本发明涉及安保系统的视频监控技术领域，具体涉及一种对监控视频进行过滤的方法，将无用信息忽略，从而节省管理成本。
背景技术：
高清视频、视频存储、智能视频分析等技术成为当前视频技术发展的主要方面。随着大量视频监控的普及，如何实现海量视频的快速浏览，海量视频的浓缩摘要以及在海量的视频数据中快速检索出所需要的视频资料已成为当前视频领域最为重要的研究内容，尤其是在交通和安防视频应用中显得尤为重要。
技术实现要素：
本发明的目的在于在传统视频监控基础上，提供一种监控视频内容过滤方法，通过对视频进行智能化分析，将监控系统中大量对安防无用的信息忽略掉，从而在管理和使用视频时节省大量的人力物力。
本发明的技术方案如下：
一种监控视频内容过滤方法，其特征在于：通过对监控视频进行4个方面的要素分析，实现对重点区域的监控；4个方面的要素分析包括：
(1)分析是否有人、物体或车辆进入或离开预定区域；
(2)是否有人在指定区域内长时间停留徘徊；
(3)视频图像是否有巨大变化；
(4)是否有群体聚集现象；
对符合上述1个或1个以上要素的情况，发出报警信号息；对不符合上述特征的视频，则直接忽略，从而提高监控视频处理效率。
本发明通过监控视频中是否有人、物体或车辆入侵或越界，是否有人在指定区域内长时间停留徘徊，视频图像是否有巨大变化，是否有群体聚集现象，对视频中的异常行为进行分析，实现对重点区域的周界防范，而将监控系统中大量对安防无用的信息忽略掉，从而节省大量的人力物力。
具体实施方式
本发明通过对监控视频进行4个方面的要素分析，实现对重点区域的监控；4个方面的要素分析包括：
(1)分析是否有人、物体或车辆进入或离开预定区域。
分析是否有人、物体或车辆进入或离开预定区域，具体通过以下方法实现：
(11)对视频中的运动目标进行跟踪，并判定运动目标是属于监控区域内、还是监控区域外，实时记录运动目标的外接矩形；
(12)在跟踪的过程中进行实时检测，若属于监控区域外的运动目标，在运动的过程中其外接矩形框的顶点满足同时有位于区域内、有区域外的，此时则可判定发生从外向内入侵；
(13)在跟踪的过程中进行实时检测，若属于监控区域内的运动目标，在运动的过程中其外接矩形框的顶点满足同时有位于区域外、有区域内的，此时则可判定发生从内向外入侵。
(2)是否有人在指定区域内长时间停留徘徊；
分析是否有人在指定区域内长时间停留徘徊的具体方法是：
(21)目标运动轨迹上存在n1(n1≥2)段曲线的主方向角差大于120°；
(22)目标在整个运动过程中，存在n2(n2＝3)段曲线在n2(n2＝15)帧内的运动距离d稳定在一个范围区间[d1，d2]内；
(23)目标在整个运动过程中，存在n3(n3＝3)次当前帧位置与进入监控区域初始位置之间的距离较前n3(n3＝10)帧小；
(24)将同时符合上述特征的目标判定为发生了滞留徘徊的异常行为。
(3)视频图像是否有巨大变化。
分析视频图像是否有巨大变化，从摄像头被遮挡和大幅度移动两个方面进行分析，具体方法是：
(31)摄像头蒙盖情形：若检测到画面突然缺失，但画面各像素值的统计方差不为0，并且之后的t帧中画面变化差异均小于给定的阈值；
(31)摄像头转向情形：采用结合背景差异度以及surf特征点匹配的方法进行判定，即当前图像与一段时间内平均图像的差异像素点比例大于给定的阈值时，再使用surf特征匹配，若匹配结果中很多匹配特征点对应的位置都是重合的，则判定为被转向。
(4)是否有群体聚集现象。
分析是否有群体聚集现象，具体方法如下：
(41)通常不产生人群聚集的情况时，人群是分散且有序的，若人群密集则掩膜连通区域将会膨胀到一定程度，此时连同区域面积占背景面积的比例达到给定阈值时，则判断为人群聚集；
(42)对视频场景中的多目标进行跟踪，如果进入目标的个数与消失目标个数之差大于给定的阈值，则判定为人群聚集。
本发明对监控视频进行智能分析时，对符合上述1个或1个以上要素的情况，发出报警信号息；对不符合上述特征的视频，则直接忽略，从而提高监控视频处理效率，节省大量的人力物力。
1.一种监控视频内容过滤方法，其特征在于：通过对监控视频进行4个方面的要素分析，实现对重点区域的监控；4个方面的要素分析包括：
(1)分析是否有人、物体或车辆进入或离开预定区域；
(2)是否有人在指定区域内长时间停留徘徊；
(3)视频图像是否有巨大变化；
(4)是否有群体聚集现象；
对符合上述1个或1个以上要素的情况，发出报警信号息；对不符合上述特征的视频，则直接忽略，从而提高监控视频处理效率。
2.根据权利要求1所述的监控视频内容过滤方法，其特征在于：分析是否有人、物体或车辆进入或离开预定区域，具体通过以下方法实现：
(11)对视频中的运动目标进行跟踪，并判定运动目标是属于监控区域内、还是监控区域外，实时记录运动目标的外接矩形；
(12)在跟踪的过程中进行实时检测，若属于监控区域外的运动目标，在运动的过程中其外接矩形框的顶点满足同时有位于区域内、有区域外的，此时则可判定发生从外向内入侵；
(13)在跟踪的过程中进行实时检测，若属于监控区域内的运动目标，在运动的过程中其外接矩形框的顶点满足同时有位于区域外、有区域内的，此时则可判定发生从内向外入侵。
3.根据权利要求1所述的监控视频内容过滤方法，其特征在于：分析是否有人在指定区域内长时间停留徘徊的具体方法是：
(21)目标运动轨迹上存在n1(n1≥2)段曲线的主方向角差大于120°；
(22)目标在整个运动过程中，存在n2(n2＝3)段曲线在n2(n2＝15)帧内的运动距离d稳定在一个范围区间[d1，d2]内；
(23)目标在整个运动过程中，存在n3(n3＝3)次当前帧位置与进入监控区域初始位置之间的距离较前n3(n3＝10)帧小；
(24)将同时符合上述特征的目标判定为发生了滞留徘徊的异常行为。
4.根据权利要求1所述的监控视频内容过滤方法，其特征在于：分析视频图像是否有巨大变化，从摄像头被遮挡和大幅度移动两个方面进行分析，具体方法是：
(31)摄像头蒙盖情形：若检测到画面突然缺失，但画面各像素值的统计方差不为0，并且之后的t帧中画面变化差异均小于给定的阈值；
(31)摄像头转向情形：采用结合背景差异度以及surf特征点匹配的方法进行判定，即当前图像与一段时间内平均图像的差异像素点比例大于给定的阈值时，再使用surf特征匹配，若匹配结果中很多匹配特征点对应的位置都是重合的，则判定为被转向。
5.根据权利要求1所述的监控视频内容过滤方法，其特征在于：分析是否有群体聚集现象，具体方法如下：
(41)通常不产生人群聚集的情况时，人群是分散且有序的，若人群密集则掩膜连通区域将会膨胀到一定程度，此时连同区域面积占背景面积的比例达到给定阈值时，则判断为人群聚集；
(42)对视频场景中的多目标进行跟踪，如果进入目标的个数与消失目标个数之差大于给定的阈值，则判定为人群聚集。