物体区域入侵检测方法、系统、装置及可读存储介质制造方法及图纸

本申请公开了一种物体区域入侵检测方法、系统、装置及计算机可读存储介质，包括：获取监视区域的监视图像；对监视图像中预先设定识别区域中相邻三帧的图像进行灰度处理，得到相邻三帧的灰度图像；利用相邻三帧的灰度图像进行背景差分，得到运动物体二值图像；利用运动物体二值图像判断识别区域中是否有运动物体；若有运动物体，则利用卷积神经网络模型判断运动物体二值图像中的运动物体是否属于预设的物体类别；若属于物体类别，则利用运动物体二值图判断运动物体是否进入识别区域中预先设定的警告区域；若进入警告区域，则利用监视图像保存运动物体的视频和/或截图；本申请的运动物体实际大小更为贴近实际物体大小，提高了判断的精准度。

Object area intrusion detection method, system, device and readable storage medium

The application discloses an object area intrusion detection method, system, device and computer-readable storage medium, including: acquiring the monitoring image of the monitoring area; processing the gray level of the image of the three adjacent frames in the pre-set recognition area in the monitoring image to obtain the gray level image of the three adjacent frames; using the gray level image of the three adjacent frames for background difference to obtain the moving object 2 Value image; use the binary image of moving object to determine whether there is a moving object in the recognition area; if there is a moving object, use the convolution neural network model to determine whether the moving object in the binary image of moving object belongs to the preset object category; if it belongs to the object category, use the binary image of moving object to determine whether the moving object enters the preset warning area in the recognition area Domain; if entering the warning area, the video and / or screenshot of the moving object will be saved by using the monitoring image; the actual size of the moving object in the application is closer to the actual size of the object, which improves the accuracy of judgment.

【技术实现步骤摘要】
物体区域入侵检测方法、系统、装置及可读存储介质
本专利技术涉及智能监控领域，特别涉及一种物体区域入侵检测方法、系统、装置及计算机可读存储介质。
技术介绍
建筑工地，人员安全管理是日常作业的重中之重。通常，建筑工地许多重点区域需要进行实时监控管理。在固定区域摆放警示标语或者人工干预督导，存在各种客观问题，监督不及时，极有可能造成严重的安全事故。随着智能监控技术的发展，监控视频下行人区域入侵检测技术有助于解决上述问题。此外，在运动物体检测过程中，传统采用帧间差分法进行处理，该方法通过差值图像能够快速检测出相邻图像中的运动目标所引起的运动范围，但提取的运动目标往往比实际目标要大，即“鬼影”现象，另外，由于检测出来的物体是前后两帧相对变化的部分，无法检测到重叠的部分，导致检测到的目标发生“鬼影”现象，从而造成入侵检测失误率比较高。为此，需要一种检测精准度更高的物体区域入侵检测方法。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种物体区域入侵检测方法、系统、装置及计算机可读存储介质，提高检测精准度。其具体方案如下：一种物体区域入侵检测方法，包括：获取监视区域的监视图像；对所述监视图像中预先设定识别区域中相邻三帧的图像进行灰度处理，得到相邻三帧的灰度图像；利用相邻三帧的灰度图像进行背景差分，得到运动物体二值图像；利用所述运动物体二值图像判断所述识别区域中是否有运动物体；若有所述运动物体，则利用卷积神经网络模型判断所述运动物体二值图像中的所述运动物体是否属于预设的物体类别；若属于所述物体类别，则利用所述运动物体二值图判断所述运动物体是否进入所述识别区域中预先设定的警告区域；若进入所述警告区域，则利用所述监视图像保存所述运动物体的视频和/或截图；其中，所述卷积神经网络模型为预先利用历史运动物体二值图像进行训练得到的。可选的，所述利用相邻三帧的灰度图像进行背景差分，得到运动物体二值图像的过程，包括：利用背景减除法分别对相邻三帧的灰度图像处理，得到相邻三帧的原始前景图像；利用高斯滤波法分别对相邻三帧的原始前景图像进行去噪，得到去噪后的相邻三帧的原始前景图像；利用相邻三帧的前景图像进行差分，得到所述运动物体二值图像。可选的，所述利用相邻三帧的前景图像进行差分，得到所述运动物体二值图像的过程，包括：利用第一帧前景图像和第二帧前景图像进行图像差分，得到第一差分图像；利用所述第二帧前景图像和第三帧前景图像进行图像差分，得到第二差分图像；对所述第一差分图像和所述第二差分图像分别进行域值分割、去噪声、开运算、闭运算和填充计算，分别得到与所述第一差分图像对应的第一二值图像和与所述第二差分图像对应的第二二值图像；对所述第一二值图像和所述第二二值图像进行和运算，得到所述运动物体二值图像。可选的，所述利用所述运动物体二值图判断所述运动物体是否进入所述识别区域中预先设定的警告区域的过程，包括：利用所述运动物体二值图判断所述运动物体二值图中表征所述运动物体的运动物体矩形的端点是否在所述警告区域内；若否，则判断所述运动物体矩形的一条线段的两个端点是否在所述警告区域任一线段的两侧。可选的，所述若进入所述警告区域之后，还包括：发送入侵提示信息至用户终端。本专利技术还公开了一种物体区域入侵检测系统，包括：图像获取模块，用于获取监视区域的监视图像；灰度处理模块，用于对所述监视图像中预先设定识别区域中相邻三帧的图像进行灰度处理，得到相邻三帧的灰度图像；背景差分模块，用于利用相邻三帧的灰度图像进行背景差分，得到运动物体二值图像；运动物体判断模块，用于利用所述运动物体二值图像判断所述识别区域中是否有运动物体；物体类别判断模块，用于若有所述运动物体，则利用卷积神经网络模型判断所述运动物体二值图像中的所述运动物体是否属于预设的物体类别；入侵判断模块，用于若属于所述物体类别，则利用所述运动物体二值图判断所述运动物体是否进入所述识别区域中预先设定的警告区域；记录存储模块，用于若进入所述警告区域，则利用所述监视图像保存所述运动物体的视频和/或截图；其中，所述卷积神经网络模型为预先利用历史运动物体二值图像进行训练得到的。可选的，所述背景差分模块，包括：背景减除单元，用于利用背景减除法分别对相邻三帧的灰度图像处理，得到相邻三帧的原始前景图像；图像去噪单元，用于利用高斯滤波法分别对相邻三帧的原始前景图像进行去噪，得到去噪后的相邻三帧的原始前景图像；图像差分单元，用于利用相邻三帧的前景图像进行差分，得到所述运动物体二值图像。可选的，所述图像差分单元，包括：第一差分子单元，用于利用第一帧前景图像和第二帧前景图像进行图像差分，得到第一差分图像；第二差分子单元，用于利用所述第二帧前景图像和第三帧前景图像进行图像差分，得到第二差分图像；二值图像处理子单元，用于对所述第一差分图像和所述第二差分图像分别进行域值分割、去噪声、开运算、闭运算和填充计算，分别得到与所述第一差分图像对应的第一二值图像和与所述第二差分图像对应的第二二值图像；和运算子单元，用于对所述第一二值图像和所述第二二值图像进行和运算，得到所述运动物体二值图像。本专利技术还公开了一种物体区域入侵检测装置，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序以实现如前述的物体区域入侵检测方法。本专利技术还公开了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如前述的物体区域入侵检测方法。本专利技术中，物体区域入侵检测方法，包括：获取监视区域的监视图像；对监视图像中预先设定识别区域中相邻三帧的图像进行灰度处理，得到相邻三帧的灰度图像；利用相邻三帧的灰度图像进行背景差分，得到运动物体二值图像；利用运动物体二值图像判断识别区域中是否有运动物体；若有运动物体，则利用卷积神经网络模型判断运动物体二值图像中的运动物体是否属于预设的物体类别；若属于物体类别，则利用运动物体二值图判断运动物体是否进入识别区域中预先设定的警告区域；若进入警告区域，则利用监视图像保存运动物体的视频和/或截图；其中，卷积神经网络模型为预先利用历史运动物体二值图像进行训练得到的。本专利技术利用相邻三帧的图像进行背景差分处理，得到运动物体二值图像，利用相邻三帧的图像得到的运动物体二值图像能够更为贴近运动物体实际大小，避免出现识别到的运动物体的体积超出实际体积，造成区域入侵误判，提高了区域入侵判断的精准度。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他本文档来自技高网...

【技术保护点】
1.一种物体区域入侵检测方法，其特征在于，包括：/n获取监视区域的监视图像；/n对所述监视图像中预先设定识别区域中相邻三帧的图像进行灰度处理，得到相邻三帧的灰度图像；/n利用相邻三帧的灰度图像进行背景差分，得到运动物体二值图像；/n利用所述运动物体二值图像判断所述识别区域中是否有运动物体；/n若有所述运动物体，则利用卷积神经网络模型判断所述运动物体二值图像中的所述运动物体是否属于预设的物体类别；/n若属于所述物体类别，则利用所述运动物体二值图判断所述运动物体是否进入所述识别区域中预先设定的警告区域；/n若进入所述警告区域，则利用所述监视图像保存所述运动物体的视频和/或截图；/n其中，所述卷积神经网络模型为预先利用历史运动物体二值图像进行训练得到的。/n

【技术特征摘要】
1.一种物体区域入侵检测方法，其特征在于，包括：
获取监视区域的监视图像；
对所述监视图像中预先设定识别区域中相邻三帧的图像进行灰度处理，得到相邻三帧的灰度图像；
利用相邻三帧的灰度图像进行背景差分，得到运动物体二值图像；
利用所述运动物体二值图像判断所述识别区域中是否有运动物体；
若有所述运动物体，则利用卷积神经网络模型判断所述运动物体二值图像中的所述运动物体是否属于预设的物体类别；
若属于所述物体类别，则利用所述运动物体二值图判断所述运动物体是否进入所述识别区域中预先设定的警告区域；
若进入所述警告区域，则利用所述监视图像保存所述运动物体的视频和/或截图；
其中，所述卷积神经网络模型为预先利用历史运动物体二值图像进行训练得到的。


2.根据权利要求1所述的物体区域入侵检测方法，其特征在于，所述利用相邻三帧的灰度图像进行背景差分，得到运动物体二值图像的过程，包括：
利用背景减除法分别对相邻三帧的灰度图像处理，得到相邻三帧的原始前景图像；
利用高斯滤波法分别对相邻三帧的原始前景图像进行去噪，得到去噪后的相邻三帧的原始前景图像；
利用相邻三帧的前景图像进行差分，得到所述运动物体二值图像。


3.根据权利要求2所述的物体区域入侵检测方法，其特征在于，所述利用相邻三帧的前景图像进行差分，得到所述运动物体二值图像的过程，包括：
利用第一帧前景图像和第二帧前景图像进行图像差分，得到第一差分图像；
利用所述第二帧前景图像和第三帧前景图像进行图像差分，得到第二差分图像；
对所述第一差分图像和所述第二差分图像分别进行域值分割、去噪声、开运算、闭运算和填充计算，分别得到与所述第一差分图像对应的第一二值图像和与所述第二差分图像对应的第二二值图像；
对所述第一二值图像和所述第二二值图像进行和运算，得到所述运动物体二值图像。


4.根据权利要求1至3任一项所述的物体区域入侵检测方法，其特征在于，所述利用所述运动物体二值图判断所述运动物体是否进入所述识别区域中预先设定的警告区域的过程，包括：
利用所述运动物体二值图判断所述运动物体二值图中表征所述运动物体的运动物体矩形的端点是否在所述警告区域内；
若否，则判断所述运动物体矩形的一条线段的两个端点是否在所述警告区域任一线段的两侧。


5.根据权利要求1至3任一项所述的物体区域入侵检测方法，其特征在于，所述若进入所述警告区域之后，还包括：
发送入侵提示信息至用户终端。

...

【专利技术属性】
技术研发人员：陈秀红，单建华，李军，陈飞军，
申请(专利权)人：杭州品茗安控信息技术股份有限公司，
类型：发明
国别省市：浙江;33