CN106781167B - 监测物体运动状态的方法及设备 - Google Patents
监测物体运动状态的方法及设备 Download PDFInfo
- Publication number
- CN106781167B CN106781167B CN201611247277.XA CN201611247277A CN106781167B CN 106781167 B CN106781167 B CN 106781167B CN 201611247277 A CN201611247277 A CN 201611247277A CN 106781167 B CN106781167 B CN 106781167B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- picture
- video
- difference value
- period
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G08B13/19608—Tracking movement of a target, e.g. by detecting an object predefined as a target, using target direction and or velocity to predict its new position
-
- 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
- G06V20/48—Matching video sequences
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明揭示了一种监测物体运动状态的方法及设备,其中,该方法包括步骤:进行第一分析方式以及第二分析方式的选取;当选取第一分析方式对录制的现场实时视频进行分析时,根据监测周期将监测过程分成多个周期段;根据特征集合对每个周期段进行分析比较获得差异值,整理成差异值集合;所述特征集合通过基准视频分析得出;当差异值集合中存在一个差异值大于设定值或差异值集合的差异值之和大于设定值,发出警报信息。通过将基准画面扩展成周期基准集合,使得在监测运动物体时,判断更精确,减少误报、漏报等情况,提高监测正确率,减少人为二次判断,降低人工成本。
Description
技术领域
本发明涉及到电子监控领域,特别是涉及到一种监测物体运动状态的方法及设备。
背景技术
移动监测(Motion detection technology),也叫运动检测,常用于无人值守监控录像和自动报警。通过摄像头按照不同帧率采集得到的画面会被中央处理器按照一定算法进行计算和比较,当画面有变化时,如有人走过,镜头被移动,计算比较结果得出的数字会超过阈值并指示***能自动作出相应的处理。移动监测允许在指定区域能识别画面的变化,检测运动物体的存在并避免由光线变化带来的干扰。然而,由于背景画面的动态变化,如天气、光照、影子及混乱干扰等的影响,使得运动检测成为一项相当困难的工作。
在实际应用环境中,可以通过调节阀值对室内普通环境,室外环境获得比较好的监测效果。还可根据功能实现的方法分类,主要是对软件和硬件两大类实现方法进行一些定性的分析。
采用硬件来实现监测功能,不占用中央处理器(CPU),拥有较快的处理速度,因而可以采用一些较为复杂的算法以获得更为准确的监测结果,并且有很好的实时性。集成视频移动探测器,检测电路首先会将静态画面贮存起来,之后,如果发现画面的变化量超过了预先设定的值,***就会发出报警信号,以提醒安防人员或启动录像机。然而硬件实现也意味着较高的成本,而且一旦***对动态监测功能提出了更新更高的要求,那么原来的硬件***只能弃而不用,必须采购新的硬件,造成浪费。
用软件实现的监测功能,占用主机的中央处理器(CPU)来完成数值计算,算法不能太复杂,且计算量不宜太大,容易影响监控***其他功能(如显示、录像等)的实现。
以上两种方案都能根据画面分析算法和硬件处理能力,精准的监测到静止物体的移动情况,并进行后续数据的处理。然而当物体是一直处于运动状态时,以上的监测方法就不能做出精确的监测,常常出现误报、漏报等情况,导致增加不必要的人为监测成本,严重时,可能会影响监控区域的运作,导致巨大的损失。
发明内容
本发明的主要目的为提供一种监测物体运动状态的方法及设备,减少监控误报。
为了实现所述发明目的,本发明首先提供一种监测物体运动状态的方法,包括步骤:
进行第一分析方式以及第二分析方式的选取;
当选取第一分析方式对录制的现场实时视频进行分析时,根据监测周期将监测过程分成多个周期段;
根据特征集合对每个周期段进行分析比较获得差异值,整理成差异值集合;所述特征集合通过基准视频分析得出;
当差异值集合中存在一个差异值大于设定值或差异值集合的差异值之和大于设定值,发出警报信息。
进一步地,该监测物体运动状态的方法,在所述特征描述通过基准视频分析得出,包括步骤:
录制基准视频;
将所述基准视频时长设定为监测周期,并将所述基准视频的第一帧画面进行计算分析,得到画面特征点;
选取所述基准视频中特定帧数的画面组成基准周期画面组,并算出基准周期画面组中各画面的特征点,组成周期特征集合。
进一步地,该监测物体运动状态的方法,所述进行第一分析方式以及第二分析方式的选取,还包括以下步骤:
拍摄现场基准画面;
当选取第二分析方式对录制的现场实时视频进行分析时,并将基准画面进行分析处理,处理后的画面作为背景画面;
将录制的现场实时视频画面与背景画面做差,对画面进行差异分析,提取差异画面,并分析出差异值;
当差异值大于设定值时,发出警报信息。
进一步地,该监测物体运动状态的方法,在所述当差异值集合中存在一个差异值大于设定值或差异值集合的差异值之和大于设定值,发出警报信息或当差异值大于设定值时,发出警报信息后,还包括:
录制报警实时场景视频;
将报警实时场景视频发送至预设邮箱。
进一步地,该监测物体运动状态的方法,所述进行第一分析方式以及第二分析方式的选取后,还包括:
设置设定值;
设置监测画面中的监测区域大小以及位置参数;
设置录制报警实时场景视频的录制时长、录制画质以及视频格式;
设置报警实时场景视频的发送邮箱。
本发明还提供一种监测物体运动状态的设备,包括:
输入模块,用于进行第一分析方式以及第二分析方式的选取;
处理模块,用于当选取第一分析方式对录制的现场实时视频进行分析时,根据监测周期将监测过程分成多个周期段;
处理模块,用于根据特征集合对每个周期段进行分析比较获得差异值,整理成差异值集合;所述特征集合通过基准视频分析得出;
报警模块,用于当差异值集合中存在一个差异值大于设定值或差异值集合的差异值之和大于设定值,发出警报信息。
进一步地,该监测物体运动状态的设备,还包括:
监测模块,用于录制基准视频;
处理模块,用于将所述基准视频时长设定为监测周期,并将所述基准视频的第一帧画面进行计算分析,得到画面特征点;
处理模块,用于选取所述基准视频中特定帧数的画面组成基准周期画面组,并算出基准周期画面组中各画面的特征点,组成周期特征集合。
进一步地,该监测物体运动状态的设备,还包括:
监测模块,用于拍摄现场基准画面;
处理模块,用于当选取第二分析方式对录制的现场实时视频进行分析时,将基准画面进行分析处理,处理后的画面作为背景画面;
处理模块,用于将录制的现场实时视频画面与背景画面做差,对画面进行差异分析,提取差异画面,并分析出差异值;
报警模块,用于当差异值大于设定值时,发出警报信息。
进一步地,该监测物体运动状态的设备,还包括:
监测模块,用于录制报警实时场景视频;
发送模块,用于将报警实时场景视频发送至预设邮箱。
进一步地,该监测物体运动状态的设备,还包括:
输入模块,用于设置设定值;
输入模块,用于设置监测画面中的监测区域大小以及位置参数;
输入模块,用于设置录制报警实时场景视频的录制时长、录制画质以及视频格式。
输入模块,用于设置报警实时场景视频的发送邮箱。
本发明的监测物体运动状态的方法及设备,通过将基准监测画面扩展成周期基准集合,使得在监测运动物体时,判断更精确,减少误报、漏报等情况,提高监测正确率,减少人为二次判断的数量,降低人工成本。
附图说明
图1是本发明一实施例的第一分析方式中的分析流程图;
图2是本发明一实施例的第一分析方式流程图;
图3是本发明另一实施例的第一分析方式流程图;
图4是本发明一实施例的第二分析方式流程图;
图5是本发明一实施例的录制报警实时场景视频流程图;
图6是本发明一实施例的预设操作流程图;
图7是本发明一具体实施例的模块连接关系示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,本发明实施例提出一种监测物体运动状态的方法,包括步骤:
S100、进行第一分析方式以及第二分析方式的选取;
S111、当选取第一分析方式对录制的现场实时视频进行分析时,根据监测周期将监测过程分成多个周期段;
S112、根据特征集合对每个周期段进行分析比较获得差异值,整理成差异值集合;所述特征集合通过基准视频分析得出;
S113、当差异值集合中存在一个差异值大于设定值或差异值集合的差异值之和大于设定值,发出警报信息。
如上述步骤S100,进行第一分析方式以及第二分析方式的选取,在本实施方式中,所述分析方式包括两种,分别为所述步骤S111-S113的第一分析方式和所述步骤S120-S122的第二分析方式;
如上述步骤S111,当选取第一分析方式对录制的现场实时视频进行分析时,根据监测周期将监测过程分成多个周期段,监测周期段自动生成,监测周期段至少为一周期,在一周期为结束前可认为停止监控,监控开始信号为基准周期画面组中最后一特征画面,当监控目标物一直处于运动状态,而监测起始点通常默认为一运动周期的起始点,当监测设备监测到现场画面与周期画面组中最后一帧特征画面相同,即开始运行监测功能,同理,在每一监测周期中,每一周期的最后一帧特征画面的监测期间,将开始新的一周期的监测;
如上述步骤S112,根据特征集合对每个周期段进行分析比较获得差异值,整理成差异值集合,获取每个周期段中各指定帧数的画面中的特征描述并与周期特征集合进行比较,主要比较给个特征点的平面坐标值得变化,从而计算出特征差异值,并整理成差异值集合,比较差异值一般包括两次比较:在分析期间每一指定帧数画面的的差异值均与设定值进行比较,当出现其中一个指定帧数画面的差异值大于设定值时,发出警报信息,在分析完成后,同一周期内所有指定帧数画面的差异值叠加求和得出差异集合,当差异值集合大于设定值,发出警报信息,所述与单一画面差异值比较的设定值以及与差异值集合比较的设定值,大小可不相同;所述特征集合通过基准视频分析得出;
如上述步骤S113,当差异值集合中存在一个差异值大于设定值或差异值集合的差异值之和大于设定值,发出警报信息,所述警报信息一般为警告音,短信息,还可根据需求加入对运动目标的强制终止信号。
参照图2,在本实施例中,所述监测物体运动状态的方法,在所述特征描述通过基准视频分析得出,包括步骤:
S101录制基准视频;
S102将所述基准视频时长设定为监测周期,并将所述基准视频的第一帧画面进行计算分析,得到画面特征点;
S103选取所述基准视频中特定帧数的画面组成基准周期画面组,并算出基准周期画面组中各画面的特征点,组成周期特征集合。
如上述步骤S101,录制监测目标正常运动状态下一完整动作周期视频,作为基准视频,每一秒钟长度的基准视频默认包括二十四帧画面,画面帧数可调整,每一秒钟视频所含帧数上限根据监控设备自身规格恒定,一般不超过一百帧;
如上述步骤S102,将所述基准视频时长设定为监测周期,并将所述基准视频的第一帧画面进行计算分析,得到画面特征点;将所述基准视频时长设定为监测周期,例如,所述基准视频时长为两分十八秒,则在监测过程中每两分十八秒为一次完整的分析判定周期,每个周期内在没有出现异常情况下,监测区域中的目标运动轨迹以及每个运动轨迹的产生或延续所需要的时长均极相似或相同,相似程度不低于设定值,并将所述基准视频的第一帧画面进行计算分析,得到画面特征点,画面特征点一般包括,画面中的颜色凸出点,画面中监测目标的轮廓边线随机点,认为特别选定的目标点,画面特征点数量一般至少包括三十个;将特征点的灰度值组合成二进制数据串,并将二进制数据串作为该特征点的特征描述,特征描述还包括有该特征点的平面坐标值,同一坐标值在同一画面中只能对应唯一的一个特征点,但在同一画面中可出现相同灰度值的多个特征点;
如上述步骤S103,选取所述基准视频中特定帧数的画面组成基准周期画面组,例如,在基准视频时长为十秒,每秒包括三十帧画面的条件下,选定第1、6、12、18…288、294、300帧共五十个画面作为基准周期画面组,选定帧数可根据监控目标的精度需要以及监测周期的长短更改,一般每一帧画面得间隔不少于三帧,计算出基准周期画面组中各画面对应的特征描述的平面坐标值,当出现同一灰度值的特征描述点比步骤S101-S102中得出的基准画面的同一灰度值的特征描述点多时,调出基准周期画面组中该画面前的数张画面(至多3张)将在出现新增特征点的区域内的同一灰度值特征点进行路径分析,得出由数张画面构成的特征点移动曲线,选取与曲线最为接近的的特征点作为有效特征点,将基准周期画面组中各画面的特征点的特征描述汇总组成周期特征集合;
参照图3,在另一具体实施例中,所述分析方式还可以监测静止目标,在监测静止目标时,将所述步骤S103停止,所述步骤S102沿用部分成为步骤S141,功能所述步骤S111、S112、S113以下列步骤S140、S142、S143代替,只需将所述基准视频的第一帧画面做为基准画面,将该基准画面的特征点中的特征描述作为监测过程的分析基准,具体步骤如下:S101、录制基准视频;S140、将所述基准视频的第一帧画面进行计算分析,得到画面特征点;S141、将特征点的灰度值组合成二进制串,并将二进制串作为该特征点的特征描述;S142、视频画面与所述特征描述进行比较,计算出差异值;143、当差异值大于设定值,发出警报信息。
参照图4,在本实施例中,所述监测物体运动状态的方法,所述进行第一分析方式以及第二分析方式的选取,还包括以下步骤:
S120、拍摄现场基准画面;
S121、当选取第二分析方式对录制的现场实时视频进行分析时,并将基准画面进行分析处理,处理后的画面作为背景画面;
S122、将录制的现场实时视频画面与背景画面做差,对画面进行差异分析,提取差异画面,并分析出差异值;
S123、当差异值大于设定值时,发出警报信息。
如上述步骤S120,拍摄监测目标正常静止状态下的画面,作为基准画面;
如上述步骤S121,将基准画面进行灰度化以及滤波处理,祛除杂色等影响监测因素;将灰度化后的画面进行边缘检测处理,得到仅有监测目标以及背景的边缘画面,处理后的画面作为背景画面;
如上述步骤S122,将实时视频画面与背景画面做差,得出实时视频画面与背景画面的差异点,并将该画面进行二值化,得出差异画面,提取差异画面,并根据差异画面的差异程度分析出差异值;
如上述步骤S123,当差异值大于设定值时,发出警报信息,所述警报信息一般为警告音,短信息,还可根据需求加入对运动目标的强制终止信号。
参照图5,本实施例中,所述监测物体运动状态的方法,在在所述当差异值集合中存在一个差异值大于设定值或差异值集合的差异值之和大于设定值,发出警报信息或当差异值大于设定值时,发出警报信息后,还包括:
S130、录制报警实时场景视频;
S131、将报警实时场景视频发送至预设邮箱。
如上述步骤S130,录制报警实时场景视频,当出现报警情况时,在发送完报警信息的同时,设备会将自报警情况发生后一段时间内的情况通过视频记录下来,视频的长度一般至多为10分钟;
如上述步骤S131,在录制好该报警实时场景视频后,将报警实时场景视频通过无线或有线网络发送至预设邮箱,所述邮箱一般为一个,可设置多个接收邮箱。
参照图6,在本实施例中,所述监测物体运动状态的方法,所述S100、进行第一分析方式以及第二分析方式的选取后,还包括:
S10、设置设定值;
S20、设置监测画面中的监测区域大小以及位置参数;
S30、设置录制报警实时场景视频的录制时长、录制画质以及视频格式;
S40、设置报警实时场景视频的发送邮箱。
如上述步骤S10,设置设定值,所述差异值为1-100的百分比数值,所述报警差异值数值越小分析精度越精确;
如上述步骤S20,设置监测画面中的监测区域大小以及位置参数,视频画面中设置监测区域,监测区域可由多个区域构成,也可为单个区域,每个区域的面积大小和平面坐标参数均可根据情况设置;
如上述步骤S30,设置录制报警实时场景视频的录制时间的长度、录制画质以及视频格式,视频的录制时间的长度一般至多为10分钟,录制画质一般包括标清、高清以及超清三个可供选择的录制画质,一般默认设定为标清画质,视频格式一搬包括MP4、MOV、RM以及WMV,一般默认设定为MP4格式。
如上述步骤S40,设置报警实时场景视频的发送邮箱,所述邮箱一般为一个,可设置多个接收邮箱。
参照图7,本发明实施例提供一种监测物体运动状态的设备,包括:输入模块100,用于进行第一分析方式以及第二分析方式的选取;处理模块120,用于当选取第一分析方式对录制的现场实时视频进行分析时,根据监测周期将监测过程分成多个周期段;处理模块120,用于根据特征集合对每个周期段进行分析比较获得差异值,整理成差异值集合;所述特征集合通过基准视频分析得出;报警模块130,用于当差异值集合中存在一个差异值大于设定值或差异值集合的差异值之和大于设定值,发出警报信息。
上述输入模块100,用于择分析方式,在本实施方式中,所述分析方式包括两种,分别为所述步骤S100-S113的第一分析方式和所述步骤S120-S123的第二分析方式;
上述处理模块120,用于根据监测周期将监测过程分成多个周期段,监测周期段自动生成,监测周期段至少为一周期,在一周期为结束前可认为停止监控,监控开始信号为基准周期画面组中最后一特征画面,当监控目标物一直处于运动状态,而监测起始点通常默认为一运动周期的起始点,当监测设备监测到现场画面与周期画面组中最后一帧特征画面相同,即开始运行监测功能,同理,在每一监测周期中,每一周期的最后一帧特征画面的监测期间,将开始新的一周期的监测;
上述处理模块120,用于根据周期特征集合对每个周期段进行分析,获取每个周期段中各指定帧数的画面中的特征描述并与周期特征集合进行比较,主要比较给个特征点的平面坐标值得变化,从而计算出特征差异值,并整理成差异值集合,比较差异值一般包括两次比较:在分析期间每一指定帧数画面的的差异值均与设定值进行比较,当出现其中一个指定帧数画面的差异值大于设定值时,发出警报信息,在分析完成后,同一周期内所有指定帧数画面的差异值叠加求和得出差异集合,当差异值集合大于设定值,发出警报信息,所述与单一画面差异值比较的设定值以及与差异值集合比较的设定值,大小可不相同;
上述报警模块130,用于当差异值集合中存在一个差异值大于设定值或差异值集合的差异值之和大于设定值,发出警报信息,所述警报信息一般为警告音,短信息,还可根据需求加入对运动目标的强制终止信号。
在本实施例中,所述监测物体运动状态的设备,还包括:监测模块110,用于录制基准视频;处理模块120,用于将所述基准视频时长设定为监测周期,并将所述基准视频的第一帧画面进行计算分析,得到画面特征点;处理模块120,用于选取所述基准视频中特定帧数的画面组成基准周期画面组,并算出基准周期画面组中各画面的特征点,组成周期特征集合。
上述监测模块110,用于录制监测目标正常运动状态下一完整动作周期视频,作为基准视频,每一秒钟长度的基准视频默认包括二十四帧画面,画面帧数可调整,每一秒钟视频所含帧数上限根据所述监测模块110自身规格恒定,一般不超过一百帧;
上述处理模块120,用于将所述基准视频时长设定为监测周期,例如,所述基准视频时长为两分十八秒,则在监测过程中每两分十八秒为一次完整的分析判定周期,每个周期内在没有出现异常情况下,监测区域中的目标运动轨迹以及每个运动轨迹的产生或延续所需要的时长均极相似或相同,相似程度不低于设定值,并将所述基准视频的第一帧画面进行计算分析,得到画面特征点,画面特征点一般包括,画面中的颜色凸出点,画面中监测目标的轮廓边线随机点,认为特别选定的目标点,画面特征点数量一般至少包括三十个,将特征点的灰度值组合成二进制数据串,并将二进制数据串作为该特征点的特征描述,特征描述还包括有该特征点的平面坐标值,同一坐标值在同一画面中只能对应唯一的一个特征点,但在同一画面中可出现相同灰度值的多个特征点;
上述处理模块120,用于选取所述基准视频中特定帧数的画面组成基准周期画面组,例如,在基准视频时长为十秒,每秒包括三十帧画面的条件下,选定第1、6、12、18…288、294、300帧共五十个画面作为基准周期画面组,选定帧数可根据监控目标的精度需要以及监测周期的长短更改,一般每一帧画面得间隔不少于三帧,计算出基准周期画面组中各画面对应的特征描述的平面坐标值,当出现同一灰度值的特征描述点比步骤S102中得出的基准画面的同一灰度值的特征描述点多时,调出基准周期画面组中该画面前的数张画面(至多3张)将在出现新增特征点的区域内的同一灰度值特征点进行路径分析,得出由数张画面构成的特征点移动曲线,选取与曲线最为接近的的特征点作为有效特征点,将基准周期画面组中各画面的特征点的特征描述汇总组成周期特征集合。
在另一具体实施例中,所述分析方式还可以监测静止目标,在监测静止目标时,所述监测模块110只需将所述基准视频的第一帧画面做为基准画面,所述处理模块120将该基准画面的特征点中的特征描述作为监测过程的分析基准,具体如下:监测模块110,用于录制基准视频;监测模块110,用于录制现场实时视频;处理模块120,用于将所述基准视频的第一帧画面进行计算分析,得到画面特征点;处理模块120,用于将特征点的灰度值组合成二进制串,并将二进制串作为该特征点的特征描述;处理模块120,用于视频画面与所述特征描述进行比较,计算出差异值;报警模块130,用于当差异值大于设定值,发出警报信息。
在本实施例中,所述监测物体运动状态的设备,还包括:监测模块110,用于拍摄现场基准画面;处理模块120,用于当选取第二分析方式对录制的现场实时视频进行分析时,将基准画面进行分析处理,处理后的画面作为背景画面;处理模块120,用于将录制的现场实时视频画面与背景画面做差,对画面进行差异分析,提取差异画面,并分析出差异值;报警模块130,用于当差异值大于设定值时,发出警报信息。
上述监测模块110,用于拍摄监测目标正常静止状态下的画面,作为基准画面;
上述处理模块120,用于将基准画面进行灰度化以及滤波处理,祛除杂色等影响监测因素,并将灰度化后的画面进行边缘检测处理,得到仅有监测目标以及背景的边缘画面,处理后的画面作为背景画面;
上述处理模块120,用于将实时视频画面与背景画面做差,得出实时视频画面与背景画面的差异点,并将该画面进行二值化,得出差异画面,提取差异画面,并根据差异画面的差异程度分析出差异值;
上述报警模块130,用于当差异值大于设定值时,发出警报信息,所述警报信息一般为警告音,短信息,还可根据需求加入对运动目标的强制终止信号。
在本实施例中,所述监测物体运动状态的设备,还包括:监测模块110,用于报警实时场景视频;发送模块140,用于将报警实时场景视频发送至预设邮箱。
上述监测模块110,还用于录制报警实时场景视频,当出现报警情况时,在发送完报警信息的同时,所述监测模块110会将自报警情况发生后一段时间内的情况通过视频记录下来,视频的长度一般至多为10分钟;
上述发送模块140,用于在录制好该报警实时场景视频后,将报警实时场景视频通过无线或有线网络发送至预设邮箱,所述邮箱一般为一个,可设置多个接收邮箱。
在本实施例中,所述监测物体运动状态的设备,还包括:输入模块100,用于设置设定值;输入模块100,用于设置监测画面中的监测区域大小以及位置参数;输入模块100,用于设置录制报警实时场景视频的录制时长、录制画质以及视频格式。输入模块100,用于设置报警实时场景视频的发送邮箱。
上述输入模块100,用于;设置设定值,所述差异值为1-100的百分比数值,所述报警差异值数值越小分析精度越精确;
上述输入模块100,用于设置监测画面中的监测区域大小以及位置参数,视频画面中设置监测区域,监测区域可由多个区域构成,也可为单个区域,每个区域的面积大小和平面坐标参数均可根据情况设置;
上述输入模块100,用于设置录制报警实时场景视频的录制时间的长度、录制画质以及视频格式,视频的录制时间的长度一般至多为10分钟,录制画质一般包括标清、高清以及超清三个可供选择的录制画质,一般默认设定为标清画质,视频格式一搬包括MP4、MOV、RM以及WMV,一般默认设定为MP4格式。
上述输入模块100,还用于设置报警实时场景视频的发送邮箱,所述邮箱一般为一个,可设置多个接收邮箱。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (6)
1.一种监测物体运动状态的方法,应用于移动监测,其特征在于,包括步骤:
根据监测周期将监测过程分成多个周期段;
根据特征集合对每个周期段进行分析比较获得差异值,整理成差异值集合;所述特征集合通过基准视频分析得出,具体地,录制基准视频,其中,所述基准视频为录制监测目标正常运动状态下一完整动作周期的视频;将所述基准视频时长设定为监测周期,并将所述基准视频的第一帧画面进行计算分析,得到画面特征点;选取所述基准视频中特定帧数的画面组成基准周期画面组,并算出基准周期画面组中各画面的特征点,组成周期特征集合;
当差异值集合中存在一个差异值大于设定值或差异值集合的差异值之和大于设定值,发出警报信息。
2.根据权利要求1所述的监测物体运动状态的方法,其特征在于,在所述当差异值集合中存在一个差异值大于设定值或差异值集合的差异值之和大于设定值,发出警报信息后,还包括:
录制报警实时场景视频;
将报警实时场景视频发送至预设邮箱。
3.根据权利要求1所述的监测物体运动状态的方法,其特征在于,在根据监测周期将监测过程分成多个周期段的步骤之前,还包括:
设置设定值;
设置监测画面中的监测区域大小以及位置参数;
设置录制报警实时场景视频的录制时长、录制画质以及视频格式;
设置报警实时场景视频的发送邮箱。
4.一种监测物体运动状态的设备,应用于移动监测,其特征在于,包括:
处理模块,用于根据监测周期将监测过程分成多个周期段;
处理模块,用于根据特征集合对每个周期段进行分析比较获得差异值,整理成差异值集合;所述特征集合通过基准视频分析得出,具体地,录制基准视频,其中,所述基准视频为录制监测目标正常运动状态下一完整动作周期的视频;将所述基准视频时长设定为监测周期,并将所述基准视频的第一帧画面进行计算分析,得到画面特征点;选取所述基准视频中特定帧数的画面组成基准周期画面组,并算出基准周期画面组中各画面的特征点,组成周期特征集合;
报警模块,用于当差异值集合中存在一个差异值大于设定值或差异值集合的差异值之和大于设定值,发出警报信息。
5.根据权利要求4所述的监测物体运动状态的设备,其特征在于,还包括:
监测模块,用于录制报警实时场景视频;
发送模块,用于将报警实时场景视频发送至预设邮箱。
6.根据权利要求4所述的监测物体运动状态的设备,其特征在于,还包括:
输入模块,用于设置设定值;
输入模块,用于设置监测画面中的监测区域大小以及位置参数;
输入模块,用于设置录制报警实时场景视频的录制时长、录制画质以及视频格式;
输入模块,用于设置报警实时场景视频的发送邮箱。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611247277.XA CN106781167B (zh) | 2016-12-29 | 2016-12-29 | 监测物体运动状态的方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611247277.XA CN106781167B (zh) | 2016-12-29 | 2016-12-29 | 监测物体运动状态的方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106781167A CN106781167A (zh) | 2017-05-31 |
CN106781167B true CN106781167B (zh) | 2021-03-02 |
Family
ID=58927722
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611247277.XA Active CN106781167B (zh) | 2016-12-29 | 2016-12-29 | 监测物体运动状态的方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106781167B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108492502A (zh) * | 2018-03-16 | 2018-09-04 | 深圳勇艺达机器人有限公司 | 智能机器人单目广角视觉防盗报警方法 |
CN109064715A (zh) * | 2018-08-08 | 2018-12-21 | 国网山东省电力公司惠民县供电公司 | 一种用于变压器的监控***及监控方法 |
CN111263108A (zh) * | 2019-12-20 | 2020-06-09 | 中译语通文娱科技(青岛)有限公司 | 一种智能生产视频监测方法 |
CN113793366A (zh) * | 2021-08-31 | 2021-12-14 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5351078A (en) * | 1954-12-24 | 1994-09-27 | Lemelson Medical, Education & Research Foundation Limited Partnership | Apparatus and methods for automated observation of objects |
EP0700515B1 (en) * | 1993-05-28 | 2000-09-06 | Millennium Venture Holdings Ltd. | An automatic inspection apparatus |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10050083A1 (de) * | 2000-10-10 | 2002-04-18 | Sick Ag | Vorrichtung und Verfahren zur Erfassung von Objekten |
US7173666B1 (en) * | 2002-08-22 | 2007-02-06 | Smal Camera Technologies | System and method for displaying a non-standard aspect ratio image on a standard aspect ratio monitor |
CN101720031A (zh) * | 2009-12-22 | 2010-06-02 | 北京理工大学 | 一种基于差分法的室内视频监控及报警方法 |
CN103286782B (zh) * | 2013-06-07 | 2016-06-29 | 上海发那科机器人有限公司 | 一种机器人的柔性跟踪定位***及跟踪定位方法 |
US20150092040A1 (en) * | 2013-10-01 | 2015-04-02 | Broadcom Corporation | Gesture-Based Industrial Monitoring |
CN105282521B (zh) * | 2015-11-21 | 2018-09-14 | 浙江宇视科技有限公司 | 一种网络摄像机巡航中的运动检测方法及装置 |
CN106131375B (zh) * | 2016-06-29 | 2020-02-21 | 联想(北京)有限公司 | 设备以及运动状态检测方法 |
-
2016
- 2016-12-29 CN CN201611247277.XA patent/CN106781167B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5351078A (en) * | 1954-12-24 | 1994-09-27 | Lemelson Medical, Education & Research Foundation Limited Partnership | Apparatus and methods for automated observation of objects |
EP0700515B1 (en) * | 1993-05-28 | 2000-09-06 | Millennium Venture Holdings Ltd. | An automatic inspection apparatus |
Also Published As
Publication number | Publication date |
---|---|
CN106781167A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106781167B (zh) | 监测物体运动状态的方法及设备 | |
US20200193619A1 (en) | Method and device for tracking an object | |
CN108319926A (zh) | 一种工地现场的安全帽佩戴检测***及检测方法 | |
US7778445B2 (en) | Method and system for the detection of removed objects in video images | |
US7751647B2 (en) | System and method for detecting an invalid camera in video surveillance | |
CN109766779B (zh) | 徘徊人员识别方法及相关产品 | |
KR102195706B1 (ko) | 침입 탐지방법 및 그 장치 | |
CN102348128A (zh) | 具有摄像机异常检测装置的监视用摄像机*** | |
WO2021139049A1 (zh) | 检测方法、检测装置、监控设备和计算机可读存储介质 | |
CN111161206A (zh) | 一种图像抓拍方法、监控相机及监控*** | |
CN112329691A (zh) | 一种监控视频的分析方法及装置、电子设备、存储介质 | |
KR20200052418A (ko) | 딥러닝 기반의 자동 폭력 감지 시스템 | |
CN109815839B (zh) | 微服务架构下的徘徊人员识别方法及相关产品 | |
JP2011123742A (ja) | 侵入物体検知装置 | |
CN111353436A (zh) | 基于图像深度学习算法的超门店经营分析方法和装置 | |
CN112381054A (zh) | 摄像机的工作状态检测方法及相关设备、*** | |
CN111860187A (zh) | 一种高精度的佩戴口罩识别方法及*** | |
KR101581162B1 (ko) | 실시간 영상 기반의 화염, 연기 및 물체 움직임 자동 감지 방법, 장치 및 시스템 | |
CN110505438B (zh) | 一种排队数据的获取方法和摄像机 | |
CN113947744A (zh) | 基于视频的火灾图像检测方法、***、设备及存储介质 | |
CN114584758A (zh) | 一种城市级监控视频质量评估方法及*** | |
JP2612662B2 (ja) | 侵入者識別システム | |
KR101848367B1 (ko) | 모션벡터와 dct 계수를 이용한 메타데이터 기반 의심영상 구분식별 방식의 영상 관제 방법 | |
CN115394025A (zh) | 监控方法、装置、电子设备及存储介质 | |
CN112307916A (zh) | 一种基于可见光摄像机的报警监控方法 |
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 |