一种智能视频监控中刚性目标丢失的检测方法技术

本发明专利技术涉及智能监控技术领域，具体是一种智能视频监控中刚性目标丢失的检测方法：在当前视频场景下选定一个区域作为监控的刚性目标；获取刚性目标模型的参数；获取当前场景视频图像；在当前帧的视频图像中，计算可疑目标位置处对应的图像属于刚性目标的概率；判断获取的可疑目标位置的置信度是否大于一定的阈值T，若大于该阈值，说明当前帧可疑目标位置处刚性目标依然存在，更新刚性目标模型参数；否则说明当前帧可疑目标位置处刚性目标丢失，报警。本发明专利技术采用视频图像分析技术，实时监控刚性目标的存在状态，当出现刚性目标丢失时，能够及时报警，本发明专利技术具有全天候、高准确度、不受光线变化和背景目标频繁移动的干扰等特点。

【技术实现步骤摘要】

本专利技术涉及智能监控
，具体是一种智能视频监控中刚性目标丢失的检测方法。
技术介绍
近年来，随着人们生活质量的提高，安全防范意识也在逐步提升，传统的视频监控系统因其效率低、浪费人力，越发不能满足人们的需要，因此，随后发展起来的智能视频监控系统，凭借着实时、高效、准确、无需太多人工干预的优点，越来越得到关注。其中，刚性目标丢失的检测是其十分重要的一个应用，例如，监控博物馆的某一幅名画是否被偷盗、银行系统的某一件抵押物是否被偷偷移走、停在路边的汽车是不是被偷开走等等。目前，已存在一些视频分析算法，用于检测刚性目标是否丢失，主要是：1.基于背景模型的检测方法，主要是先获取视频场景的背景图像模型，然后和当前帧视频图像相减获取前景目标，如果该前景目标出现在刚性目标所在的区域，即认为刚性目标丢失。该方法在光线稳定和背景目标无频繁移动的情况下有不错的效果，但是实际环境中，总会存在光线变化和背景目标频繁移动的情况，该方法会存在失效。2.基于特征匹配的检测方法，主要是采用sift算法对刚性目标图像进行特征点检测和描述，然后在当前帧视频图像中，寻找是否存在和刚性目标相匹配的目标，借以判断刚性目标是否丢失。该类方法的优点是对光线的变化不敏感，缺点是判断速度较慢、对于没有显著特征点的目标，会存在失效。
技术实现思路
本专利技术的目的在于提供一种智能视频监控中刚性目标丢失的检测方法，能够适用于各种光线变化和背景场景，能够实时检测刚性目标的存在状态。本专利技术是通过以下技术方案实现的：一种智能视频监控中刚性目标丢失的检测方法，包括以下步骤：(1)在当前视频场景下选定一个区域作为监控的刚性目标；(2)获取刚性目标模型的参数；(3)获取当前场景视频图像；(4)在当前帧的视频图像中，根据刚性目标模型，计算可疑目标位置处对应的图像属于刚性目标的概率，即获取可疑目标位置的置信度；(5)判断步骤(4)获取的可疑目标位置的置信度是否大于一定的阈值T，若大于该阈值，说明当前帧可疑目标位置处刚性目标依然存在，则进入步骤(6)；否则说明当前帧可疑目标位置处刚性目标丢失，进入步骤(7)；(6)更新刚性目标模型参数，返回步骤(3)；(7)报警。本专利技术所述的一种智能视频监控中刚性目标丢失的检测方法，步骤(2)所述的刚性目标模型采用如下公式： p ( x A ) = Σ i = 1 N { e - [ ( x A ( i ) - u B 1 ( i ) ) 2 2 σ B 1 ( i ) 2 ] σ B 1 ( i ) + e - [ ( x A ( i ) - u B 2 ( i ) ) 2 2 σ B 2 ( i ) 2 ] σ B 2 ( i )本文档来自技高网...

【技术保护点】
一种智能视频监控中刚性目标丢失的检测方法，其特征在于，包括以下步骤：(1)在当前视频场景下选定一个区域作为监控的刚性目标；(2)获取刚性目标模型的参数；(3)获取当前场景视频图像；(4)在当前帧的视频图像中，根据刚性目标模型，计算可疑目标位置处对应的图像属于刚性目标的概率，即获取可疑目标位置的置信度；(5)判断步骤(4)获取的可疑目标位置的置信度是否大于一定的阈值T，若大于该阈值，说明当前帧可疑目标位置处刚性目标依然存在，则进入步骤(6)；否则说明当前帧可疑目标位置处刚性目标丢失，进入步骤(7)；(6)更新刚性目标模型参数，返回步骤(3)；(7)报警。

【技术特征摘要】
1.一种智能视频监控中刚性目标丢失的检测方法，其特征在于，包括以下步骤：(1)在当前视频场景下选定一个区域作为监控的刚性目标；(2)获取刚性目标模型的参数；(3)获取当前场景视频图像；(4)在当前帧的视频图像中，根据刚性目标模型，计算可疑目标位置处对应的图像属于刚性目标的概率，即获取可疑目标位置的置信度；(5)判断步骤(4)获取的可疑目标位置的置信度是否大于一定的阈值T，若大于该阈值，说明当前帧可疑目标位置处刚性目标依然存在，则进入步骤(6)；否则说明当前帧可疑目标位置处刚性目标丢失，进入步骤(7)；(6)更新刚性目标模型参数，返回步骤(3)；(7)报警。2.根据权利要求1所述的一种智能视频监控中刚性目标丢失的检测方法，其特征在于，步骤(2)所述的刚性目标模型采用如下公式：其中，p(xA)表示刚性目标存在的概率，xA表示特征向量，xA(i)表示特征向量的第i个分量，N表示特征向量的维数，uB1(i)表示正样本特征向量的均值向量第i个分量，uB2(i)表示负样本特征向量的均值向量第i个分量，σB1(i)表示正样本特征向量的方差向量第i个分量，σB2(i)表示负样本特征向量的方差向量第i个分量。3.根据权利要求1或2所述的一种智能视频监控中刚性目标丢失的检测方法，其特征在于，步骤(2)所述的获取刚性目标模型的参数包括以下步骤：(21)在刚性目标区域周围分别获取正样本区域和负样本区域，然后在正样本区域和负样本区域内，按照刚性目标的矩形尺寸进行遍历，截取每一个遍历位 置处的局部图像作为相应刚性目标的正样本和负样本；(22)获取每一个刚性目标的正样本和负样本的特征向量；(23)计算刚性目标的正样本和负样本的均值向量和方差向量。4.根据权利要求3所述的一种智能视频监控中刚性目标丢失的检测方法，其特征在于，步骤(21)所述的获取正样本区域和负样本区域分别采用以下公式(1)和(2)：其中，rect_p.x表示正样本区域矩形的左上角横坐标，rect_p.y表示正样本区域矩形的左上角纵坐标，rect_p.width表示正样本区域矩形的宽度，rect_p.height表示正样本区域矩形的高度；rect_obj.x表示刚性目标区域矩形的左上角横坐标，rect_obj.y表示刚性目标区域矩形的左上角纵坐标，rect_obj.width表示刚性目标区域矩形的宽度，rect_obj.height表示刚性目标区域矩形的高度；rect_n表示负样本区域，rect_b表示负样本区域所在...

【专利技术属性】
技术研发人员：张卡，何佳，尼秀明，
申请(专利权)人：安徽清新互联信息科技有限公司，
类型：发明
国别省市：安徽;34