面向偏僻地段的人体目标监控方法
【技术领域】
[0001] 本发明属于面向公共安全预警的视频图像处理领域，具体涉及一种面向偏僻地段 的人体目标监控方法。
【背景技术】
[0002] 视频监控广泛应用于公共安全领域，为公安机关进行预警与案件分析提供了丰富 的数据支撑。常用可见光照明的视频摄像机功耗约为1. 5~5W左右，当开启红外照明功能 时功耗约为15~45W左右，传感器功耗一般在0. 5W以下。现有视频监控系统通常采取所 有部件全天24小时不间断工作方式，而大多数偏僻区域并非始终存在人体目标，全天工作 模式造成极大的能源浪费，并且由此形成的大量冗余数据，也降低了相关部门进行分析的 效率。因此有必要根据监控场景中人体目标的出现情况进行按需监控。
[0003] 现有的基于人体的监控方法，如专利201010218630. 8调节人体候补区域的大小 与人体检测模板的大小一致，提取与人体检测模板匹配的边缘点，判断并计算匹配边缘点 中的有效边缘点，判断人体检测模板分区是否为有效分区，判断人体候补是否被遮挡，累加 各有效分区权重和人体候补未被遮挡的有效分区权重，判断出人体候补是否为人体。专利 201310415544.X实现了基于彩色与深度信息的人体检测方法，联合特征提取获得的特征既 包含彩色信息，又包含深度信息，同时轮廓边缘信息得到增强。专利201010209204. 8将背 景图像利用图像分割法分为几个区域，在每一个区域，根据前景图像与背景图像的灰度分 布直方图的相似度来判断是否应进行灰度增强。本发明可以防止过多的无用的噪声边缘 线的错误抽出，也可以强调人物的轮廓，提高人体检测装置的精度。专利201310432350.0 利用支持向量机进行训练，得到初始人体检测器；将人体检测器划分为多个小网格，每个 网格代表一个小部件，并用相应网格里的权重来表示这个部件；对于网格权重进行更新； 采用多尺度滑动框扫描的方式，对于待检测图像进行人体检测，得到人体检测结果。专利 201110026465. 0根据所采集的深度图像的像素提取图像特征；将所述图像特征输入预设 的分类模型，以得出所述深度图像是否包含人体。专利201210401048. 4对待检测区域进行 时间分区，在每个时区用多通道人体传感器分别进行温度数据采集，判断对应通道是否有 人。专利201210148980. 0采用释电型传感器进行人体检测。
[0004] 上述方法可以分为两类：基于图像处理的方法和基于传感器的方法。现有专利基 本将两类方法孤立开来实施，一方面人体检测性能未能达到最佳，另一方面未将其用于提 高监控系统的工作效率，没有实现节能处理。
【发明内容】
[0005] 本发明将物理传感器与图像处理相结合，特提出一种面向偏僻地段的人体目标监 控方法。
[0006] 本方法将物理传感器与图像处理相结合，在物理传感器检测到入侵目标情况下才 启动视频采集设备，利用基于视频图像的人体目标验证方法进一步确认人体目标，若不存 在人体目标，则关闭视频采集、传输、存储等设备；若存在人体目标，则视频监控系统开始工 作，并同时继续检测人体目标，当物理传感器和视频图像处理均未发现有效的人体目标时， 关闭视频监控系统。
[0007] 实现步骤为： Stepl:多类型物理传感器布防于监控区域，全天不间断探测入侵目标； St印2 :物理传感器探测到入侵目标之后，启动该区域监控摄像头，采集防区视频图 像； Step3 :针对采集到的防区监控视频图像，自动处理验证是否有人体目标； St印4 :当基于视频图像的人体目标验证方法检测到人体目标后，启动监控系统中针对 该区域的其它部分，如传输模块等； Step5 :当物理传感器和视频图像分析均未检测到人体目标时，关闭监控摄像头，跳转 至Stepl。
[0008] 本发明的关键创新技术： 1、基于多类型传感器和视频图像处理的两级人体目标检测策略 将视频监控系统分为功耗较低的物理传感器部分，和功耗较高的视频图像采集处理部 分。其中物理传感器部分全天处于运行状态，对防区进行入侵目标探测。视频图像处理部 分则根据传感器检测结果，首先启动摄像机短暂工作，基于采集到的视频图像分析验证确 实存在人体目标之后，再启动视频监控相关的其他部分，并且在物理传感器和视频图像处 理均未检测到人体目标时，关闭视频监控部分。其创新点在于： (1)融合多种人体检测手段，可以弥补单一方法检测结果易受影响的缺陷。
[0009] (2)视频监控部分按需工作，可有效降低系统能耗，并减少冗余数据，有助于提高 后续分析效率。
[0010] 2、基于视频图像的人体目标验证方法 在物理传感器探测到入侵目标的基础上，监控摄像机上电采集到视频图像，针对监控 图像，首先利用帧差法大致确定目标所在位置，然后利用人脸具有类似椭圆的形状特性，针 对目标区域进行基于霍夫变换的椭圆检测，从而确认是否存在人脸。对于任意椭圆，其参数 方程可表示为：
其中为椭圆的中心坐标，分别为椭圆的两个半轴，1为长轴与x方向夹角。与 圆形相比椭圆具有4个未知参数，采用传统Hough变换计算量更大。考虑到椭圆具有如下 的几何性质：椭圆上切线方向相同的两点的中点是椭圆的中心，可利用该性质，首先寻找椭 圆上的对应斜率相同的边缘点对，边缘点对的中心即为椭圆中心，其步骤包括： Stepl:对监控视频图像进行基于帧差法的目标检测，得到存在目标的区域3?:，其中i为序号； Step2 :初始化二维累加矩阵，其中w，/:为目标区域图像AT,的宽和高尺 寸； Step3 :对目标区域图像进行边缘检测并二值化为图像V，使背景为0,边缘为1 ; Step4 :对V中各非零点计算其切线方向； Step5:在V中遍历切线方向相同的任意两点，计算其中点坐标iXy)，并使对应 :纖:加1 ; St印6 :累加器矩阵E;i=〔I中值最大的元素其坐标即为椭圆的中心#，W。
[0011] 将中心坐标04)代入椭圆方程中，从边缘像素的坐标数组V中选取数据，则 只需要在三维空间中采用Hough变换对参数a，b，6进行统计，得到峰值超过一定阈值的 一组参数，即为椭圆的a，b，笤，从而完成椭圆检测。
[0012] 本发明在物理传感器探测到人体目标后，基于视频图像进一步确认人体目标。
[0013] 其创新点在于： (1) 基于形状特性采用霍夫变换检测椭圆人脸，可降低受姿态、光照、表情等对人脸检 测的影响； (2) 在传统霍夫变换中加入椭圆几何特性辅助，可提高霍夫变换处理速度。
[0014] 本方法仅功耗极小的物理传感器不间断工作，功耗较大的视频监控部分仅在有人 体目标时工作，可有