CN106599788B - 一种视频运动目标越线检测***及方法 - Google Patents

一种视频运动目标越线检测***及方法 Download PDF

Info

Publication number
CN106599788B
CN106599788B CN201611022001.1A CN201611022001A CN106599788B CN 106599788 B CN106599788 B CN 106599788B CN 201611022001 A CN201611022001 A CN 201611022001A CN 106599788 B CN106599788 B CN 106599788B
Authority
CN
China
Prior art keywords
target
detection zone
line segment
alarm
detection
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201611022001.1A
Other languages
English (en)
Other versions
CN106599788A (zh
Inventor
蔡晓东
曹艺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GUILIN TOPINTELLIGENT COMMUNICATION TECHNOLOGY Co Ltd
Original Assignee
GUILIN TOPINTELLIGENT COMMUNICATION TECHNOLOGY Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by GUILIN TOPINTELLIGENT COMMUNICATION TECHNOLOGY Co Ltd filed Critical GUILIN TOPINTELLIGENT COMMUNICATION TECHNOLOGY Co Ltd
Priority to CN201611022001.1A priority Critical patent/CN106599788B/zh
Publication of CN106599788A publication Critical patent/CN106599788A/zh
Application granted granted Critical
Publication of CN106599788B publication Critical patent/CN106599788B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本发明涉及一种视频运动目标越线检测***及方法，其方法包括以下步骤：输入监控视频，在监控视频中绘制报警线段；确定目标在报警线段附近出现时的大小，根据目标的大小在报警线段处绘制目标框；根据目标框的大小及报警线段自动选择检测区域，对检测区域进行背景建模，根据检测区域的背景识别目标，对检测区域的目标进行跟踪；当跟踪的目标越过报警线段，则进行报警。相对现有技术，本发明能降低误检和漏检，提升算法效率。

Description

一种视频运动目标越线检测***及方法
技术领域
本发明涉及视频技术领域，特别涉及一种视频运动目标越线检测***及方法。
背景技术
目前的安防视频中对运动目标越线算法基本流程为：1、用户选定场景中线段的位置；2、对场景进行背景建模，提取运动前景；3、对运动目标进行跟踪；4、判断目标是否越线。
现有的专利及文献都是针对背景建模过程中应用的算法和提取运动前景应用的算法进行改进，但是研发成本和时间成本都相对较高，由于目前背景建模算法的局限性，复杂场景下很难平衡误检和漏检问题，导致***实用性大大降低。误检多来至于建模算法的不稳定造成的，光照影响较大；漏检多源于过分屏蔽误检，导致一些目标也被屏蔽。另外，复杂的算法也带来了时间上的消耗，越线算法主要的时间消耗都来自于检测区域的大小，若让用户选择检测区域，用户是不明白算法的，他会选得很大，造成极大浪费，导致算法处理时间过长，影响用户使用感受。
发明内容
本发明的目的是提供一种视频运动目标越线检测***及方法，所要解决的技术问题是：如何降低误检和漏检，提升算法效率。
本发明解决上述技术问题的技术方案如下：一种视频运动目标越线检测方法，包括以下步骤：
步骤S1.输入监控视频，在监控视频中绘制报警线段；
步骤S2.确定目标在报警线段附近出现时的大小，根据目标的大小在报警线段处绘制目标框；
步骤S3.根据目标框的大小及报警线段自动选择检测区域，对检测区域进行高斯背景建模，提取运动前景，根据检测区域的运动前景确定目标，并对检测区域的目标进行跟踪；
步骤S4.当跟踪的目标越过报警线段，则进行报警。
本发明的有益效果是：通过划定报警线段和目标框，进行自动选择检测区域，避免用户自主选择检测区域，造成不必要的浪费，提高算法处理效率，提升检测效率，算法处理时间短，提升用户体验；同时在报警线段周围选择检测区域，能及时分辨目标，能有效降低误检和漏检。
在上述技术方案的基础上，本发明还可以做如下改进。
进一步，步骤S3中自动选择检测区域的具体步骤包括：根据目标框的大小，将报警线段向其两端分别水平延长一个目标框的宽度W1，划定检测区域的长度H2，以报警线段的中点为中心，向竖直方向延长一个目标框的长度H1，划定检测区域的宽度W2，根据长度H2和宽度W2构建检测区域。
进一步，步骤S3中自动选择检测区域的具体步骤还包括：当报警线段与其两端水平线的夹角大于45度，则长度H2和宽度W2进行互换，构建检测区域。
采用上述进一步方案的有益效果是：实现在报警线段周围自动选择检测区域，便于检测区域内分辨目标，能有效进行过滤噪声，能有效降低误检和漏检，提升目标检测效率。
进一步，步骤S3中对检测区域的目标进行跟踪的具体步骤包括：对检测区域中的目标进行跟踪，若目标的起始位置不是检测区域的边缘，则判定该目标为噪声，进行排除。
采用上述进一步方案的有益效果是：能有效降低误检和漏检，提升目标检测效率。
进一步，步骤S3中的检测区域自动进行整体缩放。
采用上述进一步方案的有益效果是：既保证了目标被顺利的提取，也提高了算法的运算速度，自动进行整体缩放，提升了用户体验，对于焦距拉得比较近的监控场景有非常明显的加速效果。
本发明解决上述技术问题的另一技术方案如下：一种视频运动目标越线检测***，包括：
第一绘制模块，用于输入监控视频，在监控视频中绘制报警线段；
第二绘制模块，用于确定目标在报警线段附近出现时的大小，根据目标的大小在报警线段处绘制目标框；
目标跟踪模块，根据目标框的大小及报警线段自动选择检测区域，对检测区域进行背景建模，根据检测区域的背景识别目标，对检测区域的目标进行跟踪；
报警模块，用于当跟踪的目标越过报警线段，则进行报警。
本发明的有益效果是：第一绘制模块、第二绘制模块、目标跟踪模块和报警模块协调运作，划定报警线段和目标框，进行自动选择检测区域，避免用户自主选择检测区域，造成不必要的浪费，提高算法处理效率，提升检测效率，算法处理时间短，提升用户体验；同时在报警线段周围选择检测区域，能及时分辨目标，能有效降低误检和漏检。
进一步，所述目标跟踪模块根据目标框的大小，将报警线段向其两端分别水平延长一个目标框的宽度W1，划定检测区域的长度H2，以报警线段的中点为中心，向竖直方向延长一个目标框的长度H1，划定检测区域的宽度W2，根据长度H2和宽度W2构建检测区域。
进一步，所述目标跟踪模块还用于当报警线段与其两端水平线的夹角大于45度，则长度H2和宽度W2进行互换，构建检测区域。
采用上述进一步方案的有益效果是：实现在报警线段周围自动选择检测区域，便于检测区域内分辨目标，能有效进行过滤噪声，能有效降低误检和漏检，提升目标检测效率。
进一步，所述目标跟踪模块对检测区域中的目标进行跟踪，若目标的起始位置不是检测区域的边缘，则判定该目标为噪声，进行排除。
采用上述进一步方案的有益效果是：能有效降低误检和漏检，提升目标检测效率。
进一步，所述目标跟踪模块中的检测区域自动进行整体缩放。
采用上述进一步方案的有益效果是：既保证了目标被顺利的提取，也提高了算法的运算速度，自动进行整体缩放，提升了用户体验，对于焦距拉得比较近的监控场景有非常明显的加速效果。
附图说明
图1为本发明一种视频运动目标越线检测方法的流程图；
图2为构建检测区域的示意图；
图3为本发明一种视频运动目标越线检测***的模块框图。
附图中，各标号所代表的部件列表如下：
1、第一绘制模块，2、第二绘制模块，3、目标跟踪模块，4、报警模块。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
如图1和图2所示，一种视频运动目标越线检测方法，包括以下步骤：
步骤S1.输入监控视频，在监控视频中绘制报警线段；
步骤S2.确定目标在报警线段附近出现时的大小，根据目标的大小在报警线段处绘制目标框；
步骤S3.根据目标框的大小及报警线段自动选择检测区域，对检测区域进行背景建模，根据检测区域的背景识别目标，对检测区域的目标进行跟踪；
步骤S4.当跟踪的目标越过报警线段，则进行报警；
其中，建模具体流程如下：
(1)为图像上每一个像素点创建K个混合高斯模型，模型公式如下：
πk是第k个高斯的权重，P(x|k)是第k个高斯的概率密度，求出P(x)就是样本所属类别的概率；
(2)使用图像的前16帧来初始化高斯模型，计算出每一个高斯模型的均值μ、方差σ和权重π；
(3)之后的每一帧都对相应的高斯模型的均值和方差进行更新；
(4)对于判断成前景概率大于阈值t的像素点，则判断为前景。
通过划定报警线段和目标框，进行自动选择检测区域，避免用户自主选择检测区域，造成不必要的浪费，提高算法处理效率，提升检测效率，算法处理时间短，提升用户体验；同时在报警线段周围选择检测区域，能及时分辨目标，能有效降低误检和漏检。
上述实施例中，步骤S3中自动选择检测区域的具体步骤包括：根据目标框的大小，将报警线段向其两端分别水平延长一个目标框的宽度W1，划定检测区域的长度H2，以报警线段的中点为中心，向竖直方向延长一个目标框的长度H1，划定检测区域的宽度W2，根据长度H2和宽度W2构建检测区域；步骤3中自动选择检测区域的具体步骤还包括：当报警线段与其两端水平线的夹角大于45度，则长度H2和宽度W2进行互换，构建检测区域；
实现在报警线段周围自动选择检测区域，便于检测区域内分辨目标，能有效进行过滤噪声，能有效降低误检和漏检，提升目标检测效率。
上述实施例中，步骤S3中对检测区域的目标进行跟踪的具体步骤包括：对检测区域中的目标进行跟踪，若目标的起始位置不是检测区域的边缘，则判定该目标为噪声，进行排除；能有效降低误检和漏检，提升目标检测效率。
上述实施例中，步骤S3中的检测区域自动进行整体缩放；既保证了目标被顺利的提取，也提高了算法的运算速度，自动进行整体缩放，提升了用户体验，对于焦距拉得比较近的监控场景有非常明显的加速效果。
如图2和图3所示，一种视频运动目标越线检测***，包括：
第一绘制模块1，用于输入监控视频，在监控视频中绘制报警线段；
第二绘制模块2，用于确定目标在报警线段附近出现时的大小，根据目标的大小在报警线段处绘制目标框；
目标跟踪模块3，根据目标框的大小及报警线段自动选择检测区域，对检测区域进行背景建模，根据检测区域的背景识别目标，对检测区域的目标进行跟踪；
报警模块4，用于当跟踪的目标越过报警线段，则进行报警；
第一绘制模块1、第二绘制模块2、目标跟踪模块3和报警模块4协调运作，划定报警线段和目标框，进行自动选择检测区域，避免用户自主选择检测区域，造成不必要的浪费，提高算法处理效率，提升检测效率，算法处理时间短，提升用户体验；同时在报警线段周围选择检测区域，能及时分辨目标，能有效降低误检和漏检。
上述实施例中，所述目标跟踪模块3根据目标框的大小，将报警线段向其两端分别水平延长一个目标框的宽度W1，划定检测区域的长度H2，以报警线段的中点为中心，向竖直方向延长一个目标框的长度H1，划定检测区域的宽度W2，根据长度H2和宽度W2构建检测区域；所述目标跟踪模块3还用于当报警线段与其两端水平线的夹角大于45度，则长度H2和宽度W2进行互换，构建检测区域；
实现在报警线段周围自动选择检测区域，便于检测区域内分辨目标，能有效进行过滤噪声，能有效降低误检和漏检，提升目标检测效率。
上述实施例中，所述目标跟踪模块3对检测区域中的目标进行跟踪，若目标的起始位置不是检测区域的边缘，则判定该目标为噪声，进行排除；能有效降低误检和漏检，提升目标检测效率。
上述实施例中，所述目标跟踪模块3中的检测区域自动进行整体缩放；既保证了目标被顺利的提取，也提高了算法的运算速度，自动进行整体缩放，提升了用户体验，对于焦距拉得比较近的监控场景有非常明显的加速效果。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种视频运动目标越线检测方法，其特征在于，包括以下步骤：
步骤S1.输入监控视频，在监控视频中绘制报警线段；
步骤S2.确定目标在报警线段附近出现时的大小，根据目标的大小在报警线段处绘制目标框；
步骤S3.根据目标框的大小及报警线段自动选择检测区域，对检测区域进行背景建模，根据检测区域的背景识别目标，对检测区域的目标进行跟踪；
步骤S4.当跟踪的目标越过报警线段，则进行报警；
步骤S3中自动选择检测区域的具体步骤包括：根据目标框的大小，将报警线段向其两端分别水平延长一个目标框的宽度W1，划定检测区域的长度H2，以报警线段的中点为中心，向竖直方向延长一个目标框的长度H1，划定检测区域的宽度W2，根据长度H2和宽度W2构建检测区域。
2.根据权利要求1所述一种视频运动目标越线检测方法，其特征在于，步骤S3中自动选择检测区域的具体步骤还包括：当报警线段与其两端水平线的夹角大于45度，则长度H2和宽度W2进行互换，构建检测区域。
3.根据权利要求1所述一种视频运动目标越线检测方法，其特征在于，步骤S3中对检测区域的目标进行跟踪的具体步骤包括：对检测区域中的目标进行跟踪，若目标的起始位置不是检测区域的边缘，则判定该目标为噪声，进行排除。
4.根据权利要求1至3任一项所述一种视频运动目标越线检测方法，其特征在于，步骤S3中的检测区域自动进行整体缩放。
5.一种视频运动目标越线检测***，其特征在于，包括：
第一绘制模块(1)，用于输入监控视频，在监控视频中绘制报警线段；
第二绘制模块(2)，用于确定目标在报警线段附近出现时的大小，根据目标的大小在报警线段处绘制目标框；
目标跟踪模块(3)，根据目标框的大小及报警线段自动选择检测区域，对检测区域进行背景建模，根据检测区域的背景识别目标，对检测区域的目标进行跟踪；
报警模块(4)，用于当跟踪的目标越过报警线段，则进行报警；
所述目标跟踪模块(3)根据目标框的大小，将报警线段向其两端分别水平延长一个目标框的宽度W1，划定检测区域的长度H2，以报警线段的中点为中心，向竖直方向延长一个目标框的长度H1，划定检测区域的宽度W2，根据长度H2和宽度W2构建检测区域。
6.根据权利要求5的一种视频运动目标越线检测***，其特征在于，所述目标跟踪模块(3)还用于当报警线段与其两端水平线的夹角大于45度，则长度H2和宽度W2进行互换，构建检测区域。
7.根据权利要求5的一种视频运动目标越线检测***，其特征在于，所述目标跟踪模块(3)对检测区域中的目标进行跟踪，若目标的起始位置不是检测区域的边缘，则判定该目标为噪声，进行排除。
8.根据权利要求5至7任一项的一种视频运动目标越线检测***，其特征在于，所述目标跟踪模块(3)中的检测区域自动进行整体缩放。
CN201611022001.1A 2016-11-21 2016-11-21 一种视频运动目标越线检测***及方法 Expired - Fee Related CN106599788B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611022001.1A CN106599788B (zh) 2016-11-21 2016-11-21 一种视频运动目标越线检测***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611022001.1A CN106599788B (zh) 2016-11-21 2016-11-21 一种视频运动目标越线检测***及方法

Publications (2)

Publication Number Publication Date
CN106599788A CN106599788A (zh) 2017-04-26
CN106599788B true CN106599788B (zh) 2019-09-27

Family

ID=58592237

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611022001.1A Expired - Fee Related CN106599788B (zh) 2016-11-21 2016-11-21 一种视频运动目标越线检测***及方法

Country Status (1)

Country Link
CN (1) CN106599788B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107944384B (zh) * 2017-11-21 2021-08-20 天地伟业技术有限公司 一种基于视频的递物行为检测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110118530A (ko) * 2010-04-23 2011-10-31 주식회사 비즈모델라인 영상 데이터 출력 시스템과 이를 위한 영상 출력 장치
CN102509086A (zh) * 2011-11-22 2012-06-20 西安理工大学 一种基于目标姿态预测及多特征融合的行人目标检测方法
CN102779384A (zh) * 2012-07-13 2012-11-14 北京铁龙恒通车辆装备有限公司 周界防范报警***及应用该周界防范报警***的方法
CN102903125A (zh) * 2012-09-27 2013-01-30 无锡天授信息科技有限公司 固定场景下运动目标检测***及方法
CN104021570A (zh) * 2014-06-04 2014-09-03 电子科技大学 一种视频中有方向的越界和拌线检测方法
CN104103079A (zh) * 2013-04-01 2014-10-15 浙江大华技术股份有限公司 一种运动目标的入侵检测方法及装置
CN104680555A (zh) * 2015-02-13 2015-06-03 电子科技大学 基于视频监控的越界检测方法及越界监控***

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7801330B2 (en) * 2005-06-24 2010-09-21 Objectvideo, Inc. Target detection and tracking from video streams

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110118530A (ko) * 2010-04-23 2011-10-31 주식회사 비즈모델라인 영상 데이터 출력 시스템과 이를 위한 영상 출력 장치
CN102509086A (zh) * 2011-11-22 2012-06-20 西安理工大学 一种基于目标姿态预测及多特征融合的行人目标检测方法
CN102779384A (zh) * 2012-07-13 2012-11-14 北京铁龙恒通车辆装备有限公司 周界防范报警***及应用该周界防范报警***的方法
CN102903125A (zh) * 2012-09-27 2013-01-30 无锡天授信息科技有限公司 固定场景下运动目标检测***及方法
CN104103079A (zh) * 2013-04-01 2014-10-15 浙江大华技术股份有限公司 一种运动目标的入侵检测方法及装置
CN104021570A (zh) * 2014-06-04 2014-09-03 电子科技大学 一种视频中有方向的越界和拌线检测方法
CN104680555A (zh) * 2015-02-13 2015-06-03 电子科技大学 基于视频监控的越界检测方法及越界监控***

Also Published As

Publication number Publication date
CN106599788A (zh) 2017-04-26

Similar Documents

Publication Publication Date Title
WO2021012757A1 (zh) 基于全景多路4k视频图像的实时目标检测跟踪方法
CN101739550B (zh) 运动目标检测方法及***
CN102063614B (zh) 一种安防监控中遗留物品的检测方法及装置
CN103116985B (zh) 一种违章停车检测方法和装置
Zhang et al. Moving vehicles detection based on adaptive motion histogram
CN103400157B (zh) 一种基于视频分析的道路行人及非机动车检测方法
CN103617410A (zh) 基于视频检测技术的高速公路隧道停车检测方法
CN101957997A (zh) 一种动态场景中基于区域均值核密度估计的运动目标检测方法
EP2474163A2 (en) Foreground object detection in a video surveillance system
CN104835147A (zh) 基于三维深度图数据的密集人流量实时检测方法
CN104268899A (zh) 基于帧间差分和背景差分的运动目标检测方法
CN111967394B (zh) 一种基于动静态网格融合策略的森林火灾烟雾根节点检测方法
CN108198208B (zh) 一种基于目标跟踪的移动侦测方法
CN102034240A (zh) 一种静态前景检测和跟踪方法
CN107516423B (zh) 一种基于视频的车辆行驶方向检测方法
CN103400113A (zh) 基于图像处理的高速公路隧道行人检测方法
CN104766079A (zh) 一种远距离红外弱小目标检测方法
CN103428409A (zh) 一种基于固定场景的视频降噪处理方法及装置
CN109063630B (zh) 一种基于可分离卷积技术和帧差补偿策略的快速车辆检测方法
CN104683765A (zh) 一种基于移动物体侦测的视频浓缩方法
CN112115878A (zh) 一种基于烟雾区域密度的森林火灾烟雾根节点检测方法
CN106599788B (zh) 一种视频运动目标越线检测***及方法
CN104361317B (zh) 一种卡口式视频分析未系安全带行为检测***及其方法
CN105427343A (zh) 一种基于dm8148开发板的运动目标检测与跟踪方法
CN104616277B (zh) 视频结构化描述中的行人定位方法及其装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190927

CF01 Termination of patent right due to non-payment of annual fee