一种人体目标入侵检测方法
【技术领域】
[0001] 本发明设及一种人体目标入侵检测方法，属于目标检测技术领域。
【背景技术】
[0002] 随着计算机技术的飞速发展，基于视频的监控方式已逐步取代人工巡逻的方式， 成为安全监控的主流。目前，视频监控的智能化水平较低，主要依靠人工监控各个监控点 的监控视频来辨别入侵的人体目标。然而，由于监控室内待监控屏幕很多，值班人员很难 兼顾所有待监控场所，再加上值班人员疲劳或者疏忽，经常会遗漏许多可疑目标，给监控场 所带来重大损失。为降低值班人员的劳动强度、提高视频监控的安全等级，专利"周界智能 防范系统（201420490640,2014)"采用雷达和红外传感器辅助视频监控，雷达传感器可W 检测运动目标，红外传感器可W检测具有特定温度范围的目标，该两种传感器的检测信号 采用"与"的方式进行融合，可W有效检测运动人体目标，并减少风吹草动等许多非人体运 动引起的虚警现象。另外，现有的许多网络摄像机巧日海康网络摄像机DS-2CD3232值)-13) 都具备运动侦测功能，该功能不仅可W像雷达传感器那样检测运动目标，而且可W依据预 先设置的参数，排除小运动目标或非感兴趣区域的运动目标引起的虚警现象。尽管采用上 述方式可W在一定程度上提高视频监控系统的智能化水平，但系统的虚警率较高，主要原 因是上述方式都没有区分人体，易受环境变化、动物出没等因素影响。文献"Rapidobject detectionusingaboostedcascadeofsimplefeatures(CVPR，2001)"、"Histograms oforientedgradientsforhumandetection(CVPR，2005)"等提出了基于图像灰度信息 检测人体目标的方法，可W区分图像中的人体和背景。但由于在全图中捜索人体非常耗时， 难W达到视频监控系统的实时性要求，而且全图中背景干扰大，也易引起虚警现象。
【发明内容】
[0003] 本发明所要解决的技术问题在于提出一种基于多特征融合的入侵人体目标检测 方法，首先检测视频中的运动目标，然后依据目标的形状和运动特性初步筛选出疑似人体 目标，接着再通过空间灰度特征对目标进行细筛选，快速检测入侵的人体目标。
[0004] 为实现上述的发明目的，本发明采用下述的技术方案，流程图如图1所示： 1、基于改进背景差的运动目标检测方法 由于人体检测非常耗时，故本发明先检测视频图像中的运动区域，然后仅在运动区域 内检测人体，从而提高算法的运算效率。
[0005] 背景差法、帖差法和光流法是常用的运动检测方法，其中光流法速度太慢，难W满 足监控系统的实时性要求；帖差法检测的运动目标常存在孔洞或断裂现象，不利于后续的 人体目标判别，故本发明采用背景差法检测运动目标。然而，背景差法受环境光照变化影响 较大。为提高算法对环境的适应能力，本发明提出改进的背景差法，在差分图像分割阶段， 采用错分率小的0TSU方法求取自适应的分割阔值，并依据经验阔值限制分割阔值，防止突 变或极端情况引起的错分现象；在背景更新阶段，结合分割图像更新背景，目标区域保留原 背景像素属性，其他区域对当前图像和背景图像做加权平均，平滑环境变化。具体步骤为：Stepl取初始帖图像I。作为背景图像B ; Step2求取背景差分图像E; 其中，托/)为任一像素点坐标，I为当前帖图像。
[0006]Steps采用0TSU法求取图像E的自适应阔值T。，并依据经验阔值限制分割阔值T 的取值范围：
【主权项】
1. 一种人体目标入侵检测方法，基于多特征融合的入侵人体目标检测方法，其特征 在于，首先检测视频中的运动目标，然后依据目标的形状和运动特性初步筛选出疑似人体 目标，接着再通过空间灰度特征对目标进行细筛选，快速检测入侵的人体目标，具体步骤包 括： (1) 、基于改进背景差的运动目标检测方法 采用背景差法检测运动目标，背景差法受环境光照变化影响较大，为提高算法对环境 的适应能力，在差分图像分割阶段，采用错分率小的OTSU方法求取自适应的分割阈值，并 依据经验阈值限制分割阈值，防止突变或极端情况引起的错分现象；在背景更新阶段，结合 分割图像更新背景，目标区域保留原背景像素属性，其他区域对当前图像和背景图像做加 权平均，平滑环境变化； (2) 、基于多特征融合的人体目标检测方法 基于多特征融合的人体目标检测方法，首先仅在运动区域检测人体，降低背景区域可 能存在的虚警，然后结合形状、运动和空间灰度分布三类特征检测人体，解决单纯依据空间 灰度分布特征存在的虚警率高的问题，同时三类特征按从简单到复杂的顺序逐层进行分 类，提高人体检测速度，包括： (2. 1)目标形状特性检测； (2. 2)目标运动特性检测； (2.3)目标灰度特性检测。
2. 根据权利要求1所述的一种人体目标入侵检测方法，其特征在于，所述基于改进背 景差的运动目标检测方法包括如下步骤： Stepl取初始帧图像Itl作为背景图像B ; St印2求取背景差分图像E :
其中，（LJ)为任一像素点坐标，I为当前帧图像； Step3采用OTSU法求取图像E的自适应阈值Ta，并依据经验阈值限制分割阈值T的取 值范围：
其中，T\、T2分别为阈值的上下限，经验取值为5、25 ; S印4图像分割，得到二值图像MR :
Step5采用数学形态学的"顶帽变换"方法对二值图像MR进行滤波，然后采用8-邻接 连通方法搜索和标记目标； Step6更新背景图像：
其中，参数??是一个经验值，用于控制背景更新的快慢，取值越大背景更新越快，这里 取值为0.02。
3. 根据权利要求1所述的一种人体目标入侵检测方法，其特征在于，所述目标形状特 性检测包括如下步骤： St印1提取目标的形状特征Λ、/2、Α :
其中，《、h分别表示目标区域的宽度和高度，N表示目标区域中值不为零的像素点总 数，W、H分别表示当前图像的宽度和高度； Step2如果形状特征不满足如下条件：
则判定运动目标不是人体，退出当前帧检测，否则继续检测，其中，T3、T4、T5、T 6为经验 阈值，这里取值为50、50、4、60。
4. 根据权利要求1所述的一种人体目标入侵检测方法，其特征在于，所述目标运动特 性检测包括如下步骤： Stepl在二值图像MR上，搜索当前目标区域的左右边界[XuXkIU上下边界[yT，y B]; Step2计算当前目标的质心坐标（xm，ym):
Step3在前一帧的目标中，寻找与当前目标边界所围成的矩形相交且重合区域面积最 大的一个目标，作为当前目标的匹配目标S，如果当前目标无匹配目标，退出当前帧检测，否 贝1J，进入下一步； Step4记S的质心坐标为（X。，yQ)，计算当前目标质心的位移D :
Step5如果位移不满足如下条件：
则判定运动目标不是人体，退出当前帧检测，否则继续检测，其中，τ7、τ8为经验阈值，这 里取值为2、30。
5.根据权利要求1所述的一种人体目标入侵检测方法，其特征在于，所述目标灰度特 性检测具体为：提取运动目标区域所在灰度图像区域的各像素点的灰度值，依据基于Haar 特征的人体检测方法判别当前目标是否为人体，如果不是人体，退出当前帧检测，否则，表 明当前帧存在入侵人体目标，发出声光等警示信息提醒值班人员注意。
【专利摘要】本发明涉及一种人体目标入侵检测方法。首先采用改进的背景差法检测视频每一帧的运动目标；然后提取目标的形状特征，依据人体的形状特性筛选出疑似人体目标；接着提取目标的运动特征，依据人体的运动特性筛选出疑似人体目标；最后提取疑似人体区域的Haar特征，依据人体的空间灰度分布特性检测目标区域是否包含人体。提出基于多特征融合的入侵人体目标检测方法，提高了人体检测的速度，并降低了虚警率，可以智能检测监控视频中是否存在入侵人体目标，提高智能监控系统的安全性和智能化水平。
【IPC分类】G06K9-00
【公开号】CN104866842
【申请号】CN201510300835
【发明人】谢剑斌, 刘通, 闫玮, 李沛秦
【申请人】中国人民解放军国防科学技术大学
【公开日】2015年8月26日
【申请日】2015年6月5日