人体侦测方法与流程

本发明涉及探测技术领域，尤其涉及一种人体侦测方法。

背景技术：

随着二十一世纪信息技术的腾飞，智能化安防技术随着科学技术的发展已迈入了一个全新的领域，当前人体侦测大部分都是被动红外探测器进行红外移动侦测。然而，被动红外探测器容易受各种热源和光源的干扰，以及当环境温度与人体温度接近时，探测的灵敏度会下降，容易产生误报或漏报现象。

鉴于此，有必要提供一种可解决上述缺陷的人体侦测方法以提高人体监测的准确性，避免外界环境的干扰，适用范围广。

技术实现要素：

本发明所要解决的技术问题提供一种人体侦测方法以提高人体监测的准确性，避免外界环境的干扰，适用范围广。

为解决上述技术问题，本发明采用如下所述的技术方案：一种人体侦测方法，包括有如下步骤：

采用被动红外探测器控制摄像设备工作，对监测区域进行监测，并利用被动红外探测器收集入侵目标信息；

根据摄像设备获得的原始图像进行图像分析处理，生成标准图像；

根据标准图像建立背景模型，确定存在入侵目标；

当既收集到入侵目标信息又确定存在入侵目标时，将对应的标准图像发送至服务器端，以进行入侵目标的抓取及报警。

其进一步技术方案为：所述被动红外探测器包括热释电红外传感器和菲涅尔透镜，所述采用被动红外探测器控制摄像设备工作，对监测区域进行监测，并利用被动红外探测器收集入侵目标信息的步骤具体为：

热释电红外传感器将菲涅尔透镜聚焦至其上的红外信号转变为电信号，将电信号传输至摄像设备以控制所述摄像设备工作，对监测区域进行监测，并根据热释电红外传感器由于人体温度和环境温度的温度差产生的电荷失衡获取并收集入侵目标信息。

其进一步技术方案为：所述图像分析处理包括图像灰度处理及中值滤波处理，所述根据摄像设备获得的原始图像进行图像分析处理，生成标准图像的步骤具体包括以下步骤：

利用rgb色彩模式，根据原始图像中的r(红)、g(绿)、b(蓝)三个色彩分量，获取原始图像对应的灰度图像；

对获得的灰度图像进行中值滤波处理，去除图像噪声，生成标准图像。

其进一步技术方案为：所述灰度图像利用以下公式计算获得：

gray(i,j)＝0.299×r(i,j)+0.578×g(i,j)+0.114×b(i,j)

式中，(i,j)代表图像中像素点的位置坐标，gray(i,j)是灰度处理后的灰度图像的灰度值，0.299是r(红)色彩分量的权值，r(i,j)是原始图像的r(红)色彩分量的像素值，0.578是g(绿)色彩分量的权值，g(i,j)是原始图像的g(绿)色彩分量的像素值，0.114是b(蓝)色彩分量的权值，b(i,j)是原始图像的b(蓝)色彩分量的像素值。

其进一步技术方案为：所述摄像设备拍摄的是视频，所述根据标准图像建立背景模型，判断是否存在入侵目标，若是，确定存在入侵目标的步骤具体包括以下步骤：

根据摄像设备拍摄获得的视频，选择视频的前n帧的标准图像，其中，n≥1；

获取该连续n帧的标准图像中所有的标准图像像素点的像素的中值λ(i,j)和均方差δ(i,j)，其中，(i,j)中是图像中像素点的位置坐标；

以中值λ(i,j)作为背景图像的像素点的初始像素值，并利用卡尔曼滤波模型更新背景图像；

根据更新后的背景图像及其对应的标准图像进行差别对比运算，并将运算结果与对应的门限值进行比较，判断更新后的背景是否存在入侵目标，若是，确定存在入侵目标。

其进一步技术方案为：所述以中值λ(i,j)作为背景图像的像素点的初始像素值，并利用卡尔曼滤波模型更新背景图像的步骤具体包括以下步骤：

利用以下公式更新背景，获取视频序列的背景图像：

bk+1(i,j)＝(1-α)bk(i,j)+αfk+1(i,j)

式中，bk(i,j)代表第k帧背景图像的像素点上的背景像素值，k是背景图像的帧的序号，k≥1，其中，b1(i,j)＝λ(i,j)，bk+1(i,j)代表第k+1帧背景图像的像素点上的背景像素值，fk+1(i,j)是第k+1帧标准图像的像素点上的当前像素值，α是更新因子；

利用以下公式更新背景图像的均方差：

式中，σk+1(i,j)代表第k+1帧背景图像与标准图像之间的像素点上的像素的均方差值，σk(i,j)代表第k帧背景图像与标准图像之间的像素点上的像素的均方差值，其中，σ1(i,j)＝δ(i,j)。

其进一步技术方案为：所述根据更新后的背景图像及其对应的标准图像进行差别对比运算，并将运算结果与对应的门限值进行比较，判断更新后的背景是否存在入侵目标，若是，确定存在入侵目标的步骤具体包括以下步骤：

根据更新后的背景图像的像素点上的背景像素值及其对应的标准图像的像素点上的当前像素值，利用以下公式进行差别对比运算：

qk+1＝q×|fk+1(i,j)-bk+1(i,j)|

式中，qk+1代表第k+1帧时更新后的背景图像与标准图像的像素差值，q是对摄像区域进行分区后不同区域对应的权值；

利用以下公式，将运算结果与对应的门限值进行比较，判断更新后的背景是否存在入侵目标：

式中，t是门限值，m(i,j)是判断更新后的背景图像与对应的标准图像的差别是否超过门限值的二值化表现形式，其中，当qk+1＞t×σk+1(i,j)时，说明两者之间差别超过门限值，则存在入侵目标，确定存在入侵目标，m(i,j)取值为0，停止更新背景图像，获取对应的标准图像。

本发明的有益技术效果在于：所述人体侦测方法通过将被动红外探测器与摄像设备结合，以利用红外场移动侦测作为报警探测源触发摄像设备工作，再进行图像分析处理，同时进行两种侦测，有效降低单一探测手段的误报率，最大限度地利用红外移动侦测和摄像移动侦测的优点，集成复合，提高系统对人员移动目标的探测的准确率，避免外界环境的干扰，可使用于各种复杂环境，具有极强的环境适用性。

附图说明

图1是本发明人体侦测方法的流程图。

图2是本发明人体侦测方法一具体实施例的流程图。

具体实施方式

为使本领域的普通技术人员更加清楚地理解本发明的目的、技术方案和优点，以下结合附图和实施例对本发明做进一步的阐述。

参照图1，在本实施例中，所述人体侦测方法应用于人体侦测系统，所述人体侦测系统包括控制处理器、被动红外探测器、摄像设备及服务器端，所述控制处理器分别与被动红外探测器、摄像设备及服务器端通信连接。所述人体侦测方法包括以下步骤：

步骤s1，采用被动红外探测器控制摄像设备工作，对监测区域进行监测，并利用被动红外探测器收集入侵目标信息。

优选地，所述被动红外探测器包括热释电红外传感器和菲涅尔透镜，所述步骤s1具体为：菲涅尔透镜将监测区域的红外信号聚焦到热释电红外传感器上，热释电红外传感器将接收到的红外信号转变为电信号，并将电信号经过内部的运算放大器放大后传输至摄像设备，控制摄像设备对监测区域进行拍摄，以对监测区域进行监测。同时，根据热释电红外传感器由于人体温度和环境温度的温度差产生的电荷失衡，控制处理器可实时获取并收集入侵目标信息。其中，所述入侵目标信息包括入侵时间。

步骤s2，根据摄像设备获得的原始图像进行图像分析处理，生成标准图像。

优选地，在本实施例中，控制处理器对摄像设备拍摄获得的原始图像进行图像分析处理，所述图像分析处理包括图像灰度处理及中值滤波处理，所述步骤s2具体包括以下步骤：

步骤s21，利用rgb色彩模式，根据原始图像中的r(红)、g(绿)、b(蓝)三个色彩分量，获取原始图像对应的灰度图像。

优选地，在本实施例中，所述灰度图像由对原始图像的r(红)、g(绿)、b(蓝)三个色彩分量以不同的权值进行加权平均运算获得，具体地，利用以下公式计算获得：

gray(i,j)＝0.299×r(i,j)+0.578×g(i,j)+0.114×b(i,j)

式中，(i,j)代表图像中像素点的位置坐标，gray(i,j)是灰度处理后的灰度图像的灰度值，0.299是r(红)色彩分量的权值，r(i,j)是原始图像的r(红)色彩分量的像素值，0.578是g(绿)色彩分量的权值，g(i,j)是原始图像的g(绿)色彩分量的像素值，0.114是b(蓝)色彩分量的权值，b(i,j)是原始图像的b(蓝)色彩分量的像素值。当然，在其他实施例中，所述灰度图像可由原始图像中的r(红)、g(绿)、b(蓝)三个色彩分量的总和的算数平均数获得，即利用以下公式计算获得：

步骤s22，对获得的灰度图像进行中值滤波处理，去除图像噪声，生成标准图像。其中，中值滤波是将数字图像中一像素点的像素值用该像素点一个领域中各像素点的像素值的中值代替，使得周围的像素值相互接近以消除孤立的噪声点。具体地，利用以下公式进行中值滤波：

g(i,j)＝med{gray(i-x,j-y),(x,y∈w)}

式中，g(i,j)是中值滤波处理后的标准图像的像素点的像素值，w是灰度图像的二维模板，通常为3×3，5×5区域，也可以是不同的的形状，如线状，圆形，十字形，圆环形等；(x,y)是二维模板的位置坐标。

步骤s3，根据标准图像建立背景模型，判断是否存在入侵目标，若是，确定存在入侵目标。

其中，所述摄像设备拍摄的是视频，则控制处理器需对不同帧下采集得到的图像进行计算比较，所述步骤s3具体包括以下步骤：

步骤s31，根据摄像设备拍摄获得的视频，选择视频的前n帧的标准图像，其中，n≥1。其中，前n帧视频为摄像设备从开始拍摄至未有入侵目标进入监测区域时的任意帧的连续视频。

步骤s32，获取该连续n帧的标准图像中所有的标准图像像素点的像素的中值λ(i,j)和均方差δ(i,j)，其中，(i,j)中是图像中像素点的位置坐标。所述中值代表所有数值中处于中间位置的那个值，均方差代表是均差平方的算术平均数的平方根。

步骤s33，以中值λ(i,j)作为背景图像的像素点的初始像素值，并利用卡尔曼滤波模型更新背景图像。由于光照变化及摄像设备抖动等不可预测的因素的影响，会导致背景发生变化，导致监测出现误差，因此，必须建立背景模型对背景进行更新以使其具有鲁棒性和自适应性。

具体地，在本实施例中，所述步骤s33包括以下步骤：

a、利用以下公式结合更新背景，获取视频序列的背景图像：

bk+1(i,j)＝(1-α)bk(i,j)+αfk+1(i,j)

式中，bk(i,j)代表第k帧背景图像的像素点上的背景像素值，k是背景图像的帧的序号，k≥1，其中，b1(i,j)＝λ(i,j)，bk+1(i,j)代表第k+1帧背景图像的像素点上的背景像素值，fk+1(i,j)是第k+1帧标准图像的像素点上的当前像素值，其中，fk+1(i,j)＝gk+1(i,j)，gk+1(i,j)代表第k+1帧原始图像经步骤s2图像分析处理后获得的标准图像的像素点的像素值，α是更新因子，所述更新因子代表更新速率，其取值范围为0～1，取值越大，更新速率越快。

b、利用以下公式更新背景图像的均方差：

式中，σk+1(i,j)代表第k+1帧背景图像与标准图像之间的像素点上的像素的均方差值，σk(i,j)代表第k帧背景图像与标准图像之间的像素点上的像素的均方差值，其中，σ1(i,j)＝δ(i,j)。

步骤s34，根据更新后的背景图像及其对应的标准图像进行差别对比运算，并将运算结果与对应的门限值进行比较，判断更新后的背景是否存在入侵目标，若是，确定存在入侵目标。

具体地，在本实施例中，所述步骤s34包括以下步骤：

a、根据更新后的背景图像的像素点上的背景像素值及其对应的标准图像的像素点上的当前像素值，利用以下公式进行差别对比运算：

qk+1＝q×|fk+1(i,j)-bk+1(i,j)|

式中，qk+1代表第k+1帧时更新后的背景图像与标准图像的像素差值，q是对摄像区域的进行分区后不同区域对应的权值。由于摄像设备的摄像区域的范围实际比所需监测区域的范围大，因此，会将摄像区域进行分区，以区别监测区域及监测区域外的区域，其中，监测区域对应的权值大于监测区域外的区域的权值，则q与(i,j)相关，控制处理器根据不同的(i,j)预设有对应的q。

b、利用以下公式，将运算结果与对应的门限值进行比较，判断更新后的背景是否存在入侵目标：

式中，t是门限值，m(i,j)是判断更新后的背景图像与对应的标准图像的差别是否超过门限值的二值化表现形式，其中，当qk+1＞t×σk+1(i,j)时，说明两者之间差别超过门限值，则存在入侵目标，确定存在入侵目标，m(i,j)取值为0，停止更新背景图像，获取对应的标准图像，同时，记录该帧图像对应的摄像时间。否则，为不存在入侵目标，确定不存在入侵目标，m(i,j)取值为1，继续更新背景图像。

步骤s4，当既收集到入侵目标信息又确定存在入侵目标时，将对应的标准图像发送至服务器端，以进行入侵目标的抓取及报警。具体地，当红外移动侦测及摄像移动侦测均判断存在入侵目标，且控制处理器收集到的入侵目标时间与摄像时间相近时，才判断为出现入侵目标，将对应的标准图像发送至服务器端，以进行入侵目标的抓取及报警。其中，入侵目标时间与摄像时间之间的差值范围为2秒。所述报警可为控制蜂鸣器发出声音进行提醒报警和/或拨号呼叫相关工作人员。

其中，当只收集到入侵目标信息但确定不存在入侵目标、只确定存在入侵目标但收集不到入侵目标信息或既收集不到入侵目标信息且确定不存在入侵目标时，则判断为无入侵目标，不发送对应的标准图像至服务器端，避免采用单一探测技术而产生的由于环境因素导致的误报，提高准确率。

综上所述，本发明人体侦测方法通过将被动红外探测器与摄像设备结合，以利用红外场移动侦测作为报警探测源触发摄像设备工作，再进行图像分析处理，同时进行两种探测，有效降低单一探测手段的误报率，最大限度地利用红外移动侦测和摄像移动侦测的优点，集成复合，提高系统对人员移动目标的探测的准确率，避免外界环境的干扰，可使用于各种复杂环境，具有极强的环境适用性。

以上所述仅为本发明的优选实施例，而非对本发明做任何形式上的限制。本领域的技术人员可在上述实施例的基础上施以各种等同的更改和改进，凡在权利要求范围内所做的等同变化或修饰，均应落入本发明的保护范围之内。