一种复杂场景下的物品安全检测方法
【技术领域】
[0001] 本发明涉及，特别涉及一种复杂场景下的物品安全检测方法。
【背景技术】
[0002] 近年来，随着人们对公共场合安全防护需求的不断提高，如何使视频监控系统在 无人为干预的条件下实现对动态场景中目标的定位、识别和跟踪，并在此基础上分析和判 断目标的行为，从而主动及时地向监控人员发出异常报警信息，已经成为视频监控系统主 要的研宄目标。作为视频监控的重要任务之一，物品安全检测也在很多领域存在着应用空 间。该领域在以往的研宄中已经提出了很多方法，主要集中在两个方面的研宄：运动区域监 测和跟踪信息分析方法。
[0003] 由于实时场景中存在着光照突变，天气变化和重复运动等不确定因素，使得获取 稳定可靠的运动区域的难度加大，现有的运动区域监测方法有如下几类：时间差分法、光流 法、统计方法以及背景减除法。其中，背景减法在摄像机静止和环境光渐变的情况下表现出 良好的效果。在背景减法中提出在贝叶斯框架的基础上，结合频谱，空间和时间的特征，描 述背景中的每个像素，但是却难以处理发生遮挡的情况。并且，背景减除的方法不能有效应 对持续晃动的复杂场景，而高斯混合模型在构造背景模型时可以有效减少光照变化、往复 运动、缓慢移动物体、长期场景变化和摄像机噪音对背景模型的影响，但该方法计算量比较 大，不符合实时性要求。
[0004] 现有的很多物品安全检测方法中都包含了目标跟踪算法。原则上，这些方法需要 解决的共同难题是对象初始化问题以及前景区域内所有侦测目标的跟踪。为了获得前景区 域通常假设背景场景是几乎静止或周期性变化的，这样同背景存在很大差异的像素点将组 成前景区域。可是，现实场景中的某些因素是不可控的例如：物体部分遮挡、物体的阴影和 固定的摄像机角度等，它们的存在常常会使跟踪方法获得无法预料的结果。
[0005] 除了上述研宄方法外，还有采用时序逻辑的方法，利用视频序列的多时空和上下 文线索去检查遗留物体，但其鲁棒性有待提高。还有提出基于双重背景检测静止目标的方 法，该方法对输入视频采取不同的采样帧速率从而构造出两个背景。但是，这种技术对不同 应用的样本视频很难设定统一的参数值，并且缺少判断静态前景目标所属的事件类型的相 关机制。在许多监控场景中，相对于初始背景会产生许多进入场景或离开场景的前景目标， 不能正确划分前景区域是否对应于滞留物或者遗失物。
[0006] 公开于该【背景技术】部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应 当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
【发明内容】
[0007] 本发明的目的在于提供一种复杂场景下的物品安全检测方法，从而克服在许多监 控场景中，相对于初始背景会产生许多进入场景或离开场景的前景目标，不能正确划分前 景区域是否对应于滞留物或者遗失物的缺点。
[0008] 为实现上述目的，本发明提供了一种复杂场景下的物品安全检测方法，包括：
[0009] 1)在某段时间间隔内，将视频的第一帧图像和第二帧图像作为初始背景图像和当 前背景图像，将第三帧图像与所述初始背景图像和所述当前背景图像进行求差计算获得第 一运动目标；
[0010] 2)对所述初始背景图像和当前背景图像进行更新，更新后与所述第四帧图像进行 求差计算获得第二运动目标，以此类推? ??直至获得该段时间内第N帧图像中的第N运 动目标；
[0011] 3)在所述第N运动目标所在图像中提取静态运动目标；
[0012] 4)将所述静态运动目标所在的图像分为静态目标区域、当前背景区域以及初始背 景区域；计算所述静态目标区域、所述当前背景区域以及所述初始背景区域的颜色直方图， 当所述静态目标区域和所述当前背景区域的颜色直方图相似度大于所述静态目标区域和 所述初始背景区域的颜色直方图的相似度时，判断所述静态运动目标为滞留物；反之，当所 述静态目标区域和所述当前背景区域的颜色直方图的相似度差别较大，而所述静态目标区 域和所述初始背景区域的颜色直方图的相似度差别较小时，判断所述静态运动目标为偷窃 物并报警。
[0013] 上述技术方案中，步骤2)中对所述初始背景图像和当前背景图像进行更新的步 骤如下：
【主权项】
1. 一种复杂场景下的物品安全检测方法，其特征在于，包括以下步骤： 1) 在某段时间间隔内，将视频的第一帧图像和第二帧图像作为初始背景图像和当前背 景图像，将第三帧图像与所述初始背景图像和所述当前背景图像进行求差计算获得第一运 动目标； 2) 对所述初始背景图像和当前背景图像进行更新，更新后与所述第四帧图像进行求差 计算获得第二运动目标，以此类推? ??直至获得该段时间内第N帧图像中的第N运动目 标； 3) 在所述第N运动目标所在图像中提取静态运动目标； 4) 将所述静态运动目标所在的图像分为静态目标区域、当前背景区域以及初始背景区 域；计算所述静态目标区域、所述当前背景区域以及所述初始背景区域的颜色直方图，当所 述静态目标区域和所述当前背景区域的颜色直方图的相似度大于所述静态目标区域和所 述初始背景区域的颜色直方图的相似度时，判断所述静态运动目标为滞留物；反之，当所述 静态目标区域和所述当前背景区域的颜色直方图的相似度差别较大，而所述静态目标区域 和所述初始背景区域的颜色直方图的相似度差别较小时，判断所述静态运动目标为偷窃物 并报警。
2. 根据权利要求1所述的方法，其特征在于，步骤2)中对所述初始背景图像和当前背 景图像进行更新的步骤如下：
其中，BCt(x,y)和BChU,y)，以及BOt(x,y)和BCVjx,y)分别表示当前背景/初始背 景图像中像素点（X，y)在t时刻的像素值以及在其t-1时刻的像素值； It(x，y)为t时亥lj输入图像在点（x，y)的像素值，MCt(x，y)和MOt(x，y)分另lj表示像素 点相对于两个背景是否发生变化，a、0则是更新速率，StayCount(X，y)用来描述像素点 发生变化所持续的时间，1；和Ti用来记录持续的帧数（T。
3. 根据权利要求1所述的方法，其特征在于，步骤1)和步骤2)中还包括对所述当前背 景图像进行阴影去除。
4. 根据要求3所述的方法，其特征在于，对所述当前背景图像进行阴影去除的步骤如 下： 41)首先判断所述当前背景图像是否存在阴影：
其中，〇Y、〇u、0V分别为YUV颜色空间建立背景中三颜色通道的方差，Mxy的值为1， 标识该像素为运动目标区域，为0时属于背景区域，d(Y)为当前像素与背景中亮度信号的 差值，d(U)和d(V)分别为两个色差通道的差值； 42)去除经步骤41)检测的阴影。
5. 根据权利要求1所述的方法，其特征在于，步骤3)在所述第N目标运动区域所在图 像中提取静态运动目标的步骤如下：
其中，SOt (x，y)为描述静态运动目标的图像，T为像素被标记为静态运动目标的最小帧 数。
6. 根据权利要求1所述的方法，其特征在于，步骤3)还包括判断所述静态运动目标是 否为物品，其步骤如下： 61) 建立多个标准人体行为库图像； 62) 计算所述静态运动目标的每一帧图像与所述标准人体行为库图像的欧式距离，具 体如下：
(6) dmj=min{dms}，s、jGS; (7) 其中，设M为静态运动目标所在图像，S为多个标准人体行为库图像，s为单个标准人体 行为库图像，d为欧式距离； 63) 当所述欧式距离小于所设阈值，则所述静态运动目标为行人，反之为物品。
7. 根据权利要求1所述的方法，其特征在于，步骤4)中计算所述静态目标区域、所述当 前背景区域以及所述初始背景区域的颜色直方图的具体步骤如下： P= {p(U)}U=l,-m； q= {q(u)}u = T' =IV(U) } ? 其中，P为静态目标区域，q为当前背景区域，r为初始背景区域。
8. 根据权利要求7所述的方法，其特征在于，还包括计算所述静态目标区域和所述当 前背景区域之间以及所述静态目标区域和所述初始背景区域之间的巴氏系数，具体如下：
其中，m是颜色直方图的分布级总数，qu、pu和ru是第u级所占颜色直方图的权重。
9. 根据权利要求8所述的方法，其特征在于，还包括： 91)计算所述静态目标区域和所述当前背景区域之间以及所述静态目标区域和所述初 始背景区域之间的巴氏距离，具体如下：
其中，d为两个颜色直方图之间的巴氏距离； 92) 根据所述静态目标区域和所述当前背景区域之间的巴氏距离屯判断对应两个颜色 直方图之间的第一相似度； 根据所述静态目标区域和所述初始背景区域之间的巴氏距离屯判断对应两个颜色直 方图之间的第二相似度； 93) 当所述第一相似度大于所述第二相似度，则认为所述静态运动目标为滞留物，当所 述第一相似度较大，而所述第二相似度较小时，则认为所述静态运动目标为偷窃物。
【专利摘要】本发明公开了一种复杂场景下的物品安全检测方法，包括以下步骤：1)在某段时间间隔内，将视频的第一帧图像和第二帧图像作为初始背景图像和当前背景图像，将第三帧图像与初始背景图像和当前背景图像进行求差计算获得第一运动目标；2)对初始背景图像和当前背景图像进行更新，更新后与第四帧图像进行求差计算获得第二运动目标，以此类推…直至获得该段时间内第N帧图像中的第N运动目标；3)在第N运动目标所在图像中提取静态运动目标；4)判断静态运动目标为滞留物或偷窃物并报警。该方法能够克服在许多监控场景中，相对于初始背景会产生许多进入场景或离开场景的前景目标，不能正确划分前景区域是否对应于滞留物或者遗失物的缺点。
【IPC分类】G06T7-20
【公开号】CN104809742
【申请号】CN201510177466
【发明人】文珺, 王韦桦, 叶进, 李陶深, 王宁章
【申请人】广西大学
【公开日】2015年7月29日
【申请日】2015年4月15日