基于视频特征统计的双模式蒙面人事件自动检测方法
【技术领域】
[0001] 本发明一般涉及计算机智能监控视频处理领域，具体涉及基于视频特征统计的双 模式蒙面人事件自动检测方法。
【背景技术】
[0002] 改革开放以来，在国民经济迅速发展，人民生活水平日益提高的推动下，我国安防 行业蓬勃发展，逐步成长起来，经过三十多年的发展，中国安防行业已形成了门类齐全、技 术先进的巨大体系，并且一直保持快速、健康发展的良好态势。安全防范的用途非常广泛， 而且需求量不断扩大，不论是在银行、企业、交通、小区、军事这些大型或集体场所，还是个 人住宅，都对安全防范的要求与日倶增，随着社会的飞速发展，科技的不断进步，打击犯罪 分子的科技手段也越来越高明，于是视频监控登上历史舞台，不论是在工作领域还是在我 们的日常生活中都得到了广泛的应用，致使犯罪分子难逃法网。但是机遇与挑战是并存的， 虽然视频监控已广泛应用于商场、马路、海关、银行、车站等公共场所，但是由于视频监控是 24小时开启，如果发生事故，就算有时间区间，还是需要人工长时间观看大量的原始视频才 能锁定破案范围，而对于这些原始视频，一个视频动辄就几十个小时，摄像头数量又是一个 相当庞大的数字，用人工去排查，费时费力，还容易漏掉一些关键信息；而且一般的视频监 控只是单纯的录制视频，并没有自主反馈可疑事件的能力，无法发挥实时性和自主性，通常 只能用于事后取证，而很多情况下，如果在第一时间发现可疑行为，就能够有效避免很多损 失。因此能实时、自主的对监控视频进行智能监控、筛选的方法亟待开发，这样就可以充分 发挥视频监控的自主和实时，大量解放人工工作量，这对整个安防领域乃至人类社会都有 不可估量的作用。
[0003] 现有主流的智能视频监控技术主要有:特定物体识别，人车流统计，车牌识别，人 脸检测和人脸识别等。这些智能视频监控技术都是针对特定问题形成的技术，没有在视频 监控中实时识别蒙面人的技术，而且这些技术往往处理速度也不够，识别率低，不能满足实 时监控的要求。而本发明算法处理速度快，识别率高，可以用于实时安防场景。
【发明内容】
[0004] 本发明针对当前安防领域智能视频监控技术的不足，针对缺乏实时检测蒙面人技 术的现状，提供了基于视频特征统计的双模式蒙面人事件自动检测方法。本发明的目的在 于实时检测一个监控视频中出现的蒙面人，包括脸部异常物遮挡的人脸，在检测到可疑目 标的第一时间发出警报，通知安保人员，并快速定位视频帧，保存蒙面人信息，协助破案，具 体技术方案如下。
[0005] 基于视频特征统计的双模式蒙面人事件自动检测方法，包括以下步骤：
[0006] (a)读入视频图像帧，将图像帧缩放到原宽高的设定比例A，并将视频帧彩色图像 转为单通道灰度图像；
[0007] (b)使用高斯背景建模的帧差法逐帧对步骤(a)中读入的视频图像进行运动前景 检测，获得运动物体前景图像；
[0008] (C)运用轮廓检测，对(b)中得到的图像进一步处理，去除面积小于设定阈值的轮 廓，并通过计算轮廓中点坐标所在位置以及和上一帧运动前景的重合比例，找出运动物体 的最大矩形轮廓；
[0009] (d)对步骤(C)中获得的运动过程进行检测，得到人头位置信息，用以初步定位人 头位置；
[0010] (e)对步骤(d)中获得的人头区域图像运用人脸检测，再预估初步定位嘴巴位置；
[0011] (f)通过对步骤(e)中的结果图像进行嘴巴精确位置，并对计算梯度后的图像计算 连通域个数和前两大连通域面积所占的比例，通过阈值设定，最终判定蒙面人。
[0012] 进一步地，步骤(c)包括以下步骤：
[0013] (c-Ι)对(b)中处理过后得到的图像进行二值化，获取二值化后的图像；
[0014] (c-2)对二值化图像进行中值滤波操作；
[0015] (c-3)继续对上述处理获得的图像进行轮廓检测并保存；
[0016] (c-4)依次算出每个轮廓的面积，如果轮廓面积小于总图像面积的设定百分比，将 其舍弃进行下一个轮廓的计算，如果面积符合设定要求，获得该轮廓的外界矩形R〇，并通过 与一个全局最大外接矩形的左上角和右下角位置进行比较，求出当前最大外接矩形框，从 而在循环结束后得到当前帧最大的外接矩形框；
[0017] (c-5)与前一帧图像的宽高进行比较，如果图像高度为前一帧图像高度的0.7倍以 下，将该帧图像放大到该帧原图宽高的1.5倍，如果矩形框宽高超出本帧原图边界大小限 制，放大到边界大小；
[0018] (C-6)记录步骤(C-5)最终获得矩形框高度。
[0019] 进一步地，在步骤(d)中，获取原图像的运动前景区域，转为灰度图后，采用线性插 值法将图像宽高缩放到原图像宽高的设定比例A，然后利用尺度不变性进行人头检测，每次 缩放1.1倍，且人头区域矩形宽高为图像总宽度的20%，连续3次符合级联分类器要求才被 判定为人头，记录人头区域位置信息，供下一个步骤使用。
[0020] 进一步地，在步骤(e)中，对步骤(d)得到的人头的原图像同位置区域进行人脸检 测，每次缩放1.1倍，且人脸区域矩形宽高为图像总宽度的20%，连续3次符合级联分类器要 求才被判定为人脸，记录人脸区域位置信息;在已经得到人脸位置区域的情况下，初步定位 嘴巴位置。
[0021] 进一步地，初步定位嘴巴位置的方法是，在得到的人脸位置框选如下一个矩形，设 原矩形长即平行于X轴的一边为a，宽为b，矩形左上角坐标为(0.25a，0.65b)，嘴巴位置矩形 长0.5a，宽0.35b。
[0022] 进一步地，步骤(f)包括以下步骤：
[0023] (f_l)进一步精确定位嘴巴区域；
[0024] (f-2)采用高斯模糊降噪，核大小为3*3,然后转为灰度图；
[0025] (f-3)使用Sobel算子梯度检测，并使用线性变换转换输入数组元素为其绝对值的 8位无符号整型；
[0026] (f-4)先对(f-3)获得的图像进行锐化，然后采用自适应大津阈值发进行二值化处 理；
[0027] (f-5)对(f-4)处理后的图像进行轮廓检测，计算其轮廓个数，获取图像轮廓个数 特征；
[0028] (f_6)保留（f-4)处理后的图像的前两大连通域，计算前两大连通域占图像像素个 数的比例，获得前两大连通域比例特征；
[0029] (f-7)根据步骤(f-5)和步骤(f-7)的特征判定是否为蒙面人。
[0030] 进一步地，步骤(f-Ι)中，精确定位嘴巴区域的方法是，在初步定位的嘴巴矩形区 域框选如下一个矩形，设原区域矩形长即平行于X轴的一边为a，宽为b，矩形左上角坐标为 (0.2 &，0)，右下角坐标为(0.8&，13)。
[0031] 进一步地，步骤(f-3)中，Sobel算子的输出深度为16位有符号整型，X方向上的差 分阶数为〇，y方向上的差分阶数为1，扩展Sobel核的大小为3*3。
[0032] 进一步地，步骤(f-6)中，保留图像的前两大连通域的计算方法是，获取图像的所 有η个连通域，然后对这η个连通域面积进行排序，只保留前2大连通域，填充满其它连通域， 上述η代表图像中连通域的个数。
[0033] 进一步地，步骤(f-7)中，判定是否为蒙面人的方法是，如果轮廓个数不大于轮廓 个数阈值，就初步判定该帧图像出现对象是正常人，进一步判断如果前两大连通域占由步 骤(f-Ι)得到的嘴巴精确定位图像大小比例不大于0.13,则该帧图像出现对象为蒙面人，否 则为正常人;如果轮廓个数大于轮廓个数阈值，初步判定该帧图像出现对象是蒙面人，进一 步判断如果前两大连通域占由步骤(f-Ι)得到的嘴巴精确定位图像大小比例大于0.13,则 该帧图像出现对象为正常人，否则为蒙面人上述基于视频特征统计的双模式蒙面人事件自 动检测方法中，轮廓个数阈