一种人员离岗监控方法及设备的制作方法

一种人员离岗监控方法及设备的制作方法
【专利摘要】本发明公开了一种人员离岗监控方法及设备，具体内容为：对获得的视频图像帧序列包含的多个视频图像帧进行分析，针对所述多个视频图像帧的同一特定区域，确定第一数量的视频图像帧中所述特定区域内存在与预先获得的人体头部特征相匹配的图像特征的视频图像帧的第一个数信息，以及第二数量的视频图像帧中所述特定区域内存在运动目标的视频图像帧的第二个数信息，从而确定处于所述特定区域所对应的实际区域内的人员是否离岗，可有效对人员的离岗行为进行实时监控。
【专利说明】一种人员离岗监控方法及设备

【技术领域】
[0001] 本发明涉及图像处理【技术领域】，尤其涉及一种人员离岗监控方法及设备。

【背景技术】
[0002] 在银行、企业办公室等室内场景，为了实现对员工管理的自动化规范化，需要对员 工的离岗情况进行实时监测。目前，现有技术主要采用对背景图像和前景目标进行区分检 测的方法，实现对员工的离岗行为进行监测。具体而言，现有技术中的背景前景检测方法可 先对图像中的背景区域（即背景图像）和前景目标进行区分；然后，再对前景目标的运动情 况进行监控；最后，根据前景目标是否运动到指定区域之外，即可判断前景目标是否发生离 开指定区域的行为。
[0003] 由于现有技术采用的该方法中，背景图像的检测准确性容易受到光线等导致图像 背景发生变化的因素的影响，因此当摄像头所监控的区域内出现开关灯或人员走动等情况 时，图像的背景会发生较大变化，从而难以准确检测到背景图像，进而也就导致前景目标的 检测准确度受到较大的影响，容易导致前景目标检测错误。
[0004] 基于现有技术的上述缺陷，现有技术难以实现对人员是否离岗的准确判断。


【发明内容】

[0005] 有鉴于此，本发明提出了一种人员离岗监控方法，用以解决现有技术中存在的难 以准确判断人员是否离岗的问题。
[0006] 根据本发明一实施例，提供了一种人员离岗监控方法，包括：
[0007] 获得视频图像巾贞序列；
[0008] 通过分别检测所述视频图像帧序列包含的第一数量的视频图像帧中的每个视频 图像帧的同一特定区域内是否存在与预先获得的人体头部特征相匹配的图像特征，确定用 于表征所述特定区域内存在所述图像特征的视频图像帧的第一个数的信息；
[0009] 通过分别检测所述视频图像帧序列包含的第二数量的视频图像帧中的每个视频 图像帧的所述特定区域内是否存在运动目标，确定用于表征所述特定区域内存在运动目标 的视频图像帧的第二个数的信息；
[0010] 根据用于表征第一个数的信息以及用于表征第二个数的信息，判断处于所述特定 区域所对应的实际区域内的人员是否离岗。
[0011] 从上述方案中可以看出，由于针对获得的视频图像帧序列包含的多个视频图像帧 的同一特定区域，分别进行人体头部特征检测和运动目标检测，并根据两种检测结果的结 合来确定处于所述特定区域所对应的实际区域内的人员是否离岗，与现有技术提供的方案 相比，本发明实施例提供的该方案不容易受到光线等因素的影响，因此可实现对人员是否 离岗进行准确判断。
[0012] 具体地，所述特定区域为所述视频图像帧的整个区域，则采用下述方式，分别检测 所述第一数量的视频图像帧中的每个视频图像帧的同一特定区域内是否存在与预先获得 的人体头部特征相匹配的图像特征：
[0013] 针对所述第一数量的视频图像帧中的每个视频图像帧分别执行第一指定操作；
[0014] 其中，所述第一指定操作包括：
[0015] 将该视频图像帧输入预先设置的分类器；其中，所述分类器用于区分存在与所述 人体头部特征相匹配的图像特征的视频图像帧和不存在与所述人体头部特征相匹配的图 像特征的视频图像帧；
[0016] 当所述分类器输出的针对该视频图像帧的分类结果与预先规定的分类结果一致 时，确定该视频图像帧的所述特定区域内存在所述图像特征；其中，所述预先规定的分类结 果表示该视频图像帧中存在与所述人体头部特征相匹配的图像特征。
[0017] 利用分类器进行特征检测，检测结果较准确，可为判断人员是否离岗提供初步依 据。
[0018] 进一步地，当所述分类器输出的针对该视频图像帧的分类结果与预先规定的分类 结果一致时，还可继续判断针对该视频图像帧所确定的运动连通域与所述图像特征所在的 该视频图像帧的子区域是否有重叠；在判断出所述运动连通域与所述图像特征所在的所述 子区域有重叠，且所述运动连通域与所述图像特征所在的子区域发生重叠的区域的面积大 于第一预设面积阈值时，确定该视频图像帧的所述特定区域内存在所述图像特征。
[0019] 这样做的好处是可避免误检到的图像特征对于统计出的所述第一个数的准确性 的影响。
[0020] 若所述特定区域为所述视频图像帧的局部区域，则采用下述方式，分别检测所述 第一数量的视频图像帧中的每个视频图像帧的同一特定区域内是否存在与预先获得的人 体头部特征相匹配的图像特征：
[0021] 针对所述第一数量的视频图像帧中的每个视频图像帧分别执行第二指定操作；
[0022] 其中，所述第二指定操作包括：
[0023] 将该视频图像帧输入预先设置的分类器；其中，所述分类器用于区分存在与所述 人体头部特征相匹配的图像特征的视频图像帧和不存在与所述人体头部特征相匹配的图 像特征的视频图像帧；
[0024] 当所述分类器输出的针对该视频图像帧的分类结果与预先规定的分类结果一致 时，根据该图像特征在该视频图像帧中所处位置的信息，以及获得的所述特定区域在该视 频图像帧中所处位置的信息，判断该图像特征在该视频图像帧中所处位置与所述特定区域 在该视频图像帧中所处位置是否有重叠；其中，所述预先规定的分类结果表示该视频图像 帧中存在与所述人体头部特征相匹配的图像特征；
[0025] 在判断结果为有重叠时，确定该视频图像帧的所述特定区域内存在所述图像特 征。
[0026] 在视频图像帧包含多个特定区域，或者视频图像帧包含一个特定区域且该特定区 域为视频图像帧的局部区域的情况下，利用分类器进行特征检测，并将检测到的图像特征 与特定区域进行比对，检测结果较准确，可为判断人员是否离岗提供初步依据。
[0027] 进一步地，在判断结果为有重叠时，判断针对该视频图像帧所确定的运动连通域 与所述特定区域是否有重叠；在判断出所述运动连通域与所述特定区域有重叠，且所述运 动连通域与所述特定区域发生重叠的区域的面积大于第二预设面积阈值时，确定该视频图 像帧的所述特定区域内存在所述图像特征。
[0028] 这样做的好处是可避免误检到的图像特征对于统计出的所述第一个数的准确性 的影响。
[0029] 可选地，在确定出该视频图像帧的所述特定区域内存在所述图像特征后，所述方 法还包括：根据所述图像特征在所述特定区域内所处的位置，以及预先设置的所述特定区 域的不同位置与权重值的对应关系，确定所述图像特征在所述特定区域内所处的位置对应 的权重值；则确定用于表征第一个数的信息，具体包括：根据针对所述图像特征所确定的 所述权重值，确定用于表征第一个数的信息。
[0030] 根据图像特征在所述特定区域内所处的位置确定权重值，并根据权重值影响统计 值，可提高检测的准确度。
[0031] 针对运动目标检测，若所述特定区域为所述视频图像帧的整个区域，则采用下述 方式，分别检测所述第二数量的视频图像帧中的每个视频图像帧的所述特定区域内是否存 在运动目标：
[0032] 针对所述第二数量的视频图像帧中的每个视频图像帧分别执行第三指定操作； [0033] 其中，所述第三指定操作包括：
[0034] 分别确定该视频图像帧中的各个像素点的运动矢量的模值；
[0035] 根据所述各个像素点的运动矢量的模值，确定由运动矢量的模值不小于预设模值 阈值的像素点构成的运动连通域；
[0036] 在所述运动连通域的面积大于第三预设面积阈值时，确定该视频图像帧的所述特 定区域内存在运动目标。
[0037] 利用运动连通域进行运动目标检测，检测结果较准确，可为判断人员是否离岗提 供另一方面的依据。
[0038] 若所述特定区域为所述视频图像帧的局部区域，则采用下述方式，分别检测所述 第二数量的视频图像帧中的每个视频图像帧的所述特定区域内是否存在运动目标：
[0039] 针对所述第二数量的视频图像帧中的每个视频图像帧分别执行第四指定操作；
[0040] 其中，所述第四指定操作包括：
[0041] 分别确定该视频图像帧中的各个像素点的运动矢量的模值；
[0042] 根据所述各个像素点的运动矢量的模值，确定由运动矢量的模值不小于预设模值 阈值的像素点构成的运动连通域；
[0043] 在所述运动连通域与所述特定区域发生重叠，且所述运动连通域与所述特定区域 发生重叠的区域的面积大于第四预设面积阈值时，确定该视频图像帧的所述特定区域内存 在运动目标。
[0044] 在视频图像帧包含多个特定区域，或者视频图像帧包含一个特定区域且该特定区 域为视频图像帧的局部区域的情况下，利用运动连通域进行运动目标检测，并将检测到的 运动连通域与特定区域进行比对，检测结果较准确，可为判断人员是否离岗提供另一方面 的依据。
[0045] 可选地，可采用下述方式，分别检测所述第二数量的视频图像帧中的每个视频图 像帧的所述特定区域内是否存在运动目标：
[0046] 针对所述第二数量的视频图像帧中的每个视频图像帧分别执行第五指定操作；
[0047] 其中，所述第五指定操作包括：
[0048] 确定该视频图像帧的所述特定区域内的各个像素点的运动矢量的模值；
[0049] 根据所述各个像素点的运动矢量的模值，确定对应于所述特定区域的运动幅度 值；
[0050] 在所述运动幅度值大于预设运动幅度阈值时，确定该视频图像帧的所述特定区域 内存在运动目标。
[0051] 利用运动幅度值进行运动目标检测，检测结果较准确，可为判断人员是否离岗提 供另一方面的依据。
[0052] 与上述人员离岗监控方法相对应，本发明的实施例还提供一种人员离岗监控设 备，所述设备包括：
[0053] 获得模块，用于获得视频图像帧序列；
[0054] 第一确定模块，用于通过分别检测所述视频图像帧序列包含的第一数量的视频图 像帧中的每个视频图像帧的同一特定区域内是否存在与预先获得的人体头部特征相匹配 的图像特征，确定用于表征所述特定区域内存在所述图像特征的视频图像帧的第一个数的 信息；
[0055] 第二确定模块，用于通过分别检测所述视频图像帧序列包含的第二数量的视频图 像帧中的每个视频图像帧的所述特定区域内是否存在运动目标，确定用于表征所述特定区 域内存在运动目标的视频图像帧的第二个数的信息；
[0056] 判决模块，用于根据用于表征第一个数的信息以及用于表征第二个数的信息，判 断处于所述特定区域所对应的实际区域内的人员是否离岗。
[0057] 采用该设备针对获得的视频图像帧序列包含的多个视频图像帧的同一特定区域， 分别进行人体头部特征检测和运动目标检测，并根据两种检测结果的结合来确定处于所述 特定区域所对应的实际区域内的人员是否离岗，与现有技术提供的方案相比，本发明实施 例提供的该方案不容易受到光线等因素的影响，因此可实现对人员是否离岗进行准确判 断。

【专利附图】

【附图说明】
[0058] 图1为本发明实施例一中的方法步骤示意图；
[0059] 图2为本发明实施例二中的设备结构示意图。

【具体实施方式】
[0060] 本发明实施例的方案通过对获得的视频图像帧序列包含的多个视频图像帧进行 静态人头检测和动态运动目标检测，针对所述多个视频图像帧的同一特定区域，确定所述 多个视频图像帧中，所述特定区域内存在与预先获得的人体头部特征相匹配的图像特征的 视频图像帧的个数，以及所述特定区域内存在运动目标的视频图像帧的个数，从而确定处 于所述特定区域所对应的实际区域内的人员是否离岗，可有效对人员的离岗行为进行实时 监控。
[0061] 下面结合说明书附图对本发明实施例作进一步说明，但本发明不局限于下面的实 施例。
[0062] 实施例一：
[0063] 如图1所示，为本发明实施例一中人员离岗监控方法的步骤示意图，所述方法主 要包括以下步骤：
[0064] 步骤101 :犾得视频图像巾贞序列。
[0065] 若室内安装有一台摄像机，其可以实时拍摄室内人员的工作情况，则本步骤101 的具体实现方式可以为：获取某一设定时间段内摄像机拍摄到的视频图像帧序列。具体地， 所述设定时间段可以具备较长的时间长度，如十分钟。
[0066] 本步骤101所获得的视频图像帧序列的一帧视频图像帧中，可能出现一个人，也 可能出现多个人。例如，假设当前摄像机能够拍摄到三个工位，且需要监控分别处于这三个 工位的工作人员A、工作人员B和工作人员C是否离岗，则可以将获得的视频图像帧划分成 三块区域，这三块区域分别为：工作人员A在视频图像帧中所处的特定区域A、工作人员B 在视频图像帧中所处的特定区域B、工作人员C在视频图像帧中所处的特定区域C ;而若假 设摄像机只拍摄一个工位上的工作人员D时，则该工作人员D在视频图像帧中所处的区域 为特定区域D，且该特定区域D可以为视频图像帧的整个区域或局部区域。
[0067] 需要说明的是，以上述特定区域A、特定区域B和特定区域C的划分方式为例，若 本发明实施例提供的该方法的执行主体是一种人员离岗监控设备，则该设备对视频图像帧 中三个特定区域的划分方式可以是：在接收到输入该设备的上述三个特定区域的位置信息 后，根据所述三个特定区域的位置信息来进行划分。
[0068] 步骤102 :确定在该视频图像帧序列包含的第一数量的视频图像帧中，同一特定 区域内存在与预先获得的人体头部特征相匹配的图像特征的视频图像帧的第一个数信息。 [0069]为了便于描述，本发明实施例中将检测视频图像帧中与预先获得的人体头部特征 相匹配的图像特征简称为人头检测。
[0070] 基于步骤101获得的视频图像帧序列，本步骤102对所获得的所述视频图像帧序 列包含的第一数量的视频图像帧进行人头检测，并针对同一特定区域统计检测到人头的视 频图像帧的第一个数。
[0071] 具体地，本步骤102可对所获得的视频图像帧序列中的各视频图像帧进行人头检 测，并针对同一特定区域统计检测到人头的视频图像帧的个数，即上文所述的第一数量可 以是该视频图像帧序列所包含的视频图像帧的总个数。可选地，为了减少计算量，可间隔N 帧对所获得的图像帧序列进行人头检测，其中，N为大于1的正整数，可选地，N为2?5之 间的正整数，即上文所述的第一数量可以小于该视频图像帧序列所包含的视频图像帧的总 个数。例如，假设获得的视频图像帧序列总共包含200个视频图像帧，若对视频图像帧序列 每隔4帧进行人头检测，则实际进行人头检测的视频图像帧的个数为50,即第一数量为50， 而在这50个视频图像帧中检测到有35个视频图像帧的特定区域内存在人头，即第一个数 为35。
[0072] 为了实现对获得的视频图像帧序列包含的第一数量的视频图像帧进行人头检测， 可以先得到用于检测人头的强分类器。具体地，可以通过以下方式获得所述强分类器：
[0073] 首先，采集人头图像作为正样本，如可以利用摄像机，从人头的正面、背面、左侧面 和右侧面四个角度分别进行拍摄来采集人头图像，其中可以从每个角度分别拍摄一定数量 的人头图像作为正样本；再采集一些非人头图像，如采集人的手臂图像、腿部图像等作为负 样本。接着，根据采集得到的正样本和负样本进行分类器训练，例如，利用Adaboost训练方 法，在Haar或局部二值模式（Local Binary Patterns, LBP)的特征池里，按照选取的正样 本的共性特征与负样本的共性特征之间具有明显区分性，且被选取的用于生成不同弱分类 器的共性特征互不相同的选取规则，分别选取正样本的共性特征和负样本的共性特征生成 多个弱分类器，然后再将这些弱分类器进行级联即可得到关于人体头部特征的强分类器。
[0074] 下面分别以视频图像帧中包含一个特定区域和三个特定区域，对视频图像帧序列 包含的200个视频图像帧每隔4帧进行人头检测，即对获得的视频图像帧序列中的50个视 频图像帧进行人头检测为例，对本步骤102的具体实现方式进行详细描述。
[0075] 第一步：将步骤101获得的视频图像帧序列包含的200个视频图像帧每隔4帧依 次输入至预先得到的关于人体头部特征的强分类器，分别判断输入至强分类器中的视频图 像帧中是否存在与所述人体头部特征相匹配的图像特征。
[0076] 具体地，在一帧视频图像帧输入至所述强分类器后，该强分类器对该视频图像帧 进行遍历搜索，当该视频图像帧中存在与所述人体头部特征相匹配的图像特征时，强分类 器输出1且输出该图像特征的位置信息，若该视频图像帧中存在多个与所述人体头部特征 相匹配的图像特征时，强分类器分别输出1且输出与各图像特征相对应的位置信息；当该 视频图像帧中不存在与所述人体头部特征相匹配的图像特征时，强分类器输出〇。
[0077] 可选地，在将一帧视频图像帧输入至所述强分类器之前，本步骤102可先对该视 频图像帧进行全图搜索，并利用均值方差、梯度等信息快速滤除无内容的区域后，再在剩余 的区域利用强分类器检测是否存在与所述人体头部特征相匹配的图像特征。例如，对该视 频图像帧按区域(如l〇pi*l〇pi的矩阵）依次计算其均值方差，若该视频图像帧中的某一区 域的均值方差小于预设方差值，则认为在该区域内没有物体，后续可不对其进行判别是否 存在与所述人体头部特征相匹配的图像特征。
[0078] 第二步：针对第一步处理后的某一视频图像帧，在确定出该视频图像帧中存在与 所述人体头部特征相匹配的图像特征时，确定在同一特定区域内检测到人头的视频图像帧 的个数。
[0079] 针对该视频图像帧中包含一个特定区域且该特定区域为该视频图像帧的整个区 域的情况，在第一步中的强分类器输出1后，即可确定出该视频图像帧中存在与所述人体 头部特征相匹配的图像特征，从而直接确定该视频图像帧的特定区域内存在人头，将在该 特定区域内检测到人头的视频图像帧的个数加1。
[0080] 可选地，在第一步中的强分类器输出1且输出该图像特征的位置信息后，可进一 步判断针对该视频图像帧所确定的运动连通域与该图像特征在该视频图像帧中的子区域 是否有重叠。其中，该图像特征在该视频图像帧中的子区域可根据强分类器输出的该图像 特征的位置信息确定。在判断出该视频图像帧中有运动连通域与该图像特征所在的子区域 有重叠，且该运动连通域与该图像特征所在的子区域发生重叠的区域的面积大于第一预设 面积阈值时，则确定该视频图像帧的特定区域内存在人头，将在该特定区域内检测到人头 的视频图像帧的个数加1。其中，所述视频图像帧中的运动连通域的确定方法将在下文进行 详细描述。
[0081] 可选地，在确定出该视频图像帧的特定区域内存在与所述人体头部特征相匹配的 图像特征后，可进一步根据该图像特征在该视频图像帧的特定区域内所处的位置，以及预 先设置的该视频图像帧的特定区域内的不同位置与权重值的对应关系，确定该图像特征在 该视频图像帧的特定区域内所处的位置对应的权重值，将在该特定区域内检测到人头的视 频图像帧的个数加1*权重值。
[0082] 针对该视频图像帧中包含三个特定区域的情况，由于各特定区域在该视频图像帧 中所处的位置信息已知，本发明实施例的方案可对三个特定区域并行进行判断是否存在与 所述人体头部特征相匹配的图像特征。
[0083] 针对上述三个特定区域中某一特定区域，当第一步中的强分类器输出1后，可确 定该视频图像帧中存在与所述人体头部特征相匹配的图像特征，由于该特定区域为该视频 图像帧的局部区域，可根据强分类器输出的图像特征的位置信息，判断该图像特征在该视 频图像帧中所处位置与该特定区域在该视频图像帧中所处位置是否有重叠。在判断得出该 图像特征在该视频图像帧中所处位置与该特定区域在该视频图像帧中所处位置有重叠时， 则确定在该特定区域内存在人头，将在该特定区域内检测到人头的视频图像帧的个数加1。 例如，针对特定区域A，在判断得出该图像特征在该视频图像帧中所处位置与特定区域A在 该视频图像帧中所处位置有重叠时，则确定在特定区域A内存在人头，将在特定区域A内检 测到人头的视频图像帧的个数加1。
[0084] 可选地，在判断得出该图像特征在该视频图像帧中所处位置与该特定区域在该视 频图像帧中所处位置有重叠后，可进一步判断针对该视频图像帧所确定的运动连通域与该 特定区域是否有重叠。在判断出该视频图像帧中有运动连通域与该特定区域有重叠，且该 运动连通域与该特定区域发生重叠的区域的面积大于第二预设面积阈值时，则确定在该特 定区域内存在人头，将在该特定区域内检测到人头的视频图像帧的个数加1。
[0085] 可选地，在确定出该特定区域内存在与所述人体头部特征相匹配的图像特征后， 可进一步根据该图像特征在该特定区域内所处的位置，以及预先设置的该特定区域内的不 同位置与权重值的对应关系，确定该图像特征在该特定区域内所处的位置对应的权重值， 将在该特定区域内检测到人头的视频图像帧的个数加1*权重值。
[0086] 在所获得的视频图像帧序列包含的200个视频图像帧每隔4帧执行完第一步和第 二步后，即实现了确定在该视频图像帧序列包含的第一数量的视频图像帧中，同一特定区 域内存在人头的视频图像帧的第一个数。
[0087] 步骤103 :确定在该视频图像帧序列包含的第二数量的视频图像帧中，同一特定 区域内存在运动目标的视频图像帧的第二个数信息。
[0088] 需要说明的是，本步骤103和步骤102是独立进行的，其执行顺序不分先后，可以 同时进行。
[0089] 基于步骤101获得的视频图像帧序列，本步骤103对所获得的该视频图像帧序列 包含的第二数量的视频图像帧进行运动目标检测，并针对同一特定区域统计检测到存在运 动目标的视频图像帧的第二个数。
[0090] 与步骤102类似，本步骤103可对所获得的视频图像帧序列中的各视频图像帧进 行运动目标检测，并针对同一特定区域统计检测到存在运动目标的视频图像帧的个数，即 上文所述的第二数量可以是该视频图像帧序列所包含的视频图像帧的总个数。可选地，为 了减少计算量，可间隔N帧对所获得的视频图像帧序列进行运动目标检测，其中，N为大于1 的正整数，可选地，N为2?5之间的正整数，即上文所述的第二数量可以小于该视频图像 帧序列所包含的视频图像帧的总个数。例如，假设获得的视频图像帧序列总共包含200个 视频图像帧，若对视频图像帧序列每隔4帧进行运动目标检测，则实际进行运动目标检测 的视频图像帧的个数为50,即第二数量为50,而在这50个视频图像帧中检测到有30个视 频图像帧的特定区域内存在运动目标，即第二个数为30。
[0091] 需要说明的是，本步骤103中进行运动目标检测的视频图像帧的第二数量与步骤 102中进行人头检测的视频图像帧的第一数量，可以相同，也可以不同，若在步骤102中进 行人头检测的视频图像帧在步骤103中也进行了运动目标检测，则检测结果较准确。
[0092] 下面分别以视频图像帧中包含一个特定区域和三个特定区域，对视频图像帧序列 包含的200个视频图像帧每隔4帧进行运动目标检测，即对获得的视频图像帧序列中的50 个视频图像帧进行运动目标检测为例，对本步骤103的具体实现方式进行详细描述。
[0093] 第一步：对步骤101获得的视频图像帧序列包含的200个视频图像帧每隔4帧进 行高斯平滑处理，以减小各视频图像帧的噪声。
[0094] 第二步：对平滑后的前后两帧视频图像帧依次进行全局光流场的计算，确定后一 帧视频图像帧中各像素点的运动矢量的模值。
[0095] 具体地，所述光流场反映的是图像间的运动信息，表示在一定时间间隔内由于运 动所造成的图像变化。以任一视频图像帧中坐标为（x，y)的像素点为例，通过对该视频图 像帧的全局光流场的计算，可以确定与该像素点对应的运动矢量（vx，vy)。具体地，可采用现 有的LK光流法确定该视频图像帧的全局光流场，从而确定该视频图像帧的各个像素点对 应的运动矢量。当确定了该视频图像帧中各个像素点的运动矢量后，即可确定各个像素点 的运动矢量的模值，以上述坐标为（x，y)的像素点为例，基于该像素点对应的运动矢量（v x， vy)，可以确定该像素点的运动矢量的模值

【权利要求】
1. 一种人员离岗监控方法，其特征在于，所述方法包括： 获得视频图像峽序列； 通过分别检测所述视频图像峽序列包含的第一数量的视频图像峽中的每个视频图像 峽的同一特定区域内是否存在与预先获得的人体头部特征相匹配的图像特征，确定用于表 征所述特定区域内存在所述图像特征的视频图像峽的第一个数的信息； 通过分别检测所述视频图像峽序列包含的第二数量的视频图像峽中的每个视频图像 峽的所述特定区域内是否存在运动目标，确定用于表征所述特定区域内存在运动目标的视 频图像峽的第二个数的信息； 根据用于表征第一个数的信息W及用于表征第二个数的信息，判断处于所述特定区域 所对应的实际区域内的人员是否离岗。
2. 如权利要求1所述的人员离岗监控方法，其特征在于，所述特定区域为所述视频图 像峽的整个区域，贝U 采用下述方式，分别检测所述第一数量的视频图像峽中的每个视频图像峽的同一特定 区域内是否存在与预先获得的人体头部特征相匹配的图像特征： 针对所述第一数量的视频图像峽中的每个视频图像峽分别执行第一指定操作； 其中，所述第一指定操作包括： 将该视频图像峽输入预先设置的分类器；其中，所述分类器用于区分存在与所述人体 头部特征相匹配的图像特征的视频图像峽和不存在与所述人体头部特征相匹配的图像特 征的视频图像峽； 当所述分类器输出的针对该视频图像峽的分类结果与预先规定的分类结果一致时，确 定该视频图像峽的所述特定区域内存在所述图像特征；其中，所述预先规定的分类结果表 示该视频图像峽中存在与所述人体头部特征相匹配的图像特征。
3. 如权利要求2所述的人员离岗监控方法，其特征在于，当所述分类器输出的针对该 视频图像峽的分类结果与预先规定的分类结果一致时，确定该视频图像峽的所述特定区域 内存在所述图像特征，具体包括： 当所述分类器输出的针对该视频图像峽的分类结果与预先规定的分类结果一致时，判 断针对该视频图像峽所确定的运动连通域与所述图像特征所在的该视频图像峽的子区域 是否有重叠； 在判断出所述运动连通域与所述图像特征所在的所述子区域有重叠，且所述运动连通 域与所述图像特征所在的子区域发生重叠的区域的面积大于第一预设面积阔值时，确定该 视频图像峽的所述特定区域内存在所述图像特征； 其中，针对该视频图像峽确定运动连通域的方式包括： 分别确定该视频图像峽中的各个像素点的运动矢量的模值； 根据所述各个像素点的运动矢量的模值，确定由运动矢量的模值不小于预设模值阔值 的像素点构成的运动连通域。
4. 如权利要求1所述的人员离岗监控方法，其特征在于，所述特定区域为所述视频图 像峽的局部区域，贝U 采用下述方式，分别检测所述第一数量的视频图像峽中的每个视频图像峽的同一特定 区域内是否存在与预先获得的人体头部特征相匹配的图像特征： 针对所述第一数量的视频图像峽中的每个视频图像峽分别执行第二指定操作； 其中，所述第二指定操作包括： 将该视频图像峽输入预先设置的分类器；其中，所述分类器用于区分存在与所述人体 头部特征相匹配的图像特征的视频图像峽和不存在与所述人体头部特征相匹配的图像特 征的视频图像峽； 当所述分类器输出的针对该视频图像峽的分类结果与预先规定的分类结果一致时，根 据该图像特征在该视频图像峽中所处位置的信息，W及获得的所述特定区域在该视频图像 峽中所处位置的信息，判断该图像特征在该视频图像峽中所处位置与所述特定区域在该视 频图像峽中所处位置是否有重叠；其中，所述预先规定的分类结果表示该视频图像峽中存 在与所述人体头部特征相匹配的图像特征； 在判断结果为有重叠时，确定该视频图像峽的所述特定区域内存在所述图像特征。
5. 如权利要求4所述的人员离岗监控方法，其特征在于，在判断结果为有重叠时，确定 该视频图像峽的所述特定区域内存在所述图像特征，具体包括： 在判断结果为有重叠时，判断针对该视频图像峽所确定的运动连通域与所述特定区域 是否有重叠； 在判断出所述运动连通域与所述特定区域有重叠，且所述运动连通域与所述特定区域 发生重叠的区域的面积大于第二预设面积阔值时，确定该视频图像峽的所述特定区域内存 在所述图像特征； 其中，针对该视频图像峽确定运动连通域的方式包括： 分别确定该视频图像峽中的各个像素点的运动矢量的模值； 根据所述各个像素点的运动矢量的模值，确定由运动矢量的模值不小于预设模值阔值 的像素点构成的运动连通域。
6. 如权利要求1?5任一所述的人员离岗监控方法，其特征在于，所述特定区域为所述 视频图像峽的整个区域，贝U 采用下述方式，分别检测所述第二数量的视频图像峽中的每个视频图像峽的所述特定 区域内是否存在运动目标： 针对所述第二数量的视频图像峽中的每个视频图像峽分别执行第H指定操作； 其中，所述第H指定操作包括： 分别确定该视频图像峽中的各个像素点的运动矢量的模值； 根据所述各个像素点的运动矢量的模值，确定由运动矢量的模值不小于预设模值阔值 的像素点构成的运动连通域； 在所述运动连通域的面积大于第H预设面积阔值时，确定该视频图像峽的所述特定区 域内存在运动目标。
7. 如权利要求1?5任一所述的人员离岗监控方法，其特征在于，所述特定区域为所述 视频图像峽的局部区域，贝U 采用下述方式，分别检测所述第二数量的视频图像峽中的每个视频图像峽的所述特定 区域内是否存在运动目标： 针对所述第二数量的视频图像峽中的每个视频图像峽分别执行第四指定操作； 其中，所述第四指定操作包括： 分别确定该视频图像峽中的各个像素点的运动矢量的模值； 根据所述各个像素点的运动矢量的模值，确定由运动矢量的模值不小于预设模值阔值 的像素点构成的运动连通域； 在所述运动连通域与所述特定区域发生重叠，且所述运动连通域与所述特定区域发生 重叠的区域的面积大于第四预设面积阔值时，确定该视频图像峽的所述特定区域内存在运 动目标。
8. 如权利要求1?5任一所述的人员离岗监控方法，其特征在于， 采用下述方式，分别检测所述第二数量的视频图像峽中的每个视频图像峽的所述特定 区域内是否存在运动目标： 针对所述第二数量的视频图像峽中的每个视频图像峽分别执行第五指定操作； 其中，所述第五指定操作包括： 确定该视频图像峽的所述特定区域内的各个像素点的运动矢量的模值； 根据所述各个像素点的运动矢量的模值，确定对应于所述特定区域的运动幅度值； 在所述运动幅度值大于预设运动幅度阔值时，确定该视频图像峽的所述特定区域内存 在运动目标。
9. 如权利要求2?5任一所述的人员离岗监控方法，其特征在于，在确定出该视频图像 峽的所述特定区域内存在所述图像特征后，所述方法还包括： 根据所述图像特征在所述特定区域内所处的位置，W及预先设置的所述特定区域的不 同位置与权重值的对应关系，确定所述图像特征在所述特定区域内所处的位置对应的权重 值；则 确定用于表征第一个数的信息，具体包括： 根据针对所述图像特征所确定的所述权重值，确定用于表征第一个数的信息。
10. -种人员离岗监控设备，其特征在于，所述设备包括： 获得模块，用于获得视频图像峽序列； 第一确定模块，用于通过分别检测所述视频图像峽序列包含的第一数量的视频图像 峽中的每个视频图像峽的同一特定区域内是否存在与预先获得的人体头部特征相匹配的 图像特征，确定用于表征所述特定区域内存在所述图像特征的视频图像峽的第一个数的信 息； 第二确定模块，用于通过分别检测所述视频图像峽序列包含的第二数量的视频图像峽 中的每个视频图像峽的所述特定区域内是否存在运动目标，确定用于表征所述特定区域内 存在运动目标的视频图像峽的第二个数的信息； 判决模块，用于根据用于表征第一个数的信息W及用于表征第二个数的信息，判断处 于所述特定区域所对应的实际区域内的人员是否离岗。
11. 如权利要求10所述的人员离岗监控设备，其特征在于，所述特定区域为所述视频 图像峽的整个区域，贝U 所述第一确定模块，具体用于针对所述第一数量的视频图像峽中的每个视频图像峽分 别执行第一指定操作； 其中，所述第一指定操作包括： 将该视频图像峽输入预先设置的分类器，当所述分类器输出的针对该视频图像峽的分 类结果与预先规定的分类结果一致时，确定该视频图像峽的所述特定区域内存在所述图像 特征；其中，所述预先规定的分类结果表示该视频图像峽中存在与所述人体头部特征相匹 配的图像特征。
12. 如权利要求10所述的人员离岗监控设备，其特征在于，所述特定区域为所述视频 图像峽的局部区域，贝U 所述第一确定模块，具体用于针对所述第一数量的视频图像峽序列中的每个视频图像 峽分别执行第二指定操作； 其中，所述第二指定操作包括： 将该视频图像峽输入预先设置的分类器；当所述分类器输出的针对该视频图像峽的 分类结果与预先规定的分类结果一致时，根据该图像特征在该视频图像峽中所处位置的信 息，W及获得的所述特定区域在该视频图像峽中所处位置的信息，判断该图像特征在该视 频图像峽中所处位置与所述特定区域在该视频图像峽中所处位置是否有重叠；其中，所述 预先规定的分类结果表示该视频图像峽中存在与所述人体头部特征相匹配的图像特征；在 判断结果为有重叠时，确定该视频图像峽的所述特定区域内存在所述图像特征。
13. 如权利要求10?12任一所述的人员离岗监控设备，其特征在于，所述特定区域为 所述视频图像峽的整个区域，贝U 所述第二确定模块，具体用于针对所述第二数量的视频图像峽中的每个视频图像峽分 别执行第H指定操作； 其中，所述第H指定操作包括： 分别确定该视频图像峽中的各个像素点的运动矢量的模值；根据所述各个像素点的运 动矢量的模值，确定由运动矢量的模值不小于预设模值阔值的像素点构成的运动连通域； 在所述运动连通域的面积大于第H预设面积阔值时，确定该视频图像峽的所述特定区域内 存在运动目标。
14. 如权利要求10?12任一所述的人员离岗监控设备，其特征在于，所述特定区域为 所述视频图像峽的局部区域，贝U 所述第二确定模块，具体用于针对所述第二数量的视频图像峽序列中的每个视频图像 峽分别执行第四指定操作； 其中，所述第四指定操作包括： 分别确定该视频图像峽中的各个像素点的运动矢量的模值；根据所述各个像素点的运 动矢量的模值，确定由运动矢量的模值不小于预设模值阔值的像素点构成的运动连通域； 在所述运动连通域与所述特定区域发生重叠，且所述运动连通域与所述特定区域发生重叠 的区域的面积大于第四预设面积阔值时，确定该视频图像峽的所述特定区域内存在运动目 标。
15. 如权利要求10?12任一所述的人员离岗监控设备，其特征在于， 所述第二确定模块，具体用于针对所述第二数量的视频图像峽中的每个视频图像峽分 别执行第五指定操作； 其中，所述第五指定操作包括： 确定该视频图像峽的所述特定区域内的各个像素点的运动矢量的模值；根据所述各个 像素点的运动矢量的模值，确定对应于所述特定区域的运动幅度值；在所述运动幅度值大 于预设运动幅度阔值时，确定该视频图像峽的所述特定区域内存在运动目标。
【文档编号】G06T7/00GK104346802SQ201310337309
【公开日】2015年2月11日 申请日期:2013年8月5日 优先权日:2013年8月5日
【发明者】谢志明, 潘晖, 潘石柱, 张兴明, 傅利泉, 朱江明, 吴军, 吴坚 申请人:浙江大华技术股份有限公司