CN201773466U - 物体滞留/偷窃事件检测、跟踪和识别的视频监控预警装置 - Google Patents

Abstract

本实用新型即物体滞留/偷窃事件检测、跟踪和识别的视频监控预警装置涉及智能监控技术领域，包括视频采集模块、视频智能监控服务器、报警模块。视频智能监控服务器特指通过动目标检测、运动目标跟踪、事件识别的方法流程完成物体滞留/偷窃事件识别。运动目标检测特指通过建立自适应背景模型，利用背景差分提取运动目标，再通过形态学和阴影处理以获得更完整、更准确的运动目标状态；运动目标跟踪特指通过对运动目标的状态进行估计、观测和校正的递归过程，实现帧间运动目标匹配，跟踪运动目标的运动轨迹；事件识别特指对物体滞留/偷窃事件给出清晰的界定，根据运动目标的特征及运动轨迹判定事件的发生，如果事件发生，区分滞留和偷窃两种事件。

Description

物体滞留/偷窃事件检测、跟踪和识别的视频监控预警装置

(一)技术领域

本发明属于智能化视频监控技术领域，特别涉及物体滞留/偷窃事件的检测、跟踪和识别。

(二)背景技术

智能化视频监控预警装置是近几年来计算机视觉领域的一个新兴研究方向，它是利用计算机视觉技术对摄像机采集的视频数据进行分析、理解，并以此为基础对视频监控系统进行控制，从而使视频监控预警装置具有象人一样的智能，主要涉及模式识别、图像处理、计算机视觉、人工智能等方面的科学知识。这一技术包括了运动目标的检测、运动目标跟踪、目标分类、行为理解及描述等方面，是一个具有挑战性的问题。近年来随着视觉监视系统所需的硬件设备(如摄像机、云台等)成本的日益降低，监控系统在我国开始步入普及阶段，广泛应用于诸如银行、宾馆、超级市场、机场、车站等公共场所，在公共安全领域发挥着日益重要的作用。但是目前监控系统的功能往往比较单一，常常要求监控人员持续的监视屏幕，通过解释获得的视频信息，然后做出相应的决策。但让监控人员长期盯着众多的电视监视器是一项繁重而乏味的工作，特别是当监控点较多时，监控人员几乎无法做到全面完整的监控。同时，由于大多数监视场景出现异常的情况毕竟为少数，这样人工监控不仅造成巨大的人力浪费，而且很容易使得监控人员思想松懈从而导致漏报，这在许多不容闪失的重要场所(如银行金库、军用仓库等场合)是不能容忍的。鉴于此，目前在国内外学术界及工业部门都开始着眼于研究新一代的具有智能化视觉监视功能的监控系统，这类系统的核心问题就是要对进入监控视场的运动目标(诸如人)进行实时的检测、跟踪和行为理解，并由此做出相应的判断和处理。

滞留与偷窃物体检测是智能视频监控预警装置的重要功能之一，在安防领域具有很强的实用价值。滞留物检测常用于机场，地铁，交通关口等可疑的包裹或遗留的行李检测，预防恐怖炸弹袭击。偷窃物体常用于博物馆，画廊，或其他安全区域的珍贵物品的防盗检测。滞留/偷窃物体的检测与识别属于智能视觉监控的范畴，主要是利用图像处理和分析的方法，在现实场景中自动检测和跟踪运动目标，根据运动目标的运动轨迹检测静态物体，再通过滞留/偷窃分类算法来区分滞留和偷窃事件，最后报警和抓取证据图片；使计算机具有某种理解和分析视频能力，从而对危险事件具有主动监测、防范和预警的功能。

(三)发明内容

本发明的目的在于提供一种针对机场，地铁，交通关口及博物馆等公共场所存在物体滞留/偷窃情况的监控视频预警装置。

本发明基于视频智能监控服务器，主动预防监控场景中出现物体滞留/偷窃等的可疑行为。

本发明要解决的技术问题在于：提供的物体滞留/偷窃事件检测、跟踪和识别的视频监控预警装置可以在复杂的监控场景中有效的检测、跟踪、识别物体滞留/偷窃事件。

本发明对于以上的技术问题采用的技术方案：

1、通过摄像头、硬盘录像机等视频采集模块设备获得实时的视频信号，并将信号输入到视频智能监控服务器。

2、视频智能监控服务器包括信号采集单元、视频智能分析系统、异常事件分析系统、监控报警管理模块、报警驱动模块。

其中所述各个模块主要解决的问题具体为：

所述信号采集单元用于接收各类视频音频采集设备输入的视频信息，并且将视频信息输入到视频智能分析系统进行后续处理。

所述信号采集单元具体支持网络采集视频信息、视频采集卡采集视频信息。

所述视频智能分析系统接收信号采集单元输入的视频信息，完成运动目标检测与跟踪技术。

所述视频智能分析系统具体模块包括：1)运动目标检测模块，完成建立自适应背景模型，利用背景差分提取运动目标，再通过形态学和阴影处理以获得更完整、更准确的运动目标状态；2)运动目标跟踪模块，通过对运动目标的状态进行估计、观测和校正的递归过程，实现帧间运动目标匹配，跟踪运动目标的运动轨迹。

所述异常事件分析系统主要完成滞留/偷窃事件识别。

所述异常事件分析系统具体模块包括：1)接收对于滞留/偷窃事件判断物品分辨率大小、判断敏感度等的人为设定的模块；2)接收视频智能分析系统处理的结果的模块，所述结果主要包括：运动目标特征、运动目标轨迹等信息；3)滞留/偷窃事件识别的模块，该模块主要对物体滞留/偷窃事件给出清晰的界定，根据运动目标的特征及运动轨迹判定事件的发生，如果事件发生，区分滞留和偷窃两种事件。

所述监控报警管理模块主要完成报警信息的管理。

所述监控报警管理模块具体子模块包括：1)存储模块，主要完成存储各监控点传送来的滞留/偷窃事件报警发生时的数据；2)查询模块，提供报警数据显示，并且支持用户可按位置、通道、分类和时间等进行检索和查询历史数据。

所述报警驱动模块主要完成：1)接收人为设定的报警方式及相关的附加信息(比如：手机号码、报警声音等)，具体支持的报警方式：手机彩信、电子邮件、扬声器、警号、警灯等；2)接收异常事件分析系统在滞留/偷窃事件发生时发来的报警信号；3)在接收到报警信号后按照报警方式的设定驱动相应的报警装置报警，并发送相应的报警信息。

所述报警信息的内容包括：1)图片，异常情况发生时现场的图像信息；2)时间：异常情况发生的时间；3)事件：即异常事件类型，具体为滞留/偷窃类型；4)位置：异常事件发生的具体位置。

3、报警模块，包括各种报警装置，所述报警装置接收视频智能监控服务器发来的驱动信息进行报警。

本发明有以下技术特征：

1、信号采集单元支持视频采集卡和网络两种方式采集视频信息。

2、视频智能分析系统的背景模型采用自适应背景方法更新背景，利用每个像素的主特征来描述背景，根据贝叶斯规则判定像素点是前景点或背景点，其中阈值计算采用分块的自适应阈值方法，分别计算差分图像中每个块的阈值，而且对变化区域和背景区域采取不同的策略计算其阈值，最后采用全部阈值的平均值作为整体阈值，获得自适应的无参阈值。

3、视频智能分析系统为了获得更完整的运动目标区域和填补运动目标区域的内部空洞，形态学处理采用两次膨胀三次腐蚀一次膨胀的方法。

4、视频智能分析系统采用了HSV空间阴影检测方法，基本原理是同一物体在阴影区和非阴影区的色调是近似一致的，阴影主要使该区域内亮度有变化，而且阴影部分一定比背景的亮度要低。

5、视频智能分析系统结合粒子滤波和卡尔曼滤波两种跟踪方法实现运动目标跟踪，在阻挡时采用基于颜色特征的粒子滤波方法，在非阻挡情况下采用基于卡尔曼滤波的连通区域匹配方法。

6、视频智能分析系统判断阻挡发生的条件是：第k帧中是否存在一个前景区域与第k-1帧中的一个以上的运动目标的预测位置存在交叉。

7、视频智能分析系统基于卡尔曼滤波的连通区域匹配方法是先利用卡尔曼滤波预测第k帧的运动目标状态，然后在预测状态和第k帧检测到的前景连通区域间求最佳匹配，求得的最佳匹配即为第k帧的运动目标状态，并以此校正卡尔曼滤波的参量。

8、视频智能分析系统基于颜色模型的粒子滤波方法是在第k帧根据前一帧的运动目标状态进行随机的均匀采样，用颜色相似性求采样点权值，用权值大的采样点的均值估计第k帧运动目标状态。

9、异常事件分析系统物体滞留/偷窃事件的界定：1)滞留/偷窃物体在一段时间内位置没有发生变化；2)滞留/偷窃物体一定有拥有者，即是有人将它丢弃的，所以在物体被丢弃前一定发生了运动目标分裂；3)滞留/偷窃物体和其拥有者间存在一定距离；如果这个物体的拥有者离它很近，物体就没有被丢弃。

10、异常事件分析系统在静态物体判断过程中添加了运动目标分裂判断，目的在于：1)建立物体和其拥有者之间的对应关系；2)没有被分裂过的物体可能是光照突变产生的噪声，所以用物体分裂区分光照变化和真实的滞留/偷窃物体。

其中所述运动目标分裂判断是将第k帧以前的m帧的运动目标的信息记录下来，发现静态物体后，在静态物体被创建的前q帧里去找相应位置的匹配运动物体，而静态物体由父物体分裂产生，所以在产生它之前的第m帧，在物体质心所在位置一定能找到一个比它大，能将其包括的物体，即它的父物体，条件再严格一点，可以计算静态物体和候选父物体之间的颜色直方图距离，取颜色最相近的作为父物体。

11、异常事件分析系统根据滞留和偷窃物体会造成与周围场景颜色或纹理的不一致的特点，采用两种分类方法来区分滞留/偷窃事件：基于颜色直方图的巴氏距离判定方法，基于轮廓判断方法。

其中所述基于颜色直方图的方法是根据当前帧与背景图像的前景点与非前景点的颜色直方图的相似性来区分滞留和偷窃物体，直方图采用降维的彩色直方图。

其中所述基于轮廓的方法是提取当前帧和前景二值图像的边缘，利用边缘图像的空间相似性和连通性来辨别滞留物体和偷窃物体。

本发明的有益效果包括：

1、通过以上技术特征的1完成视频信息的方便采集。

2、通过以上技术特征的2、3及4完成运动目标自动检测。

3、通过以上技术特征的5、6、7及8完成运动目标自动跟踪。

4、通过以上技术特征的9、10及11完成物体滞留/偷窃事件的有效识别。

(四)附图说明

图1为本发明的智能视频监控系统体系结构示意图

图2为本发明的系统结构框图。

图3为本发明的视频智能监控服务器装置进行滞留/偷窃事件识别核心模块关系图。

(五)具体实施方式

下面结合具体实施例和附图进一步详细说明：

图1所示为智能视频监控系统体系结构示意图。

智能视频监控系统包括视频采集单元，智能事件分析处理单元，报警单元三个部分。

其中视频采集单元包括若干摄像头，通过图像采集卡或者硬盘录像机的网络接口输入视频到智能监控管理服务器。

智能监控管理服务器同时对多路视频进行分析和处理，检测到报警事件后，生成报警信息输出到报警系统进行报警，同时将报警信息和证据图片等信息保存到磁盘中。

图2介绍按照本发明实施方式的结构框图。

该系统包括：视频采集模块、视频智能监控服务器以及报警模块。

该系统的视频采集模块主要通过摄像头、硬盘录像机等视频采集设备获得实时的视频信号。

该系统的视频智能监控服务器包括信号采集单元、视频智能分析系统、异常事件分析系统、监控报警管理模块及报警驱动模块。

按照本发明的实施方式的视频智能监控服务器，信号采集单元用于接收所述视频采集模块输入的视频信息。

该系统信号采集单元可监控来自现场的4路实时视频流。

所述视频智能分析系统，包括自动查找运动目标、自动跟踪运动目标行为。

所述异常事件分析系统，根据视频智能分析系统，对物体滞留/偷窃事件给出清晰的界定，根据运动目标的特征及运动轨迹判定事件的发生，如果事件发生，区分滞留和偷窃两种事件，完成自动识别目标行为。

所述监控报警管理模块，根据异常事件分析系统识别的偷窃/滞留行为管理异常事件，存储各监控点传送来的报警时的数据，实现报警数据显示，并且用户可按位置、通道、分类和时间进行检索和查询历史数据。

所述报警驱动模块，根据异常事件分析系统识别的偷窃/滞留行为可以自动播放告警声音；将报警数据通过手机彩信、PC机、电子邮件发送给保卫人员。

该系统的报警模块包括手机彩信、电子邮件、扬声器、警号、警灯等等报警装置，这些装置接收视频智能监控服务器发来的驱动信息进行报警。

报警信息包括：图片，异常情况发生时现场的图像信息；时间：异常情况发生的时间；事件：即异常事件类型，具体为滞留/偷窃类型；位置：异常事件发生的具体位置。

图3为视频智能监控服务器装置进行滞留/偷窃事件识别核心模块关系图。具体如下：

1)运动目标检测模块：主要采用背景差分技术获得前景图像，然后利用阴影处理和形态学进行去噪。

2)运动目标跟踪模块：对于发生阻挡的运动目标采用粒子滤波进行跟踪，对于没有发生阻挡的运动目标采用基于卡尔曼滤波的连通区域匹配方法进行跟踪。

3)事件识别模块：1)首先根据运动目标轨迹找出静态物体；2)如果物体在一段时间内位置没有发生变化则为一个静态物体，然后判断静态物体是否发生过分裂，并且找出分裂它的父运动目标；3)最后是滞留和偷窃事件的区分。

Claims (4)

1.物体滞留/偷窃事件检测、跟踪和识别的视频监控预警装置，其特征在于，所述模块包括：

(1)视频采集模块，通过视频采集设备摄像头、硬盘录像机获得实时的视频信号；

(2)视频智能监控服务器，接收视频采集模块输入信息，分析视频源中的关键信息，完成对物体滞留/偷窃事件进行判断、管理报警以及驱动报警；

(3)报警模块，接收视频智能监控服务器发来的驱动信息进行报警。

2.根据权利要求1所述的物体滞留/偷窃事件检测、跟踪和识别的视频监控预警装置，其特征在于，所述视频智能监控服务器包括：

(1)信号采集单元，接收所述视频采集模块输入的视频信息；

(2)视频智能分析系统，接收视频源中的视频进行分析；

(3)异常事件分析系统，接收视频智能分析系统的结果对物体滞留/偷窃事件给出清晰的界定；

(4)监控报警管理模块，接收异常事件分析系统识别的偷窃/滞留行为管理异常事件；

(5)报警驱动模块，接收异常事件分析系统识别的偷窃/滞留行为驱动报警。

3.根据权利要求1所述的物体滞留/偷窃事件检测、跟踪和识别的视频监控预警装置，其特征在于，所述视频智能分析系统包括以下模块：

(1)运动目标检测模块，接收信号采集单元输出的视频信号，检测出视频中存在的运动目标；

(2)运动目标跟踪模块，接收运动目标检测模块的检测结果跟踪运动目标。

4.根据权利要求1所述的物体滞留/偷窃事件检测、跟踪和识别的视频监控预警装置，其特征在于，所述报警模块包括：

(1)报警数据接收，接收视频智能监控服务器发来的报警时的数据；

(2)报警信息输出，输出驱动手机短信、彩信、扬声器、报警中心及电子邮件报警。 

Images