一种遗弃物自动检测方法技术

本发明专利技术提供一种遗弃物自动检测方法，包括：用高斯混合模型法提取前景像素点；对各前景像素点进行形态学图像处理，然后去除单个离散像素点，合并聚集在一起的像素点使之成为团块；计算各团块静置的时间，若团块的静置时间超出设定时间，则判定团块为遗弃物。本发明专利技术的遗弃物自动检测方法能快速和准确地检测出监控场景中的遗弃物品，检测出旅客丢失的物品、可疑或危险的物品，防止恐怖事件发生，提高公共场所的安全性。

【技术实现步骤摘要】
一种遗弃物自动检测方法
本专利技术涉及图像处理
，特别是涉及一种遗弃物自动检测方法。
技术介绍
随着社会经济的发展，人们对安全防范的需求也越来越大。例如，机场、地铁、候车厅等人多密集的重要场所，容易被恐怖分子等利用，通常具有很大的安全隐患，因此需要进行实时监测。目前国内的多数机场等场所的遗弃物检测由人工巡检实现，耗费人力，漏检较多，效率低下。而传统的监控系统基本只能用于事后证据呈现，却不能够实时检测异常事件发生。所以人们期待一种智能化的技术用于安全防范，为此出现了遗弃物智能视频监控系统。传统的遗弃物检测方法主要是靠背景差分的方法获取前景目标。背景差分法是目前运动检测中最常用的一种方法，它是利用当前图像与背景图像的差分来检测出运动区域的一种技术。它一般能够提供最完全的特征数据，但对于动态场景的变化，如光照和外来无关事件的干扰等特别敏感。背景差分法首先选取背景中的一幅或几幅图像的平均作为背景图像，然后把以后的序列图像当前帧和背景图像相减，进行背景消去。若所得到的像素数大于某一阈值，则判定被监控场景中有运动物体，从而得到运动目标。在复杂气候、复杂交通场景下背景差分法并不能精确识别出前景目标和遗弃物。因此，如何在复杂气候、复杂交通场景下准确识别出前景目标和遗弃物，提高公共场合的安全系数已成为本领域技术人员亟待解决的问题之一。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种遗弃物自动检测方法，用于解决现有技术中遗弃物检测不精确的问题。为实现上述目的及其他相关目的，本专利技术提供一种遗弃物自动检测方法，所述遗弃物自动检测方法至少包括：利用高斯混合模型法提取前景像素点；对各前景像素点进行形态学图像处理，然后去除单个离散像素点，合并聚集在一起的像素点使之成为团块；计算各团块静置的时间，若团块的静置时间超出设定时间，则判定团块为遗弃物。优选地，利用高斯混合模型法提取前景像素点的方法进一步包括：建立图像中每一个像素点的高斯混合模型，各高斯混合模型包括多个分量的单高斯分布函数；根据每一帧图像中新的像素值更新各高斯混合模型，以使各高斯混合模型贴近像素值的分布规律；将每一个像素点对应的多个单高斯分布函数按权值和方差的比值从大到小排列，当存在前第一数量B个高斯分布函数的权值和大于背景最小阈值，则判定当前像素点为背景，否则该像素点为前景，其中，第一数量B为小于所述高斯混合模型的分量数量的整数。更优选地，所述高斯混合模型基于YCbCr格式建立。更优选地，所述高斯混合模型满足如下关系：其中，Xt为t时刻的像素值，M为分量的个数，ωi,t为t时刻所述高斯混合模型中第i个分量的权值，μi,t为t时刻所述高斯混合模型中第i个分量的均值，σ2i,t为t时刻所述高斯混合模型中第i个分量的方差，η(Xt,μi,t,σ2i,t)为t时刻所述高斯混合模型中第i个分量的单高斯分布函数。更优选地，更新各高斯混合模型的方法具体包括：检查每一帧图像中新像素值是否匹配原高斯混合模型，满足如下关系式：若匹配，则增加对应单高斯分布函数的权值，并更新相应方差和均值，满足如下关系式：ωi,t+1＝(1-α)ωi,t+α，μi,t+1＝(1-A)μi,t+AXt+1，其中，A＝αη(Xt+1,μi,t,σ2i,t)，若不匹配，则降低对应单高斯分布函数的权值，并以新建单高斯分布函数替换原高斯混合模型中权值最小的一个单高斯分布函数，所述新建单高斯分布函数以新像素值为均值，满足如下关系式：ωi,t+1＝(1-α)ωi,t，其中，Xt+1为t+1时刻的像素值，μi,t+1为t+1时刻所述高斯混合模型中第i个分量的均值，μi,t为t时刻所述高斯混合模型中第i个分量的均值，σ2i,t+1为t+1时刻所述高斯混合模型中第i个分量的方差，σ2i,t为t时刻所述高斯混合模型中第i个分量的方差，λ为常数，ωi,t+1为t+1时刻所述高斯混合模型中第i个分量的权值，ωi,t为t时刻所述高斯混合模型中第i个分量的权值，α为权值更新率，η(Xt,μi,t,σ2i,t)为t时刻所述高斯混合模型中第i个分量的单高斯分布函数。更优选地，所述第一数量满足如下关系式：其中，ωi,t为t时刻所述高斯混合模型中第i个分量的权值，T为背景最小阈值，用于判定背景的最小阈值。优选地，所述形态学图像处理方法包括腐蚀、膨胀、开、闭、击中、击不中、细化、粗化或骨架化。优选地，所述遗弃物自动检测方法还包括在形成团块后增加去除误检测的步骤。更优选地，所述去除误检测的方法包括：尺寸滤波、倒影检测、人检测或高光检测。更优选地，所述尺寸滤波具体包括：将团块的长宽比或团块的面积与设定阈值进行比较，超出设定阈值范围则判定为误检。更优选地，所述倒影检测具体包括：利用正则相关性对检测到的团块及团块所在位置的背景进行关联度评价，若关联度大于关联度阈值，则判定为存在倒影。更优选地，检测到的团块及团块所在位置的背景的关联度满足如下公式：其中，Xi为检测到的团块，Xj为团块所在位置的背景，E为均值。更优选地，所述人检测具体包括：将图像在水平方向上划分为多个区域，当团块在各区域的高度大于对应区域的高度时，则判定为行人。更优选地，所述人检测具体包括：对图像中进行“Ω”形特征检测，若检测到“Ω”形，则判定符合人体头肩部形状，团块为行人。更优选地，所述人检测具体包括：基于方向梯度直方图对图像中的行人进行检测，若检测到行人，则判定为误检。更优选地，所述高光检测具体包括：计算团块所在区域的灰度直方图，计算灰度值大于灰度阈值的像素的数量，若灰度大于所述灰度阈值的像素的数量超过第一限定数量，则判定该团块为高光区域。优选地，在累计各团块静置时间的过程中，若团块被遮挡，则分别提取遮挡前后的团块，分别将遮挡前后的团块分解为多个子块，将遮挡后的团块的子块与遮挡前的团块的对应子块进行匹配，若匹配的子块数量超过第二限定数量，判定团块被遮挡，静置时间继续累计；反之，静置时间中断。优选地，所述遗弃物自动检测方法还包括在检测到遗弃物后增加报警的步骤。如上所述，本专利技术的遗弃物自动检测方法，具有以下有益效果：本专利技术的遗弃物自动检测方法能快速和准确地检测出监控场景中的遗弃物品，检测出旅客丢失的物品、可疑或危险的物品，防止恐怖事件发生，提高公共场所的安全性。附图说明图1显示为本专利技术的遗弃物自动检测方法的流程示意图。图2显示为本专利技术的人检测的流程示意图。图3显示为本专利技术的高度检测的原理示意图。图4显示为本专利技术的高光检测的流程示意图。图5显示为本专利技术的遮挡处理的流程示意图。图6显示为本专利技术的报警策略的原理示意图。元件标号说明S1～S5步骤具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。请参阅图1～图6。需要说明的是，本实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。如图1～本文档来自技高网...

【技术保护点】
一种遗弃物自动检测方法，其特征在于，所述遗弃物自动检测方法至少包括：利用高斯混合模型法提取前景像素点；对各前景像素点进行形态学图像处理，然后去除单个离散像素点，合并聚集在一起的像素点使之成为团块；计算各团块静置的时间，若团块的静置时间超出设定时间，则判定团块为遗弃物。

【技术特征摘要】
1.一种遗弃物自动检测方法，其特征在于，所述遗弃物自动检测方法至少包括：利用高斯混合模型法提取前景像素点；对各前景像素点进行形态学图像处理，然后去除单个离散像素点，合并聚集在一起的像素点使之成为团块；计算各团块静置的时间，若团块的静置时间超出设定时间，则判定团块为遗弃物。2.根据权利要求1所述的遗弃物自动检测方法，其特征在于：利用高斯混合模型法提取前景像素点的方法进一步包括：建立图像中每一个像素点的高斯混合模型，各高斯混合模型包括多个分量的单高斯分布函数；根据每一帧图像中新的像素值更新各高斯混合模型，以使各高斯混合模型贴近像素值的分布规律；将每一个像素点对应的多个单高斯分布函数按权值和方差的比值从大到小排列，当存在前第一数量B个高斯分布函数的权值和大于背景最小阈值，则判定当前像素点为背景，否则该像素点为前景，其中，第一数量B为小于所述高斯混合模型的分量数量的整数。3.根据权利要求2所述的遗弃物自动检测方法，其特征在于：所述高斯混合模型基于YCbCr格式建立。4.根据权利要求2所述的遗弃物自动检测方法，其特征在于：所述高斯混合模型满足如下关系：其中，Xt为t时刻的像素值，M为分量的个数，ωi,t为t时刻所述高斯混合模型中第i个分量的权值，μi,t为t时刻所述高斯混合模型中第i个分量的均值，σ2i,t为t时刻所述高斯混合模型中第i个分量的方差，η(Xt,μi,t,σ2i,t)为t时刻所述高斯混合模型中第i个分量的单高斯分布函数。5.根据权利要求2所述的遗弃物自动检测方法，其特征在于：更新各高斯混合模型的方法具体包括：检查每一帧图像中新像素值是否匹配原高斯混合模型，满足如下关系式：若匹配，则增加对应单高斯分布函数的权值，并更新相应方差和均值，满足如下关系式：ωi,t+1＝(1-α)ωi,t+α，μi,t+1＝(1-A)μi,t+AXt+1，其中，A＝αη(Xt+1,μi,t,σ2i,t)，若不匹配，则降低对应单高斯分布函数的权值，并以新建单高斯分布函数替换原高斯混合模型中权值最小的一个单高斯分布函数，所述新建单高斯分布函数以新像素值为均值，满足如下关系式：ωi,t+1＝(1-α)ωi,t，其中，Xt+1为t+1时刻的像素值，μi,t+1为t+1时刻所述高斯混合模型中第i个分量的均值，μi,t为t时刻所述高斯混合模型中第i个分量的均值，σ2i,t+1为t+1时刻所述高斯混合模型中第i个分量的方差，σ2i,t为t时刻所述高斯混合模型中第i个分量的方差，λ为常数，ωi,t+1为t+1时刻所述高斯混合模型中第i个分量的权值，ωi,t为t时刻所述高斯混合模型中第i个分量的权值，α为权值更新率...

【专利技术属性】
技术研发人员：刘立庄，赵丹，
申请(专利权)人：中国科学院上海高等研究院，
类型：发明
国别省市：上海,31