CN108010242B - 一种基于视频识别的安防报警方法、***及存储介质 - Google Patents

一种基于视频识别的安防报警方法、***及存储介质 Download PDF

Info

Publication number
CN108010242B
CN108010242B CN201711175859.6A CN201711175859A CN108010242B CN 108010242 B CN108010242 B CN 108010242B CN 201711175859 A CN201711175859 A CN 201711175859A CN 108010242 B CN108010242 B CN 108010242B
Authority
CN
China
Prior art keywords
video
identification
security alarm
alarm method
target object
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
Application number
CN201711175859.6A
Other languages
English (en)
Other versions
CN108010242A (zh
Inventor
邓立邦
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.)
Guangdong Matview Intelligent Science & Technology Co ltd
Original Assignee
Guangdong Matview Intelligent Science & 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 Guangdong Matview Intelligent Science & Technology Co ltd filed Critical Guangdong Matview Intelligent Science & Technology Co ltd
Priority to CN201711175859.6A priority Critical patent/CN108010242B/zh
Publication of CN108010242A publication Critical patent/CN108010242A/zh
Application granted granted Critical
Publication of CN108010242B publication Critical patent/CN108010242B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G08B13/19663—Surveillance related processing done local to the camera
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/40—Monitoring or fighting invasive species

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Alarm Systems (AREA)
  • Burglar Alarm Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于视频识别的安防报警方法，包括以下步骤：获取步骤：获取摄像头拍摄到的视频，所述视频包括多帧视频图像；第一标记步骤：对视频图像中的目标物进行特征识别，并对识别到的目标物进行标记以得到标记物；预警步骤：判断相邻帧视频图像的标记物的分布密度变化是否超过第一预设值，如果是，则进行预警提醒。本发明还提供了一种基于视频识别的安防报警***及计算机可读存储介质。本发明提供的一种基于视频识别的安防报警方法，其判断识别区域内标记物的分布密度变化来判断是否有外来入侵物种，其能覆盖判断全部外来入侵物种的技术难题，且技术实现方式成本低。

Description

一种基于视频识别的安防报警方法、***及存储介质
技术领域
本发明涉及一种图像识别技术领域，尤其涉及一种基于视频识别的安防报警方法、电子设备及存储介质。
背景技术
目前，禽类养殖场一般都设立在离村镇、城区等比较偏远或接近山林的地方，依靠养殖人员的人工巡视和围栏来进行防盗安全保护，也有依靠摄像装置进行监控的管理方法，但大都依靠人工定时监视视频来查看进行安防工作，或依靠现有的视频安防监测技术，监测到有陌生可疑人员或物种的侵入后进行相关预警来进行安保措施的实施。人工巡防或人工视频监测的传统方式过于耗费人员精力和时间、而现有视频监测预警的安防技术需要针对各种物种的侵入进行判断，实现方式需要全面覆盖所有可能袭击饲养的禽类的侵入物种，具有一定的技术难度，且实现成本较高。
发明内容
为了克服现有技术的不足，本发明的目的之一在于提供一种基于视频识别的安防报警方法，其能解决外来物种入侵的技术问题。
本发明的目的之二在于一种基于视频识别的安防报警***，其能解决外来物种入侵的技术问题。
本发明的目的之三在于一种计算机可读存储介质，其能解决外来物种入侵的技术问题。
本发明的目的之一采用如下技术方案实现：
一种基于视频识别的安防报警方法，包括以下步骤：
获取步骤：获取摄像头拍摄到的视频，所述视频包括多帧视频图像；
第一标记步骤：对视频图像中的目标物进行特征识别，并对识别到的目标物进行标记以得到标记物；
预警步骤：判断相邻帧视频图像的标记物的分布密度变化是否超过第一预设值，如果是，则进行预警提醒。
进一步地，所述获取步骤之后标记步骤之前还包括以下步骤：
抽取步骤：根据获取到的视频，每隔预设时间抽取至少2帧关键帧图像；
预处理步骤：对抽取到的关键帧图像进行预处理，所述预处理包括二值化、去除噪音和干扰以及图像归一化。
进一步地，所述获取步骤之后标记步骤之前还包括以下步骤：
区域分割步骤：根据摄像头拍摄到的标志物对关键帧图像进行区域分割；
识别区域构建步骤：将分割后的关键帧图像作为相应摄像头的识别区域。
进一步地，所述第一标记步骤具体包括以下子步骤：
特征获取步骤：获取识别区域内的目标物的特征向量；
判断步骤：判断目标物的特征向量与目标物样本的特征向量之间的相似度是否超过第二预设值，如果是，则执行第二标记步骤；
第二标记步骤：对识别出来的目标物进行标记以得标记物。
进一步地，所述特征获取步骤具体包括以下子步骤：
图像分割步骤：对目标物进行图像分割，将其分割为预设数量的方格区域；
特征计算步骤：计算每个方格中的点的区域密度，所述点的区域密度即为特征向量，该点的区域密度＝每个方格内的点数与图像总点数之比。
进一步地，所述摄像头的数量有多个时，所述获取步骤具体为：获取各个摄像头拍摄到的视频，所述视频包括多帧视频图像。
进一步地，所述标记物为矩形框、圆形框、识别点或者菱形框。
进一步地，所述第一预设值为50％。
进一步地，所述预设时间为1秒。
本发明的目的之二采用如下技术方案实现：
一种基于视频识别的安防报警***，包括摄像头、标志物和数据处理服务器；所述摄像头和标志物的数量均有多个；
所述摄像头用于获取拍摄区域的视频图像；
所述标志物用于为视频图像的区域分割提供参考点；
所述数据处理服务器用于执行如本发明目的之一的任意一项所述的基于视频识别的安防报警方法。
本发明的目的之三采用如下技术方案实现：
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如本发明目的之一的任意一项所述的基于视频识别的安防报警方法。
相比现有技术，本发明的有益效果在于：
本发明提供的一种基于视频识别的安防报警方法，其判断识别区域内标记物的分布密度变化来判断是否有外来入侵物种，其能覆盖判断全部外来入侵物种的技术难题，且技术实现方式成本低。
附图说明
图1为本发明的基于视频识别的安防报警方法的流程图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
本发明由：获取模块、识别模型、判断模块、预警模块几个部分组成，各模块功能如下
获取模块：在养殖场各个区域设置多个摄像头，用于获取饲养禽类的视频图像。
识别模型：通过机器学习和识别训练，预先建立的各种饲养禽类如鸡、鸭等的特征模型库。获取大量各种饲养禽类的各个角度、各种光线下的照片进行预处理、特征提取、识别训练，建立的饲养禽类识别模型。识别模型建立过程为：
预处理步骤、分别将大量的各种饲养禽类如鸡、鸭等家禽的图像进行预处理，将图像二值化、去除干扰点。通过质心对齐和线性插值放大的方法将图片归一化，设置为统一规格。通过预处理，提高服务器对图片的处理识别性能。
特征提取步骤、从经过预处理的饲养禽类图像中，提取出一定维数的特征向量，从而提高类型匹配和识别的存储量和运算速度。本发明根据饲养禽类的图像，对应采用不同饲养禽类具有显著特征的身体各组成部分的结构、外观、形态的组合特征。即将饲养禽类图像分为5*5的25个方格区域，计算每个方格中点的密度分布，以得到25维特征向量。
识别训练步骤、识别训练，即从训练集各类饲养禽类图像中提取出标准模板，建立标准特征库的过程。每种饲养禽类都有几百个标准模板，通过预处理和特征提取后，将训练集各类饲养禽类的特征向量存入文件中，训练时需要指明各类饲养禽类的正确值，通过反复训练修正识别结果。通过以上步骤完成各类饲养禽类识别模型的建立。
判断模块：接收获取模块拍摄的畜养禽类视频，每秒抽取2帧关键帧图像，对抽取的多个图像进行预处理、特征提取、比对识别模型，判断出图像中包含的饲养禽类，并使用矩形框一一标记出图像中的饲养禽类；不断分析图像中所标记的矩形框的密度变化数据，计算各个矩形框中心点分布矩阵的相似度，当相似度发生较大变化时将数据发送到预警模块。针对整幅图像进行判断。
本实施例提供了一种基于视频识别的安防报警***，包括摄像头、标志物和数据处理服务器；所述摄像头和标志物的数量均有多个；
所述摄像头用于获取拍摄区域的视频图像；
所述标志物用于为视频图像的区域分割提供参考点；
如图1所示，所述数据处理服务器用于执行如下的基于视频识别的安防报警方法，其包括以下步骤：
S1：获取各个摄像头拍摄到的视频，所述视频包括多帧视频图像；这些是作为数据判断的基础，也是最初的数据来源；获取不同的摄像头拍摄到的内容，则可以对不同的位置进行监测；
S11：根据获取到的视频，每隔预设时间抽取至少2帧关键帧图像；所述预设时间为1秒。这一部分主要是进行后续判断的基础部分，如果没有获取到的视频图像，则没有办法对其内容进行分析，除了可以通过获取相应的视频还可以直接通过获取视频图片来进行后续内容的比对；但是通过获取视频并抽取关键帧的方式能够更好的进行特征识别，因为如果直接获取图片，有可能存在拍摄到的图片有一些模糊的情景，这样不利于进行识别，而通过获取视频中的关键帧，则可以有效的避免这样的情况；
S12：对抽取到的关键帧图像进行预处理，所述预处理包括二值化、去除噪音和干扰以及图像归一化。对抽取的关键帧图像进行预处理，将图像二值化、去除干扰点。通过质心对齐和线性插值放大的方法将图片归一化，设置为统一规格。通过预处理，提高服务器对图片的处理识别性能。
S13：根据摄像头拍摄到的标志物对关键帧图像进行区域分割；
S14：将分割后的关键帧图像作为相应摄像头的识别区域，以便于后期预警可以针对摄像头所拍摄的监控区域对应进行安防预警。
S2：对视频图像中的目标物进行特征识别，并对识别到的目标物进行标记以得到标记物；步骤S2具体包括以下子步骤：S21：获取识别区域内的目标物的特征向量；步骤S21具体包括以下子步骤：
图像分割步骤：对目标物进行图像分割，将其分割为预设数量的方格区域；
特征计算步骤：计算每个方格中的点的区域密度，所述点的区域密度即为特征向量，该点的区域密度＝每个方格内的点数与图像总点数之比。分别对预处理后的各关键帧图像进行特征提取，根据饲养禽类的图像，对应采用不同饲养禽类具有显著特征的身体各组成部分的结构、外观、形态的组合特征，即将饲养禽类图像分为5*5的25个方格区域，计算每个方格中点的密度分布，得到25维特征向量。比对识别模型，判断出各关键帧图像中包含的饲养禽类，并使用矩形框对判断出的饲养禽类进行一一标记。
S22：判断目标物的特征向量与目标物样本的特征向量之间的相似度是否超过预设值，如果是，则执行步骤S23；
S23：对识别出来的目标物进行标记以得标记物。所述标记物为矩形框、圆形框、识别点或者菱形框。这些是为了方便计算他们的分布密度，故而采用何种形式的标记都是可以的。当采用矩形框、圆形框这些的时候，将其中心点作为计算的标准；
S3：判断相邻帧视频图像的标记物的分布密度变化是否超过第一预设值，如果是，则进行预警提醒。所述第一预设值为50％。不断分析图像中所标记的矩形框的密度变化数据，计算出各个矩形框的中心点，分析各个矩形框中心点分布矩阵的相似度，当抽取的连续两帧图像矩形框的中心点分布矩阵发生大范围明显变化时，即可判断所饲养的禽类位置发生了突然的大面积移动，则将判断结果发送到预警模块。例如判断到图像中包括超过10个中心点，当前后两帧图像中中心点的分布密度变化超过了50％，即有50％的中心点消失了，我们则认为它发生了大范围的明显变化。
上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。

Claims (9)

1.一种基于视频识别的安防报警方法，其特征在于，包括以下步骤：
获取步骤：获取摄像头拍摄到的视频，所述视频包括多帧视频图像；
第一标记步骤：对视频图像中的目标物进行特征识别，并对识别到的目标物进行标记以得到标记物；所述目标物为饲养的禽类；所述第一标记步骤具体包括以下子步骤：
特征获取步骤：获取识别区域内的目标物的特征向量；
判断步骤：判断目标物的特征向量与目标物样本的特征向量之间的相似度是否超过第二预设值，如果是，则执行第二标记步骤；
第二标记步骤：对识别出来的目标物进行标记以得标记物；
预警步骤：判断相邻帧视频图像的标记物的分布密度变化是否超过第一预设值，如果是，则进行预警提醒。
2.如权利要求1所述的基于视频识别的安防报警方法，其特征在于，所述获取步骤之后标记步骤之前还包括以下步骤：
抽取步骤：根据获取到的视频，每隔预设时间抽取至少2帧关键帧图像；
预处理步骤：对抽取到的关键帧图像进行预处理，所述预处理包括二值化、去除噪音和干扰以及图像归一化。
3.如权利要求2所述的基于视频识别的安防报警方法，其特征在于，所述预处理步骤之后还包括以下步骤：
区域分割步骤：根据摄像头拍摄到的标志物对关键帧图像进行区域分割；
识别区域构建步骤：将分割后的关键帧图像作为相应摄像头的识别区域。
4.如权利要求3所述的基于视频识别的安防报警方法，其特征在于，所述特征获取步骤具体包括以下子步骤：
图像分割步骤：对目标物进行图像分割，将其分割为预设数量的方格区域；
特征计算步骤：计算每个方格中的点的区域密度，所述点的区域密度即为特征向量，该点的区域密度＝每个方格内的点数与图像总点数之比。
5.如权利要求1-4中任意一项所述的基于视频识别的安防报警方法，其特征在于，所述摄像头的数量有多个时，所述获取步骤具体为：获取各个摄像头拍摄到的视频，所述视频包括多帧视频图像。
6.如权利要求1-4中任意一项所述的基于视频识别的安防报警方法，其特征在于，所述标记物为矩形框、圆形框、识别点或者菱形框。
7.如权利要求2-4中任意一项所述的基于视频识别的安防报警方法，其特征在于，所述第一预设值为50％，所述预设时间为1秒。
8.一种基于视频识别的安防报警***，其特征在于，包括摄像头、标志物和数据处理服务器；所述摄像头和标志物的数量均有多个；
所述摄像头用于获取拍摄区域的视频图像；
所述标志物用于为视频图像的区域分割提供参考点；
所述数据处理服务器用于执行如权利要求1-7中任意一项所述的基于视频识别的安防报警方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-7任意一项所述的基于视频识别的安防报警方法。
CN201711175859.6A 2017-11-22 2017-11-22 一种基于视频识别的安防报警方法、***及存储介质 Active CN108010242B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711175859.6A CN108010242B (zh) 2017-11-22 2017-11-22 一种基于视频识别的安防报警方法、***及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711175859.6A CN108010242B (zh) 2017-11-22 2017-11-22 一种基于视频识别的安防报警方法、***及存储介质

Publications (2)

Publication Number Publication Date
CN108010242A CN108010242A (zh) 2018-05-08
CN108010242B true CN108010242B (zh) 2020-06-09

Family

ID=62053244

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711175859.6A Active CN108010242B (zh) 2017-11-22 2017-11-22 一种基于视频识别的安防报警方法、***及存储介质

Country Status (1)

Country Link
CN (1) CN108010242B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109118703A (zh) * 2018-07-19 2019-01-01 苏州菲丽丝智能科技有限公司 一种智能家居安防***及其工作方法
CN109858441A (zh) * 2019-01-30 2019-06-07 广州轨道交通建设监理有限公司 一种用于施工现场的异常状态监测方法与装置
CN110359960A (zh) * 2019-07-24 2019-10-22 精英数智科技股份有限公司 一种用于煤矿转载机推移的安全报警方法及设备
CN112989882A (zh) * 2019-12-16 2021-06-18 陈军 入侵物种类型识别***
CN111488838B (zh) * 2020-04-14 2023-09-01 上海天诚比集科技有限公司 一种视频检测区域物体侵入检测方法
TWI789879B (zh) * 2021-08-23 2023-01-11 行政院農業委員會畜產試驗所 智慧型禽隻群聚圖像辨識分析系統及方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103839065A (zh) * 2014-02-14 2014-06-04 南京航空航天大学 人群动态聚集特征提取方法
CN106203357A (zh) * 2016-07-11 2016-12-07 浙江宇视科技有限公司 一种人员聚集的检测方法和装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7139409B2 (en) * 2000-09-06 2006-11-21 Siemens Corporate Research, Inc. Real-time crowd density estimation from video

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103839065A (zh) * 2014-02-14 2014-06-04 南京航空航天大学 人群动态聚集特征提取方法
CN106203357A (zh) * 2016-07-11 2016-12-07 浙江宇视科技有限公司 一种人员聚集的检测方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于视频的人群异常事件监测综述;吴新宇等;《电子测量与仪器学报》;20140630;第28卷(第6期);第575-584页 *

Also Published As

Publication number Publication date
CN108010242A (zh) 2018-05-08

Similar Documents

Publication Publication Date Title
CN108010242B (zh) 一种基于视频识别的安防报警方法、***及存储介质
US10115209B2 (en) Image target tracking method and system thereof
CN104303193B (zh) 基于聚类的目标分类
CN110738127A (zh) 基于无监督深度学习神经网络算法的安全帽识别方法
CN108268867B (zh) 一种车牌定位方法及装置
CN105321350B (zh) ***检测方法及装置
CN109918971B (zh) 监控视频中人数检测方法及装置
CN112396658B (zh) 一种基于视频的室内人员定位方法及定位***
CN111091098B (zh) 检测模型的训练方法、检测方法及相关装置
CN112734731B (zh) 一种牲畜温度检测方法、装置、设备和存储介质
CN102610102A (zh) 一种嫌疑车辆查控方法及***
CN111461078B (zh) 一种基于计算机视觉技术的防钓监控方法
CN112528823B (zh) 一种基于关键帧检测和语义部件分割的条斑鲨运动行为分析方法及***
CN110096945B (zh) 基于机器学习的室内监控视频关键帧实时提取方法
CN115953566B (zh) 一种用于红外热成像仪的特征分析方法、***及介质
CN111814690A (zh) 一种目标重识别方法、装置和计算机可读存储介质
CN115035088A (zh) 一种基于yolov5和姿态估计的安全帽佩戴检测方法
CN111723656B (zh) 一种基于YOLO v3与自优化的烟雾检测方法及装置
CN113191273A (zh) 基于神经网络的油田井场视频目标检测与识别方法及***
CN111798435A (zh) 图像处理方法、工程车辆侵入输电线路监测方法及***
CN116419059A (zh) 基于行为标签的自动监控方法、装置、设备及介质
CN105447463B (zh) 变电站基于人体特征识别的跨摄像机自动跟踪***
CN105554456A (zh) 视频处理方法和设备
CN117475353A (zh) 基于视频的异常烟雾识别方法及***
CN106603888A (zh) 图像颜色提取处理结构

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