一种视频监控物体入侵检测区域的检测方法与流程

本发明涉及图像识别技术领域，尤其涉及一种判断精度高，实时性好的视频监控物体入侵检测区域的检测方法。

背景技术：

随着智能技术的发展，智慧社区的概念不断由理论落实到实践中，特别是ai智能分析物体入侵检测区域的告警视频分析的应用场景，即通过ai智能分析视频监控中是否有物体入侵检测区域，该检测区域为标记出的识别区域。目前，大部分ai判断是否有物体入侵检测区域所采用的处理机制是通过轨迹分析等方法，但是这种方法存在事件发生的滞后性，甚至当物体检测区域的中心点持续在边界徘徊时，可能导致事件无法触发而无法上报等情况的发生，这种情况在一些违规停车、防攀爬等区域检测时，实用性不强。

因此，有必要提出一种改进，以克服现有技术的缺陷。

技术实现要素：

本发明的目的是解决现有技术中的问题，提供一种判断精度高，实时性好的视频监控物体入侵检测区域的检测方法。

本发明的技术方案是：

一种视频监控物体入侵检测区域的检测方法，包括以下步骤：s1、从视频监控中获取视频帧fram；s2、在所述视频帧fram上进行物体检测，获取物体类别、物体相似度及物体区域b；设置所述物体区域b为矩形，所述物体区域b的框体坐标为rbboxes＝[[xmin,ymin]，[xmax,ymax]]；s3、设置检测区域为s，所述检测区域s为凸多边形，具有n条边和n个顶点；s4、判断所述物体区域b及所述检测区域s是否重叠；若有重叠则触发报警事件；若无重叠则返回s1进行下轮视频检测任务。

作为一种优选的技术方案，步骤s4中所述物体区域b与所述检测区域s重叠包括三种情况：a、b包括s或s有顶点在b内；b、s包括b或b有顶点在s内；c、s没有顶点在b内，s有至少一条边与b至少一条对角线相交；情况a、b、c任一情况成立可判断b与s重叠，触发报警事件。

作为一种进一步优选的技术方案，所述步骤s4中情况a的判断方法为：判断s的所有顶点坐标与矩形b所在区域的关系，若s至少有一个顶点的坐标(x，y)符合xmin<x<xmax且ymin<y<ymax，则可判断情况a成立，b与s重叠，触发报警事件。

作为另一种进一步优选的技术方案，所述步骤s4中情况b的判断方法为：s4b1、将s的n个顶点依次放入数组a[n]内；s4b2、获取s的每一条边即edge(i，j)，i由0到n，j＝(i+1)％n；依次获取b的四个顶点p，分别计算i-j和i-p向量的叉积cross；若有cross<0，则有b的顶点在s内，可判断情况b成立，b与s重叠，触发报警事件。

作为一种更进一步优选的技术方案，所述步骤s4b1中，将s的n个顶点按照逆时针顺序依次放入数组a[n]内。

作为再一种进一步优选的技术方案，所述步骤s4中情况c的判断方法为：s4c1、假设矩形b的两线对角线段为l1和l2；s4c2、将s的n个顶点依次放入数组a[n]内；s4c3、获取s的n条边中的每一条边，即edge(i，j)，i由0到n，j＝(i+1)％n，判定b的两条对角线l1和l2的任意一条是否与s的某条边相交；若相交，则可判断情况c成立，b与s重叠，触发报警事件。

作为一种更进一步优选的技术方案，所述步骤s4c2中，将s的n个顶点按照逆时针顺序依次放入数组a[n]内。

作为一种另更进一步优选的技术方案，所述步骤s4c3中判定b的两条对角线l1和l2的任意一条是否与s的某条边相交的方法为：s4c3a、设b的对角线l1(p1，p2)，s的边m1(p3，p4)；s4c3b、以l1和m1为对角线分别建立两个矩形r1及r2，判断矩形r1及r2是否相交，若r1与r2不相交，则l1和m1不相交，若r1及r2相交，则进行步骤s4c3c；s4c3c、标记l1方向向量w＝(p1，p2)，m1的端点p3与l1的端点p1的方向向量为q＝(p1，p3)则根据叉积公式标记cross(p1，p2，p3)＝(p2[0]-p1[0])*(p3[1]-p1[1])-(p3[0]-p1[0])*(p2[1]-p1[1])；同理可得cross(p1，p2，p4)、cross(p3，p4，p1)和cross(p3，p4，p2)；s4c3d、若cross(p1，p2，p3)*cross(p1,p2，p4)<＝0并且cross(p3，p4，p1)*cross(p3，p4，p2)<＝0，则判定l1与m1相交；否则不相交。

作为一种优选的技术方案，所述视频帧fram中的物体区域b的矩形大小与所述物体类别、物体相似度关联；物体类别相同、相似度较高的物体的区域b的矩形大小相同。

作为一种优选的技术方案，所诉步骤s2内的设置所述物体区域b为矩形时，矩形b为物体的外部轮廓的外切矩形。

本发明的一种视频监控物体入侵检测区域的检测方法，通过将视频监控的视频帧中物体区域进行矩形化限定，且优化检测区域的形状为凸多边形，开创性地将智能判断视频监控中是否有物体入侵检测区域的判断方法优化为判断物体图像的矩形与检测区域的凸多边形之间的重叠情况，从而可通过矩形判定及交叉判定判断物体是否入侵检测区域，判断精度高，实时性好。因此，本发明的一种视频监控物体入侵检测区域的检测方法具有判断精度高，实时性好的优点。

附图说明

图1为本发明一种视频监控物体入侵检测区域的检测方法具体实施方式流程图；

图2为本发明一种视频监控物体入侵检测区域的检测方法具体实施方式中物体区域b与所述检测区域s重叠情况a示意图；

图3为本发明一种视频监控物体入侵检测区域的检测方法具体实施方式中物体区域b与所述检测区域s重叠情况b示意图；

图4为本发明一种视频监控物体入侵检测区域的检测方法具体实施方式中物体区域b与所述检测区域s重叠情况c示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书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，“多种”一般包含至少两种，但是不排除包含至少一种的情况。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。

如图1所示为本发明的一种视频监控物体入侵检测区域的检测方法，包括一下步骤：s1、从视频监控中获取视频帧fram；s2、在所述视频帧fram上进行物体检测，获取物体类别、物体相似度及物体区域b；设置所述物体区域b为矩形，所述物体区域b的框体坐标为rbboxes＝[[xmin,ymin]，[xmax,ymax]]；s3、设置检测区域为s，所述检测区域s为凸多边形，具有n条边和n个顶点；s4、判断所述物体区域b及所述检测区域s是否重叠；若有重叠则触发报警事件；若无重叠则返回s1进行下轮视频检测任务。本发明的一种视频监控物体入侵检测区域的检测方法，将物体区域进行矩形化限定，优化检测区域的形状为凸多边形，通过矩形判定和交叉判定原理，可以循环对监控视频画面上的凸多边形检测区域的每一条边与检测物体的矩形区域进行判定，则智能化分析可判定物体入侵检测区域的事件。

如图2至4所示，作为举例，本实施例的检测区域s为凸五边形，具有5条边和5个顶点。

当物体区域b与检测区域s重叠时有三种情况：

如图2所示，情况a为b包括s或s有顶点在b内。

如图3所示，情况b为s包括b或b有顶点在s内。

如图4所示，s没有顶点在b内且b没有顶点在s内，但s有至少一条边与b至少一条对角线相交。

以上三种情况a、b、c任一情况成立，则可判断b与s重叠，触发报警事件。

图2所示的情况a的判断方法为：判断s的所有顶点坐标与矩形b所在区域的关系，若s至少有一个顶点的坐标(x，y)符合xmin<x<xmax且ymin<y<ymax，则可判断情况a成立，b与s重叠，触发报警事件。

图3所示的情况b的判断方法为：

s4b1、将s的n个顶点依次放入数组a[n]内；

s4b2、获取s的每一条边即edge(i，j)，i由0到n，j＝(i+1)％n；依次获取b的四个顶点p，分别计算i-j和i-p向量的叉积cross；若有cross<0，则有b的顶点在s内，可判断情况b成立，b与s重叠，触发报警事件。

本实施例中，s为凸五边形，因此n为5。

为了保证s的所有顶点有序地放入数组a[n]内，作为优选，将s的n个顶点按照逆时针顺序依次放入，当然，在实际应用中，也可以按照顺时针的顺序放入。

图4所示的情况c的判断方法为：

s4c1、假设矩形b的两线对角线段为l1和l2；

s4c2、将s的n个顶点依次放入数组a[n]内；

s4c3、获取s的n条边中的每一条边，即edge(i，j)，i由0到n，j＝(i+1)％n，判定b的两条对角线l1和l2的任意一条是否与s的某条边相交；若相交，则可判断情况c成立，b与s重叠，触发报警事件。

本实施例中，s为凸五边形，因此n为5。

为了保证s的所有顶点有序地放入数组a[n]内，作为优选，将s的n个顶点按照逆时针顺序依次放入，当然，在实际应用中，也可以按照顺时针的顺序放入。

本实施例中，上述步骤s4c3中判定b的两条对角线l1和l2的任意一条是否与s的某条边相交的方法为：

s4c3a、如图4，设b的对角线l1(p1，p2)，s的边m1(p3，p4)；

s4c3b、以l1和m1为对角线分别建立两个矩形r1及r2，判断矩形r1及r2是否相交，若r1与r2不相交，则l1和m1不相交，若r1及r2相交，则进行步骤s4c3c；其中，判断矩形r1及r2是否相交的方法为：判断以下两个条件是否同时满足：r1及r2任一矩形的最右端都大于另一矩形的最左端，且r1及r2任一矩形最高端大于另一矩形的最低端；只要其中任一条件不满足，则两矩形不相交，也即两线段不相交；若两个条件均满足，则r1与r2相交，进行步骤s4c3c；

s4c3c、标记l1方向向量w＝(p1，p2)，m1的端点p3与l1的端点p1的方向向量为q＝(p1，p3)则根据叉积公式标记cross(p1，p2，p3)＝(p2[0]-p1[0])*(p3[1]-p1[1])-(p3[0]-p1[0])*(p2[1]-p1[1])；同理可得cross(p1，p2，p4)、cross(p3，p4，p1)和cross(p3，p4，p2)；

s4c3d、若cross(p1，p2，p3)*cross(p1,p2，p4)<＝0并且cross(p3，p4，p1)*cross(p3，p4，p2)<＝0，则判定l1与m1相交；否则不相交。

为了能够进一步准确地识别视频监控中物体的类别，同时快速确定物体的矩形区域b，作为优选方案，所述视频帧fram中的物体区域b的矩形大小与所述物体类别、物体相似度关联；物体类别相同、相似度较高的物体的区域b的矩形大小相同。可以事先将可能入侵的物体进行类别统计及大小统计，根据物体类别、大小相似度建立与之对应的矩形区域，当从视频监控的图像帧中识别到物体类别相同、相似度较高的物体时，自动匹配其区域b的矩形大小。提高物体矩形区域b的确定效率，从而提高整体检测方法的检测效率，保证检测的实时性。

当然，为了提高检测的准确性，保证物体矩形区域b可以切实反映物体的大小，可以将物体区域b的矩形设置为物体的外部轮廓的外切矩形。从而使物体区域b的矩形形状与物体轮廓贴近，为后续检测物体区域b是否入侵检测区域s的判断准确性提供保障，提高检测精度。

本发明的一种视频监控物体入侵检测区域的检测方法，通过将视频监控的视频帧中物体区域进行矩形化限定，且优化检测区域的形状为凸多边形，开创性地将智能判断视频监控中是否有物体入侵检测区域的判断方法优化为判断物体图像的矩形与检测区域的凸多边形之间的重叠情况，从而可通过矩形判定及交叉判定判断物体是否入侵检测区域，判断精度高，实时性好。因此，本发明的一种视频监控物体入侵检测区域的检测方法具有判断精度高，实时性好的优点。

本发明的一种视频监控物体入侵检测区域的检测方法可以应用于智能社区内的违规停车、禁止攀爬区域攀爬的识别检测，检测精度高，实时性好，检测准确。

综上所述仅为本发明较佳的实施例，并非用来限定本发明的实施范围。即凡依本发明申请专利范围的内容所作的等效变化及修饰，皆应属于本发明的技术范畴。