一种识别向河道内倾倒污水的实时视频监控算法制造技术

本发明专利技术涉及一种识别向河道内倾倒污水的实时视频监控算法，目标是捕捉液体（目标物体）在向河道内泼洒行为中飞行的过程，结合河道区域（目标区域）来判定发生了向河道倾倒液体的行为。由于液体不是刚体，无法利用形状、大小、颜色等建立起前后帧的联系，所以不对具体物体进行跟踪，而是对所有区域进行扫描判断，利用空间上和时间上的局部整体一致性来解决水体和刚性物体在空中飞行落下过程区别带来的识别困难问题。本发明专利技术计算量小，复杂度可控，轻松做到实时的识别。

【技术实现步骤摘要】
一种识别向河道内倾倒污水的实时视频监控算法
本专利技术涉及水利、环保及视频图像处理领域，特别是一种识别向河道内倾倒污水的实时视频监控算法。
技术介绍
河流作为承载生命的摇篮和人类的生活息息相关，人们不仅仅从中获取生活必须的水和食物等资源，也把生活污水等排放到河流中去。城市中下水道会收集污水进行处理后再排放，因此对下游的影响可控，但是如果居民将生活污水未经处理直接倾倒在河流中，容易造成水环境和水生态的破坏。如果是生活污水外的工业污水，更会威胁到居民的用水安全。在遍布监控摄像头的今天，利用视频图像进行污水倾倒的识别可以利用现有的硬件设备，借助图像处理技术可以无需人工进行24小时的全天识别。最原始的视频监控方法是利用监督人员的人眼进行捕捉，缺点是无法做到多路监控长时间的监督，且人力资源有限。利用机器学习的方法进行样本的训练和分类，是一种通用的识别方法，这种方法需要采集倒水、泼水真实情况的样本，并且需要挑选有代表性的负样本（也就是正常无倒水的场景）以进行二分类的训练。在真实样本有限的情况下，需要对正负样本进行平衡以及模型的调试。另外一种思路是人为设计识别方法，对特定的目标情况进行识别。机器学习的方法需要收集大量的正样本，这项工作量极大。本身真实的倾倒污水的行为就不多见，如果自己模拟和实际的泼水场景还是有很大差别的。此外模型的调试很困难，绝大部分的时候都是负样本（正常无倒水的情况）的场景，因此正负样本极不平衡。通常对正负样本不平衡的场合可以使用异常检测的机器学习方法，但无法区分目标场景（泼水倒水）和其他异常情况。因此使用机器学习方法会给整个模型带来很大的不确定性。专利
技术实现思路
有鉴于此，本专利技术的目的是提出一种识别向河道内倾倒污水的实时视频监控算法，能够对所有区域进行扫描判断，利用空间上和时间上的局部整体一致性来解决水体和刚性物体在空中飞行落下过程区别带来的识别困难问题，并且本专利技术计算量小，复杂度可控，轻松做到实时的识别。本专利技术采用以下方案实现：一种识别向河道内倾倒污水的实时视频监控算法，包括以下步骤：步骤S1：提取记录仪视频流中的单帧图像作为输入图像，即当前帧图像，并使用高斯滤波处理输入图像，用以减少图像噪声；步骤S2：使用混合高斯模型对当前帧图像进行建模，提取当前帧图像中的前景像素，得到当前帧图像中的动态像素，即前景二值图图像；步骤S3：将步骤S2中得到的前景二值图图像进行8*8像素的合并，得到注意力图像Pa，所述注意力图像Pa的尺寸是原始输入图像尺寸的1/8；步骤S4：提供上一帧图像的注意力图像Pa’与步骤S3中的注意力图像Pa结合，计算每一个像素的注意力流向，得到前景流向图像Pd；步骤S5：提供上一帧图像的流向图像Pd’和上一帧图像的历史图像Ph’与步骤S3中所述的当前帧图像的注意力图像Pa结合，计算流向历史，同时生成历史图像Ph；步骤S6：提供上一帧图像的总距离图像Pl’与步骤步骤S3中所述的当前帧图像的注意力图像Pa结合，计算流向距离，同时生成总距离图像Pl；步骤S7：判断像素的历史长度是否达到预设长度，如果是则满足；步骤S8：输入河道位置信息，用以判断是否向河道内泼水，并且终点在河内；若是则满足；步骤S9：当同时满足步骤S7与步骤S8时，记录仪记录这条轨迹作为结果，并且发出警报。进一步地，所述步骤S3具体为：将8*8小窗口内的数值为1的像素进行统计，作为新图像中一个像素的灰度值；窗口和窗口之间不重叠，则原始图像的长宽都缩小8倍，该图形的强度能够模拟人眼对动态区域的关注度。进一步地，所述步骤S4包括以下步骤：步骤S41:预设局部区域大小为10*10，即以某个像素为中心-5到+5的区域；计算上一帧注意力图像Pa’每个像素对前帧注意力图像Pa区域的影响，即计算当前帧注意力图像Pa对应的局部区域内强度总和；将Pa’中某个像素的强度除以所述强度总和得到系数t；步骤S42:计算当前帧注意力图像Pa每一像素即位置对10*10区域内的上一帧强度流入量：将步骤S41中当前帧强度总和乘以上一帧每个像素的系数；步骤S43:统计每个方向的流入强度：预设水流的向上流量总和为t1,水流的向下流量总和为t2；比较t1和t2得到当前帧注意力图像Pa注意力强度在每个位置的流向；从而得到当前帧注意力图像Pa的流向图Pd。进一步地，所述步骤S5包括以下步骤：步骤S51:获取当前帧注意力流向图Pd的中每个位置，并在10*10的区域内，在上一帧注意力流向图Pd’中的相对位置上进行统计；步骤S52:分别统计向上方向和向下方向的像素，每个像素均乘以上一帧注意力的强度总和；分别将向上方向和向下方向的乘积进行累积，比较两个累积量的强度，如果上一帧目标区域向下的强度大于向上的强度，则当前帧保持流向，并累计上一帧的历史；如果上一帧目标区域向下的强度小于向上的强度，则当前帧未保持流向执行步骤S53；步骤S53:如果当前帧未保持流向，则当前帧的历史为0；步骤S54:将持续流向的像素，按当前帧位置流向找到上一帧对应区域，并找到相同流向的像素，统计像素的平均历史，将平均历史值加1作为这个位置的新的历史值；步骤S55:将每个位置的历史记录成一张历史图像Ph保存下来。进一步地，步骤S52中所述的强度为由上一帧注意力图的强度Pa’来加权。与现有技术相比，本专利技术有以下有益效果：1、本专利技术利用前景提取和注意力图像，可以有效地减少搜索时间，提高算法效率。2、本专利技术捕捉液体飞行的过程，有利于取证，可以避免误判的问题。3、本专利技术利用局部的简化模型，可以判断出帧和帧之间的流动方向，建立起联系。这种误差不会随着时间的累积而增加，准确度佳。其效果和人眼对两帧之间的建立起的流动方向符合。4、本专利技术考察持续保持向下流动的识别，排除大部分干扰，5、本专利技术利用河道位置的信息能够轻松将行人、汽车等干扰排除。6、本专利技术利用两帧之间的下落距离可以判断出其速度，并且计算量小，复杂度可控，轻松做到实时的识别。附图说明图1为本专利技术实施例的流程图。具体实施方式下面结合附图及实施例对本专利技术做进一步说明。如图1所示，本实施例提供了一种识别向河道内倾倒污水的实时视频监控算法，包括以下步骤：步骤S1：提取记录仪视频流中的单帧图像作为输入图像，即当前帧图像，并使用高斯滤波处理输入图像，用以减少图像噪声；步骤S2：使用混合高斯模型对当前帧图像进行建模，提取当前帧图像中的前景像素，得到当前帧图像中的动态像素，即前景二值图图像；步骤S3：将步骤S2中得到的前景二值图图像进行8*8像素的合并，得到注意力图像Pa，所述注意力图像Pa的尺寸是原始输入图像尺寸的1/8；步骤S4：提供上一帧图像的注意力图像Pa’与步骤S3中的注意力图像Pa结合，计算每一个像素的注意力流向，得到前景流向图像Pd；步骤S5：提供上一帧图像的流向图像Pd’和上一帧图像的历史图像Ph’与步骤S3中所述的当前帧图像的注意力图像Pa结合，计算流向历史，同时生成历史图像Ph；步骤S6：提供上一帧图像的总距离图像Pl’与步骤步骤S3中所述的当前帧图像的注意力图像Pa结合，计算流向距离，同时生成总距离图像Pl；步骤S7：判断像素的历史长度是否达到预设长度，如果是则满足；步骤S8：输入河道位置信息，用以判断是否向河道内泼水，并且终点在河内；若是则满足；步骤本文档来自技高网...

【技术保护点】
1.一种识别向河道内倾倒污水的实时视频监控算法，其特征在于：包括以下步骤：步骤S1：提取记录仪视频流中的单帧图像作为输入图像，即当前帧图像，并使用高斯滤波处理输入图像，用以减少图像噪声；步骤S2：使用混合高斯模型对当前帧图像进行建模，提取当前帧图像中的前景像素，得到当前帧图像中的动态像素，即前景二值图图像；步骤S3：将步骤S2中得到的前景二值图图像进行8*8像素的合并，得到注意力图像Pa，所述注意力图像Pa的尺寸是原始输入图像尺寸的1/8；步骤S4：提供上一帧图像的注意力图像Pa

【技术特征摘要】
1.一种识别向河道内倾倒污水的实时视频监控算法，其特征在于：包括以下步骤：步骤S1：提取记录仪视频流中的单帧图像作为输入图像，即当前帧图像，并使用高斯滤波处理输入图像，用以减少图像噪声；步骤S2：使用混合高斯模型对当前帧图像进行建模，提取当前帧图像中的前景像素，得到当前帧图像中的动态像素，即前景二值图图像；步骤S3：将步骤S2中得到的前景二值图图像进行8*8像素的合并，得到注意力图像Pa，所述注意力图像Pa的尺寸是原始输入图像尺寸的1/8；步骤S4：提供上一帧图像的注意力图像Pa’与步骤S3中的注意力图像Pa结合，计算每一个像素的注意力流向，得到前景流向图像Pd；步骤S5：提供上一帧图像的流向图像Pd’和上一帧图像的历史图像Ph’与步骤S3中所述的当前帧图像的注意力图像Pa结合，计算流向历史，同时生成历史图像Ph；步骤S6：提供上一帧图像的总距离图像Pl’与步骤步骤S3中所述的当前帧图像的注意力图像Pa结合，计算流向距离，同时生成总距离图像Pl；步骤S7：判断像素的历史长度是否达到预设长度，如果是则满足；步骤S8：输入河道位置信息，用以判断是否向河道内泼水，并且终点在河内；若是则满足；步骤S9：当同时满足步骤S7与步骤S8时，记录仪记录这条轨迹作为结果，并且发出警报。2.根据权利要求1所述的一种识别向河道内倾倒污水的实时视频监控算法，其特征在于：所述步骤S3具体为：将8*8小窗口内的数值为1的像素进行统计，作为新图像中一个像素的灰度值；窗口和窗口之间不重叠，则原始图像的长宽都缩小8倍，该图形的强度能够模拟人眼对动态区域的关注度。3.根据权利要求1所述的一种识别向河道内倾倒污水的实时视频监控算法，其特征在于：所述步骤S4包括以下步骤：步骤S41:预设局部区域大小为10*1...

【专利技术属性】
技术研发人员：单森华，吴闽帆，戴诗琪，张火炬，
申请(专利权)人：四创科技有限公司，
类型：发明
国别省市：福建,35