一种在家离家状态的检测方法、装置、系统及存储介质与流程
本发明涉及数据处理技术，尤其涉及一种在家离家状态的检测方法、装置、系统及存储介质。
背景技术：
随着当今社会人群渐渐步入老龄化，独居老人和空巢老人的情况也越来越多，同时作为空巢老人子女对老人、居委会(或其他单位)对独居老人在家离家情况的了解的矛盾也日益突出，因此如何对独居老人和空巢老人的情况进行日常看护和了解，这成为了人们(尤其是子女和居委会)关心的问题之一。
目前随着科技水平发展得越来越高，各种消费类的电子产品已经普及应用于各种场所，例如教育、媒体、娱乐、购物等，但是在养老看护领域的应用仍然缺乏。目前常用对独居老人和空巢老人进行看护的看护系统也仅仅停留在通过安装多个传统的探测器(人体感应器)来实现老人在家或者离家的状态检测。然而，对于所述传统的看护系统，其需要在家庭内部安装多个传统的人体探测器才能实现，这样不仅存有设备购买的投入成本过高的问题，而且家庭环境中不一定能提供足够的安装空间，且影响家庭内部环境的美感。
技术实现要素：
有鉴于此，本发明实施例的目的是提供一种在家离家状态的检测方法、装置、系统及存储介质，可降低购买投入成本，且节省安装空间。
第一方面，本发明实施例提供了一种在家离家状态的检测方法，包括以下步骤：
从拍摄得到的视频中获取视频图像序列；
对视频图像序列进行运动目标跟踪后得到所述运动目标的运动轨迹；
根据所述运动轨迹，确定出当前运动事件的类型，其中，所述当前运动事件的类型包括进门事件类型和出门事件类型；
根据确定出的当前运动事件的类型，进行在家离家状态的判断。
进一步，所述根据所述运动轨迹，确定出当前运动事件的类型这一步骤，其包括：
确定所述运动轨迹进入若干个检测图像区域的顺序；
根据所述顺序，确定出当前运动事件的类型为进门事件类型或出门事件类型。
进一步，所述根据确定出的当前运动事件的类型，进行在家离家状态的判断这一步骤，其包括：
当确定出当前运动事件的类型为进门事件类型，则将进门事件的记录次数加1，并判定当前状态为在家状态；
当确定出当前运动事件的类型为出门事件类型，则将出门事件的记录次数加1后，根据当前常驻人口总数、当前进门事件的记录次数以及当前出门事件的记录次数计算出当前在家人数，根据所述计算出的当前在家人数，进行在家离家状态的判断。
进一步，所述根据所述计算出的当前在家人数，进行在家离家状态的判断这一步骤，其包括：
当所述计算出的当前在家人数大于0，则判定当前状态为在家状态；
当所述计算出的当前在家人数等于0，则判定当前状态为离家状态；
当所述计算出的当前在家人数小于0，则将所述计算出的当前在家人数置为0，并判定当前状态为离家状态。
进一步，所述当前常驻人口总数通过以下步骤进行确定：
每隔预设时间间隔计算一次当前进门事件的记录次数与当前出门事件的记录次数之间的差值绝对值；
当到达预设时间点，则从得到的若干个差值绝对值中选取中数值为最大的差值绝对值；
当所述选取出的差值绝对值与前一次计算出的常驻人口总数相同，则确定所述选取出的差值绝对值为当前常驻人口总数；
当所述选取出的差值绝对值与前一次计算出的常驻人口总数不相同，则发送确认请求至客户端，并根据接收到由客户端返回的确认信息来确定出当前常驻人口总数。
进一步，所述根据当前常驻人口总数、当前进门事件的记录次数以及当前出门事件的记录次数计算出当前在家人数这一步骤，其包括：
计算当前进门事件的记录次数以及当前出门事件的记录次数之间的差值；
将所述计算出的差值与所述当前常驻人口总数相加后得到所述当前在家人数。
第二方面，本发明实施例提供了一种在家离家状态的检测系统，包括：
获取模块，用于从拍摄得到的视频中获取视频图像序列；
处理模块，用于对视频图像序列进行运动目标跟踪后得到所述运动目标的运动轨迹；
确定模块，用于根据所述运动轨迹，确定出当前运动事件的类型，其中，所述当前运动事件的类型包括进门事件类型和出门事件类型；
判断模块，用于根据确定出的当前运动事件的类型，进行在家离家状态的判断。
第三方面，本发明实施例提供了一种在家离家状态的检测装置，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现所述一种在家离家状态的检测方法。
第四方面，本发明实施例提供了一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于执行所述一种在家离家状态的检测方法。
第五方面，本发明实施例提供了一种在家离家状态的检测系统，包括控制器以及用于拍摄视频的摄像头，所述控制器与所述摄像头连接；所述控制器包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现所述一种在家离家状态的检测方法。
与现有技术相比较，本发明实施例通过从拍摄得到的视频中获取视频图像序列后，对视频图像序列进行运动目标跟踪后得到所述运动目标的运动轨迹，接着根据所述运动轨迹，确定出当前运动事件的类型，其中，所述当前运动事件的类型包括进门事件类型和出门事件类型，最后根据确定出的当前运动事件的类型，进行在家离家状态的判断，可见通过使用本发明的方案，仅需要安装用于拍摄视频图像的装置便可，这样不仅降低购买投入成本、节省安装空间，而且也提高了检测系统的安装使用便利性；此外，通过使用本发明实施例来进行在家离家状态的检测，其检测准确度高且响应速度快。
附图说明
图1为本发明实施例一种在家离家状态的检测方法的步骤流程示意图；
图2为运动轨迹进入若干个检测图像区域的顺序的第一示意图；
图3为运动轨迹进入若干个检测图像区域的顺序的第二示意图；
图4为在家离家状态判断的一具体流程示意图；
图5为当前常驻人口总数确定的一具体流程示意图；
图6为本发明实施例一种在家离家状态的检测系统的第一结构框图；
图7为本发明实施例一种在家离家状态的检测系统的第二结构框图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。此外，对于以下实施例中所述的若干个，其表示为至少一个。
需要说明的是，如无特殊说明，当某一特征被称为“固定”、“连接”在另一个特征，它可以直接固定、连接在另一个特征上，也可以间接地固定、连接在另一个特征上。此外，本公开中所使用的上、下、左、右等描述仅仅是相对于附图中本公开各组成部分的相互位置关系来说的。在本公开中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。此外，除非另有定义，本文所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。本文说明书中所使用的术语只是为了描述具体的实施例，而不是为了限制本发明。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的组合。
应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种元件，但这些元件不应限于这些术语。这些术语仅用来将同一类型的元件彼此区分开。例如，在不脱离本公开范围的情况下，第一元件也可以被称为第二元件，类似地，第二元件也可以被称为第一元件。本文所提供的任何以及所有实例或示例性语言(“例如”、“如”等)的使用仅意图更好地说明本发明的实施例，并且除非另外要求，否则不会对本发明的范围施加限制。
如图1所示，本发明实施例提供了一种在家离家状态的检测方法，包括以下步骤：
s101、从拍摄得到的视频中获取视频图像序列。
具体地，对于所述拍摄得到的视频，其通常采用摄像头和/或带有摄像头的视频拍摄装置来进行拍摄。而对于所述获取的视频图像序列，其可以通过对拍摄得到的视频中所包含的视频帧图像进行有效视频帧图像筛选后才获得，也可以通过对拍摄得到的视频中所包含的视频帧图像进行图像预处理后才获得，其中，所述图像预处理可包括但不限于有图像滤波、去躁、形态学图像处理等，亦可以直接从拍摄得到的视频中获取视频图像序列。其中，所述视频图像序列指的是：视频中所包含的视频帧图像是按时间顺序依次排列的，因此从视频中按时间顺序依次获取得到的若干个视频帧图像，即为所述的视频图像序列。
s102、对视频图像序列进行运动目标跟踪后得到所述运动目标的运动轨迹。
具体地，所述运动目标的运动轨迹，其可以利用运动目标跟踪技术来跟踪运动目标在图像序列中所产生的运动轨迹。通常对于所述目标跟踪技术，其实现的过程可为：先对视频图像进行前景运动目标区域与背景区域进行区分，以得到视频图像中的前景运动目标区域，然后对视频图像序列所包含的若干个视频图像的前景运动目标区域进行跟踪，从而得到所述运动目标的运动轨迹。此外，对于所述前景运动目标区域的确定，其可以直接将从视频图像中分割得到的前景区域作为所述前景运动目标区域，然后由于在视频图像中，前景目标不一定可能是人，有可能是动物或者其他移动的物体，因此可通过对分割得到的前景区域进行尺寸、区域的中心所处位置等限定条件，从而来确定出所需的前景运动目标区域，这可根据实际情况和/或需求来进行设置，此处并不做过多的限定。
s103、根据所述运动轨迹，确定出当前运动事件的类型，其中，所述当前运动事件的类型包括进门事件类型和出门事件类型。
具体地，若运动轨迹展示运动目标从家里移动至门外，那么则为出门事件，而若运动轨迹展示运动目标从门外移动至家里头，那么则为进门事件，因此，通过所述运动轨迹便能确定出当前运动事件为进门事件或出门事件。
s104、根据确定出的当前运动事件的类型，进行在家离家状态的判断。
在本发明实施例中，所述在家状态指的是家里至少有1个人的状态，而所述离家状态则是家里没有人的状态。此外，在确定出当前状态时，如在家状态或离家状态，还可优选将其实时推送给客户端，这样用户便能实时查看了解到当家家里的在家离家状态。
可见，本发明实施例的在家离家状态检测方法能够通过对从视频中获取得到的视频图像序列进行运动目标跟踪后，根据所述运动轨迹，确定出当前运动事件的类型，其中，所述当前运动事件的类型包括进门事件类型和出门事件类型，然后根据确定出的当前运动事件的类型，进行在家离家状态的判断，这样用户就只需要购买视频设备便可实现在家离家状态的检测，而无需安装多个传统人体探测器才能实现，极大地节省了设备购买的投入成本，而且节省了安装空间，减少了对家庭环境视觉美感的影响；此外通过本发明实施例的检测方法来进行在家离家状态的检测，其检测准确度高，且检测响应快。
在一些优选实施例中，所述根据所述运动轨迹，确定出当前运动事件的类型这一步骤s103，其包括：
s1031、确定所述运动轨迹进入若干个检测图像区域的顺序；
s1032、根据所述顺序，确定出当前运动事件的类型为进门事件类型或出门事件类型。
具体地，如图2所示，所述若干个检测图像区域布设在视频图像上，即在视频图像上确定若干个检测图像区域，并且将每个检测图像区域均具有唯一一个标号，如1、2、3、……、n，该标号可用于对检测图像区域进行识别区分，然后检测所述运动轨迹在整个过程中是先进入哪一个检测图像区域，并且在进入一检测图像区域时，便记录下被运动轨迹进入的检测图像区域的标号，这样被记录下的标号的时间顺序或者先后顺序，便为运动轨迹进入若干个检测图像区域的顺序。那么，将安装好的摄像头对着门口的位置并且可以拍摄到从家里面过渡门口外的区域，这样将所述若干个检测图像区域从左至右依次布设，这样若运动轨迹所进入的区域先后顺序(即触发区域的先后顺序)为1、2、3、……n，且此表示为进门事件，那么若运动轨迹所进入的区域先后顺序为n、n-1、……、2、1，此则表示为出门事件。可见，通过此方式来确定当前运动时间的类型，能够进一步地提高检测准确度以及处理效率。
此外，对于所述若干个检测图像区域的尺寸和形状可以完全不相同、不完全相同或者相同，这可根据实际情况和需求来进行设置。
在一些优选实施例中，所述根据确定出的当前运动事件的类型，进行在家离家状态的判断这一步骤s104，其包括：
s1041、当确定出当前运动事件的类型为进门事件类型，则将进门事件的记录次数in1加1，并判定当前状态为在家状态；和/或，
s1042、当确定出当前运动事件的类型为出门事件类型，则将出门事件的记录次数out1加1后，根据当前常驻人口总数n、当前进门事件的记录次数in1以及当前出门事件的记录次数out1计算出当前在家人数m，根据所述计算出的当前在家人数m，进行在家离家状态的判断。由于在本发明实施例中，所述在家状态指的是家里至少有1个人的状态，而所述离家状态则是家里没有人的状态，因此利用当前常驻人口总数n、当前进门事件的记录次数以及当前出门事件的记录次数来计算出当前在家人数(即当前家里面有的人数)，能够准确地计算出当前在家人数，从而进一步地提高检测准确度。
在一些实施例中，所述根据当前常驻人口总数、当前进门事件的记录次数以及当前出门事件的记录次数计算出当前在家人数这一步骤，其包括：
计算当前进门事件的记录次数in1以及当前出门事件的记录次数out1之间的差值，即in1-out1；
将所述计算出的差值与所述当前常驻人口总数相加后得到所述当前在家人数。
在一些优选实施例中，所述根据所述计算出的当前在家人数，进行在家离家状态的判断这一步骤，其包括：
当所述计算出的当前在家人数m大于0，则判定当前状态为在家状态；
当所述计算出的当前在家人数m等于0，则判定当前状态为离家状态；
当所述计算出的当前在家人数m小于0，则将所述计算出的当前在家人数置为0，并判定当前状态为离家状态。可见，只要计算出的m小于等于0时，则当前确定当前状态为离家状态。其中，m小于0的情况，可能是有小偷或其他人没有从门口进入，此时还应进一步地将离家状态推送给客户端之外，还需要发出提醒信息至客户端，以令使用客户端的用户能够进行查看并确认，这样还能达到安防的效果。
在一些优选实施例中，所述当前常驻人口总数n通过以下步骤进行确定：
每隔预设时间间隔计算一次当前进门事件的记录次数in1与当前出门事件的记录次数out1之间的差值绝对值i，即i＝abs(out1-in1)；例如，从每天上午5点(即5:00a.m)开始，每隔30分钟算一次当前进门事件的记录次数in1与当前出门事件的记录次数out1之间的差值绝对值，那么经历24个小时候，即1天，此时则得到48个差值绝对值，i1、i2、i3、……、i48，其中，i1表示为第1次计算出的差值绝对值。可见，若预设时间间隔不同，以及开始计算时间点以及结束计算时间点设定不同，那么则得到差值绝对值的个数则会不同，即ik表示为第k次计算出的差值绝对值，然后k＝1、2、3、……、k，k的取值会按照实际设定的情况不同而有所不同；
当到达预设时间点，则从得到的若干个差值绝对值中选取中数值为最大的差值绝对值；例如，从i1、i2、i3、……、i48中，选取出数值最大的差值绝对值，如i35；此外，也可以先预设x个时间段，然后先求出每个时间段中最大的差值绝对值，然后再从求得的差值绝对值中选取出数值最大的差值绝对值；
当所述选取出的差值绝对值(如i35)与前一次计算出的常驻人口总数相同，则确定所述选取出的差值绝对值为当前常驻人口总数；
当所述选取出的差值绝对值与前一次计算出的常驻人口总数不相同，则发送确认请求至客户端，并根据接收到由客户端返回的确认信息来确定出当前常驻人口总数。
具体地，由于一个家庭的常驻人口数量可能会因各种因素而产生变化，因此则需要对家庭常驻人口总数进行确认，而每一个最终确认得到的常驻人口数会存储在数据库中，这样当选取出的差值绝对值(如i35)与前一次计算出的常驻人口总数np-1相同，则确定所述选取出的差值绝对值(如i35)为当前常驻人口总数np，但是若i35与np-1不相同，则需要将确认请求发送至客户端，其中所述确认请求包含了i35与np-1不相同这一情况信息，以令客户端在接收到这一确认请求后进行所述确认请求的显示，并且可进一步地发出提示(如令客户端震动、发出语音、提示音)，提醒用户查看，当用户查看并确认情况后，客户端则会返回确认好的信息(即所述确认信息)，然后根据接收到由客户端返回的确认信息来确定出当前常驻人口总数。其中，所述确认信息中可以包含有情况确认信息，此时，则将i35作为np；或者，所述确认信息中可以包含有确认好的常驻人口数，然后将确认信息中所包含的常驻人口数作为np；最后，将确认好的当前常驻人口总数np存储于数据库中。
本发明实施例还提供了一种在家离家状态的检测方法，其具体包括的步骤如下所示。
步骤s201、确定出当前运动事件的类型。其中所述步骤s201包括以下子步骤。
s2011、将摄像头安装在家门口并进行视频拍摄，从拍摄得到的视频中获取视频图像序列，即获取得到若干个视频图像。
s2011、对视频图像序列进行运动目标跟踪后得到所述运动目标的运动轨迹。
在本实施例中，所述运动目标跟踪的具体实施方式步骤如下所示。
1)、建立混合高斯背景模型，然后利用所述混合高斯背景模型来对视频图像进行运动目标与背景之间的划分。
对于所述混合高斯模型算法，其对场景中每个像素点值的分布维护了一个概率密度函数，将场景中每个特定的像素点的值用若干个(一般取3～5个)高斯分布去拟合，每个高斯分布具有自己的权重，因此它能处理多模态背景分布的情况。另一方面，混合高斯模型是参数化的，模型的参数会自适应更新，而且不用缓存过去的视频帧，这样在算法处理的过程中，随着新图像的到来，便可去更新每个像素点各个高斯分布的权重、均值和方差。
首先，在时刻t，某特定像素点像素值为xt的概率是：
其中，k表示了所选取的分布的个数，其主要由硬件计算能力和可用的内存决定，而在本实施例中，k优选选取为3～5。ωn,t是在时刻t第n个高斯模型分量的权重，而
其中，这里μn,t和
|xt-μn,t|<λσn,t
此处表示为xt匹配上了该分布；λ为偏差系数。对匹配上的模型分量，它的参数可按以下等式进行更新：
ωn,t＝(1-α)ωn,t-1+α
μt＝(1-ρ)μt-1+ρxt
此处，α和ρ分别是模型分量权重学习率和模型参数学习率，α可由用户定义，即自定义。若当前新到来的像素值和该像素点的任何一个高斯模型分量都未匹配上，则可将以当前观测值xt为均值，给定一个较大值为初始方差和一个初始较低的权重来构造一个新的模型来替换当前置信度(定义为ω/σ)最低的模型分量。剩余的模型分量保持原来的均值方差不变，但它们的权重可按以下等式进行衰减：
ωn,t＝(1-α)ωn,t-1
接着，为了确定xt是否为前景运动像素，可先按照模型置信度(ω/σ)对该像素点的k个高斯模型分量进行排序，排序靠前的分量有较低的方差和较高的权重，它们能很好地反映背景的特性。因此可选取前面的b个分布作为背景模型，其中b的取值应满足以下准则：
其中，t是背景的度量比例阈值，其可根据场景情况进行具体调整，一般取值为0.5～1。若xt匹配上b个分布中的任何一个分布时，则可确定出当前xt为背景像素，反之则为前景运动像素。
2)、利用上述运动目标跟踪技术从视频图像序列所包含的每一个视频图像中分割出属于运动目标的图像区域后，则根据分割出的若干个运动目标的图像区域来进行运动目标的跟踪，以获得运动目标的运动轨迹。
具体地，对于所述的目标跟踪，其是在序列图像不同时刻检测到的目标之间，通过目标的某些特征在时间上建立得到的联系。而在本实施例中，运动目标之间的联系采用多目标跟踪关联技术来实现，那么基于所述关联而实现的跟踪流程步骤如下所示。
step1、跟踪启动并整理已捕获目标链。所述step1所包含的具体子步骤如下所示。
step1.1、若当前帧号为第一帧，那么所有检测到的目标都被认为是新目标，设置一个初始的置信度。
step1.2、若当前帧号不为第一帧，那么则检查已捕获的目标列表。
step1.3、对得到的目标做线性滤波，以预测其在当前帧的位置。其中，目标的位置用其连通区域外接矩形中心来表示，并令
step2、目标关联。对于此步骤，其主要建立了一个代价函数矩阵来记录已捕获链中各个目标和当前帧检测目标链中各个目标的代价函数值，同时建立一个关联矩阵确定目标最优的对应关系。对于捕获链中的第i个目标，能够在当前检测链中找到使得代价函数e(i,j)最小的检测目标j。同时进一步比较形心距离d(i,j)和一个距离门限dt。
step2.1、若d(i,j)<dt，则确定当前检测到的第j个目标是已捕获链中第i个目标时间上的后续对应，并增加第i个已捕获目标的置信度和更新它的特性参数。
step2.2、若d(i,j)>dt，则确定第i个已捕获目标没有在当前帧里找到时间上的后续对应。那么其置信度会降低，并且若其所处的位置已经接近了场景的边缘，那么则表示其已经走出了场景，则应将其从已捕获链表中移除。若其置信度降低了后的数值仍然较高，且其位置在场景观测区中，那么则仍然利用step1.3所述的线性滤波去预测它的下一帧位置。
step2.3、对于当前检测到的目标，若在已捕获目标链里未找到合适的关联目标，则将其作为新目标添加进已捕获目标链表，并赋予一个初始的置信度。
step3、按照step1和step2的过程处理下一帧视频直到图像序列结束。
可见，通过采用上述方式能够确定出在这个图像序列中运动目标的运动轨迹。
s2013、根据所述运动轨迹，确定出当前运动事件的类型，其中，所述当前运动事件的类型包括进门事件类型和出门事件类型。
具体地，所述步骤s2013包括有：
s20131、确定所述运动轨迹进入若干个检测图像区域的顺序；
s20132、根据所述顺序，确定出当前运动事件的类型为进门事件类型或出门事件类型。
具体地，如图3所示，本实施例在视频画面内设置两个检测图像区域，分别标号为1、2，然后设置区域触发规则，如1-2(即先触发/进入检测图像区域1后，再触发/进入检测图像区域2)，这表示为进门，而2-1(即先触发/进入检测图像区域2后，再触发/进入检测图像区域1)，这则表示为出门。那么根据确定出的运动轨迹确定运动目标触发/进入所述检测图像区域时，则记录其触发/进入的区域标号，然后若标号记录的顺序满足设置的出门顺序，则记录为出门事件，若满足设定的进门顺序，则记录为进门事件。
步骤s202、根据确定出的当前运动事件的类型，进行在家离家状态的判断，如图4所示。其中所述步骤s202包括以下子步骤。
s2021、当确定出当前运动事件的类型为进门事件类型，则将进门事件的记录次数in1加1，并判定当前状态为在家状态。
s2022、当确定出当前运动事件的类型为出门事件类型，则将出门事件的记录次数out1加1后，根据当前常驻人口总数n、当前进门事件的记录次数in1以及当前出门事件的记录次数out1计算出当前在家人数m，根据所述计算出的当前在家人数m，进行在家离家状态的判断。
其中，所述根据当前常驻人口总数m、当前进门事件的记录次数in1以及当前出门事件的记录次数out1计算出当前在家人数m这一步骤，其包括：
计算当前进门事件的记录次数以及当前出门事件的记录次数之间的差值；
将所述计算出的差值与所述当前常驻人口总数相加后得到所述当前在家人数。可见，在本实施例中，m＝n+in1-out1。
然后，对于所述根据所述计算出的当前在家人数m，进行在家离家状态的判断这一步骤，其包括：
当所述计算出的当前在家人数m大于0，则判定当前状态为在家状态；
当所述计算出的当前在家人数m等于0，则判定当前状态为离家状态；
当所述计算出的当前在家人数m小于0，则将所述计算出的当前在家人数置为0，并判定当前状态为离家状态。
此外，对于所述当前常驻人口总数n，其可优选通过以下步骤进行确定，如图5所示：
每隔预设时间间隔计算一次当前进门事件的记录次数in1与当前出门事件的记录次数out1之间的差值绝对值；在本实施例中，所述预设时间间隔为30分钟；
当到达预设时间点，则从得到的若干个差值绝对值中选取中数值为最大的差值绝对值；在本实施例中，开始计算的时间点为凌晨3点，而结束计算的时间点则为第二天的凌晨3点，这样为1个时间段，然后连续选取了3个时间段，也就是说，选取了3天时间，然后计算每一天最大的差值绝对值，接着，从这3天所算出的3个最大的差值绝对值中再选出数值最大的差值绝对值，也就是说，每天可得到48个差值绝对值，然后从这48个差值绝对值中选取出数值为最大的差值绝对值imax，接着下来的2天也如此操作，此时则得到3个imax，然后就可从这3天所对应的差值绝对值选取出数值为最大的差值绝对值；
当所述选取出的差值绝对值与前一次计算出的常驻人口总数相同，则确定所述选取出的差值绝对值为当前常驻人口总数；
当所述选取出的差值绝对值与前一次计算出的常驻人口总数不相同，则发送确认请求至客户端以用于提醒，并根据接收到由客户端返回的确认信息来确定出当前常驻人口总数。由于一个家庭的常驻人口数量可能会因各种因素而产生变化，因此则需要对家庭常驻人口总数进行确认，而每一个最终确认得到的常驻人口数会存储在数据库中，这样当选取出的差值绝对值(如i35)与前一次计算出的常驻人口总数np-1相同，则确定所述选取出的差值绝对值(如i35)为当前常驻人口总数np，但是若i35与np-1不相同，则需要将确认请求发送至客户端，其中所述确认请求包含了i35与np-1不相同这一情况信息，以令客户端在接收到这一确认请求后进行所述确认请求的显示，并且可进一步地发出提示(如令客户端震动、发出语音、提示音)，提醒用户查看，当用户查看并确认情况后，客户端则会返回确认好的信息(即所述确认信息)，然后根据接收到由客户端返回的确认信息来确定出当前常驻人口总数。其中，所述确认信息中可以包含有情况确认信息，此时，则将i35作为np；或者，所述确认信息中可以包含有确认好的常驻人口数，然后将确认信息中所包含的常驻人口数作为np；最后，将确认好的当前常驻人口总数np存储于数据库中。
可见，本发明实施例的在家离家状态检测方法能够通过对从视频中获取得到的视频图像序列进行运动目标跟踪后，根据所述运动轨迹，确定出当前运动事件的类型，其中，所述当前运动事件的类型包括进门事件类型和出门事件类型，然后根据确定出的当前运动事件的类型，进行在家离家状态的判断，这样用户就只需要购买视频设备便可实现在家离家状态的检测，而无需安装多个传统人体探测器才能实现，极大地节省了设备购买的投入成本，而且节省了安装空间，减少了对家庭环境视觉美感的影响；此外通过本发明实施例的检测方法来进行在家离家状态的检测，其检测准确度高，且检测响应快。
如图6所示，本发明实施例还提供了一种在家离家状态的检测系统，包括：
获取模块，用于从拍摄得到的视频中获取视频图像序列；
处理模块，用于对视频图像序列进行运动目标跟踪后得到所述运动目标的运动轨迹；
确定模块，用于根据所述运动轨迹，确定出当前运动事件的类型，其中，所述当前运动事件的类型包括进门事件类型和出门事件类型；
判断模块，用于根据确定出的当前运动事件的类型，进行在家离家状态的判断。
在一些优选实施例中，所述确定模块包括：
第一确定子模块，用于确定所述运动轨迹进入若干个检测图像区域的顺序；
第二确定自模块，用于根据所述顺序，确定出当前运动事件的类型为进门事件类型或出门事件类型。
在一些优选实施例中，所述判断模块包括：
第一子模块，用于当确定出当前运动事件的类型为进门事件类型，则将进门事件的记录次数加1，并判定当前状态为在家状态；
第二子模块，用于当确定出当前运动事件的类型为出门事件类型，则将出门事件的记录次数加1后，根据当前常驻人口总数、当前进门事件的记录次数以及当前出门事件的记录次数计算出当前在家人数，根据所述计算出的当前在家人数，进行在家离家状态的判断。
在一些优选实施例中，所述根据所述计算出的当前在家人数，进行在家离家状态的判断，其包括：
当所述计算出的当前在家人数大于0，则判定当前状态为在家状态；
当所述计算出的当前在家人数等于0，则判定当前状态为离家状态；
当所述计算出的当前在家人数小于0，则将所述计算出的当前在家人数置为0，并判定当前状态为离家状态。
在一些优选实施例中，所述当前常驻人口总数通过以下步骤进行确定：
每隔预设时间间隔计算一次当前进门事件的记录次数与当前出门事件的记录次数之间的差值绝对值；
当到达预设时间点，则从得到的若干个差值绝对值中选取中数值为最大的差值绝对值；
当所述选取出的差值绝对值与前一次计算出的常驻人口总数相同，则确定所述选取出的差值绝对值为当前常驻人口总数；
当所述选取出的差值绝对值与前一次计算出的常驻人口总数不相同，则发送确认请求至客户端，并根据接收到由客户端返回的确认信息来确定出当前常驻人口总数。
在一些优选实施例中，所述根据当前常驻人口总数、当前进门事件的记录次数以及当前出门事件的记录次数计算出当前在家人数这一步骤，其包括：
计算当前进门事件的记录次数以及当前出门事件的记录次数之间的差值；
将所述计算出的差值与所述当前常驻人口总数相加后得到所述当前在家人数。
上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
本发明实施例还提供了一种在家离家状态的检测装置，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现所述一种在家离家状态的检测方法步骤。可见，上述方法实施例中的内容均适用于本装置实施例中，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
此外，本发明实施例还提供了一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于执行上述方法实施例中任一个技术方案所述的一种在家离家状态的检测方法步骤。对于所述存储介质，其可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。同样可见，上述方法实施例中的内容均适用于本存储介质实施例中，本存储介质实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
如图7所示，本发明实施例还提供了一种在家离家状态的检测系统，包括控制器以及用于拍摄视频的摄像头，所述控制器与所述摄像头连接；所述控制器包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现所述一种在家离家状态的检测方法。
上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
应当认识到，本发明的实施例系统中所包含的层、模块、单元和/或平台等可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。
此外，本发明实施例系统中所包含的层、模块、单元和/或平台所对应执行的数据处理流程，其可按任何合适的顺序来执行，除非本文另外指示或以其他方式明显地与上下文矛盾。本发明实施例系统中所包含的层、模块、单元和/或平台所对应执行的数据处理流程可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步，所述系统可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明系统中所包含的层、模块、单元和/或平台所对应执行的数据处理流程可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、ram、rom等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。
以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。
- 还没有人留言评论。精彩留言会获得点赞！