基于自动图像识别的非法钓鱼行为识别方法与流程

技术特征：

1.一种基于自动图像识别的非法钓鱼行为识别方法，其特征在于，包括以下步骤：

步骤1，从安装在禁止钓鱼区域内的摄像头上实时提取视频图像序列；

步骤2，建立钓鱼竿的边缘提取模型，利用边缘提取算子对输入的视频图像序列提取图像边缘像素点；

步骤3，利用基于行程的连通性算法对步骤2中提取到的边缘像素点进行分类，将上下左右相连的边缘像素点标记为一个连通区域；

步骤4，计算该连通区域跨越水域的长度、跨越岸边的长度、总长度以及平均宽度；

步骤5，对步骤4中获得的连通区域参数采用证据融合理论综合判定该连通区域是否为一根钓鱼竿；

步骤6，重复步骤2到步骤5直到有连通区域被判定为一根钓鱼竿；

步骤7，在步骤6检测到钓鱼竿的周围应用背景消除算法提取相对于记录在系统内的背景不同的前景目标；

步骤8，统计步骤7获得的前景目标的像素点颜色分布直方图，将颜色分布直方图输入到训练好的支持向量机分类器中去，判断前景目标是否为人体目标；

步骤9，如果步骤6判定视野中存在钓鱼竿并且步骤8判定钓鱼竿周围存在人体目标则进行语音预警并将拍摄到的监控画面发送给管理员，如果步骤6判定视野中存在钓鱼竿并且步骤8判定钓鱼竿周围不存在人体目标则仅将拍摄到的监控画面传送给管理员。

2.根据权利要求1所述的基于自动图像识别的非法钓鱼行为识别方法，其特征在于，步骤1中监控图像尺寸通过图像插值算法压缩到标准的640*320图像尺寸。

3.根据权利要求1所述的基于自动图像识别的非法钓鱼行为识别方法，其特征在于，步骤2具体为：

采用内核分别为G_x和G_y的边缘提取算子对步骤1获得的标准尺寸的图像做卷积，提取出图像中与周围像素点颜色值的差值大于设定阈值的像素点，将这些提取出的像素点视为边缘像素点；

。

4.根据权利要求1所述的基于自动图像识别的非法钓鱼行为识别方法，其特征在于，步骤3具体为：

步骤3-1，从图像的第一行开始将每一行中连续相邻的边缘像素点标记为一个连续点集合family，同时记录下它的起点Pixel_start和终点Pixel_end以及这个连续点集合的行号rowNum，连续点集合编号Fid；

步骤3-2，从第二行开始如果该行内的连续点集合和上一行中的连续点集合在垂直方向上有相邻的像素点就将前一行中连续点集合的编号赋给它，如果和前一行中的多个连续点集合垂直相邻，就将前一行中较小编号的连续点集合的编号赋给它，并将上一行中的多个连续点集合的编号写入等价序列equal(Fid₁，Fid₂，......)，表明这些连续点集合属于同一个连通区域；

步骤3-3，遍历所有的连续点集合，将所有等价序列中的连续点集合的编号用等价序列中最小的连续点集合编号替代；将连续点集合的编号填入图像中，图像中相同编号的一块区域即为一个连通区域。

5.根据权利要求1所述的基于自动图像识别的非法钓鱼行为识别方法，其特征在于，步骤4具体为：

摄像头的安装位置是固定的，水域和岸边在图像中相对位置的固定的，根据预设值判定步骤3中获得的连通区域中的像素点位于水域还是岸边；

连通区域跨越水域的长度为像素点在水域中占据的像素列列数，连通区域跨越岸边的长度为像素点在岸边占据的像素列列数，总长度为跨越水域和跨越岸边的长度之和，平均宽度为连通区域中像素点在垂直方向上的平均厚度。

6.根据权利要求1所述的基于自动图像识别的非法钓鱼行为识别方法，其特征在于，步骤5具体为：

步骤5-1，根据对大量鱼竿样本统计的实验结果为步骤4中获得的连通区域跨越水域的长度、跨越岸边的长度、总长度以及平均宽度分别赋予一个信任值，形成4个证据；

步骤5-2，对于4个信任值分别为m₁，m₂，m₃，m₄的证据，证据的融合规则用式(2)表示：

其中，A代表证据判定为真，A₁,...A_n分别代表编号为1～n的证据为真；

步骤5-3，将步骤5-2得到的总的信任值与设定阈值进行比较，判断该连通区域是否为一根钓鱼竿。

7.根据权利要求1所述的基于自动图像识别的非法钓鱼行为识别方法，其特征在于，步骤7具体为：

记录在系统内的背景包括固定角度下拍摄到的不同季节不同时间段的背景图像，根据当时的时间选择调用系统中记录的背景图片；

钓鱼竿周围区域是指连通区域在岸边的末端像素点附近100*80的图像区域。

将100*80图像区域中像素点的RGB颜色空间下的颜色值D_i，j(R，G，B)分别和对应背景图片中的像素点颜色值T_i，j(R，G，B)作差值，将差值大于设定阈值的像素点提取出来作为前景目标像素点Q_i，j(R，G，B)。

8.根据权利要求1所述的基于自动图像识别的非法钓鱼行为识别方法，其特征在于，步骤8具体为：

颜色分布直方图的格式为P{{r₁，r₂…r₁₆}，{g₁，g₂，…g₁₆}，{b₁，b₂，…b₁₆}}，将步骤7中提取到的前景目标像素点红绿蓝三个波段的颜色分量分别转换为16级颜色量阶，统计每一个量阶中对应的前景目标像素点个数，统计的结果构成颜色分布直方图；

采用支持向量机来分类获得的前景目标，训练支持向量机的过程采用真人示范完成，通过真人模拟钓鱼者的行为，安装在特定位置的摄像头拍摄模拟的行为，将得到的视频图像序列中钓鱼者的图像区域统计成颜色分布直方图的形式输入到支持向量机中，训练得到向量机分类模型。