CN104200466A - 一种预警方法及摄像机 - Google Patents

Abstract

本发明实施例公开了一种预警方法及摄像机，用于解决摄像机不能对越界时间进行预警的问题。本发明实施例方法包括：摄像机利用基于像素的随机抽样保守建模方法构建的背景模型提取第t帧图像中的所有前景块，并利用预先设置的级联分类模型判断所有前景块中是否包含目标前景块，若所有前景块中包含目标前景块，则利用基于直方图交集核HIK匹配算法的目标搜索模型预测目标前景块的行动方向，若确定的目标前景块的行动方向指向警戒区域，则摄像机向监控台发送预警警报，通过对目标前景块的行动方向进行预测，能够有效的实现目标前景块的实时跟踪且能够有效的进行预警。

Description

一种预警方法及摄像机

技术领域

本发明涉及监控器领域，尤其涉及一种预警方法及摄像机。 

背景技术

在当下社会中，摄像机无处不在，视频监控***更是不断的推陈出新。架设摄像机更是为了能有效的防止违法事件发生，给作案人员以心理上的震慑作用，监控***的使用也大大的解放了监控人员，以往20个现场巡逻人员的工作现在1个监控人员就能够完成。同时，监控人员只需要通过终端就可以进行远程的指挥调度，提高了工作效率。更为重要的是，监控***具有录像功能，方便事后取证。 

经济的快速发展促生了不稳定因素的滋长，为了更好的建设一个稳定和谐的社会，对摄像机的使用量不断增加，普通居民区都会有数百路的监控摄像机，整个城市的则是成千上万。现有技术中，摄像机具有越线、区域入侵、要等行为判断的功能，在出现越线及区域入侵等越界事件之后，能够发出报警消息，然而，现有技术中的摄像机是在检测到行人已经入侵之后才发出报警，无法对越界事件进行预测，不能为安保人员对越界事件进行处理争取时间，可能造成巨大的损失。 

发明内容

本发明实施例提供了一种预警方法及摄像机，能够有效解决现有技术中摄像机不能对越界事件进行预警的问题。 

本发明实施例提供的预警方法，包括： 

摄像机利用基于像素的随机抽样保守建模方法构建的背景模型提取当前第t帧图像中的所有前景块； 

所述摄像机利用预先设置的级联分类模型判断所述所有前景块中是否 包含目标前景块，所述目标前景块是指特征与预先设置的可疑行人的特征的匹配度高于预先设置的阈值的前景块； 

若所述所有前景块中包含目标前景块，则所述摄像机利用基于直方图交集核HIK匹配算法的目标搜索模型预测所述目标前景块的行动方向； 

若预测的目标前景块的行动方向指向警戒区域，则所述摄像机向监控台发送预警警报。 

本发明实施例提供的摄像机，包括： 

提取模块，用于利用基于像素的随机抽样保守建模方法构建的背景模型提取当前第t帧图像中的所有前景块； 

判断模块，用于在所述提取模块得到所述所有前景块之后，利用预先设置的级联分类模型判断所述所有前景块中是否包含目标前景块，所述目标前景块是指特征与预先设置的可疑行人的特征的匹配度高于预先设置的阈值的前景块； 

确定模块，用于若所述判断模块确定所述所有前景块中包含目标前景块，则基于直方图交集核HIK匹配算法的目标搜索模型预测所述目标前景块的行动方向； 

发送模块，用于若所述确定模块预测的目标前景块的行动方向指向警戒区域，则机向监控台发送预警警报。 

从以上技术方案可以看出，本发明实施例具有以下优点：摄像机利用基于像素的随机抽样保守建模方法构建的背景模型提取当前第t帧图像中的所有前景块，利用预先设置的级联分类模型判断该所有前景块中是否包含目标前景块，其中，目标前景块是指特征与预先设置的可疑行人的特征的匹配度高于预先设置的阈值的前景块，若该所有前景块中包含目标前景块，则基于直方图交集核(Histogram Intersection Kernel，HIK)匹配算法的目标搜索模型预测所述目标前景块的行动方向，且若确定的目标前景块的行动方向指向警戒区域，则向监控台发送预警警告，通过预测目标前景块的行动方向，能够有效的实现目标前景块的实时跟踪且能够有效的进行预警。 

附图说明

图1为本发明实施例中预警方法的一个示意图； 

图2为本发明实施例中预警方法的另一示意图； 

图3为本发明实施例中级联分类模型的一个示意图； 

图4为本发明实施例中第二中心像素点的搜索模型； 

图5为本发明实施例中摄像机的结构的一个示意图； 

图6为本发明实施例中摄像机的结构的另一示意图。 

具体实施方式

本发明实施例提供了一种预警方法及摄像机，能够有效解决现有技术中摄像机不能对越界事件进行预警的问题。 

下面通过具体实施例，分别进行详细的说明。 

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。 

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤 或单元。 

在本发明实施例中，预警方法应用在监控***的摄像机上，摄像机能够对视频数据进行处理并对可能发生的越界事件进行预警，能够为安保人员对越界事件进行处理争取时间，且能够及时阻止一些越界事件的发生。且监控***的多个摄像机具有联动功能，即一个摄像机在检测到可疑行人之后，可将该可疑行人的特征通过云端的方式与其他的摄像机共享，此外，监控***还可与门禁***联动，即在行人通过门禁***进入监控***的监控领域之后，门禁***将通知摄像机进行目标的检测和跟踪。 

请参阅图1，为本发明实施例中一种预警方法，该方法包括： 

101、利用基于像素的随机抽样保守建模方法构建的背景模型提取第t帧图像中的所有前景块； 

在本发明实施例中，预警方法应用在监控***的摄像机上，摄像机能够对视频数据进行处理并对可能发生的越界事件进行预警，能够为安保人员对越界事件进行处理争取时间，且能够及时阻止一些越界事件的发生。 

在本发明实施例中，摄像机可利用基于像素的随机抽样保守建模方法构建的背景模型，利用该背景模型能够从帧图像中提取出前景块。 

其中，背景模型中包含摄像机拍摄的帧图像的每一个像素点随机抽取的历史像素值的集合，通常的，监控***中安装的摄像机的位置是固定的，且拍摄的区域也是固定的，摄像机可通过随机抽取拍摄的多帧图像上的像素点的像素值构建背景模型。例如，M(x)＝{V₁，V₂，……,V_n}，其中，x表示像素点，V_i是指像素点x的第i个历史像素值，且像素点x的像素值集合M(x)中的样本并不是连续的，而是随机抽取的。且构建的背景模型的像素值集合M中的样本也不是连续的，也是随机抽取的。 

在本发明实施例中，摄像机可利用背景模型提取第t帧图像中的所有前景块，其中，前景块一般是指在摄像机的拍摄区域内的行人车辆等，此外，帧图像中的背景块一般是指摄像机的拍摄区域内固定存在的物理，例如建筑物、树木等等。 

需要说明的是，背景模型是基于像素的随机抽样保守建模方法构建的，利用该背景模型提取前景块，能够有效的解决由于全局搜索所导致的时间复杂度过高的问题。 

102、利用预先设置的级联分类模型判断所有前景块中是否包含目标前景块，目标前景块是指特征与预先设置的可疑行人的特征的匹配度高于预先设置的阈值； 

在本发明实施例中，摄像机中预先设置了级联分类模型，其中，级联分类模型用于区分提取的前景块是否为行人及确定行人是否为可疑行人，且摄像机将对可疑行人进行实时跟踪，在可疑行人有进入警戒区域的趋势的情况下，向监控台发送预警警告。 

在本发明实施例中，摄像机在提取出所有前景块之后，可利用预先设置的级联分类模型判断在该所有前景块中是否包含目标前景块，目标前景块是指特征中包含可疑行人的特征。 

103、若所有前景块中包含目标前景块，则摄像机利用基于HIK匹配算法的目标搜索模型预测目标前景块的行动方向； 

在本发明实施例中，若摄像机确定在提取的前景块中包含目标前景块，则利用基于HIK匹配算法的目标搜索模型预测目标前景块的行动方向。 

104、若确定的目标前景块的行动方向指向警戒区域，则向监控台发送预警警报。 

在本发明实施例中，若摄像机确定的目标前景块的行动方向指向警戒区域，则该摄像机向监控台发送预警警报，其中预警警告中至少包含目标前景块，预警地点等，使得监控台的安保人员在看到预警警报之后能够及时正确的对该警报进行处理。 

需要说明的是。若摄像机确定的目标前景块的行动方向指向非警戒区域，则摄像机将该目标前景块的行动方向发送给监控台，使得监控台能够绘制该目标前景块的行动轨迹，以实现实时跟踪。 

在本发明实施例中，摄像机利用基于像素的随机抽样保守建模方法构建的背景模型提取第t帧图像中的所有前景块，利用预先设置的级联分类模型判断该所有前景块中是否包含目标前景块，其中，目标前景块是指特征与预先设置的可疑行人的特征的匹配度高于预先设置的阈值的前景块，若该所有前景块中包含目标前景块，则基于HIK匹配算法的目标搜索模型预测目标前景块的行动方向，且若确定的目标前景块的行动方向指向警戒区域，则向监控台发送预警警告，通过实时预测目标前景块的行动方向，能够有效的实现目标前景块的实时跟踪且能够有效的进行预警。 

为了更好的理解本发明实施例中的技术方案，请参阅图2，为本发明实施例中的预警方法的另一实施例，包括： 

201、根据背景模型中包含的像素点的历史像素值的集合确定第t帧图像中的每一个像素点是前景块像素点还是背景块像素点； 

在本发明实施例中，摄像机将根据背景模型中包含的像素点的历史像素值的集合确定第t帧图像中的每一个像素点是前景块像素点还是背景块像素点，具体的，摄像机将对每一个像素点执行以下的步骤：确定像素点i在背景模型中的若干个历史像素值中，处于像素点i当前的欧式圆区域内的像素值的个数，欧式圆区域是指以像素点i在第t帧图像中的像素值为中心，预先设置的最近邻半径为半径形成的像素值区域；若处于像素点i当前的欧式圆区域内的历史像素值个数小于或等于预先设置的阈值，则像素点i为前景块像素点；若处于像素点i当前的欧式圆区域内的历史像素值个数大于预先设置的阈值，则像素点i为背景块像素点。 

其中，该第t帧是指当前帧。 

202、将第t帧图像中确定的前景块像素点划分成前景块； 

在本发明实施例中，摄像机在确定第t帧图像中的每一个像素点是前景块像素点还是背景块像素点之后，将确定的前景块像素点划分成前景块，其中，划分的方式是指若一个像素点与与其相邻的任意一个像素点均为前 景块像素点，则该两个像素点划分到同一个前景块中。 

在本发明实施例中，摄像机在将前景像素点划分为前景块之后，将利用预先设置的级联分类模型判断该所有前景块中是否包含目标前景块，其中，级联分类模型是变换直方图(Census Transform Histogram，CENTRIST)特征-前向特征选择(Forward Feat Selection，FFS)-级联(Cascade)构成的分类模型，其中，CENTRIST特征是一种基于轮廓的特征描述子，具有运算简单，兼顾局部和整体特征的能力的优点，且对光照和旋转变换具有鲁棒性。 

其中，FFS是一种强分类训练算法，基于反复迭代和贪心算法思想，其特点是每次迭代之后样本的权重不必更新，每个弱分类器对最终的分类结果具有相同的投票权。且使用FFS和Cascade构建分类模型是因为二者在提高检测速率上具有很大的优势，能够保证一定的检测率上，最大限度的降低分类的时间复杂度。 

在本发明实施例中，上述的级联分类模型包括行人分类模型和HIK匹配算法，其中，其中，行人分类模式是采用离线的方式训练得到的，是根据该摄像机的监控***中的摄像机采集的大量视频数据，提取出行人在各种不同的背景环境下的不同姿态，着装及具有遮挡的行人正样本，同时提取不含有行人的负样本，通过增强学习(Boost Learning)的方法确定可疑行人的特征。 

其中，行人分类模型是基于上述的CENTRIST特诊和FFS特征，且采用级联的方式来进行分类的。 

为了更好的理解本发明实施例中的技术方案，下面将详细介绍行人分类模型的训练过程，包括： 

步骤1、采集大量的监控视频数据，从中抽取各种姿态、着装的行人样本，并统一归一化为预置大小的正样本，例如：样本大小为36*72尺寸。选取街道，广场，建筑等不含有任何行人的背景块作为样本，同样归一化 为预置大小的样本，例如也可以为36*72尺寸。选取不含行人的大图(480*720)作为增强学习的负样本。预处理正负样本，提取各个样本的CENTRIST特征，组成正负训练样本特征集。初始化当前级联分类器为空。 

步骤2、基于正负样本特征集，利用FFS算法训练出一个具有一定分类能力的强分类器，并将其加入到当前的级联分类器中。 

步骤3、利用当前的级联分类器处理负训练样本集，剔除判断正确的负样本。再用当前的级联分类器处理上述的增强学习的负样本，将分错的负样本添入负训练样本集中，以此更新训练用的负样本。然后继续执行操作2.直到级联分类器到达一定的检测精度为止。 

为了更好的理解摄像机利用预先设置的级联分类模型判断前景块中是否包含目标前景块的技术方案，请参阅步骤203和步骤204： 

利用行人分类模型从所有前景块中提取特征为行人的前景块； 

在本发明实施例中，摄像机将利用行人分类模型从所有前景块中提取特征为行人的前景块。 

请参阅图3，为本发明实施例中，行人分类模型的示意图，在该行人分类模型中，H1，H2，……，Hr代表行人分类模型对前景块的分类级别，且从H1至Hr的判断是越来越针对细节的判断，例如：H1的判断的是前景块的轮廓，通过轮廓确定是行人还是非行人，H2的判断则是前景块中是否包含满足常规大小和形状的头部等等。d(1)、f(1)、d(2)、f(2)、……、d(r)、f(r)为前景块的特征的标识，例如：一个前景块的特征经过H1之后确定为非人(non-human)，则该前景块不需要再继续判断是否为行人，若该前景块的特征经过H1之后确定可能是行人，则由将该前景块的特征d(1)、f(1)输入H2，且若判断为非人，则停止对该前景块的判断，否则该前景块可能是行人，继续由下一级H进行判断，直至最后从行人分类模型输出，确定该前景块是否为行人。 

204、根据HIK匹配算法计算特征为行人的前景块的特征与预先设置的 可疑行人的特征的匹配度，若包含匹配度大于预先设置的阈值的前景块，则确定匹配度大于预先设置的阈值的前景块为目标前景块； 

在本发明实施例中，摄像机在提取特征为行人的前景块之后，将根据HIK匹配算法计算特征为行人的前景块的特征与预先设置的可疑行人的匹配度，若包含匹配度大于预先设置的阈值的前景块，则确定匹配度大于预先设置的阈值的前景块为目标前景块。 

需要说明的是，在本发明实施例中，摄像机内保存了可疑行人的特征，且该可疑行人的特征可以是摄像机从大量的视频数据中分析得到的，也可以是监控台的服务器通过摄像机之间的联动功能，将由监控人员输入的可疑行人的特征共享到摄像机中，由摄像机保存。 

其中，监控台的服务器确定可疑行人的特征的方式为：监控人员打开摄像机A的监控视频，点击***提供的信息录入按钮，设定信息的查询时间段(查询时间段是指包含作案过程的时间段)，***将会将该查询时间段的视频以单帧的形式呈现，架设当前选取的时间是15:00到15:05这段时间，***会抽样给出这段时间摄像机A反馈的图像，约50帧，监控人员只需要在有可疑人员的图像上通过鼠标将目标用矩形框标注(可疑人员的样本的标注个数由监控人员决定，但必须大于或等于1，标注个数将会对检测和追踪的准确性产生影响)，点击确认录入中，***将会生成可疑目标的特征。 

监控人员还可设置共享该可疑行人的特征的摄像头的范围，例如，根据疑犯逃跑到当前的时间来大致估计其可能逃出的区域大小，***默认的区域表示是以指定的一个地点为中心的一个圆形区域内，***给出区域半径的滑动框，监控人员可以滑动按钮来弹性选择区域大小，确定后，该区域包含的所有摄像机将通过摄像机联动功能接收到服务器端发送的可疑行人的特征，并开始在各自监控区域进行目标检测。 

在本发明实施例中，摄像机根据HIK匹配算法计算特征为行人的前景块的特征与预先设置的可疑行人的特征的匹配度，确定匹配度高于预先设 置的阈值的前景块为目标前景块具体可以为：摄像机确定特征为行人的前景块的直方图，根据HIK匹配算法计算该前景块的直方图与可疑行人的特征的直方图的匹配度，确定匹配度高于预先设置的阈值的前景块为目标前景块。 

205、确定在第t帧图像中处于目标前景块中心位置的像素点作为第一中心像素点； 

在本发明实施例中，若摄像机提取的前景块中包含目标前景块，则要对该目标前景块进行跟踪，并对可能发生的越界进行预测。且若摄像机提取的前景块中包含目标前景块，则摄像机先将确定在第t帧图像中处于目标前景块中心位置的像素点作为第一中心像素点。 

206、在第t+1帧图像中以第一中心像素点为圆心，预置长度为半径的圆形区域内的前景块像素点中，提取以前景块像素点为中心对应的图块的CENTRIST特征，利用HIK匹配算法将以前景块像素点为中心对应的图块的CENTRIST特征与预先设置的可疑行人的CENTRIST特征进行匹配，确定匹配度最高的前景块像素点为第二中心像素点； 

在本发明实施例中，摄像机确定目标前景块在第t帧图像中的第一中心像素点之后，将在第t+1帧图像中以第一中心像素点为圆心，预先设置的长度为半径得到圆心区域内的前景块像素点中，提取以前景块像素点为中心对应的图块的CENTRIST特征，利用HIK匹配算法将该图块的CENTRIST特征与预先设置的可疑行人的CENTRIST特征进行匹配，确定匹配度最高的前景块像素点为第二中心像素点；请参阅图4，为本发明实施例中，第二中心像素点的搜索模型，其中，圆形的圆心表示第一中心像素点Pt，圆的半径为R，黑点表示前景块像素点。 

需要说明的是，依据上述方式，摄像机可在第t+2帧图像上按照上述方式确定第三中心像素点，以此类推，摄像机可得到多个中心像素点，且通过该多个中心像素点的位置的变化预测目标前景块的行动方向。 

其中，摄像机确定以第一中心像素点为圆心，预置长度为半径的圆心区域内的像素点中哪些事前景块像素点的方式为：摄像机确定该区域内的像素点i在背景模型中的若干个历史像素值中，处于该像素点i当前的欧式圆区域内的历史像素值的个数，且若处于该像素点i当前的欧式圆区域内的历史像素值的个数小于或等于预先设置的阈值，则像素点i为前景块像素点，若处于该像素点i当前的欧式圆区域内的历史像素值的个数大于该预先设置的阈值，则该像素点i为背景块像素点。 

在本发明实施例中，通过利用第一中心像素点对匹配搜索范围进行限定，能够在提高匹配准确率的同时降低时间复杂度。 

207、根据第一中心像素点及第二中心像素点在帧图像中的位置预测目标前景块的行动方向； 

在本发明实施例中，摄像机根据第一中心像素点及第二中心像素点在帧图像中的位置预测目标前景块的行动方向。其中，由第一中心像素点可确定该目标前景块一个位置，由第二中心像素点可确定该目标前景块的另一个位置，由第一中心像素点确定的位置指向第二中心像素点确定的位置的方向即为该目标前景块的行动方向。 

需要说明的是，步骤207中仅仅是以两个中心像素点预测目标前景块的行动方向为例进行说明的，在实际应用中，还可通过步骤207中描述的方式，以上一帧图像中确定的中心像素点，确定当前帧中的中心像素点，通过多个像素点的位置变化预测目标前景块的行动方向。 

208、若确定的目标前景块的行动方向指向警戒区域，则摄像机向监控台发送预警警报。 

在本发明实施例中，若确定的目标前景块的行动方向指向警戒区域，则摄像机向监控台发送预警警报，其中，行动方向指向警戒区域是指警戒区域在目标前景块的行动方向所指的区域，且在该行动方向上距离该目标前景块最近的区域。 

需要说明的是，在本发明实施例中，还可根据第一中心像素点及第二中心像素点在帧图像中的位置计算目标前景块的移动速度，例如，确定第一中心像素点及第二中心像素点在帧图像中的位置之间距离，按照预先设置的比例将该距离换算成目标前景块实际移动的距离，则该目标前景块实际移动的距离与两帧之间的时间差的商即为目标前进块移动移动速度。 

在本发明实施例中，预警警报中至少包含目标前景块的特征，行动方向，位置等等，此外还可包含该目标前景块的移动速度。 

需要说明的是，若确定的目标前景块的行动方向指向非警戒区域，且是在实时监控场景下，则该摄像机与其相邻的摄像机共享该目标前景块，使得其他的摄像机也能够对该目标前景块进行跟踪。获取到目标前景块的特征的摄像机将在视频衔接处进行检查，发现目标前景块之后进行跟踪，使得可实现对目标前景块的无间断跟踪。 

需要说明的是，若确定侧目标前景块的前景方向指向非警戒区域，摄像机还可将该目标前景块的行动方向发送给监控台的服务器，使得服务器能够根据多个摄像机发送的目标前景块的行动方向绘制该目标前景块的行动轨迹。 

其中，摄像机可从目标前景块的特征中选择一些特征进行跟踪，常用的特征有：颜色、边缘、局部描述子及多特征融合等，基于颜色的特征，其具有较好的抗击屏幕旋转，非刚性变形以及部分遮挡的能力，在算法中常采用目标区域的色调直方图特征作为描述子，优点是计算复杂度低，局部匹配准确率高。 

在步骤205至步骤207中，描述的是基于HIK匹配算法的目标搜索模型预测目标前景块的行动方向，不同于现有技术中的Mean Shift算法和Particle Filter算法，通过特征匹配搜索获取多数帧频下目标前景块的位置变化，能够解决现有技术中目标跟踪带来的漂移问题，也可以降低由于每帧都进行行人检测而造成的过高时间复杂度。 

上述的HIK匹配算法的目标搜索模型确定目标前景块在每一帧中的位置是一种基于局部优化的算法思想，基于目标在相邻帧间移动范围有限的前提，用局部最优代替全局最优，以取得更高的运输效率。但是，基于搜索的方式是一种估计算法，会有误差积累的缺陷，第t+1帧中目标的位置是由第t帧中目标的位置估计而来，本身就有一定的误差，再通过t+1帧中目标的位置来估计t+2帧中目标的位置就会把误差累积进来，多帧后，目标的轨迹就会产生很大的偏差，对预警的准确性产生影响。为了解决该问题，可以采用检测的方式对目标前景块的位置进行校正，以减少或者避免误差，具体可以为：在第t+x*n帧图像中，基于HIK匹配算法的目标搜索模型确定目标前景块的位置，x和n均为正整数；利用背景模型及级联分类器确定矫正目标前景块，并利用矫正目标前景块的位置对目标前景块的位置进行矫正。 

其中，步骤201至204中描述的是利用背景模型及级联分类器确定校正目标前景块的方式，步骤205至207中描述的是基于匹配算法的目标搜索模型确定目标前景块的位置的方式。 

其中，利用校正目标前景块对目标前景块进行校正可以为：通过检测获取的校正目标前景块的个数j与搜索的当前已有目标前景块的个数i之间存在以下关系，其中，矫正目标前景块的数目即为检测到的可疑行人的个数，搜索的当前已有的目标前景块的个数即为已有跟踪链个数，不同情况下具有不同的匹配策略： 

1)i＝＝j；此时检测到的可疑行人的个数与已有跟踪链个数相等，通过位置和色调直方图匹配来实现对跟踪链的更新。 

2)i>j；此时检测到的可疑行人的个数小于已有跟踪链个数，先对跟踪链位置进行判断，是否超过视频范围，超出则删除该跟踪链。对未匹配到检测框的跟踪链由搜索到的位置信息更新跟踪链。 

3)i<j；此时检测到的可疑行人的个数大于已有跟踪个数，通过匹配后 剩余的检测对象为新进入视频的目标，为其创建新的跟踪链。 

通过以上的搜索和检测相结合的方法可以降低目标的偏移幅度，最大程度拟合目标的运动轨迹。 

在本发明实施例中，摄像机在根据背景模型中包含的像素点的历史像素值的集合确定第t帧图像中每一个像素点是前景块像素点还是背景块像素点之后，将第t帧图像中确定的前景块像素点划分成前景块，利用预先设置的CENTRIST特征-FFS-Cascade构成的级联分类模型判断前景块中是否包含目标前景块，若在提取的前景块中包含目标前景块，则确定在第t帧图像中处于目标前景块中心位置的像素点作为第一中心像素点，在第t+1帧图像中以第一中心像素点为圆心，预置长度为半径的圆心区域内的前景块像素点中，提前以前景块像素点为中心对应的图块的CENTRIST特征，利用HIK匹配算法将得到的图块的CENTRIST特征与预先设置的可疑行人的CENTRIST特征进行匹配，确定匹配度最高的前景块像素点为第二中心像素点，利用第一中心像素点及第二中心像素点在帧图像中的位置预测目标前景块的行动方向，且若确定的目标前景块的情动方向指向警戒区域，则摄像机向监控台发送预警报告，使得摄像机能够有效的实现对目标前景块的跟踪及实现对越界事件的预测，减少越界事件发生的概率。 

且在本发明实施例中，摄像机能够完成对越界事件的预测，避免将数据传输至监控台带来的时间浪费，大大提升了预警效率。 

需要说明的是，在本发明实施例中，监控***中的摄像机还可以与门禁***联动，在行人通过门禁***进入监控***的监控范围时，门禁***通知预先设置的摄像机进行目标的检测及跟踪，且摄像机可按照本发明实施例中描述的预警方法对越界事件进行预警。 

需要说明的是，本发明实施例中描述的预警方案还可使用在公安监控***中，且能够应用于犯罪份子的实时跟踪和事后追踪。为了更好的理解本发明实施例中的技术方案，下面将描述具体的应用场景： 

监控人员怀疑犯罪份子A出现在B区，则在B区的监控台输入犯罪份子A的特征，监控台的服务器将犯罪份子A的特征共享到B区的所有摄像机上，摄像机保存该犯罪份子A的特征。 

摄像机D利用基于像素的随机抽样保守建模方法构建的背景模型提前当前第t帧图像中的所有前景块，根据HIK匹配算法计算特征为行人的前景块的特征与预先设置的可疑行人的特征的匹配度，其中，可疑行人中包含犯罪份子A，确定匹配度大于预先设置的阈值的前景块的目标前景块E，且该目标前景块E与犯罪份子A的特征的匹配度最高。 

摄像机D确定在第t帧图像中处于目标前景块E的中心位置的像素点作为第一中心像素点，在地t+1帧图像中以第一中心像素点为圆心，预置长度为半径的圆形区域内的前景块像素点中，提前以前景块像素点为中心对应的图块CENTRIST特征，利用HIK匹配算法将该图块的CENTRIST特征与犯罪份子A的特征进行匹配，确定匹配度最高的像素点为第二中心像素点，根据该第一中心像素点及第二中心像素点在帧图像中的位置确定目标前景块E的行动方向。 

且若目标前景块E的行动方向指向警戒区域，则向监控台发送预警警报，以防犯罪份子A进入警戒区域，且若目标前景块E的行动方向非警戒区域，则将犯罪份子A的行动方向反馈给监控台，使得监控台能够利用摄像机反馈的犯罪份子A的行动方向确定犯罪份子A的行动轨迹。 

请参阅图5，为本发明实施例中摄像机的结构的示意图，包括： 

提取模块501，用于利用基于像素的随机抽样保守建模方法构建的背景模型提取第t帧图像中的所有前景块； 

判断模块502，用于在所述提取模块501得到所述所有前景块之后，利用预先设置的级联分类模型及行人分类模型判断所述所有前景块中是否包含目标前景块，所述目标前景块是指特征与预先设置的可疑行人的特征的匹配度高于预先设置的阈值的前景块； 

预测模块503，用于若所述判断模块502确定所述所有前景块中包含目 标前景块，则基于搜索和检测相结合的方式，根据所述目标前景块在所述第t帧图像和第t+1帧图像中的位置变化预测所述目标前景块的行动方向； 

发送模块504，用于若所述预测模块503预测的目标前景块的行动方向指向警戒区域，则向监控台发送预警警报。 

在本发明实施例中，提取模块501利用基于像素的随机抽样保守建模方法构建的背景模型提取第t帧图像中的所有前景块，接着判断模块502将利用预先设置的级联分类模型及行人分类模型判断所有前景块中是否包含目标前景块，其中，目标前景块是指特征与预先设置的可疑行人的特征的匹配度高于预先设置的阈值的前景块，且若判断模块502确定所有前景块中包含目标前景块，则基于直方图交集核HIK匹配算法的目标搜索模型预测所述目标前景块的行动方向，最后，若确定模块503确定的目标前景块的行动方向指向警戒区域，发送模块504向监控台发送预警警告。 

在本发明实施例中，摄像机利用基于像素的随机抽样保守建模方法构建的背景模型提取第t帧图像中的所有前景块，利用预先设置的级联分类模型判断该所有前景块中是否包含目标前景块，其中，目标前景块是指特征与预先设置的可疑行人的特征的匹配度高于预先设置的阈值的前景块，若该所有前景块中包含目标前景块，则基于直方图交集核HIK匹配算法的目标搜索模型预测所述目标前景块的行动方向，且若确定的目标前景块的行动方向指向警戒区域，则向监控台发送预警警告，通过对目标前景块的行动方向进行预测，能够有效的实现目标前景块的实时跟踪且能够有效的进行预警。 

请参阅图6为本发明实施例中摄像机的结构的另一实施例，包括： 

如图6所示实施例中描述的提取模块501，判断模块502，预测模块503及发送模块504，且与图5所示实施例中描述的内容相似，此处不再赘述。 

在本发明实施例中，所述背景模型中包含所述摄像机拍摄的帧图像的每一个像素点随机抽取的历史像素值的集合； 

则所述提取模块501包括： 

第一确定模块601，用于根据所述背景模型中包含的像素点的历史像素 值的集合确定所述第t帧图像中的每一个像素点是前景块像素点还是背景块像素点； 

第二确定模块602，用于在所述第一确定模块601确定所述第t帧图像中的每一个像素点是前景块像素点还是背景块像素点之后，将所述第t帧图像中确定的前景块像素点划分成前景块。 

其中，所述第一确定模块601具体用于确定像素点i在所述背景模型中的若干个历史像素值中，处于所述像素点i当前的欧式圆区域内的历史像素值的个数，所述欧式圆区域是指以所述像素点i在所述第t帧图像中的像素值为中心，预先设置的最近邻半径为半径形成的像素值区域；若所述个数小于或等于预先设置的阈值，则所述像素点i为前景块像素点；若所述个数大于所述预先设置的阈值，则所述像素点i为背景块像素点。 

在本发明实施例中，所述级联分类模型为：CENTRIST特征-FFS-Cascade构成的级联分类模型，且级联分类模型中包含行人分类模型和所述HIK匹配算法； 

则所述判断模块502包括： 

级联分类模块603，用于在所述提取模块501得到所述所有前景块之后，利用行人分类模型从所述所有前景块中提取特征为行人的前景块； 

目标判断模块604，用于在所述级联分类模块603提取特征为行人的前景块之后，根据所述HIK匹配算法计算所述特征为行人的前景块的特征与预先设置的可疑行人的特征的匹配度，若包含匹配度大于预先设置的阈值的前景块，则确定匹配度大于预先设置的阈值的前景块为目标前景块。 

在本发明实施例中，所述预测模块503包括： 

第三确定模块605，用于在所述目标判断模块604确定所述特征为行人的前景块中包含所述目标前景块，确定在所述第t帧图像中处于所述目标前景块中心位置的像素点作为第一中心像素点； 

匹配模块606，用于所述第三确定模块605确定所述第一中心像素点之后，在第t+1帧图像中以所述第一中心像素点为圆心，预置长度为半径的圆形区域内的前景块像素点中，提取以所述前景块像素点为中心对应的图块 的CENTRIST特征，利用所述HIK匹配算法将以所述前景块像素点为中心对应的图块的CENTRIST特征与所述预先设置的可疑行人的CENTRIST特征进行匹配，确定匹配度最高的前景块像素点为第二中心像素点； 

方向预测模块607，用于在所述匹配模块606得到所述第二中心像素点之后，根据所述第一中心像素点及所述第二中心像素点在帧图像中的位置预测所述目标前景块的行动方向。 

在本发明实施例中，所述摄像机还包括： 

矫正模块608，用于在第t+x*n帧图像中，基于所述HIK匹配算法的目标搜索模型确定所述目标前景块的位置，所述x和n均为正整数； 

检测模块609，用于利用所述背景模型及所述级联分类器确定矫正目标前景块，并利用所述矫正目标前景块的位置对所述目标前景块的位置进行矫正。 

在本发明实施例中，提取模块501中的第一确定模块601根据背景模型中包含的像素点的历史像素值的集合确定所述第t帧图像中的每一个像素点是前景块像素点还是背景块像素点，并由第二确定模块602将所述第t帧图像中确定的前景块像素点划分成前景块，判断模块502中的级联分类模块603利用预先行人分类模型从所述所有前景块中提取特征为行人的前景块，并由目标判断模块604根据HIK匹配算法计算所述特征为行人的前景块的特征与预先设置的可疑行人的特征的匹配度，若包含匹配度大于预先设置的阈值的前景块，则确定匹配度大于预先设置的阈值的前景块为目标前景块，若目标判断模块604确定所述特征为行人的前景块中包含所述目标前景块，确定模块503中的第三确定模块确定在该第t帧图像中处于该目标前景块中心位置的像素点作为第一中心像素点，并由匹配模块606在第t+1帧图像中以该第一中心像素点为圆心，预置长度为半径的圆形区域内的前景块像素点中，提取以该前景块像素点为中心对应的图块的CENTRIST特征，利用该HIK匹配算法将以该前景块像素点为中心对应的图块的CENTRIST特征与该预先设置的可疑行人的CENTRIST特征进行匹配，确定匹配度最高的前景块像素点为第二中心像素点，由方向预测模块 607根据该第一中心像素点及所述第二中心像素点在帧图像中的位置预测所述目标前景块的行动方向。在本发明实施例中，在第t+x*n帧图像中，矫正模块608基于所述HIK匹配算法的目标搜索模型确定所述目标前景块的位置，所述x和n均为正整数，并由检测模块609利用该背景模型及该级联分类器确定矫正目标前景块，并利用该矫正目标前景块的位置对该目标前景块的位置进行矫正。 

在本发明实施例中，摄像机在根据背景模型中包含的像素点的历史像素值的集合确定第t帧图像中每一个像素点是前景块像素点还是背景块像素点之后，将第t帧图像中确定的前景块像素点划分成前景块，利用预先设置的CENTRIST特征-FFS-Cascade构成的级联分类模型判断所有前景块中是否包含目标前景块，若在提取的前景块中包含目标前景块，则确定在第t帧图像中处于目标前景块中心位置的像素点作为第一中心像素点，在第t+1帧图像中以第一中心像素点为圆心，预置长度为半径的圆心区域内的前景块像素点中，提取以所述前景块像素点为中心对应的图块的CENTRIST特征，利用所述HIK匹配算法将以所述前景块像素点为中心对应的图块的CENTRIST特征与所述预先设置的可疑行人的CENTRIST特征进行匹配，确定匹配度最高的前景块像素点为第二中心像素点。并根据第一中心像素点及第二中心像素点在帧图像中的位置预测目标前景块的行动方向，且若确定的目标前景块的情动方向指向警戒区域，则摄像机向监控台发送预警报告，使得摄像机能够有效的实现对目标前景块的跟踪及实现对越界事件的确定，减少越界事件发生的概率。 

本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。 

以上对本发明所提供的一种预警方法及摄像机进行了详细介绍，对于本领域的一般技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。 

Claims (12)

1.一种预警方法，其特征在于，包括：

摄像机利用基于像素的随机抽样保守建模方法构建的背景模型提取当前第t帧图像中的所有前景块；

所述摄像机利用预先设置的级联分类模型判断所述所有前景块中是否包含目标前景块，所述目标前景块是指特征与预先设置的可疑行人的特征的匹配度高于预先设置的阈值的前景块；

若所述所有前景块中包含目标前景块，则所述摄像机利用基于直方图交集核HIK匹配算法的目标搜索模型预测所述目标前景块的行动方向；

若预测的目标前景块的行动方向指向警戒区域，则所述摄像机向监控台发送预警警报。

2.根据权利要求1所述的预警方法，其特征在于，所述背景模型中包含所述摄像机拍摄的帧图像的每一个像素点随机抽取的历史像素值的集合，则所述摄像机利用基于像素的随机抽样保守建模方法构建的背景模型提取第t帧图像中的所有前景块包括：

根据所述背景模型中包含的像素点的历史像素值的集合确定所述第t帧图像中的每一个像素点是前景块像素点还是背景块像素点；

将所述第t帧图像中确定的前景块像素点划分成前景块。

3.根据权利要求2所述的预警方法，其特征在于，所述根据所述背景模型中包含的像素点的历史像素值的集合确定所述第t帧图像中的每一个像素点是前景块像素点还是背景块像素点包括：

确定像素点i在所述背景模型中的若干个历史像素值中，处于所述像素点i当前的欧式圆区域内的历史像素值的个数，所述欧式圆区域是指以所述像素点i在所述第t帧图像中的像素值为中心，预先设置的最近邻半径为半径形成的像素值区域；

若所述个数小于或等于预先设置的阈值，则所述像素点i为前景块像素点；若所述个数大于所述预先设置的阈值，则所述像素点i为背景块像素点。

4.根据权利要求2或3所述的预警方法，其特征在于，所述级联分类模型为：变换直方图CENTRIST特征-前向特征选择FFS-级联Cascade构成的级联分类模型，所述级联分类模型中包含行人分类模型和所述HIK匹配算法，则所述摄像机利用预先设置的级联分类模型判断所述所有前景块中是否包含目标前景块包括：

利用所述行人分类模型从所述所有前景块中提取特征为行人的前景块；

根据所述HIK匹配算法计算所述特征为行人的前景块的特征与预先设置的可疑行人的特征的匹配度，若包含匹配度大于所述预先设置的阈值的前景块，则确定匹配度大于所述预先设置的阈值的前景块为目标前景块。

5.根据权利要求4所述的预警方法，其特征在于，所述摄像机利用基于直方图交集核HIK匹配算法的目标搜索模型预测所述目标前景块的行动方向包括：

确定在所述第t帧图像中处于所述目标前景块中心位置的像素点作为第一中心像素点；

在第t+1帧图像中以所述第一中心像素点为圆心，预置长度为半径的圆形区域内的前景块像素点中，提取以所述前景块像素点为中心对应的图块的CENTRIST特征，利用所述HIK匹配算法将以所述前景块像素点为中心对应的图块的CENTRIST特征与所述预先设置的可疑行人的CENTRIST特征进行匹配，确定匹配度最高的前景块像素点为第二中心像素点；

根据所述第一中心像素点及所述第二中心像素点在帧图像中的位置预测所述目标前景块的行动方向。

6.根据权利要求1所述的预警方法，其特征在于，所述方法还包括：

在第t+x*n帧图像中，基于所述HIK匹配算法的目标搜索模型确定所述目标前景块的位置，所述x和n均为正整数；

利用所述背景模型及所述级联分类器确定矫正目标前景块，并利用所述矫正目标前景块的位置对所述目标前景块的位置进行矫正。

7.一种摄像机，其特征在于，包括：

提取模块，用于利用基于像素的随机抽样保守建模方法构建的背景模型提取当前第t帧图像中的所有前景块；

判断模块，用于在所述提取模块得到所述所有前景块之后，利用预先设置的级联分类模型判断所述所有前景块中是否包含目标前景块，所述目标前景块是指特征与预先设置的可疑行人的特征的匹配度高于预先设置的阈值的前景块；

预测模块，用于若所述判断模块确定所述所有前景块中包含目标前景块，则基于直方图交集核HIK匹配算法的目标搜索模型预测所述目标前景块的行动方向；

发送模块，用于若所述预测模块预测的目标前景块的行动方向指向警戒区域，则机向监控台发送预警警报。

8.根据权利要求7所述的摄像机，其特征在于，所述背景模型中包含所述摄像机拍摄的帧图像的每一个像素点随机抽取的历史像素值的集合，则所述提取模块包括：

第一确定模块，用于根据所述背景模型中包含的像素点的历史像素值的集合确定所述第t帧图像中的每一个像素点是前景块像素点还是背景块像素点；

第二确定模块，用于在所述第一确定模块确定所述第t帧图像中的每一个像素点是前景块像素点还是背景块像素点之后，将所述第t帧图像中确定的前景块像素点划分成前景块。

9.根据权利要求8所述的摄像机，其特征在于，所述第一确定模块具体用于确定像素点i在所述背景模型中的若干个历史像素值中，处于所述像素点i当前的欧式圆区域内的历史像素值的个数，所述欧式圆区域是指以所述像素点i在所述第t帧图像中的像素值为中心，预先设置的最近邻半径为半径形成的像素值区域，若所述个数小于或等于预先设置的阈值，则所述像素点i为前景块像素点，若所述个数大于所述预先设置的阈值，则所述像素点i为背景块像素点。

10.根据权利要求8或9所述的摄像机，其特征在于，所述级联分类模型为：变换直方图CENTRIST特征-前向选择特征FFS-级联Cascade构成的级联分类模型，所述级联分类模型中包含行人分类模型和所述HIK匹配算法，则所述判断模块包括：

级联分类模块，用于在所述提取模块得到所述所有前景块之后，利用所述行人分类模型从所述所有前景块中提取特征为行人的前景块；

目标判断模块，用于在所述级联分类模块提取特征为行人的前景块之后，根据所述HIK匹配算法计算所述特征为行人的前景块的特征与预先设置的可疑行人的特征的匹配度，若包含匹配度大于所述预先设置的阈值的前景块，则确定匹配度大于所述预先设置的阈值的前景块为目标前景块。

11.根据权利要求10所述的摄像机，其特征在于，所述确定模块包括：

第三确定模块，用于在所述目标判断模块确定所述特征为行人的前景块中包含所述目标前景块，确定在所述第t帧图像中处于所述目标前景块中心位置的像素点作为第一中心像素点；

匹配模块，用于所述第三确定模块确定所述第一中心像素点之后，在第t+1帧图像中以所述第一中心像素点为圆心，预置长度为半径的圆形区域内的前景块像素点中，提取以所述前景块像素点为中心对应的图块的CENTRIST特征，利用所述HIK匹配算法将以所述前景块像素点为中心对应的图块的CENTRIST特征与所述预先设置的可疑行人的CENTRIST特征进行匹配，确定匹配度最高的前景块像素点为第二中心像素点；

方向预测模块，用于在所述匹配模块得到所述第二中心像素点之后，根据所述第一中心像素点及所述第二中心像素点在帧图像中的位置预测所述目标前景块的行动方向。

12.根据权利要求7所述的摄像机，其特征在于，所述摄像机还包括：

矫正模块，用于在第t+x*n帧图像中，基于所述HIK匹配算法的目标搜索模型确定所述目标前景块的位置，所述x和n均为正整数；

检测模块，用于利用所述背景模型及所述级联分类器确定矫正目标前景块，并利用所述矫正目标前景块的位置对所述目标前景块的位置进行矫正。