本发明专利技术提供一种基于视频的相机镜头遮挡检测方法，包括如下步骤：S1、以随机灰度模型进行基于像素的背景建模；S2、进行基于背景建模的像素级运动检测，得到运动区域；S3、对图像进行基于8邻域的连通域分割；S4、进行形态学处理，得到连续不间断的运动区域；S5、计算运动区域的外接多边形，增加后续的判断区域；S6、计算判断区域在图像占有的比例并与阈值比较；S7、若判断区域在图像占有的比例大于阈值，则计算判断区域直方图和梯度分布以判断是否发生遮挡；S8、若判断区域在图像占有的比例小于等于阈值，且上一帧被判断为遮挡，则计算上一帧判断区域直方图和梯度分布以判断是否被遮挡；S9、若判断发生遮挡，则存储判断区域。则存储判断区域。则存储判断区域。
【技术实现步骤摘要】
一种基于视频的相机镜头遮挡检测方法及系统
[0001]本专利技术涉及图像视频处理领域，具体涉及一种基于视频的相机镜头遮挡检测方法。
技术介绍
[0002]视频安防监控系统是利用视频技术探测、监视设防区域并实时显示、记录现场图像的电子系统或网络。一个城市的监控报警联网系统的摄像机数目最少也有数百个，多的可达几万个。安防、视频监控中，在相机镜头被异常遮挡的情况下需要自动作出正确判断并报警。
[0003]现有相机镜头异常遮挡判断技术方案一般分为三种，第一种只通过单帧图像的色彩信息进行判断，主要包括以下步骤：
[0004]将图像二值化，灰度值较小的部分为前景，其它部分为背景；
[0005]对前景进行连通域区域检测，求得最大连通域面积；
[0006]该面积与图像面积的比值即为遮挡率；
[0007]遮挡率大于一定阈值时，判断为镜头遮挡。
[0008]第二种基于视频流信息，通过建立存储区来进行判断，主要包括以下步骤：
[0009]建立两个缓冲存储区：短时存储区和长时存储区，分别存储距离当前视频图像较近以及较远的一段时间内的视频图像。
[0010]分别求得短时存储区和长时存储区内每两帧之间的差异，分别取两种差异的中值，求其比值；
[0011]与阈值比较，判断摄像机镜头是否被遮挡。
[0012]第三种基于视频流信息，进行背景建模，通过对比当前帧与模型之间的差异来判断，主要包括以下步骤：
[0013]使用背景建模算法，将运动的部分区分出来(即为前景)，非运动部分即为背景；
[0014]比较背景图像与当前图像的灰度直方图来判断是否被遮挡。
[0015]现有技术提供了镜头遮挡检测的完整方案，但在具体实现过程中会出现一些问题：方法一可以适应的场景非常少且误报率非常高，方法二和方法三对视频噪声较为敏感，尤其是又大量目标活动的场景中无法正确判断摄像机镜头是否被遮挡。
技术实现思路
[0016]本专利技术提供一种基于视频的相机镜头遮挡检测方法，解决现有方案由于不同场景中噪声、物体运动导致的误报率上升的问题，以及硬件内存占有的问题。
[0017]本专利技术所要解决的技术问题是通过如下技术方案实现的：
[0018]本专利技术提供一种基于视频的相机镜头遮挡检测方法，包括如下步骤：
[0019]S1、以随机灰度模型进行基于像素的背景建模；
[0020]S2、进行基于背景建模的像素级运动检测，得到运动区域；
[0021]S3、对图像进行基于8邻域的连通域分割；
[0022]S4、进行形态学处理，得到连续不间断的运动区域；
[0023]S5、计算运动区域的外接多边形，增加后续的判断区域；
[0024]S6、计算判断区域在图像占有的比例并与阈值比较；
[0025]S7、若判断区域在图像占有的比例大于阈值，则计算判断区域直方图和梯度分布以判断是否发生遮挡；
[0026]S8、若判断区域在图像占有的比例小于等于阈值，且上一帧被判断为遮挡，则计算上一帧判断区域直方图和梯度分布以判断是否被遮挡；
[0027]S9、若判断发生遮挡，则存储判断区域。
[0028]优选的，所述背景建模，即建立背景像素的模型，符合该模型的像素判断为背景并且作为新的输入对背景进一步更新，不符合该模型的像素点判断为前景即运动目标。
[0029]优选的，所述随机灰度模型指背景模型为每个背景点存储一个样本集，然后每个新的像素值和样本集比较判断是否属于背景；计算新像素值和样本集中每个样本值的距离，若距离小于阈值，则近似样本点数目增加；如果近似样本点数目大于阈值，则认为新的像素点为背景。
[0030]优选的，所述背景模型的更新策略包括无记忆更新策略，即每次确定需要更新像素点的背景模型时，以新的像素值随机取代该像素点样本集的一个样本值；时间取样更新策略，即按一定的更新率更新背景模型，当一个像素点被判定为背景时，它有一定的概率更新背景模型；空间邻域更新策略，即针对需要更新像素点，随机的选择一个该像素点邻域的背景模型，以新的像素点更新被选中的背景模型。
[0031]优选的，所述基于8邻域的连通域分割将图像中的各个连通区域找出并标记。
[0032]优选的，所述形态学处理包括开运算，闭运算，基于连通域分割后的孤立像素的运动状态修改。
[0033]优选的，所述计算运动区域的外接多边形是计算外接多边形的面积或多边形中的像素数量。
[0034]优选的，判断是否发生遮挡依据以下条件：将灰度值分为16个区间统计灰度直方图，直方图的分布主要集中在3个区间中且比例超过阈值；判断区域内梯度信息分布较为均匀。
[0035]一种用于实现所述的基于视频的相机镜头遮挡检测方法的系统，包括如下模块：
[0036]以随机灰度模型进行基于像素的背景建模模块；
[0037]基于背景建模的像素级运动检测模块；
[0038]基于8邻域的连通域图像分割模块；
[0039]形态学处理模块；
[0040]运动区域的外接多边形计算模块；
[0041]判断区域在图像占有比例计算和阈值比较模块；
[0042]判断区域直方图和梯度分布计算模块；
[0043]判断区域存储模块。
[0044]本专利技术的有益效果在于大幅度缩减了算法的内存占有率，提升算法在运动物体由动转静的场景中的准确率。
附图说明
[0045]图1是本专利技术的基于视频的相机镜头遮挡检测方法流程图。
具体实施方式
[0046]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0047]图1是本实施例的基于视频的相机镜头遮挡检测方法流程图。一种基于视频的相机镜头遮挡检测方法，包括如下步骤：
[0048]S1、以随机灰度模型进行基于像素的背景建模。
[0049]背景建模，即建立背景像素的模型，符合该模型的像素判断为背景并且作为新的输入对背景进一步更新，不符合该模型的像素点判断为前景(即运动目标)。
[0050]本专利技术用随机灰度模型代替了混合高斯模型，背景模型为每个背景点存储一个样本集，然后每个新的像素值和样本集比较判断是否属于背景。该模型大幅度缩减了算法的内存占有率。随机灰度模型的建模过程如下：
[0051]背景模型为每个背景点存储一个样本集，然后每个新的像素值和样本集比较判断是否属于背景。计算新像素值和样本集中每个样本值的距离，若距离小于阈值，则近似样本点数目增加。如果近似样本点数目大于阈值，则认为新的像素点为背景。
[0052]背景模型的更新策略
[0053]1)无记忆更新策略
[0054]每次确定需要更新像素点的背景模型时，以新的像素值随机取代该像素点样本集的一个样本值。
[0055]2)时间取样本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于视频的相机镜头遮挡检测方法，其特征在于，包括如下步骤：S1、以随机灰度模型进行基于像素的背景建模；S2、进行基于背景建模的像素级运动检测，得到运动区域；S3、对图像进行基于8邻域的连通域分割；S4、进行形态学处理，得到连续不间断的运动区域；S5、计算运动区域的外接多边形，增加后续的判断区域；S6、计算判断区域在图像占有的比例并与阈值比较；S7、若判断区域在图像占有的比例大于阈值，则计算判断区域直方图和梯度分布以判断是否发生遮挡；S8、若判断区域在图像占有的比例小于等于阈值，且上一帧被判断为遮挡，则计算上一帧判断区域直方图和梯度分布以判断是否被遮挡；S9、若判断发生遮挡，则存储判断区域。2.根据权利要求1所述的基于视频的相机镜头遮挡检测方法，其特征在于：所述背景建模，即建立背景像素的模型，符合该模型的像素判断为背景并且作为新的输入对背景进一步更新，不符合该模型的像素点判断为前景即运动目标。3.根据权利要求1所述的基于视频的相机镜头遮挡检测方法，其特征在于：所述随机灰度模型指背景模型为每个背景点存储一个样本集，然后每个新的像素值和样本集比较判断是否属于背景；计算新像素值和样本集中每个样本值的距离，若距离小于阈值，则近似样本点数目增加；如果近似样本点数目大于阈值，则认为新的像素点为背景。4.根据权利要求3所述的基于视频的相机镜头遮挡检测方法，其特征在于：所述背景模型的更新策略包括无记忆更新策略，即每次确定需要更新像素点的背景模型时，以新的...
【专利技术属性】
技术研发人员：余勤力，
申请(专利权)人：瓴盛科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。