一种抗干扰能力强的智能视频分析方法技术

本发明专利技术公开了一种抗干扰能力强的智能视频分析方法，步骤一、视频流数据获取：在需要对视频进行识别分析的区域设置摄像头，获取摄像机视频流，并对视频流数据进行RGB转换，本发明专利技术涉及视频分析软件技术领域。该抗干扰能力强的智能视频分析方法，通过将视频流中的n帧画面进行背景建模，然后对n+1帧画面中的活动目标进行帧差，进一步将活动目标与人体特征模型进行匹配，判断是否存在人体目标，配合步骤四中的对比图片，判断非人体目标的活动目标是否为干扰物体，最后进行报警定位，能够第一时间了解设施是否被人为破坏或者自然破坏，在利用智能视频分析软件进行监控分析时，有效的避免了一些物体的微小变化对其造成的干扰。

【技术实现步骤摘要】
一种抗干扰能力强的智能视频分析方法
本专利技术涉及视频分析软件
，具体为一种抗干扰能力强的智能视频分析方法。
技术介绍
视频分析，是建立映射关系，从而使计算机能够通过数字图像处理和分析来理解视频画面中的内容。视频图像识别分析技术源自计算机视觉技术。计算机视觉技术是人工智能研究的分支之一，它能够在图像及图像描述之间而视频监控中所提到的智能视频技术主要指的是：“自动分析和抽取视频源中的关键信息。”如果把摄像机看作人的眼睛，而智能视频系统或设备则可以看作人的大脑。人脸辨识、车牌识别、行为分析以及客流统计四项技术则是智能视频软件的核心技术。摄像头和编码传输系统完成了“眼睛”的功能，智能视频分析将担任“大脑”的角色。智能视频分析技术能够在图像及图像描述之间建立映射关系，使计算机系统能够通过图像处理和分析来理解视频信息中“发生了什么事情”，实质是“自动分析和抽取视频源中的关键信息”。这样，计算机系统便能够“读懂”视频信息内容，再为视频信息设置一定的规则，计算机系统将“读到的内容”与“设定的规则”的进行匹配，一旦行为与规则完全匹配，便可以迅速报警或者索引出来并发出告警。现有的监控技术，在对需要保护设施的街道进行监控时，完全依赖安监员在监控中心进行人工监控，很难第一时间了解设施是否被破坏，少数利用智能视频分析软件进行监控分析时，在背景相对复杂的情况下，一些物体的微小的变化，会对智能视频分析软件进行干扰。
技术实现思路
(一)解决的技术问题针对现有技术的不足，本专利技术提供了一种抗干扰能力强的智能视频分析方法，解决了现有的监控技术，很难第一时间了解设施是否被破坏，少数利用智能视频分析软件进行监控分析时，在背景相对复杂的情况下，会对其进行干扰的问题。(二)技术方案为实现以上目的，本专利技术通过以下技术方案予以实现：一种抗干扰能力强的智能视频分析方法，具体包括以下步骤：步骤一、视频流数据获取：在需要对视频进行识别分析的区域设置摄像头，获取摄像机视频流，并对视频流数据进行RGB转换，使其转换为相应的彩色图像；步骤二、活动目标提取：通过对视频中获取的n帧画面进行背景建模，然后对n+1帧画面中的活动目标进行帧差，将n+1帧像素值I(x，y)减去背景模型中相同位置像素点的平均值u(x，y)，得到差值d(x，y)，然后将该差值d(x，y)与阈值TH进行比较，当差值d(x，y)大于阈值TH时，则标记为前景点；否则，标记为背景点；通过前景点连续的帧来判断该活动目标是否连续运动，是否连续出现，若达不到连续N帧出现，则过滤；反之，该活动目标连续N帧出现，且N帧内活动目标的X、Y坐标大于i像素点，则判断为持续运动，得到活动目标的前景图片；步骤三、物体目标匹配：截取步骤二中判断为活动目标的前景图片与人体特征模型进行匹配，若大于相识度M，则判断前景图片中有人体目标，并返回步骤二继续进行活动目标的提取操作；反之，则判断待测目标图像中没有人体目标，进入下一步；步骤四、抗干扰处理：获取设置摄像头区域安装后的n帧画面，将n帧画面清晰度和还原度进行对比，选取清晰度和还原度最高的一帧画面作为对比图片，截取步骤三中的前景图片，将前景图片与对比图片进行对比，若大于相识度P，则判断前景图片中存在干扰物体，反之，则判断监控区域遭到破坏，进入下一步；步骤五、报警定位：步骤四中判断监控区域遭到破坏后，启动报警定位系统，将遭到破坏的位置发送至后台，同时将活动目标以视频的形式发送至后台。优选的，所述步骤二中，N＝[1，200]，N值的大小，反映为观察目标的时间跨度，此值越小，则给出判断的反应时间越快，越灵敏。优选的，所述步骤二中，i表示为水平和垂直方向上的位置像素量，i的取值范围[1，20]，i越小，检测越灵敏。优选的，所述步骤三中M＝[0，1]，M值越大，表示目标为人的可能性越高。优选的，所述步骤四中P＝[0.95，1]，P值越大，表示前景图片中存在干扰物体的概率越高。优选的，所述步骤三中的所述人体特征模型是通过神经网络模型训练分类器训练和识别得到的。优选的，所述步骤五中的活动目标是以监控区域监控到后到脱离监控区域前以连续的n帧画面进行发送。优选的，所述步骤五监控区域遭受破坏时有人体目标出现时，还会将人体目标出现时以连续的n帧画面一起进行发送。(三)有益效果本专利技术提供了一种抗干扰能力强的智能视频分析方法。与现有技术相比，具备以下有益效果：该抗干扰能力强的智能视频分析方法，通过在步骤一、视频流数据获取：在需要对视频进行识别分析的区域设置摄像头，获取摄像机视频流，并对视频流数据进行RGB转换，使其转换为相应的彩色图像；步骤二、活动目标提取：通过对视频中获取的n帧画面进行背景建模，然后对n+1帧画面中的活动目标进行帧差，将n+1帧像素值I(x，y)减去背景模型中相同位置像素点的平均值u(x，y)，得到差值d(x，y)，然后将该差值d(x，y)与阈值TH进行比较，当差值d(x，y)大于阈值TH时，则标记为前景点；否则，标记为背景点；通过前景点连续的帧来判断该活动目标是否连续运动，是否连续出现，若达不到连续N帧出现，则过滤；反之，该活动目标连续N帧出现，且N帧内活动目标的X、Y坐标大于i像素点，则判断为持续运动，得到活动目标的前景图片；步骤三、物体目标匹配：截取步骤二中判断为活动目标的前景图片与人体特征模型进行匹配，若大于相识度M，则判断前景图片中有人体目标，并返回步骤二继续进行活动目标的提取操作；反之，则判断待测目标图像中没有人体目标，进入下一步；步骤四、抗干扰处理：获取设置摄像头区域安装后的n帧画面，将n帧画面清晰度和还原度进行对比，选取清晰度和还原度最高的一帧画面作为对比图片，截取步骤三中的前景图片，将前景图片与对比图片进行对比，若大于相识度P，则判断前景图片中存在干扰物体，反之，则判断监控区域遭到破坏，进入下一步；步骤五、报警定位：步骤四中判断监控区域遭到破坏后，启动报警定位系统，将遭到破坏的位置发送至后台，同时将活动目标以视频的形式发送至后台，通过步骤一获取视频流数据，进而通过将视频流中的n帧画面进行背景建模，然后对n+1帧画面中的活动目标进行帧差，进一步将活动目标与人体特征模型进行匹配，判断是否存在人体目标，配合步骤四中的对比图片，判断非人体目标的活动目标是否为干扰物体，最后进行报警定位，能够第一时间了解设施是否被人为破坏或者自然破坏，在利用智能视频分析软件进行监控分析时，有效的避免了一些物体的微小变化对其造成的干扰，不仅智能化程度高，而且监控的效果好，适用性强。具体实施方式下面将对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例提供一种技术方案：一种抗干扰能力强的智能视频分析方法，具体包括以下步骤：步骤一、视频流数据获取：在需要对视频本文档来自技高网...

【技术保护点】
1.一种抗干扰能力强的智能视频分析方法，其特征在于：具体包括以下步骤：/n步骤一、视频流数据获取：在需要对视频进行识别分析的区域设置摄像头，获取摄像机视频流，并对视频流数据进行RGB转换，使其转换为相应的彩色图像；/n步骤二、活动目标提取：通过对视频中获取的n帧画面进行背景建模，然后对n+1帧画面中的活动目标进行帧差，将n+1帧像素值I(x，y)减去背景模型中相同位置像素点的平均值u(x，y)，得到差值d(x，y)，然后将该差值d(x，y)与阈值TH进行比较，当差值d(x，y)大于阈值TH时，则标记为前景点；否则，标记为背景点；通过前景点连续的帧来判断该活动目标是否连续运动，是否连续出现，若达不到连续N帧出现，则过滤；反之，该活动目标连续N帧出现，且N帧内活动目标的X、Y坐标大于i像素点，则判断为持续运动，得到活动目标的前景图片；/n步骤三、物体目标匹配：截取步骤二中判断为活动目标的前景图片与人体特征模型进行匹配，若大于相识度M，则判断前景图片中有人体目标，并返回步骤二继续进行活动目标的提取操作；反之，则判断待测目标图像中没有人体目标，进入下一步；/n步骤四、抗干扰处理：获取设置摄像头区域安装后的n帧画面，将n帧画面清晰度和还原度进行对比，选取清晰度和还原度最高的一帧画面作为对比图片，截取步骤三中的前景图片，将前景图片与对比图片进行对比，若大于相识度P，则判断前景图片中存在干扰物体，反之，则判断监控区域遭到破坏，进入下一步；/n步骤五、报警定位：步骤四中判断监控区域遭到破坏后，启动报警定位系统，将遭到破坏的位置发送至后台，同时将活动目标以视频的形式发送至后台。/n...

【技术特征摘要】
1.一种抗干扰能力强的智能视频分析方法，其特征在于：具体包括以下步骤：
步骤一、视频流数据获取：在需要对视频进行识别分析的区域设置摄像头，获取摄像机视频流，并对视频流数据进行RGB转换，使其转换为相应的彩色图像；
步骤二、活动目标提取：通过对视频中获取的n帧画面进行背景建模，然后对n+1帧画面中的活动目标进行帧差，将n+1帧像素值I(x，y)减去背景模型中相同位置像素点的平均值u(x，y)，得到差值d(x，y)，然后将该差值d(x，y)与阈值TH进行比较，当差值d(x，y)大于阈值TH时，则标记为前景点；否则，标记为背景点；通过前景点连续的帧来判断该活动目标是否连续运动，是否连续出现，若达不到连续N帧出现，则过滤；反之，该活动目标连续N帧出现，且N帧内活动目标的X、Y坐标大于i像素点，则判断为持续运动，得到活动目标的前景图片；
步骤三、物体目标匹配：截取步骤二中判断为活动目标的前景图片与人体特征模型进行匹配，若大于相识度M，则判断前景图片中有人体目标，并返回步骤二继续进行活动目标的提取操作；反之，则判断待测目标图像中没有人体目标，进入下一步；
步骤四、抗干扰处理：获取设置摄像头区域安装后的n帧画面，将n帧画面清晰度和还原度进行对比，选取清晰度和还原度最高的一帧画面作为对比图片，截取步骤三中的前景图片，将前景图片与对比图片进行对比，若大于相识度P，则判断前景图片中存在干扰物体，反之，则判断监控区域遭到破坏，进入下一步；
步骤五、报警定位：步骤四中判断监控区域遭到破坏后，启动报警定位系统，将遭到破...

【专利技术属性】
技术研发人员：杨贤文，漆灵郎，
申请(专利权)人：武汉倍特威视系统有限公司，
类型：发明
国别省市：湖北;42