发明内容
本发明提供了一种双CCD摄像机自动监控目标侵入的识别方法及***,能够更好更准确的检测到移动物体,同时也可对移动物体进行快速准确的跟踪。
本发明采用的技术方案是:一种双CCD摄像机自动监控目标侵入的识别方法,包括如下步骤:
1)获取摄像设备的以前采集的多帧图像,并建立初始图像模型;
2)获取当前帧图像;
3)通过对当前帧图像和初始图像模型进行处理,得到具有一定移动范围影响的前景物体图像;
4)利用当前帧图像对背景图像模型进行更新;
5)根据所获得的前景图像对监控区域内对有物体在监控区域内移动的情况进行跟踪并对其进行判断。
其中,所述的建立初始图像模型包括如下步骤:
根据对以前采集的多帧图像按照先后顺序进行线性累加,然后取其平均值而获得累计背景初始图像模型,其公式如下:
根据对以前采集的多帧图像每帧图像之间的绝对差图像进行累加,然后取其平均值而获得绝对差图像模型,其公式如下:
根据前两个步骤的结果按照下述公式进行计算,用以去除以前采集的多帧图像中差异比较大的区域。
其中,所述的第三步骤包括如下步骤:
对当前帧图像,计算其与背景图像模型的绝对差值,以一固定值为阈值得到背景剪除后的二值前景图像;
将当前帧分别与前一帧,后一帧相减得到两个差分图像,取相同阈值得到两个差分图像的二值图像,然后对两个差分图像的二值图像做逻辑与运算,得到最终的三差差分前景图像;
对上述步骤所获得的二值前景图像和三差差分前景图像进行逻辑或运算,最终获得运动目标前景图像。
其中,所述的第5步骤判断条件如下:
同一时间两台CCD拍摄的帧图像的两幅前景图像在监控区域内,其前景在区域中的比例都大于设定值;
同一时间两台CCD拍摄的帧图像和前景图像的面积和几何形状的重合程度大于设定值;
同一时间两台CCD拍摄的前一帧的前景图像的面积和当前帧的前景图像的面积差小于设定值。
其中,所述的第1步骤中采集多帧图像的数量应不小于30不大于200.
其中,所述的第5步骤中前两项判断条件的设定值在(0.45-0.8)范围内,第三项判断条件的设定值在(0.05~0.15)范围内。
根据本发明的另一方面,再提出一种自动对实时监控的运动目标异常侵入方法的识别***,包括:
至少两台沿监控区域中心线对称分布CCD摄像机,用于监控区域图像的取得;
初始背景图像处理单元,根据以前采集的多帧图像,得出最终的初始背景图像,用来去除所采集的多帧图像中差异较大部分;
运动目标前景图像获取单元,用于通过运算得到运动目标前景图像;
物体在监控区域内移动判断单元,用于判断在监控区域内是否有物体移动;
背景图像实时更新单元,用于根据现有帧图像实时更新背景图像。
其中,所述的初始背景图像处理单元包括:
累计背景初始图像器,用于对以前采集的多帧图像按先后累加进行线性累加并求平均值;
绝对差图像处理器,用于对以前采集的多帧图像的绝对差进行累加并取平均值;
最终图像背景处理器,用于根据累计背景初始图像单元和绝对差图像处理单元的处理结果,用来去除所采集的多帧图像中差异较大部分,得到最终背景处理图像。
其中,所述的初始背景图像处理单元包括:
累计背景初始图像器,用于对以前采集的多帧图像按先后累加进行线性累加并求平均值;
绝对差图像处理器,用于对以前采集的多帧图像的绝对差进行累加并取平均值;
最终图像背景处理器,用于根据累计背景初始图像单元和绝对差图像处理单元的处理结果,用来去除所采集的多帧图像中差异较大部分,得到最终背景处理图像。
其中,所述的***中包括以监控区域相对成镜像位置的两台CCD摄像机。其中,述的运动目标前景图像获取单元包括:
二值前景图像获取器,用以获得背景剪除后的二值前景图像;
三差差分前景图像获取器,用以获得三差差分前景图像;
前景物体综合处理器,用于对二值前景图像获取器和三差差分前景图像获取器所获取的数据进行运算,去除噪音并得到运动目标前景图像。
本发明实现了对监控范围内指定安全区域的实时监控,达到了对运动目标进行跟踪,对异常侵入进行识别。
具体实施方式
如图1所示,本发明实例应用在铁路路口范围内对指定安全区域的实时监控,通过在铁路路口两侧安装的面阵CCD摄像机,两台面阵CCD摄像机按监控区域中心呈对称安装,采用两台面阵摄像机的运动目标区域分析,可以获得更为准确的跟踪目标。通过两台面阵摄像机获得对指定监控区域的两个角度的视频图像(VIDA,VIDB),两台面阵摄像机镜头到监控区域中心点的距离以能完整清晰的拍摄到所监控区域为宜。
当获得监控信号后,分别对两部摄像机采集到的视频图像进行如下操作:
1.获取触发信号后的同一相机的前N(N∈[30,200])帧图像。
2.建立累计背景初始图像模型-Avg(Pic)和绝对差图像模型AccDiff(Pic)。
2.1累计背景初始图像模型是对N帧按照先后顺序进行线性累加,然后取其平均值而获得的。公式如下:
2.2绝对差图像是对前N帧图像中,每帧图像之间的绝对差图像进行累加,然后取其平均值而获得的。公式如下:
3.根据步骤1中获得的图像模型,利用下面的公式,计算出最终的初始背景模型-BCG,这一步骤的主要用途是去除前N帧图像中差异比较大的区域。公式如下:
4.针对接下来获得的当前帧图像VIDc,计算其与背景图像模型的绝对差值,以T1为阈值得到背景剪除后的二值前景图像FG1
5.用当前帧分别与前一帧,后一帧相减得到两个差分图像C1和C2,取相同阈值T2得到C1和C2的二值图像,然后对C1和C2的二值图像做逻辑与运算,获得最终的三差差分前景图像FG2;
步骤6、对步骤4和步骤5获得的前景图像FG1和FG2进逻辑或运算,最终获得运动目标前景图像F。这一步骤的逻辑或运算可以去除背景噪音,保留具有一定移动范围影响力的前景物体。
在步骤4和5种,阈值T1和T2的设置是由对移动物体敏感度的跟踪要求而设定的固定值。在本实例中,使用OSTU图像二值化算法所获得的T1和T2的值,这样能够达到更好的效果。
步骤7、最后,对背景模型BCG进行实时更新,具体的方法是利用当前帧图像VIDc和下面的公式:a是设定的权重,a的取值根据当前帧图像与最终的初始背景模型BCG的变化程度而定,当变化较大时,设定而定a值就会小一些,当变化较小时,设定的a值会偏大一些。如公式BCGnew=(1-a)*VIDC+a*BCGcurrent所示。
步骤8、通过步骤2-6,分别获得了两部相机(VIDA,VIDB)的前景图像FA和FB,根据A,B两台相机拍摄区域的重合情况,对有物体在监控区域内移动的情况进行判断,判断依据的逻辑标准如下:
同一时间两台CCD拍摄的帧图像的两幅前景图像在监控区域内,其前景在区域中的比例都大于设定值Q1;
同一时间两台CCD拍摄的帧图像和前景图像的面积和几何形状的重合程度大于设定值Q1;
同一时间两台CCD拍摄的前一帧的前景图像的面积和当前帧的前景图像的面积差小于设定值Q2。
在所述的判断中,Q1及Q2的取值根据移动物体的敏感度要求进行具体数值的选择.Q1的取值越大,***对移动物体的敏感度越小;Q2的取值越大,***对移动物体的敏感度越大。但具体取值也要考虑到***处理的运算能力及反应速度,在***处理时间及灵敏度之间选择合适的数值,在本实例中,Q1在(0.45-0.8)范围内取值,Q2在(0.05-0.15)范围内取值。
以上对本发明的一个实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。