一种基于视频监控的仓储监控方法及装置制造方法及图纸

本发明专利技术公开了一种基于视频监控的仓储监控方法及装置，本发明专利技术通过视频监控能实时检测出仓库中堆砌货物形状所发生的异常变化并及时报警，同时融合RFID无线射频识别技术实时获取报警货物的货物类别等信息，本发明专利技术在异常检测单元的背景学习模块中采用基于改进的混合高斯模型的背景建模算法，在算法中使用时变的权值更新率和不同的参数更新因子，不仅提高了检测灵敏度，还降低了模型的适应程度，使算法的鲁棒性增强。将RFID技术应用到视频监控技术中来，利用RFID快速扫描、穿透性和无屏碍阅读、抗污染能力和耐久性强、可重复使用、数据记忆容量大等优点，提高了仓储监控装置的智能化程度。并且该装置成本低，安装简便，节省了人力资源成本，具有较强的实际应用价值。

【技术实现步骤摘要】
一种基于视频监控的仓储监控方法及装置
本专利技术涉及一种基于视频监控的仓储监控方法及装置。
技术介绍
现在大多数仓库仍采用传统的监控方式，传统的仓储监控方法包括人力现场监控和人力视频监控，基本处于人工管理或半自动化管理状态，智能化程度较低，并且存在资金占用量大、货物识别及货物信息实时获取困难，人工依赖性强等诸多问题。不同于传统的监控技术，智能视频监控技术以其强大的数据处理能力和高效的自主解析功能展现出明显的优势。智能视频监控技术的主要特点是采用计算机视觉的方法，在几乎不需人为监控的情况下，通过对视频图像序列进行自动分析，识别出感兴趣的监控目标或事件，并在此基础上分析和判断监控目标的行为，在可疑目标、潜在危险等异常情况发生时，以最快的速度发出警报。无线射频识别技术(RadioFrequencyIdentification，简称“RFID”)是一种非接触式自动无线识别和数据获取技术，优势在于能让监控目标“开口说话”，实现数据的采集。将RFID技术与智能视频监控技术相结合，可以极大地提高仓储监控技术的智能化程度，有效地协助监控人员处理异常情况，提高监控效率，节省人力监控成本。
技术实现思路
本专利技术为了解决上述问题，提出了一种基于视频监控的仓储监控方法及装置，本专利技术通过视频监控能实时检测出仓库中堆砌货物形状所发生的异常变化并及时报警，同时融合RFID无线射频识别技术实时获取报警货物的货物类别等信息。为了实现上述目的，本专利技术采用如下技术方案：一种基于视频监控的仓储监控方法，包括以下步骤：(1)采集仓库中货物堆的视频信息；(2)对采集到的图像建立背景模型，并根据场景的变化对模型参数进行学习更新，检测视频场景是否发生异常变化，得到前景二值图像；(3)进行形态学滤波操作，对前景二值图像先做开运算，后做闭运算，；(4)对滤波后的图像进行区域划分，构建连通域，计算出每个连通区域各自的参数，剔除超过设定值的前景区域；(5)对筛选后的前景区域进行异常判断，如果存在异常变化，进行报警。所述步骤(1)中，摄像机正对货物堆安装，摄像机与货物堆保持一定的距离，对仓库中不同大小的货物堆进行分类分区存放。所述步骤(2)中，对采集到的货物堆图像建立改进的混合高斯背景模型，并根据场景的变化对模型参数进行学习更新，具体包括：(2-1)：计算开始连续时间段内的视频图像序列中各像素点的均值和方差，建立K个具有高斯分布的初始混合高斯背景模型，并设定初始权值；(2-2)：每个像素点包含K个高斯分布构成的混合高斯背景模型，对后续传输的图像中每个新的像素值，分别与对应各像素点的背景模型进行匹配；(2-3)：根据模型匹配的结果进行参数更新，分为两种情况，若当前帧的像素值与高斯模型集合中的一个高斯模型匹配，则更新该高斯模型的均值和方差，同时增加该高斯模型的权值，降低剩余未匹配的高斯模型的权值；若都不匹配，则根据当前帧的像素值引入一个新的高斯分布替换原先K个高斯模型集合中权值最小的高斯模型；(2-4)：将K个高斯模型从高到低依次排序，依据设定的阈值选择相应个数的高斯模型作为背景模型。所述步骤(2-4)中，背景模型的高斯模型个数的选取方法为：其中，B为选择的背景模型个数，ωk为各个高斯模型的权值，T为估计背景的最小阈值。所述步骤(2)中，检测视频场景中的货物堆是否发生异常变化，对于传输来的视频图像，根据建立的背景模型，按照优先级次序依次与当前帧的像素值逐一匹配，若匹配则判断该点为前景点，否则为背景点，最终得到前景二值图像。所述步骤(3)中，采用3×3方形结构元素做形态学滤波操作，对二值化图像先做开运算，后做闭运算，以消除前景区域的不连续空洞，连接同一前景区域的断裂处以及平滑其边缘。所述步骤(4)中，通过像素标记算法将每个前景区域区分开，计算出每个连通区域各自的参数，然后根据各个区域的几何特征剔除掉不符合实际情况的前景区域，保留可能的前景区域。所述步骤(5)中，对不同的货物堆区域设定不同的最小面积阈值，当通过连通域检测模块后得到的前景区域大于设定的最小面积阈值时，则判定货物堆形状发生变化。一种基于视频监控的仓储监控装置，包括视频采集单元、异常检测单元、报警单元、RFID单元和显示单元，其中：所述视频采集单元，被配置为实时采集监控场景的视频信息，并将其传输给异常检测单元和显示单元；所述异常检测单元，被配置为对采集到的图像建立背景模型，并根据场景的变化对模型参数进行学习更新，检测视频场景是否发生异常变化，根据与背景模型的匹配结果得到前景二值图像，对前景二值图像先进行形态学滤波，再进行区域划分，构建连通域，对筛选后的前景区域进行异常判断，向报警单元传输异常变化信号；所述报警单元，被配置为接收异常变化信号，并进行报警；所述RFID单元，被配置为根据异常变化结果获取监控范围内发生异常变动的相应的货物信息；所述显示单元，被配置为显示实时场景视频以及异常判断结果。所述异常检测单元包括背景学习模块、前景检测模块、形态学处理模块、连通域检测模块与异常判断模块，其中：所述背景学习模块，被配置为对采集到的货物堆图像建立改进的混合高斯背景模型，并根据场景的变化对模型参数进行学习更新；所述前景检测模块，检测视频场景中的货物堆是否发生异常变化，对于传输来的视频图像，根据前若干个高斯模型建立的背景模型，按照优先级次序依次与当前帧的像素值逐一匹配，得到前景二值图像；所述形态学处理模块，进行形态学滤波操作，对前景二值图像先做开运算，后做闭运算，以消除前景区域的不连续空洞，连接同一前景区域的断裂处以及平滑其边缘；所述连通域检测模块，对检测到的前景区域进行筛选；所述异常判断模块，对筛选后的前景区域进行异常判断。所述RFID单元包括电子标签、读写器、控制器与数据库服务器，其中：所述电子标签，标记货物的ID信息；所述读写器，采集监控范围内货物携带的电子标签信息，并将数据信息传输给控制器；所述控制器，对读写器进行读写功率和读写模式的设置，同时将从读写器中接收到的数据信息传输到数据库服务器；所述数据库服务器，接收从控制器中传输来的数据信息并存储。本专利技术的有益效果为：(1)本专利技术在异常检测单元的背景学习模块中采用基于改进的混合高斯模型的背景建模算法，在算法中使用时变的权值更新率和不同的参数更新因子，不仅提高了检测灵敏度，还降低了模型的适应程度，使算法的鲁棒性增强；(2)本专利技术将RFID技术应用到视频监控技术中来，利用RFID快速扫描、穿透性和无屏碍阅读、抗污染能力和耐久性强、可重复使用、数据记忆容量大等优点，提高了仓储监控装置的智能化程度；(3)本专利技术成本低，安装简便，节省了人力资源成本，具有较强的实际应用价值。附图说明图1是本专利技术的结构框图；图2是本专利技术的异常检测单元中背景学习模块的方法流程图；图3是本专利技术的RFID单元的应用过程示意图。具体实施方式：下面结合附图与实施例对本专利技术作进一步说明。如图1所示，为本专利技术的结构框图，本专利技术由视频采集单元1、异常检测单元2、报警单元3、RFID单元4和显示单元5五部分组成。视频采集单元1用于采集实时监控场景的视频信息，并通过网线与异常检测单元2进行视频传输，通过光纤电缆与显示单元5进行实时视频传输；异常检测单元2用于检测从视频采集单元1接收的场景视频信息，如果检测本文档来自技高网...

【技术保护点】
一种基于视频监控的仓储监控方法，其特征是：包括以下步骤：(1)采集仓库中货物堆的视频信息；(2)对采集到的图像建立背景模型，并根据场景的变化对模型参数进行学习更新，检测视频场景是否发生异常变化，得到前景二值图像；(3)进行形态学滤波操作，对前景二值图像先做开运算，后做闭运算；(4)对滤波后的图像进行区域划分，构建连通域，计算出每个连通区域各自的参数，剔除超过设定值的前景区域；(5)对筛选后的前景区域进行异常判断，如果存在异常变化，进行报警。

【技术特征摘要】
1.一种基于视频监控的仓储监控方法，其特征是：包括以下步骤：(1)采集仓库中货物堆的视频信息；(2)对采集到的图像建立背景模型，并根据场景的变化对模型参数进行学习更新，检测视频场景是否发生异常变化，得到前景二值图像；(3)进行形态学滤波操作，对前景二值图像先做开运算，后做闭运算；(4)对滤波后的图像进行区域划分，构建连通域，计算出每个连通区域各自的参数，剔除超过设定值的前景区域；(5)对筛选后的前景区域进行异常判断，如果存在异常变化，进行报警。2.如权利要求1所述的一种基于视频监控的仓储监控方法，其特征是：所述步骤(1)中，摄像机正对货物堆安装，摄像机与货物堆保持一定的距离，对仓库中不同大小的货物堆进行分类分区存放。3.如权利要求1所述的一种基于视频监控的仓储监控方法，其特征是：所述步骤(2)中，对采集到的货物堆图像建立改进的混合高斯背景模型，并根据场景的变化对模型参数进行学习更新，具体包括：(2-1)：计算开始连续时间段内的视频图像序列中各像素点的均值和方差，建立K个具有高斯分布的初始混合高斯背景模型，并设定初始权值；(2-2)：每个像素点包含K个高斯分布构成的混合高斯背景模型，对后续传输的图像中每个新的像素值，分别与对应各像素点的背景模型进行匹配；(2-3)：根据模型匹配的结果进行参数更新，分为两种情况，若当前帧的像素值与高斯模型集合中的一个高斯模型匹配，则更新该高斯模型的均值和方差，同时增加该高斯模型的权值，降低剩余未匹配的高斯模型的权值；若都不匹配，则根据当前帧的像素值引入一个新的高斯分布替换原先K个高斯模型集合中权值最小的高斯模型；(2-4)：将K个高斯模型从高到低依次排序，依据设定的阈值选择相应个数的高斯模型作为背景模型。4.如权利要求3所述的一种基于视频监控的仓储监控方法，其特征是：所述步骤(2-4)中，背景模型的高斯模型个数的选取方法为：其中，B为选择的背景模型个数，ωk为各个高斯模型的权值，T为估计背景的最小阈值。5.如权利要求1所述的一种基于视频监控的仓储监控方法，其特征是：所述步骤(2)中，检测视频场景中的货物堆是否发生异常变化，对于传输来的视频图像，根据建立的背景模型，按照优先级次序依次与当前帧的像素值逐一匹配，若匹配则判断该点为前景点，否则为背景点，最终得到前景二值图像。6.如权...

【专利技术属性】
技术研发人员：刘治，朱耀文，许建中，邱清晨，
申请(专利权)人：济南博图信息技术有限公司，
类型：发明
国别省市：山东,37