一种高效低分辨率图像区域入侵识别算法与装置制造方法及图纸

本发明专利技术涉及一种高效低分辨率图像区域入侵识别算法与装置，所述算法具体包括以下步骤：S1：从普通视频流中抽样获取连续两帧图像分析样本；S2：对两帧图像进行Canny边缘检测运算，根据两帧图像的Canny边缘检测结果，对比分析两帧图像中的像素变化区域；S3：在对后一帧图像变化区域进行分析的基础上，分析人体形状边界的区域范围，在人体形状区域中利用边界检测算法，找出人体形状位置；S4：将分析出的人体形状位置与指定区域进行重合度对比分析，判断人体是否入侵指定区域。可实现对低分辨率图像的分析，极大降低了图像区域入侵识别的难度和成本，具有很强的适用性与推广价值。

【技术实现步骤摘要】
一种高效低分辨率图像区域入侵识别算法与装置
本专利技术涉及计算机图像处理及识别
，特别是涉及一种高效低分辨率图像区域入侵识别算法与装置。
技术介绍
区域入侵是工业场所、施工现场重要的安全保障措施之一，自动识别是否有人未经许可入侵指定场所对于规范和管理施工现场、高危场所的作业行为，是非常重要的手段，而图像智能分析和识别是最直接和最有效的方法。国内有关图像区域入侵识别算法已经应用多年,识别率总体在95％以上,应用效果整体良好，但是这类算法和系统的特点是采用成本较高的高清摄像头和专用的硬件,整体成本较高。普通用户单位的视频系统分辨率高低不一，社会单位的安防摄像头数量很大，专门应用于录像和实施预览，专职应用于安防领域，能否将普通安防视频图像应用于智能图像分析，例如图像区域入侵识别，工作着装识别等领域，是目前急需解决的问题。
技术实现思路
为了克服现有技术的上述不足，本专利技术提出了一种高效低分辨率图像区域入侵识别算法与装置，解决现有图像区域入侵识别算法只能采用高清摄像头产生可视化图像，整体成本高的技术问题。本专利技术是通过以下技术方案实现的：一种高效低分辨率图像区域入侵识别算法，具体包括以下步骤：S1：从普通视频流中抽样获取连续两帧图像分析样本；S2：对两帧图像进行Canny边缘检测运算，根据两帧图像的Canny边缘检测结果，对比分析两帧图像中的像素变化区域；S3：在对后一帧图像变化区域进行分析的基础上，分析人体形状边界的区域范围，在人体形状区域中利用边界检测算法，找出人体形状位置；S4：将分析出的人体形状位置与指定区域进行重合度对比分析，判断人体是否入侵指定区域。进一步的，S1中图像分析样本为24位RGB位图，图像分辨率不低于320×240。进一步的，S3中确定人体形状边界的区域范围的步骤包括：S31：把单帧图像样本进行图像像素灰度值计算：AVG_VALUE＝(R+G+B)/3；S32：在图像像素变化区域中建立人体边界检测模型，如果人体边界检测模型满足以下三个条件：人体边界检测模型的边界平滑度和边界走向比例大于65％，人体边界检测模型为正方形或长方形，人体边界检测模型具有上小下大的特征，则确定为人体形状边界的区域范围。进一步的，S3中找出人体形状位置的步骤包括：在分析出人体形状边界的区域范围后，进一步进行人体边界平滑度和头部肩膀边界走向分析，通过符合条件色彩像素点的走向进行判断，符合人体肩膀范围的像素边界的左、右到顶部的角度值α满足30°≤α≤65°，判断为人体。进一步的，对头部肩膀边界走向进行判断的具体方式为：对于人体肩膀头部判断从左到右，从下往上，到顶部后再从左到右，从上往下；对于人体肩膀头部判断从右到左，从下往上，到顶部后再从右到左，从上往下。一种高效低分辨率图像区域入侵识别装置，包括图像采集模块，从普通视频流中抽样获取连续两帧图像分析样本；Canny边缘检测模块，对两帧图像进行Canny边缘检测运算，根据两帧图像的Canny边缘检测结果，对比分析两帧图像中的像素变化区域；人体形状分析模块，在对后一帧图像变化区域进行分析的基础上，分析人体形状边界的区域范围，在人体形状区域中利用边界检测算法，找出人体形状位置；区域重合对比分析模块，将分析出的人体形状位置与指定区域进行重合度对比分析，判断人体是否入侵指定区域。与现有技术相比，本专利技术的有益效果在于：本专利技术提出的一种高效低分辨率图像区域入侵识别算法与装置，利用普通摄像头产生可视的视频图像，可以在分辨率很低的情况下进行分析，可以有效降低图像智能分析的应用成本，提高算法和装置应用的普及率；通过连续两帧图像的Canny边缘检测运算，并通过对比两帧图像的变化区域，分析变化区域中的人体形状和肩膀头部位置，与划定区域进行重合度分析出是否区域入侵，在低分辨率的情况下可应用该算法，通过对人体形状和划定区域重合度特征进行分析，能高效率自动识别图像中的人是否入侵指定区域。附图说明图1为本专利技术实施例所述一种高效低分辨率图像区域入侵识别算法的流程示意图；图2(a)为本专利技术实施例所述对人体肩膀范围的像素边界的右部到顶部的角度分析图；图2(b)为本专利技术实施例所述对人体肩膀范围的像素边界的左部到顶部的角度分析图。具体实施方式展示一下实例来具体说明本专利技术的某些实施例，且不应解释为限制本专利技术的范围。对本专利技术公开的内容可以同时从材料、方法和反应条件进行改进，所有这些改进，均应落入本专利技术的精神和范围之内。如图1所示，一种高效低分辨率图像区域入侵识别算法，具体包括以下步骤：S1：从普通视频流中抽样获取连续两帧图像分析样本。在本实施例中，可通过国标互联网视频标准协议或视频厂家提供二次开发包获取得到图像分析样本，图像分析样本为24位RGB位图，图像分辨率不低于320×240；S2：对两帧图像进行Canny边缘检测运算，根据两帧图像的Canny边缘检测结果，对比分析两帧图像中的像素变化区域；在本实施例中，Canny边缘检测运算步骤如下：1)建立卷积核数组，对图像进行高斯平滑，以降低错误率；2)进行滤波处理，建立梯度方向角数组，通过计算梯度幅度和方向来评估每一点像素的边缘方向和强度；3)根据梯度方向，对梯度幅值进行局部非极大值抑制处理；4)对图像边缘像素进行双阈值处理、双阈值中间阈值滤除及连接等，利用Robert算子将边缘像素细化。S3：在对后一帧图像变化区域进行分析的基础上，分析人体形状边界的区域范围，在人体形状区域中利用边界检测算法，找出人体形状位置。在本实施例中，确定人体形状边界的区域范围的步骤包括：S31：把单帧图像样本进行图像像素灰度值计算：AVG_VALUE＝(R+G+B)/3；S32：在图像像素变化区域中建立人体边界检测模型，如果人体边界检测模型满足以下三个条件：人体边界检测模型的边界平滑度和边界走向比例大于65％，人体边界检测模型为正方形或长方形，人体边界检测模型具有上小下大的特征，则确定为人体形状边界的区域范围。在本实施例中，找出人体形状位置的步骤包括：在分析出人体形状边界的区域范围后，进一步进行人体边界平滑度和头部肩膀边界走向分析，通过符合条件色彩像素点的走向进行判断，图2(a)-图2(b)所示，判断的具体方式为：对于人体肩膀头部判断从左到右，从下往上，到顶部后再从左到右，从上往下；对于人体肩膀头部判断从右到左，从下往上，到顶部后再从右到左，从上往下。符合人体肩膀范围的像素边界的左、右到顶部的角度值α满足30°≤α≤65°，判断为人体，不满足以上条件的则认为不是人体。S4：将分析出的人体形状位置与指定区域进行重合度对比分析，通过连续两帧图像分析，是否都具备区域重合特征，判断人体是否入侵指定区域。如果有人入侵，启动语音播报提醒相本文档来自技高网...

【技术保护点】
1.一种高效低分辨率图像区域入侵识别算法，其特征在于，具体包括以下步骤：/nS1：从普通视频流中抽样获取连续两帧图像分析样本；/nS2：对两帧图像进行Canny边缘检测运算，根据两帧图像的Canny边缘检测结果，对比分析两帧图像中的像素变化区域；/nS3：在对后一帧图像变化区域进行分析的基础上，分析人体形状边界的区域范围，在人体形状区域中利用边界检测算法，找出人体形状位置；/nS4：将分析出的人体形状位置与指定区域进行重合度对比分析，判断人体是否入侵指定区域。/n

【技术特征摘要】
1.一种高效低分辨率图像区域入侵识别算法，其特征在于，具体包括以下步骤：
S1：从普通视频流中抽样获取连续两帧图像分析样本；
S2：对两帧图像进行Canny边缘检测运算，根据两帧图像的Canny边缘检测结果，对比分析两帧图像中的像素变化区域；
S3：在对后一帧图像变化区域进行分析的基础上，分析人体形状边界的区域范围，在人体形状区域中利用边界检测算法，找出人体形状位置；
S4：将分析出的人体形状位置与指定区域进行重合度对比分析，判断人体是否入侵指定区域。


2.根据权利要求1所述的一种高效低分辨率图像区域入侵识别算法，其特征在于，S1中图像分析样本为24位RGB位图，图像分辨率不低于320×240。


3.根据权利要求1所述的一种高效低分辨率图像区域入侵识别算法，其特征在于，S3中确定人体形状边界的区域范围的步骤包括：
S31：把单帧图像样本进行图像像素灰度值计算：AVG_VALUE＝(R+G+B)/3；
S32：在图像像素变化区域中建立人体边界检测模型，如果人体边界检测模型满足以下三个条件：人体边界检测模型的边界平滑度和边界走向比例大于65％，人体边界检测模型为正方形或长方形，人体边界检测模型具有上小下大的特征，则确定为人体形状边界的区域范围。


4...

【专利技术属性】
技术研发人员：卢家强，
申请(专利权)人：湖北德强电子科技有限公司，
类型：发明
国别省市：湖北;42