基于高斯建模与目标轮廓的遗留物检测方法技术

本发明专利技术公开了一种基于高斯建模与目标轮廓的遗留物检测方法，涉及计算机视觉、智能视频监控领域。本方法包括下列步骤：①输入视频；②遗留物粗检测；③遗留物精确检测；④遗留物分类；⑤再次确定；⑥输出结果。本发明专利技术通过遗留物的粗检测、精确检测、分类、再次确定一系列步骤，使遗留物检测足够稳定可靠，达到稳定的遗留物智能检测的目的；适用于各种公共场所智能行为分析的遗留物检测。

【技术实现步骤摘要】
本专利技术涉及计算机视觉、智能视频监控领域，具体涉及一种基于高斯建模与目标轮廓的遗留物检测方法。
技术介绍
遗留物检测是为安防的预警而设计，它是智能行为分析系统的重要组成部分，可应用于各种公共场所包括机场、车站、港口、建筑物周围、街道、小区、及其他场所，用于自动监视场景中是否有可疑物体遗留。 基于计算机视觉的遗留物检测方法主要的思路就是通过判断运动目标是否较长时间的静止不动，也就是找到新进入场景的静止不动的目标，然后对静止不动的目标进行分类处理，过滤掉不感兴趣的目标，例如人、车等。目前的遗留物检测方法中，主要存在的问题就是误检。而造成误检的原因有很多，比如场景中非感兴趣目标(人、树叶、水波)的干扰，光照的变化，遮挡，初始场景中存在运动目标等。因此，提高遗留物检测方法的稳定性，减少误检是一个亟待解决的问题，这也正是本专利技术的出发点。
技术实现思路
本专利技术的目的就在于提高遗留物检测的稳定性，提供一种基于高斯建模与目标轮廓的遗留物检测方法，通过不同高斯背景模型背景的对比，粗略地检测出静止的目标；通过目标的轮廓梯度信息过滤掉一部分非遗留物，到达精确检测的目的；应用分类算法过滤掉不感兴趣的静止目标，这种遗留物检测方法能够准确稳定的检测出遗留物，并且误检率低。本专利技术所采用的技术方案是一、一种基于高斯建模与目标轮廓的遗留物检测系统(简称系统)本系统包括工作环境视频监控平台、综合接入网关和智能管理服务器；设置有智能分析服务器；其连接关系是视频监控平台、综合接入网关、智能管理服务器和智能分析服务器依次连接。工作原理智能分析服务器连接到智能管理服务器，智能分析服务器根据智能管理服务器的IP (互联网协议)和端口连接到智能管理服务器；用户请求视频智能分析任务时，此请求发送到智能管理服务器，智能管理服务器记录下智能分析服务器状态，并将待检测摄像头列表均衡分配到空闲的智能分析服务器，智能分析服务器轮巡设备，从摄像头获取实时视频并解码，得到RGB (red，green, blue，红绿兰颜色表示法)数据，然后对RGB数据进行分析，并将检测结果上报到智能管理服务器，智能管理服务器将结果保存下来。用户也可根据告警类型和日期查询报警，统计生成报表。二、一种基于高斯建模与目标轮廓的遗留物检测方法(简称方法)本方法包括下列步骤①输入视频；②遗留物粗检测；③遗留物精确检测；④遗留物分类；⑤再次确定；⑥输出结果。本专利技术具有下列优点和积极效果 I、通过遗留物的粗检测、精确检测、分类、再次确定一系列步骤，使遗留物检测足够稳定可靠，达到稳定的遗留物智能检测的目的。2、本专利技术适用于各种公共场所智能行为分析的遗留物检测。附图说明图I是本系统的结构方框图；图中10—视频监控平台，11一第I视频监控平台，12—第2视频监控平台......IN—第N视频监控平台，N是自然数，N〈10 ;20—综合接入网关；30—智能管理服务器；40—智能分析服务器，41 一第I智能分析服务器……4N—第N智能分析服务器，N是自然数，N〈100。图2是本方法的步骤图；图3是目标跟踪的流程图；图4是改进的均值漂移的流程图。具体实施例方式下面结合附图和实施例对本专利技术详细说明一、系统I、总体如图1，本统计系统包括工作环境视频监控平台10、综合接入网关20和智能管理服务器30 ；设置有智能分析服务器40 ；其连接关系是视频监控平台10、综合接入网关20、智能管理服务器30和智能分析服务器40依次连接。2、功能部件I)视频监控平台10为用户提供实时音视频和各种报警信号的远程采集、传输、存储和处理等业务。2 )综合接入网关20实现视频监控平台的统计接入。3)智能管理服务器30实现智能资源管理，负责管理智能分析资源。4)智能分析服务器40 智能分析服务器40是视频智能分析的功能实体，在物理分布上对应一台服务器。智能分析服务器40由多个VA (视频分析单元)组成，每个VA可独立完成一路视频的智能分析。具体地说，智能分析服务器40的VA模块包括通用电脑及植入电脑内的功能软件。主要功能为①实现视频智能分析算法；②接入到智能管理服务器30，由智能管理服务器30集中管理；③接收智能管理服务器30的视频智能分析请求，从视频监控平台10获取视频并进行分析；④将诊断结果上报给智能管理服务器30。二、方法如图2，本方法实现步骤如下①输入视频-201利用待检测摄像头获得视频图像数据，输出到智能分析服务器供分析使用；②遗留物粗检测-202利用视频图像数据，分别建立两个多高斯模型，两个多高斯模型的不同之处在于学习速度，分别记为快高斯和慢高斯，其中快高斯模型的学习速度是O. 4秒/次，慢高斯模型的学习速度是20秒/次，比较两个多高斯模型背景之间的差异之处，并且用二值标示，O标示相同，即标示非遗留物，255标示不相同，即标示遗留物，初步确定遗留物的位置信息；③遗留物精确检测-203为了达到稳定的检测到遗留物的目的，分别进行以下操作A、累计统计遗留物，如果遗留物的值累计到一定程度，则还需要进一步的判断；B、利用当前图像数据、遗留物的位置、以及高斯模型信息，分别计算慢高斯和当前图像在各个遗留物轮廓处的梯度，记为Gl和G2，如果Gl远大于G2，则删除掉这个遗留物，俗称“鬼影ghost”(最初在场景中，一段时间之后移走的目标)，否则暂时保留；C、统计G2最小的前M个值，并且计算均值，如果均值小于一定值，则删除掉这个遗留物，目的是为了删除一部分保持静止的运动目标；④遗留物分类-204经过以上步骤，检测到的目标可能是静止的人、车等，为了达到过滤掉不需要的目标，例如人，可以使用对应的目标检测算法，识别出来是不是不需要的目标，如果是不需要的目标，则过滤掉。对于目标的分类，使用的是HOG+LatentSVM方法，具体可以参见文献〈〈Cascade Object Detection with Deformable Part Models>> ；⑤再次确定-205为了使遗留物检测方法稳定，还需要进行一个判断，如果目标对应位置，慢高斯前景检测结果为前景，快高斯检测结果为非前景，则确定为最终的遗留物，否则过滤掉；⑥输出结果-206输出最终的检测结果。下面对主要步骤详细说明I、步骤②遗留物粗检测-202遗留物粗检测-202利用两个多高斯背景建模更新速度的差别，造成背景模型在遗留物处不一样来达到检测遗留物的目的。专利《一种遗留物检测方法及装置》(申请号201110319533. 2)中，使用的是利用检测的前景的不一样来达到检测遗留物的目标，本专利 的方法更加稳定可靠。如图3，实现步骤如下①输入当前图像-301;②慢高斯前景检测-302，快高斯前景检测-303 ；③慢高斯模型更新-304，快高斯模型更新-305 ；④计算高斯背景模型对应点的差306 ；⑤判断差值是否小于阈值T1-307，是则将一个二值图像对应点处置为0-308，否则将二值图像对应点处置为255-309 ；⑥生成一个完整的二值图像-310 ;⑦将二值图像作为结果输出-311。2、步骤③遗留物精确检测-203遗留物精确检测-203是利用累计信息和目标轮廓梯度信息，过滤掉非遗留物目标，达到稳定检测的目的。如图4，遗留物精确检测-203实现步骤如下①输入粗检测结果图像-401 ;本文档来自技高网...

【技术保护点】
一种基于高斯建模与目标轮廓的遗留物检测方法，其特征在于：①输入视频（201）利用待检测摄像头获得视频图像数据，输出到智能分析服务器供分析使用；②遗留物粗检测（202）利用视频图像数据，分别建立两个多高斯模型，两个多高斯模型的不同之处在于学习速度，分别记为快高斯和慢高斯，其中快高斯模型的学习速度是0.4秒/次，慢高斯模型的学习速度是20秒/次，比较两个多高斯模型背景之间的差异之处，并且用二值标示，0标示相同，即标示非遗留物，255标示不相同，即标示遗留物，初步确定遗留物的位置信息；③遗留物精确检测（203）为了达到稳定的检测到遗留物的目的，分别进行以下操作：A、累计统计遗留物，如果遗留物的值累计到一定程度，则还需要进一步的判断；B、利用当前图像数据、遗留物的位置、以及高斯模型信息，分别计算慢高斯和当前图像在各个遗留物轮廓处的梯度，记为G1和G2，如果G1远大于G2，则删除掉这个遗留物，否则暂时保留；C、统计G2最小的前M个值，并且计算均值，如果均值小于一定值，则删除掉这个遗留物，目的是为了删除一部分保持静止的运动目标；④遗留物分类（204）使用对应的目标检测算法；对于目标的分类，使用的是HOG+LatentSVM方法；⑤再次确定（205）为了使遗留物检测方法稳定，还需要进行一个判断，如果目标对应位置，慢高斯前景检测结果为前景，快高斯检测结果为非前景，则确定为最终的遗留物，否则过滤掉；⑥输出结果（206）输出最终的检测结果。...

【技术特征摘要】
1.一种基于高斯建模与目标轮廓的遗留物检测方法，其特征在于 ①输入视频(201) 利用待检测摄像头获得视频图像数据，输出到智能分析服务器供分析使用； ②遗留物粗检测(202) 利用视频图像数据，分别建立两个多高斯模型，两个多高斯模型的不同之处在于学习速度，分别记为快高斯和慢高斯，其中快高斯模型的学习速度是O. 4秒/次，慢高斯模型的学习速度是20秒/次，比较两个多高斯模型背景之间的差异之处，并且用二值标示，O标示相同，即标示非遗留物，255标示不相同，即标示遗留物，初步确定遗留物的位置信息； ③遗留物精确检测(203) 为了达到稳定的检测到遗留物的目的，分别进行以下操作 A、累计统计遗留物，如果遗留物的值累计到一定程度，则还需要进一步的判断； B、利用当前图像数据、遗留物的位置、以及高斯模型信息，分别计算慢高斯和当前图像在各个遗留物轮廓处的梯度，记为Gl和G2，如果Gl远大于G2，则删除掉这个遗留物，否则暂时保留； C、统计G2最小的前M个值，并且计算均值，如果均值小于一定值，则删除掉这个遗留物，目的是为了删除一部分保持静止的运动目标； ④遗留物分类(204) 使用对应的目标检测算法；对于目标的分类，使用的是HOG+LatentSVM方法； ⑤再次确定(205) 为了使遗留物检测方法稳定，还需要进行一个判断，如果目标对应位置，慢高斯前景检测结果为前景，快高斯检测结果为非前景，则确定为最终的遗留物，否则过滤掉； ⑥输出结果(206) 输出最终的检测结果。2.按权利要求I所述的一种基于高斯建模与目标轮廓的遗留物检测方法...

【专利技术属性】
技术研发人员：仇开金，杨波，
申请(专利权)人：武汉烽火众智数字技术有限责任公司，
类型：发明
国别省市：