专利名称：一种实时区域检测方法
技术领域：
本发明属于视频图像处理领域，尤其是一种实时区域检测方法。
背景技术：
随着智能监控技术的不断发展和图像处理技术的日益成熟，原有的采用人力进行 可疑目标监控已经满足不了需求，而以人工智能和视频分析等技术为主的智能安防系统很 大程度上能弥补人力不足的问题。智能安防系统优势在于保安人员无需实地巡逻，便可以 通过监控系统传回的视频获得现场的实际情况，以便于迅速做出决策，因此有着广阔的发 展空间和巨大的潜在市场。警戒区域入侵检测、区域人流统计、区域人群密度检测等是其一 个重要应用方面。警戒区域入侵检测是指对闯入警戒区域的目标进行识别，区域人流统计 是指对某段时间内某一区域的进出人流进行统计，区域人群密度检测是指对某一区域内的 目标进行统计。它们主要是利用图像处理的方法，在现实场景中自动检测目标入侵，使计算 机具有某种理解和分析视频的能力，从而对目标入侵进行报警或者对入侵进行统计满足某 一条件时报警。传统的区域检测方法，一般都是基于运动目标与警戒区域之间复杂的判断来实现 的，即使对于简单的矩形区域，也需要大量的判断，因此这些方法计算量大，思想复杂，尤其 对于像凹多边形区域，效率较低。
发明内容
基于以上问题，本发明提出使用区域分类标记的思想对监控场景中区域的空间位 置进行分类标记来获得区域状态的敏感参数，以运动目标所在区域空间位置的敏感参数为 依据来判断目标入侵与否。并且由于区域的分类标记并不是直接针对图像数据，所以只需 在区域设定或者改变时获得区域敏感参数，只要警戒区域不改变，就不需要更新区域敏感 参数。算法思想简单，易于实现，对于任意多边形(凸、凹多边形)区域健壮性都好，并且有 很高的执行效率。为达到以上目的，本发明采用如下技术方案。一种实时区域检测方法。具体包括以下步骤E、监控场景背景建立与更新；F、运用相关运动检测算法得到运动目标；G、运用相关目标跟踪算法跟踪目标，得到目标当前空间位置坐标；H、区域检测；其特征在于，步骤D的区域检测算法在于首先对监控场景中全区域进行掩蔽，然 后对掩蔽区域和警戒区域进行分类标记，以得到警戒区域空间位置状态的敏感参数，最后 以运动目标所在区域的敏感参数作为目标入侵与否的判断依据，实现区域检测。而且，对监控场景全区域进行掩蔽的计算，可以是开辟一个跟图像大小相同的数 组，对其对应像素点赋值。
而且，对掩蔽区域和警戒区域进行分类标记，以得到警戒区域空间位置状态的敏 感参数的计算，可以是如下步骤(1)输入欲标记多边形区域的顶点数及其顶点坐标。(2)确定需标记警戒区域垂直方向范围，即计算所有多边形顶点坐标中y的最大 值和最小值，以此作为扫描线的处理范围。(3)对处理范围内的每条扫描线建立有序边表。(4)对处理范围内的每条扫描线，重复下列步骤a用有序边表建立当前扫描线的有效边表；b从有效边表中依次取出一对交点，对两个交点内的警戒区域空间位置进行标记 获得警戒区域敏感参数c为下一条扫描线更新有效边表，即增加交点的X值和删除不再相交的边；d重新排列有效边表。而且，对于以运动目标所在区域的敏感参数作为目标入侵与否的判断依据，实现 区域检测的计算，可以是判断运动目标所在区域空间位置的敏感参数，如果其等于警戒区 域的敏感参数，则表示目标入侵。本发明的优点和积极效果是(1)通过对特定区域的空间位置状态进行标记来作为目标入侵的判断依据，大大 减少了判断的次数和复杂度，而且对于凹凸多边形区域具有相同的执行效率；(2)通过开辟一块图像数据大小的内存，可以使区域的分类标记独立于图像数据 本身，因此对于区域的分类标记只需执行一次，只要警戒区域不改变，就无需更新区域的分 类标记，大大提高了算法效率。
图1是实时区域检测总体流程图；图2是应用本发明实现一个具体实施例的流程图；图3是区域多边形的边表；图4是边缩短的两种策略；
具体实施例方式下面结合附图对本发明的实施例做详细说明本实施例在以本发明技术方案为前 提下实现，给出了详细过程，但本发明的保护范围不限于下述的实施例。本实施例中对某视频序列进行区域检测，图1是区域检测总体流程图，图2是应用 本发明实现一个具体实施例的流程图如图1所示，区域检测一般包括如下步骤A、输入视频帧，对视频监控场景背景建模与更新；B、运用相关运动检测算法得到运动目标；C、运用相关目标跟踪算法跟踪目标，得到目标当前空间位置坐标；D、区域检测；如图2所示，本实施例应用本发明实现区域检测模块具体包括如下步骤步骤201，建立与原始图像大小相同的一幅图像，并将其像素点赋一初值0，实现对全区域掩蔽MR(x, y) = 0,(χ, y) = {(Xi, Yi) |i = 1,2L N}MR (χ, y)表示区域敏感参数，χ是像素点水平坐标，y是像素点垂直坐标，N为像素 点总数，步骤202，输入欲标记多边形区域的顶点数及其顶点像素点坐标。步骤203，确定需标记警戒区域垂直方向范围，即计算所有多边形顶点像素点坐标 中y的最大值和最小值，以此作为扫描线的处理范围。步骤204，对处理范围内的每条扫描线建立有序边表，边表指由表结点代表多边形 的边所构造的链表，其表结点内容包括该扫描线与该边的初始交点的水平坐标X(即较低 端点的X值)，该边斜率倒数Ι/k，以及该边的最大垂直坐标ymax，指向下一个结点next。(χ, 1/k, ymax, next)其构造过程如下a首先构造一个纵向链表，链表的长度为多边形所占有的最大扫描线数，链表的每 个结点，称为一个桶，则对应多边形覆盖的每一条扫描线。如图3所示。b将每条边的信息链入与该边最小垂直坐标ymin相对应的桶处。也就是说，若某 边的较低端点为ymin，则该边就放在相应的扫描线桶中。c每条边的数据形成一个结点。d同一桶中若干条边按χ I ymin (y最小时的χ值)由小到大排序，若χ | ymin相等， 则按照Ι/k由小到大排序。另外，为解决当扫描线与多边形的顶点相交时，交点计为1个时的问题(2个或0 个时本算法不存在问题)，可以将多边形的某些边缩短以分离那些应计为1个交点的顶点。 例如可以以指定的顺时针方向处理整个多边形边界上的非水平边。在处理每条边时进行检 测，确定该边与下一条非水平边是否有单调递增或单调递减的端点y值，即是否存在某条 边的ymax等于另一条边的ymin。假如有，可将ymax的边缩短以保证通过连接两条边的公 共顶点的扫描线仅有一个交点生成，即将ymax更新为ymax-Ι。当然也可将ymin的边缩短， 即将ymin更新为ymin+Ι，但这种方式需要计算出相应的χ | ymin+1后在参加桶式排序，更为 复杂。图4示出两种缩短边的策略。步骤205，对处理范围内的每条水平扫描线，重复下列步骤a用有序边表建立当前扫描线的有效边表；有效边表的结构和有序边表相同，有效边表存储的是与当前扫描线相交的边，初 始化有效边表，有效边表置空，将第一个不空的有序表中的边与有效表合并；b从有效边表中依次取出一对交点(Xl，y)，(x2, y)，将两个交点内的警戒区域空间 位置的敏感参数置1，这样获得警戒区域敏感参数MR(X，y) = 1，(X1 < χ < x2，y表示当前水平扫描线垂直坐标)c为下一条扫描线更新有效边表，即增加交点的χ值和删除不再相交的边；对于下一条扫描线，将X(X为当前水平扫描线与边的交点的水平坐标)更新为 x+1/k，同时合并有序边表中下一条扫描线对应桶中的边，按次序插入到有效边表中，并且 删除y = ymax的边，形成新的有效边表。
d重新排列有效边表。步骤206，判断运动目标空间位置坐标(X，y)的敏感参数，如果等于1，则表示入 侵ρ— j1，械(xJ) = 1Q为1，表示可以与警戒区域的敏感参数匹配上，表示目标入侵，为O未入侵。通过应用本发明所具体实现的实施例，充分说明了本发明提出使用区域分类标记 的思想对监控场景中区域的空间位置进行分类标记来获得区域状态的敏感参数，以运动目 标所在区域空间位置的敏感参数为依据来判断目标入侵与否的思想是完全正确，并可以具 体实现的。通过实施例的测试结果，也说明了应用本发明实现区域检测的效果是完全可以 满足实际监控场景要求的，并且尤为重要的是具有很好的执行效率。最后需要强调的是，本发明所述的实施例是说明性的，而不是限定性的，因此本发 明并不限于具体实施方式
中所述的实施例，凡是由本领域技术人员根据本发明的技术方案 得出的其他实施方式，同样属于本发明保护的范围。
权利要求
1.一种实时区域检测方法。具体包括以下步骤A、监控场景背景建立与更新；B、运用相关运动检测算法得到运动目标；C、运用相关目标跟踪算法跟踪目标，得到目标当前空间位置坐标；D、区域检测；其特征在于，步骤D的区域检测算法在于首先对监控场景中全区域进行掩蔽，然后对 掩蔽区域和警戒区域进行分类标记，以得到警戒区域空间位置状态的敏感参数，最后以运 动目标所在区域的敏感参数作为目标入侵与否的判断依据，实现区域检测。
2.根据权利要求1所述的一种实时区域检测方法，对监控场景全区域进行掩蔽的计 算，可以是开辟一个跟图像大小相同的数组，对其对应像素点赋值。
3.根据权利要求1所述的一种实时区域检测方法，对掩蔽区域和警戒区域进行分类标 记，以得到警戒区域空间位置状态的敏感参数的计算，可以是如下步骤(1)输入欲标记多边形区域的顶点数及其顶点坐标。(2)确定需标记警戒区域垂直方向范围，即计算所有多边形顶点坐标中y的最大值和 最小值，以此作为扫描线的处理范围。(3)对处理范围内的每条扫描线建立有序边表。(4)对处理范围内的每条扫描线，重复下列步骤a用有序边表建立当前扫描线的有效边表；b从有效边表中依次取出一对交点，对两个交点内的警戒区域空间位置进行标记获得 警戒区域敏感参数；c为下一条扫描线更新有效边表，即增加交点的χ值和删除不再相交的边；d重新排列有效边表。
4.根据权利要求1所述的一种实时区域检测方法，对于以运动目标所在区域的敏感参 数作为目标入侵与否的判断依据，实现区域检测的计算，可以是判断运动目标所在区域空 间位置的敏感参数，如果其等于警戒区域的敏感参数，则表示目标入侵。
全文摘要
本发明属于视频图像处理技术领域，具体为一种实时区域入侵检测方法。该方法在相关跟踪算法的基础上，提出使用区域分类标记的思想对监控场景中的空间区域位置进行分类标记以获得区域状态的敏感参数，以运动目标在监控场景中的空间位置的敏感参数为依据判断目标入侵与否。算法的巧妙之处还在于对区域空间位置的分类标记不是针对图像数据本身，而是其对应新开辟的数据块上。这样不但抗干扰性大大增加，更重要的是区域的分类标记可以只在区域设定或者改变时执行，这样就不需要每帧更新区域标记，极大的提高了算法执行的效率。相比同类其它算法，该算法避免了运动目标跟警戒区域之间复杂的判断，仅以运动目标在警戒区域中空间位置的敏感参数为依据判断目标入侵与否，思想简单，易于实现，健壮性好。
文档编号G06T7/20GK102110295SQ200910245120
公开日2011年6月29日 申请日期2009年12月28日 优先权日2009年12月28日
发明者苏伟博 申请人:天津市亚安科技电子有限公司