一种遗留物检测和跟踪方法
【专利摘要】本发明公开了一种遗留物检测和跟踪方法，包括：对原始监控视频图像序列进行灰度化和滤波等预处理，得到初始视频图像序列；对摄像头采集到的初始视频图像序列进行背景建模，通过得到的背景建模结果来提取前景区域，对前景区域进行去噪处理，获取前景目标；通过正例图片和负例图片对支持向量机进行离线训练，分别获取目标遗留物体模型以及人体模型，将每一个前景目标分别输入到两个模型中进行判定，输出目标遗留物体；采用Meanshift算法跟踪目标遗留物体，获取其在之前每一帧的位置坐标；反向遍历初始视频图像序列，跟踪目标遗留物体在当前帧之前每一帧的位置坐标，并进行统计分析，输出初始视频图像序列中含有此目标遗留物体的图像。
【专利说明】一种遗留物检测和跟踪方法
【技术领域】
[0001]本发明涉及遗留物检测领域，特别涉及一种遗留物检测和跟踪方法。
【背景技术】
[0002]遗留物是指无人照看的静态物体。在智能视频监控系统中，对遗留物体的检测在许多领域中都有着广泛的应用，例如:实时监控楼宇、广场、军事管制区等空旷场所中的可疑物体或丢失的行李等[1]。监控视频对于发生异常情况后进行取证具有重要意义，一旦这些场所发生异常情况，监控人员却未能及时发现，就只能通过回放视频来查询当时的情况。但是这种以人力防范和事后回放视频为主的监控模式不但会浪费大量的人力物力，还时常会造成异常事件的漏报，已经不能解决目前广泛存在的安全问题。
[0003]在智能视频监控系统中，遗留物检测是基于数字图像处理、数字视频处理、计算机视觉和模式识别等技术，借助于计算机处理技术，对监控视频中的数据进行分析的过程。自动检测和跟踪公共场所中的遗留物，可以在紧急事件发生时，使安防人员根据智能视频监控系统实时触发的警报信息进行有针对性的检查，从而使安保工作做到目标定位准确、速度快、针对性强。
[0004]目前的遗留物检测方法大多认定前景区域中静止时间足够长的物体为遗留物体，而并不考虑此前景区域是静止的行人还是物体；同时，也未能考虑人与物体的关系，很容易造成误检。
[0005]所以，如何进一步区分前景区域是人体或是物体，以及判断人体与物体的关系，降低遗留物误检率是遗留物检测中亟待解决的问题。
【发明内容】
[0006]本发明提供了一种遗留物检测和跟踪方法，本发明减少了异常事件的漏报，降低了遗留物的误检率，详见下文描述:
[0007]一种遗留物检测和跟踪方法，所述方法包括以下步骤:
[0008](I)对原始监控视频图像序列进行灰度化和滤波等预处理，得到初始视频图像序列；
[0009](2)对摄像头采集到的初始视频图像序列进行背景建模，通过得到的背景建模结果来提取前景区域，对前景区域进行去噪处理，获取前景目标Fq ;
[0010](3)通过正例图片和负例图片对支持向量机进行离线训练，分别获取目标遗留物体模型M以及人体模型N，将步骤(2)得到的每一个前景目标Fq分别输入到两个模型中进行判定，输出目标遗留物体P ;
[0011](4)采用Meanshift算法跟踪所述目标遗留物体P，获取其在之前每一帧的位置坐标；
[0012](5)反向遍历初始视频图像序列，跟踪目标遗留物体P在当前帧之前每一帧的位置坐标，并进行统计分析，输出初始视频图像序列中含有此目标遗留物体P的图像。[0013]所述将步骤(2)得到的每一个前景目标Fq分别输入到两个模型中进行判定，输出目标遗留物体P的操作具体为:
[0014]I)如果人体模型N输出为1，目标遗留物体模型M输出为1，认定场景中的目标类型物体有人看守，不是遗留物体，不再执行步骤(4)；
[0015]2)如果人体模型N输出为1，目标遗留物体模型M输出为0，认定场景中没有要找的目标类型物体，不再执行步骤(4)；
[0016]3)如果人体模型N输出为0，目标遗留物体模型M输出为0，认定场景中没有要找的目标类型物体，不再执行步骤(4)；
[0017]4)如果人体模型N输出为0，目标遗留物体模型M输出为1，认定场景中的目标类型物体无人看守，是目标遗留物体P，进入下一步骤(4)。
[0018]所述采用Meanshift算法跟踪所述目标遗留物体P，获取其在之前每一帧的位置坐标的操作具体为:
[0019]I)颜色空间转换；
[0020]2)对目标遗留物体P外接矩形中每个像素的色调值进行采样，得到其颜色直方图；
[0021]根据公式
【权利要求】
1.一种遗留物检测和跟踪方法，其特征在于，所述方法包括以下步骤: (1)对原始监控视频图像序列进行灰度化和滤波等预处理，得到初始视频图像序列； (2)对摄像头采集到的初始视频图像序列进行背景建模，通过得到的背景建模结果来提取前景区域，对前景区域进行去噪处理，获取前景目标Fq ; (3)通过正例图片和负例图片对支持向量机进行离线训练，分别获取目标遗留物体模型M以及人体模型N，将步骤(2)得到的每一个前景目标Fq分别输入到两个模型中进行判定，输出目标遗留物体P ; (4)采用Meanshift算法跟踪所述目标遗留物体P，获取其在之前每一帧的位置坐标； (5)反向遍历初始视频图像序列，跟踪目标遗留物体P在当前帧之前每一帧的位置坐标，并进行统计分析，输出初始视频图像序列中含有此目标遗留物体P的图像。
2.根据权利要求1所述的一种遗留物检测和跟踪方法，其特征在于，所述将步骤(2)得到的每一个前景目标Fq分别输入到两个模型中进行判定，输出目标遗留物体P的操作具体为: 1)如果人体模型N输出为1，目标遗留物体模型M输出为1，认定场景中的目标类型物体有人看守，不是遗留物体，不再执行步骤(4)； 2)如果人体模型N输出为1，目标遗留物体模型M输出为O，认定场景中没有要找的目标类型物体，不再执行步骤(4)； 3)如果人体模型N输出为O，目标遗留物体模型M输出为O，认定场景中没有要找的目标类型物体，不再执行步骤(4)； 4)如果人体模型N输出为O，目标遗留物体模型M输出为1，认定场景中的目标类型物体无人看守，是目标遗留物体P，进入下一步骤(4)。
3.根据权利要求1所述的一种遗留物检测和跟踪方法，其特征在于，所述采用Meanshift算法跟踪所述目标遗留物体P,获取其在之前每一帧的位置坐标的操作具体为: 1)颜色空间转换； 2)对目标遗留物体P外接矩形中每个像素的色调值进行采样，得到其颜色直方图； 根据公式
l(n)=.』(")n = 0,1,...,255
Z/HO 求得外接矩形的反向投影t(n) ;n代表颜色直方图的横轴坐标，表示图像区域内值为n的像素；h(n)代表颜色直方图的纵轴，是对值为n的像素个数的统计； 3)计算目标遗留物体P在上一帧的位置坐标； 在第k帧，将外接矩形内所有像素的坐标乘以反向投影tk上对应点像素的值，并累加求和得到目标遗留物体P上一帧的坐标(X(l，yQ)；
10= Z aKiJ
外接矩内
<_
V0= E y'*h(nx,y)
、 外接矩形内 其中x，y为HSV空间中外接矩形内所有像素在X轴和y轴的坐标值；tk(nx，y)为坐标(x, y)下反向投影图tk的像素值； 计算两次迭代结果的距离
4.根据权利要求1所述的一种遗留物检测和跟踪方法，其特征在于，所述反向遍历初始视频图像序列，跟踪目标遗留物体P在当前帧之前每一帧的位置坐标，并进行统计分析，输出初始视频图像序列中含有此目标遗留物体P的图像的操作具体为: 从发现目标遗留物体P的时刻向前反向遍历初始视频图像序列，对其位置坐标进行跟踪记录； 1)若在第m帧时，Ik，满足
Pm (X)≤ T3 或 X-Pm (X) ≤T3 取m’=mmin，m’表示满足上述条件的最小帧号，则认为第m’帧时目标遗留物体P首次进入场景；Pm(x)表示第m帧时目标遗留物体P的X坐标，X表示初始视频图像序列的宽度像素值； 从第m’帧向后每隔A帧输出初始视频图像序列中含有此目标遗留物体P的图像帧，即输出图像帧的集合O:
【文档编号】G06K9/62GK103605983SQ201310531106
【公开日】2014年2月26日 申请日期:2013年10月30日 优先权日:2013年10月30日
【发明者】苏育挺, 刘安安, 马莉 申请人:天津大学