控系统中的智能化报警处理方法，其特征是，所述的背景初始化算法，具体如下：

背景模型特征值采用像素的亮度色度值RGB，其中I_ij＝(R_ij，G_ij，B_ij)表示第j帧、第i个像素上的RGB值，分布模型描述为：

背景分布的概率密度函数p(x)的估计值 满足：

式中，在RGB空间上，每个像素假定有N个高斯分布，x为某一帧某像素点上的输入特征向量x＝(R，G，B)^T，

为该像素点的第i个高斯分布的权重，其中μ_i为第i个高斯分布的均值，μ_i＝(μ_iR，μ_iG，μ_iB)^T，σ_i为第i个高斯分布的均方差，σ_i＝(σ_iR，σ_iG，σ_iB)^T；

按分布的权重降序排列时，L满足：

门限T的大小影响背景中稳定状态的数目，同分布数N有关。

4、根据权利要求2所述的视频监控系统中的智能化报警处理方法，其特征是，所述的背景模型更新算法，具体如下：

用新的视频采样值实时地调整匹配的单一高斯分布的权重和参数，来更新模型逼近变化后的真实背景分布，其匹配准则为：|x-μ_i|＜τσ_i，而且同时

最小时，才是匹配的；

匹配分布的参数更新遵循下式：

μ_i(t)＝(1-α)μ_i(t-1)+αx(f)

${\mathrm{\σ}}_i\left(t\right)={((1-\mathrm{\β}){\mathrm{\σ}}_i^2(t-1)+\mathrm{\β}{(x\left(t\right)-{\mathrm{\μ}}_i\left(t\right))}^2)}^{1/2}$

分布权重更新遵循：

当新采样与第i个分布匹配时，S(t)＝1；否则S(t)＝0，且在分布数N一定的情况下，舍弃权重最小的高斯分布，用新的分布来代替，并且初始化权重为

同时对其他权重做归一化处理：

其中，参数l的取值，表示场景变化对背景模型适应的速度影响。

5、根据权利要求1所述的视频监控系统中的智能化报警处理方法，其特征是，所述的视频对象分割方法，具体步骤如下：

·背景图像读取：以RGB的格式读入图象数据，然后分别转换为YUV12和HSI格式的数据保存；

·预处理：采用Roberts算子计算原图象的梯度图象，然后用中值滤波的方法对梯度图象去噪声，减少由于噪声引起的过分割，中值滤波器窗口大小的选择兼顾滤波效果和运算速度；

·图象分割：采用分水岭算法对图象进行块分割，即以图象的灰度作为第三维建立三维拓扑图，用Vincent和Soille提出的模拟注水的方法提取拓扑图表面的分水岭，自然形成各区域，完成图象的块分割；

·颜色分析和区域聚合：设一幅灰度图象经过分水岭算法处理后被分为k个区域，得到块邻接关系图；

·弱边界的处理：经过颜色聚类处理后，再消除弱边界，即对每一条相邻块之间的边界，检验边界上的梯度大于某一设定阈值的象素的比例，若该比例超过50％则认为是强边界予以保留，反之则认为是弱边界，相应的邻块进行合并。

6、根据权利要求1所述的视频监控系统中的智能化报警处理方法，其特征是，所述的视频跟踪方法，具体步骤如下：

·对相继视频帧中的视频对象进行亮度的灰度值匹配，如果在确定的搜索范围内能很好的匹配上监控对象，则认为对象存在，否则认为监控对象已经丢失，发出报警信号；

·系统检测出场景中显著的光线变化，给出提示。

Images