主动视觉注意的监控视频显著事件智能检测预警方法技术

本发明专利技术涉及主动视觉注意的监控视频显著事件智能检测预警方法，建立自底向上视觉注意初级信息的快速提取方法，构建了动态目标的主动检测模型；然后运用粒子群算法，对显著目标进行主动跟踪，同时建立了监控视频中显著事件的主动预警模型，从而实现了基于视觉注意模型的监控视频显著事件智能检测预警系统。实验表明本发明专利技术方法运行效率高，对姿态和形状变化、部分遮挡、快速移动、光照变化具有良好鲁棒性。

【技术实现步骤摘要】
主动视觉注意的监控视频显著事件智能检测预警方法
本专利技术涉及主动视觉注意的监控视频显著事件智能检测预警方法。
技术介绍
目标检测及跟踪在智能机器人、视频监控、医疗诊断、智能人机交互、军事等领域的广泛普及与应用，使得针对动态目标检测及跟踪的研究成为机器视觉的热点和难点课题。对监控视野内的动态目标进行自动检测跟踪，是对视频资料进行分析研判、智能识别、自动预警等任务的基础，是各种视频应用系统的技术核心。动态目标检测根据其应用范围可以分为静态目标检测与运动目标检测。静态目标检测多指静态图像、数码照片、扫描图像等中的目标检测，动态目标检测多指视频中的目标，例如运动跟踪、交通监控、行为分析等内容的检测。动态目标检测是指在视频图像序列中判断是否有前景目标的运动，如果有则对目标进行初始定位的检测过程，它更多地依赖于目标的运动特性即时间上的连贯性。动态目标检测多是基于底层视频信息的检测，是指从图像序列中将前景变化区域从背景图像中提取出来。动态目标检测经过几十年的发展，相继出现了一系列优秀的算法，但仍面临许多的问题和困难。现阶段动态目标检测的难点主要在背景动态变化的提取与更新、光线渐变、突变、反光问题本文档来自技高网...

【技术保护点】
主动视觉注意的监控视频显著事件智能检测预警方法，其特征在于，包括如下步骤：S1：主动视觉注意的监控视频动态目标检测；S1a：读入原视频，并捕获视频帧；S1b：输入第一个帧图像作为当前帧图像；S1c：通过盒滤波BoxFilter建立多阶的金字塔尺度空间σ∈[0,8]，将当前帧图像分解成多个多尺度的低级视觉特征，即I(σ),C(σ,{BY,RG}),O(σ,θ)和运动特征；I(σ)表示灰度特征、C(σ,{BY,RG})表示颜色特征、O(σ,θ)表示方向特征；其中，方向特征通过Gabor方向滤波得到4个方向特征θ∈{0°,45°,90°,135°}；S1d：对当前帧图像提取灰度特征I(σ)得到灰度特...

【技术特征摘要】
2017.02.15 CN 20171008198631.主动视觉注意的监控视频显著事件智能检测预警方法，其特征在于，包括如下步骤：S1：主动视觉注意的监控视频动态目标检测；S1a：读入原视频，并捕获视频帧；S1b：输入第一个帧图像作为当前帧图像；S1c：通过盒滤波BoxFilter建立多阶的金字塔尺度空间σ∈[0,8]，将当前帧图像分解成多个多尺度的低级视觉特征，即I(σ),C(σ,{BY,RG}),O(σ,θ)和运动特征；I(σ)表示灰度特征、C(σ,{BY,RG})表示颜色特征、O(σ,θ)表示方向特征；其中，方向特征通过Gabor方向滤波得到4个方向特征θ∈{0°,45°,90°,135°}；S1d：对当前帧图像提取灰度特征I(σ)得到灰度特征图；对当前帧图像提取颜色特征C(σ,{BY,RG})得到颜色特征图，对颜色特征图计算红绿对抗色和蓝黄对抗色分别得到红绿对抗色特征图和蓝黄对抗色特征图；对当前帧图像提取方向特征O(σ,θ)得到方向特征图；对当前帧图像分别在上、下、左、右四个方向上检测以1像素/帧的速度在该方向的运动情况，得到上、下、左、右四个方向的运动特征图；S1e：对步骤S1d得到的运动特征图在空间上求取x,y两个方向的梯度，从而去掉具有一致运动的像素点及由摄像机在拍摄视频过程中运动所带来的图像的整体运动，得到运动目标的运动轮廓特征图DM(d),d＝DMx，DMy；S1f：构建盒差异滤波DOBox尺度空间分别计算各个特征图中心尺度与周围尺度的差异得到各个低级视觉特征的差异图；计算灰度特征图中心尺度与周围尺度的差异得灰度特征差异图I(c,s)；计算红绿对抗色特征图中心尺度与周围尺度的差异得红绿对抗色差异图计算蓝黄对抗色特征图中心尺度与周围尺度的差异得蓝黄对抗色差异图计算方向特征图中心尺度与周围尺度的差异得方向特征差异图O(c,s,θ)；计算运动轮廓特征图DM(d),d＝DMx，DMy中心尺度与周围尺度的差异得方向运动差异图DM(c,s,d)；S1g：通过基于多尺度积的特征融合与规则化，对步骤S1f得到I(c,s),O(c,s,θ),DM(c,s,d)进行处理，分别得到灰度特征显著图颜色对特征显著图方向特征显著图和运动轮廓特征显著图S1h：将步骤S1g得到的灰度特征显著图颜色对特征显著图方向特征显著图和运动轮廓特征显著图进行相乘融合，得到一副显著图；S1i：保存步骤S1h得到的显著图，如果当前帧图像为视频的后一帧图像，则执行下一步；否则，继续读取原视频的下一帧图像，将所述原视频的下一帧图像作为当前帧图像，并返回步骤S1c；S2：主动显著目标跟踪和显著事件预警；主动显著目标跟踪:1)读入步骤S1i得到的由多帧显著图构成的新视频的第一帧显著图，并将所述第一帧显著图作为当前显著图；设定灰度阈值和面积阈值；设当前显著图在原视频中对应的帧图像定义为当前对应帧图像；2)应用图切法将当前显著图进行分割得到多个区域，在所述多个区域中去掉灰度值小于灰度阈值的区域和面积小于面积阈值的区域，在留下的区域中随机选定其中一个区域作为跟踪目标，将跟踪目标在...

【专利技术属性】
技术研发人员：李博，冯欣，葛永新，
申请(专利权)人：重庆警察学院，
类型：发明
国别省市：重庆,50