CN110636281B - 一种基于背景模型的监控摄像头遮挡实时检测方法 - Google Patents

Abstract

本发明公开了一种基于背景模型的监控摄像头遮挡实时检测方法，该检测方法旨在解决现今监控摄像头存在遮挡难以通过人眼进行实时判断，而使用目前的计算机视觉技术辅助算法进行检测又需要大型的服务器进行适配，固件占用量大，而且误报率高的技术问题。该检测方法大致步骤为：首先建立无遮挡情况下的背景模型，其后实时获取监控摄像头的监控图像，之后进行图像对比，判断监控摄像头是否被遮挡，如果被遮挡，则通知用户，否则更新背景模型。该检测方法基于背景模型技术，及时更迭最新的环境状态信息，实现了检测的极高准确性，同时结合各步骤中突破性设定的遮挡判定算法，最终实现了高速实时高准确性地检测监控摄像头是否被遮挡。

Description

一种基于背景模型的监控摄像头遮挡实时检测方法

技术领域

本发明属于智能监控领域，具体属于一种基于背景模型的监控摄像头遮挡实时检测方法。

背景技术

为了保障社会安全维护社会稳定，客观公正地进行法务执行，视频监控已成为现今非常常见的技术手段之一，也是安全防范***的重要组成部分。现今，针对社会安防的需求，公安部一直致力于实现对公共区域的监控，即完成“天网监控工程”的建设，“天网监控工程”就是在公共区域合理地安装若干监控摄像头，通过公安部门的后台控制，对区域实现全天候全方位的监控，目前我国已经建成世界上最大的视频监控网络。

但由于人为或自然条件的因素影响，一些监控摄像头在一定情况下可能会被某些物体遮挡，从而影响视频监控的正常使用。而且在区域总量上，由于存在海量的视频监控摄像头，通过人眼观察，根本难以实现不间断地巡查所有监控摄像头是否被遮挡，可行性极低；同时，还可以使用计算机视觉技术辅助算法进行检测，但现有技术下的检测方法无法区分监控视频中的物体是正常物体还是遮挡物，从而时常出现误报的情况，而且现今的检测算法计算复杂度较高，想要实现实时的检测，需要较为大型的服务器适配，固件占用量大。

发明内容

(1)要解决的技术问题

针对现有技术的不足，本发明的目的在于提供一种基于背景模型的监控摄像头遮挡实时检测方法，该检测方法旨在解决现今监控摄像头存在遮挡难以通过人眼进行实时判断，而使用目前的计算机视觉技术辅助算法进行检测又需要大型的服务器进行适配，固件占用量大，而且误报率高的技术问题；该检测方法基于背景模型技术，及时更迭最新的环境状态信息，实现了检测的极高准确性，同时结合各步骤中突破性设定的遮挡判定算法，最终实现了高速实时高准确性地检测监控摄像头是否被遮挡。

(2)技术方案

为了解决上述技术问题，本发明提供了这样一种基于背景模型的监控摄像头遮挡实时检测方法，该检测方法的具体步骤为：

步骤一，在***初始化时，建立待检测监控摄像头在无遮挡情况下的背景模型M；

步骤二，在***正常运作时，实时获取该待检测监控摄像头的监控图像；

步骤三，使用背景模型M与该待检测监控摄像头的监控图像进行对比，判断该待检测监控摄像头是否被遮挡；

步骤四，如果判断该待检测监控摄像头被遮挡时，则提醒用户；如果判断该待检测监控摄像头没有被遮挡时，则根据当前该待检测监控摄像头获取的监控图像更新背景模型M，并继续进行步骤二。

其中，建立待检测监控摄像头在无遮挡情况下的背景模型M可以使用多种背景建模算法，如Vibe背景建模、混合高斯背景建模、CodeBook背景建模等。

优先地，在步骤一中，其具体的步骤为：

(1.1)在***初始化时，获取该待检测监控摄像头在无遮挡情况下的N帧彩色图像；

(1.2)将这N帧彩色图像分别转换为灰度图，记为G＝{g_i|i∈[1,N]}；

(1.3)在时间序列上，按像素位置计算G的平均值，则背景模型为

从而得到待检测监控摄像头在无遮挡情况下的背景模型M。

在步骤二中，其具体的步骤为：

(2.1)在***正常运作时，以相同的时间间隔获取K帧彩色图像；

(2.2)将这K帧彩色图像分别转换为灰度图，记为G′＝{g′_i|i∈[1，K]}，从而得到该待检测监控摄像头的监控图像。

在步骤三中，其具体的步骤为：

(3.1)在水平与垂直方向上，分别把背景模型M平均切割为P块与Q块相同大小的区域，记为{M_ij|i∈[1，P]，j∈[1，Q]}；

(3.2)按下述(3.3)至(3.9)的步骤，循环判断K帧灰度图G′＝{g′_i|i∈[1，K]}是否被遮挡；

(3.3)在水平和垂直方向上，分别把g′_i平均切割为P块与Q块相同大小的待检测区域，记为{a_ij|i∈[1，P]，j∈[1，Q]}；

(3.4)按下述(3.5)至(3.7)的步骤，循环判断a_ij是否被遮挡；

(3.5)计算a_ij的灰度均值Mean(a_ij)和标准差Std(a_ij)；

(3.6)如果Mean(a_ij)＜Tm且Std(a_ij)＜Ts，则按位置计算区域a_ij与背景模型M_ij差的绝对值，记为abs(a_ij-M_ij)；

(3.7)如果Mean(abs(a_ij-M_ij))＞Ta，则返回a_ij区域被遮挡，否则返回a_ij没有被遮挡；

(3.8)如果g′_i中存在某区域a_ij被遮挡，则返回g′_i被遮挡，否则返回g′_i没有被遮挡；

(3.9)计算G′中被遮挡的g′_i个数，记为L；如果L＞Tl，则返回该监控摄像头被遮挡，否则返回该监控摄像头正常。

其中，Mean()和Std()分别是均值和标准差函数；Tm和Ts分别为均值阈值和标准差阈值；Ta为步骤(3.7)中的固定阈值，Tl为步骤(3.9)中的固定阈值。

在步骤四中，如果判断该待检测监控摄像头被遮挡时，进行提醒用户，其具体的步骤为：

(4.11)通过下述方式提醒用户，调用短信发送模块，向指定手机号发送短信通知，和/或，在监控服务器上，弹出窗口提醒；

(4.12)调用存储模块，把相关信息存储到数据库。

在步骤四中，如果判断该待检测监控摄像头没有被遮挡时，根据当前该待检测监控摄像头获取的监控图像进行更新背景模型M的具体步骤为：

(4.21)在时间序列上，按位置计算G′＝{g′_i|i∈[1，K]}的均值，记为Mean(G′)；

(4.22)按公式M＝(M+Mean(G′))/2更新背景模型。

(3)有益效果

与现有技术相比，本发明的有益效果在于：

本发明基于背景模型技术，利用待检测监控摄像头获取的监控图像实时更新背景模型，及时更迭最新的环境状态信息，从而实现了检测的极高准确性；同时，结合各步骤中突破性设定的遮挡判定算法，该算法的计算复杂度低，不需要大型的服务器进行适配，固件占用量小，一台服务器能够实时快速的检测多路监控摄像头，最终实现了高速实时高准确性地检测监控摄像头是否被遮挡。

附图说明

为了更清楚的说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术中描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一种实施方式，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明监控摄像头遮挡实时检测方法一种实施方式的流程框架示意图。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面对本发明具体实施方式中的技术方案进行清楚、完整的描述，以进一步阐述本发明，显然，所描述的具体实施方式仅仅是本发明的一部分实施方式，而不是全部的样式。

本实施例为实时检测监控摄像头是否被遮挡方法，其判断过程的流程框架示意图如图1所示，具体过程为：

(1.1)在***初始化时，获取该待检测监控摄像头在无遮挡情况下的N帧彩色图像；

(1.2)将这N帧彩色图像分别转换为灰度图，记为G＝{g_i|i∈[1，N]}；

(1.3)在时间序列上，按像素位置计算G的平均值，则背景模型为

从而得到待检测监控摄像头在无遮挡情况下的背景模型M。

(2.1)在***正常运作时，以相同的时间间隔获取K帧彩色图像；

(2.2)将这K帧彩色图像分别转换为灰度图，记为G′＝{g′_i|i∈[1，K]}，从而得到该待检测监控摄像头的监控图像。

(3.1)在水平与垂直方向上，分别把背景模型M平均切割为P块与Q块相同大小的区域，记为{M_ij|i∈[1，P]，j∈[1，Q]}；

(3.2)按下述(3.3)至(3.9)的步骤，循环判断K帧灰度图G′＝{g′_i|i∈[1，K]}是否被遮挡；

(3.3)在水平和垂直方向上，分别把g′_i平均切割为P块与Q块相同大小的待检测区域，记为{a_ij|i∈[1，P]，j∈[1，Q]}；

(3.4)按下述(3.5)至(3.7)的步骤，循环判断a_ij是否被遮挡；

(3.5)计算a_ij的灰度均值Mean(a_ij)和标准差Std(a_ij)；

(3.6)如果Mean(a_ij)＜Tm且Std(a_ij)＜Ts，则按位置计算区域a_ij与背景模型M_ij差的绝对值，记为abs(a_ij-M_ij)；

(3.7)如果Mean(abs(a_ij-M_ij))＞Ta，则返回a_ij区域被遮挡，否则返回a_ij没有被遮挡；

(3.8)如果g′_i中存在某区域a_ij被遮挡，则返回g′_i被遮挡，否则返回g′_i没有被遮挡；

(3.9)计算G′中被遮挡的g′_i个数，记为L；如果L＞Tl，则返回该监控摄像头被遮挡，否则返回该监控摄像头正常。

(4.1)如果判断该待检测监控摄像头被遮挡时，则通过下述方式提醒用户，调用短信发送模块，向指定手机号发送短信通知，或者，在监控服务器上，弹出窗口提醒，或者两者一起；并且调用存储模块，把相关信息存储到数据库。

(4.2)如果判断该待检测监控摄像头没有被遮挡时，在时间序列上，按位置计算G′＝{g′_i|i∈[1，K]}的均值，记为Mean(G′)；并且按公式M＝(M+Mean(G′))/2更新背景模型。

从而基于背景模型技术实时更新背景模型，最终实了高速实时高准确性地检测监控摄像头是否被遮挡。

以上描述了本发明的主要技术特征和基本原理及相关优点，对于本领域技术人员而言，显然本发明不限于上述示范性具体实施方式的细节，而且在不背离本发明的构思或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将上述具体实施方式看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。

此外，应当理解，虽然本说明书按照各实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施方式中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (1)

1.一种基于背景模型的监控摄像头遮挡实时检测方法，其特征在于，该检测方法的具体步骤为：

步骤一，在***初始化时，建立待检测监控摄像头在无遮挡情况下的背景模型M；

步骤二，在***正常运作时，实时获取该待检测监控摄像头的监控图像；

步骤三，使用背景模型M与该待检测监控摄像头的监控图像进行对比，判断该待检测监控摄像头是否被遮挡；

步骤四，如果判断该待检测监控摄像头被遮挡时，则提醒用户；如果判断该待检测监控摄像头没有被遮挡时，则根据当前该待检测监控摄像头获取的监控图像更新背景模型M，并继续进行步骤二；

其中，在步骤一中，其具体的步骤为：

(1.1)在***初始化时，获取该待检测监控摄像头在无遮挡情况下的N帧彩色图像；

(1.2)将这N帧彩色图像分别转换为灰度图，记为G＝{g_i|i∈[1，N]}；

(1.3)在时间序列上，按像素位置计算G的平均值，则背景模型为

从而得到待检测监控摄像头在无遮挡情况下的背景模型M；

在步骤二中，其具体的步骤为：

(2.1)在***正常运作时，以相同的时间间隔获取K帧彩色图像；

(2.2)将这K帧彩色图像分别转换为灰度图，记为G′＝{g′_i|i∈[1，K]}，从而得到该待检测监控摄像头的监控图像；

在步骤三中，其具体的步骤为：

(3.1)在水平与垂直方向上，分别把背景模型M平均切割为P块与Q块相同大小的区域，记为{M_ij|i∈[1，P]，j∈[1，Q]}；

(3.2)按下述(3.3)至(3.9)的步骤，循环判断K帧灰度图G′＝{g′_i|i∈[1，K]}是否被遮挡；

(3.3)在水平和垂直方向上，分别把g′_i平均切割为P块与Q块相同大小的待检测区域，记为{a_ij|i∈[1，P]，j∈[1，Q]}；

(3.4)按下述(3.5)至(3.7)的步骤，循环判断a_ij是否被遮挡；

(3.5)计算a_ij的灰度均值Mean(a_ij)和标准差Std(a_ij)；

(3.6)如果Mean(a_ij)＜Tm且Std(a_ij)＜Ts，则按位置计算区域a_ij与背景模型M_ij差的绝对值，记为abs(a_ij-M_ij)；

(3.7)如果Mean(abs(a_ij-M_ij))＞Ta，则返回a_ij区域被遮挡，否则返回a_ij没有被遮挡；

(3.8)如果g′_i中存在某区域a_ij被遮挡，则返回g′_i被遮挡，否则返回g′_i没有被遮挡；

(3.9)计算G′中被遮挡的g′_i个数，记为L；如果L＞Tl，则返回该监控摄像头被遮挡，否则返回该监控摄像头正常；

在步骤四中，如果判断该待检测监控摄像头被遮挡时，进行提醒用户，其具体的步骤为：

(4.11)通过下述方式提醒用户，调用短信发送模块，向指定手机号发送短信通知，和/或，在监控服务器上，弹出窗口提醒；

(4.12)调用存储模块，把相关信息存储到数据库；

在步骤四中，如果判断该待检测监控摄像头没有被遮挡时，根据当前该待检测监控摄像头获取的监控图像进行更新背景模型M的具体步骤为：

(4.21)在时间序列上，按位置计算G′＝{g′_i|i∈[1，K]}的均值，记为Mean(G′)；

(4.22)按公式M＝(M+Mean(G′))/2更新背景模型。

Images