一种智慧金睛识别越线检测报警方法和装置与流程

本发明涉及一种智慧金睛识别越线检测报警方法和装置。

背景技术：

目前在安防领域中，一般通过摄像头检测当前区域内的事件，如检测监控区域中活动的人或物；但是现有的检测技术只能拍摄图像的内容，不能对图像的内容做进一步的分析：当前监控区域出现越线情况时，无法及时报警，不利于采集正确的应对措施。

技术实现要素：

本发明的目的在于克服现有技术的不足，提供一种慧金睛识别越线检测报警方法和装置，能够识别监控区域的越线情况，进而及时进行越线报警。

本发明的目的是通过以下技术方案来实现的：一种智慧金睛识别越线检测报警方法，包括：

S1.建立监控区域的三维模型,并在三维模型中生成模拟警戒线；

S2.利用双目图像采集模块实时采集监控区域的三维深度图像；

S3.提取三维深度图像中的运动目标，并根据图像景深信息将运动目标投影到三维模型中；

S4.根据三维模型计算运动目标与模拟警戒线的垂直距离：

（1）如果垂直距离小于预设的距离阈值，发生越线行为，进入步骤S5；

（2）如果垂直距离不小于预设阈值，未发生越线行为，返回步骤S2。

S5.进行越线报警。

所述的步骤S1包括以下子步骤：

S11.采集一帧监控区域无人时的三维深度图像；

S12.根据三维深度图像信息，建立监控区域的三维模型。

所述的双目图像采集模块包括二维摄像头和三维视觉传感器，所述的步骤S2中，利用二维摄像头采集监控区域二维图像信息，利用三维视觉传感器采集监控区域的三维图像信息，并根据采集到的图像信息获取图像深度，得到三维深度图像。

所述的步骤S3包括以下子步骤：

S31.采用目标检测算法检测并获取进入监控区域内的目标在视频图像中占据的像素点集合；

S32.根据所述的像素点集合，采用目标提取算法获取进入监控区域内的目标在视频图像中的位置及尺寸；

S33.根据从视频图像中提取的目标，采用有效目标特征识别算法，识别出视频图像中的运动目标；

S34.根据三维深度图像的景深信息将运动目标投影到三维模型中。

一种智慧金睛识别越线检测报警装置，包括：

三维模型建立模块，用于建立监控区域的三维模型；

双目图像采集模块，用于采集监控区域的三维深度图像，包括二维摄像头和三维视觉传感器；

目标投影模块，用于从三维深度图像中提取运动目标，并根据图像景深信息，将运动目标投影到三维模型中；

距离计算模块，用于计算三维模型中运动目标与模拟警戒线的垂直距离，并将垂直距离与距离阈值进行比较；

报警命令生成模块，用于在垂直距离小于距离阈值时生成报警命令；

报警模块，用于响应越线报警判断模块的报警命令，进行越线报警。

本发明的有益效果是：建立监控区域的三维模型并生成模拟警戒线，对实时的三维图像信息进行分析，提取运动目标头投影到三维模型中，根据运动目标与模拟警戒线的垂直距离判断是否发生越线行为，并在发生越线行为时进行报警，有利于及时采取正确措施，避免越线行为带来的危害。

附图说明

图1为本发明的方法流程图；

图2为本发明的装置原理框图。

具体实施方式

下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。

如图1所示，一种智慧金睛识别越线检测报警方法，包括：

S1.建立监控区域的三维模型,并在三维模型中生成模拟警戒线；

S2.利用双目图像采集模块实时采集监控区域的三维深度图像；

S3.提取三维深度图像中的运动目标，并根据图像景深信息将运动目标投影到三维模型中；

S4.根据三维模型计算运动目标与模拟警戒线的垂直距离：

（1）如果垂直距离小于预设的距离阈值，发生越线行为，进入步骤S5；

（2）如果垂直距离不小于预设阈值，未发生越线行为，返回步骤S2。

这里的垂直距离指的是运动目标与模拟警戒线所在竖直平面的垂直距离

S5.进行越线报警。

本申请中，运动目标与模拟警戒线距离很小（小于距离阈值时），可以判定该目标正在越线，因此进行越线报警。

在一个实施例中，为了使越线报警更加准确，在垂直距离小于预设的距离阈值，发生越线行为时，可以根据运动目标在三维模型中的位置来判断是否进行报警：即所述的步骤S5包括：首先很据模拟警戒线为位置将三维模型划分为警戒区域和正常区域：如果运动目标处于警戒区域内而又发生了越线行为，说明运动目标正越线前往正常区域，不进行报警；如果运动目标正处于正常区域内又发生了越线行为，说明运动目标正从正常区域前往警戒区域，需要进行越线报警。

在另一个实施例中，为了使越线报警更加准确，可以结合越线方向来判断是否进行报警, 即所述的步骤S5包括：首先很据模拟警戒线为位置将三维模型划分为警戒区域和正常区域；在垂直距离小于预设的距离阈值，发生越线行为时，进行延时设置（延时时间可自行调整），

然后对运动目标进行跟踪检测，延时时间内，提取每一帧三维深度图像中的运动目标，并根据景深信息将运动目标投影到三维模型中,得到运动目标延时时间内在三维模型中的轨迹，根据运动轨迹可以确定运动目标的越线方向：如果运动目标从警戒区域前往正常区域，不进行报警，如果运动目标从正常区域前往警戒区域，则进行越线报警。

在不同的应用场景，对于警戒区域（不允许随意进入的区域）和正常区域（允许进入的区域）的划分是不同的：

例如在银行ATM间，警戒区域即警戒线内，正常区域为警戒线外；

又如在铁路站台中，警戒区域为警戒线外，容易发生安全事故；正常区域为警戒线内，可以走动而不用担心安全问题。

所述的步骤S1包括以下子步骤：

S11.采集一帧监控区域无人时的三维深度图像；

S12.根据三维深度图像信息，建立监控区域的三维模型。

所述的双目图像采集模块包括二维摄像头和三维视觉传感器，所述的步骤S2中，利用二维摄像头采集监控区域二维图像信息，利用三维视觉传感器采集监控区域的三维图像信息（即监控区域的三维场景信息）；根据三维场景信息或者双目视觉原理,均可获得图像的深度,故由双目图像采集模块的二维摄像头和三维视觉传感器采集即可获得三维深度图像。

所述的步骤S3包括以下子步骤：

S31.采用目标检测算法检测并获取进入监控区域内的目标在视频图像中占据的像素点集合；

进一步地，采用的目标检测算法是背景减除类算法中的高斯混合背景算法，该算法为现有技术，该算法的基本原理是：在视频图像中，目标与背景之间存在着灰度差异，视频图像的灰度直方图会呈现与背景、目标一一对应的多峰，将视频图像的灰度直方图多峰特性视为多个高斯分布的叠加，即可实现视频图像中的背景与目标的分割。

S32.根据所述的像素点集合，采用目标提取算法获取进入监控区域内的目标在视频图像中的位置及尺寸：

S321.利用区域生长法获取所述的像素点集合的生长区域；

具体来说，以获取的像素点集合中的各个像素点为种子像素点，并以这些像素点的灰度值作为数学期望值建立生长区域高斯分布；

将各种子像素点周围邻域中符合生长区域高斯分布的各像素点作为生长点分别合并到各种子像素点所在的区域中，再将各生长点作为新的种子像素点，重复本步骤至没有新的生长点出现，即可获取像素点集合的生长区域，进而得到进入监控区域内的各个目标在视频图像中的位置。

S322.采用K均值特征聚类法获取进入监控区域内的各个目标在视频图像中的尺寸。

具体来说，采用 K 均值特征聚类法，选取各生长区域的均值点作为聚类中心，计算各个样本到聚类中心的距离，把各个样本归到离它最近的那个聚类中心所在的类，并根据计算形成的每一个聚类的数据对象平均值，得到新的聚类中心，重复本步骤至相邻两次得到的聚类中心没有变化，则表明样本调整结束，聚类准则函数已经收敛，即可得到进入监控区域内的各个目标在视频图像中的尺寸。

S33.根据从视频图像中提取的目标，采用有效目标特征识别算法，识别出视频图像中的运动目标；

S34.根据三维深度图像的景深信息将运动目标投影到三维模型中。

如图2所示，一种智慧金睛识别越线检测报警装置，包括：

三维模型建立模块，用于建立监控区域的三维模型；

双目图像采集模块，用于采集监控区域的三维深度图像；

目标投影模块，用于从三维深度图像中提取运动目标，并根据图像景深信息，将运动目标投影到三维模型中；

距离计算模块，用于计算三维模型中运动目标与模拟警戒线的垂直距离，并将垂直距离与距离阈值进行比较；

报警命令生成模块，用于在垂直距离小于距离阈值时生成报警命令；

报警模块，用于响应越线报警判断模块的报警命令，进行越线报警。

所述的图像采集模块包括二维摄像头和三维视觉传感器。

以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。