法，对画面进行缩放。这样得到的需要处理的视频的面积远远小于原图像的面积，可以大大的减小计算量，提高计算速度。
[0032]3.运动前景的提取
[0033]方法中运动前景的提取有多种方法，本实施例采用混合高斯模型实现，参照 了论文 Improved adaptive Gaussian mixture model for backgroundsubtract1n (Zivkovic, Z.(Int e11.&Autonomous Syst.Group, AmsterdamUniv., Amsterdam,Netherlands)Source: Proceedings of the 17th Internat1nalConference on Pattern Recognit1n, p 28_31vol.2，2004)。
[0034]4.对运动像素进行连通域提取
[0035]通过对得到的运动前景进行形态学滤波，去除一些小的干扰。再使用膨胀算法，使紧邻的区域融合在一起。最后利用freeman链码的方式描述检测出的各个前景区域的轮廓。
[0036]5.运动区域的合并与分类
[0037]由于各种因素的影响，一个运动物体往往被分成几块，这就需要对这些区域进行合并。首先对得到的轮廓求取外接矩形，按照矩形的长宽的反线性关系计算扩大系数，越小的矩形扩大的比例越大。最大将矩形长度扩大20%，宽度扩大10%。然后对得到的矩形区域进行合并，并求出它们的外接矩形。并依照运动区域大小，长宽比等条件，粗略的对运动区域进行分类，舍去不包含运动人体的矩形，得到一系列可能包含人体的矩形区域。
[0038]6.人物跟踪与运动轨迹的获取
[0039]依如下方法检测并对人物进行跟踪，以得到物体运动的轨迹:
[0040]第一步:对上面得到的矩形区域与标记墙体位置的警戒线的相对位置关系进行分析。这其中墙体又按照围墙和栅栏两种情况进行讨论。对于围墙，只能露出人头，当矩形底边与警戒线交点在矩形底边中点附近30%区域时，进行下一步的计算；对于栅栏墙，人物露出身体，当矩形垂直等分线近似被警戒线分割得到的上半部分占整个矩形高度的20%?60%时，进行下一步的计算。
[0041]第二步:由于人在翻墙过程中，最先露出墙体的一定是头部。如果使用复杂的分类器对其进行分类，固然能够得到更好的结果，但也会消耗更多的时间，所以本方法中简单的采用了 Canny算子提取边缘并结合Hough变换检测可能包含人体的矩形区域中的圆形成分，并结合头部位置的先验知识，也可以起到一定的检测效果。如果能够检测出圆形的头部，则认为这个矩形区域中确实含有人，将此矩形区域包含的图片称为子图片，并将其复制到跟踪队列中进行跟踪.
[0042]第三步:对于放入跟踪队列中的子图片，用harris角点法寻找子图片中的特征点并保存；然后对于下一帧图像，重复步骤I)至5)的处理，获得可能包含人体的矩形区域；然后对保存的子图片中的特征点使用KLT光流法进行跟踪，得到这些特征点在该帧图片中的位置，在得到的所有的矩形区域中，根据特征点的位置，找到包含跟踪得到的特征点的数目最多的那一个矩形；如果这个矩形中包含的特征点总数有进行跟踪计算的特征点的数目的一半以上，认为此次跟踪是成功的，更新跟踪队列中的子图片并继续跟踪；否则认为跟踪失败，将子图片从跟踪队列中移除并退出跟踪；记录每一帧被跟踪的矩形的顶部的位置，得到运动轨迹。记录每一帧被跟踪的矩形的位置，就得到了运动的轨迹。这种跟踪方法，与一般其它专利的实现相比，不依赖于图像中的色彩信息，尤其适合晚上的检测(翻越围墙的事件一般在晚上发生)；同时，计算效率很高，普通PC也能同时处理8路以上视频，这就节约了服务器配置，降低了使用成本。
[0043]7.轨迹分析
[0044]在跟踪物体的同时对得到的轨迹进行分析，着重分析轨迹与标出墙体位置的直线的相交情况，轨迹的长度，轨迹形状等。当这些因素均能满足一定条件时，认为跟踪物体发生了翻越围墙的运动。这时进行报警，记录图片，并绘制其轨迹，作为证据保存。
【主权项】
1.一种基于视频监控平台的人员翻越行为的检测方法，包括下列的步骤: 1)输入视频帧，将墙体位置用一条直线标记出来，这条直线称为警戒线； 2)对于一帧图像，根据标出的墙体位置对视频画面进行裁剪；并提取运动前景图像； 3)对运动前景图像进行二值化处理以及形态学滤波，再通过边界链码提取的方法实现连通域的提取，并对每一个连通域求取外接矩形。然后对于每个连通域的外接矩形，按照长和宽的反线性关系计算扩大比例系数，越小的矩形扩大的比例越大，扩大最大的情况下将矩形长度扩大20%，宽度扩大10%，然后将扩大后的矩形区域合并成更大的矩形；对于合并的结果，依照运动区域大小，长宽比等条件进行分类，舍去不包含运动人体的矩形，得到一系列可能包含人体的矩形区域； 4)对上面得到的可能包含人体的矩形区域与警戒线的相对位置关系进行分析，对于砖墙，当矩形底边与警戒线交点在矩形底边中点附近30%区域时，认为矩形区域满足位置条件，进行下一步的计算，否则，返回步骤2);对于栅栏墙，当矩形垂直等分线近似被警戒线分割得到的上半部分占整个矩形高度的20%?60%时，认为矩形区域满足位置条件，此时进行下一步的计算，否则，返回步骤2); 5)对前面4)筛选出的矩形区域使用Canny边缘算子提取边缘，并进行Hough变换，如果能够检测出圆形的头部，则认为这个矩形区域中确实含有人，将此矩形区域包含的图片称为子图片，并将其复制到跟踪队列中进行跟踪； 6)对于放入跟踪队列中的子图片，用harris角点法寻找子图片中的特征点并保存； 7)对于下一帧图像，重复步骤2)至3)的处理，获得可能包含人体的矩形区域； 8)对于6)中保存的特征点使用KLT光流法进行跟踪，得到这些特征点在该帧图片中的位置，在7)步得到的所有的矩形区域中，根据特征点的位置，找到包含跟踪得到的特征点的数目最多的那一个矩形；如果这个矩形中包含的特征点总数有进行跟踪计算的特征点的数目的一半以上，认为此次跟踪是成功的，更新跟踪队列中的子图片并返回步骤7)继续跟踪；否则认为跟踪失败，将子图片从跟踪队列中移除并退出跟踪； 9)记录每一帧被跟踪的矩形的顶部的位置，得到运动轨迹； 10)判断轨迹是否满足以下条件:首先，轨迹有一定长度，并且轨迹最后的部分要与警戒线相交。其次，轨迹应该中间高，两边低；再次，轨迹要有一定的跨度，如果这些条件都满足，则认为跟踪到的人做出了翻越围墙的动作，记录这时的图片；返回2)。
【专利摘要】本发明涉及一种基于视频监控平台的人员翻越行为的检测方法，包括：输入视频帧，将墙体位置用一条直线标记出来，这条直线称为警戒线；对于一帧图像，根据标出的墙体位置对视频画面进行裁剪；并提取运动前景图像；对前景图像进行二值化处理以及形态学滤波，再通过边界链码提取的方法实现连通域的提取，得到一系列可能包含人体的矩形区域；筛选出满足位置条件的矩形区域；进行图像跟踪，记录每一帧被跟踪的矩形的顶部的位置，得到运动轨迹。本发明不依赖于图像中的色彩信息，尤其适合晚上的检测(翻越围墙的事件一般在晚上发生)；同时，计算效率很高，可以节约服务器配置，降低使用成本。
【IPC分类】G06K9-00, G08B13-196
【公开号】CN104866827
【申请号】CN201510257754
【发明人】张为, 张泰 , 王慎波
【申请人】天津大学
【公开日】2015年8月26日
【申请日】2015年5月19日