一种实时视频监控方法技术

本发明专利技术公开了一种实时视频监控方法，其包括采集原视频并过滤所述原视频中的声音，生成处理视频；将所述处理视频进行逐帧分解成图片集，对图片进行预处理，计算所述图片中图像边缘的像素；将所述视频中的运动物体进行检测，通过运动物体的位置，判断该帧图片画面是否异常；根据出现异常图片的帧数，判断是否需要报警。能够在进行实时视频记录的过程中对视频中的目标物行为进行检测判断，做出及时预警，对一些违规行为做出及时警示，起到防范于未然的作用。作用。作用。

【技术实现步骤摘要】
一种实时视频监控方法


[0001]本专利技术涉及实时视频监控
，尤其涉及一种实时视频监控方法。

技术介绍

[0002]近年来在当今社会，随着迅速发展的科学技术以及人们内心安全意识的提高，监控系统在生活中各个领域的使用正在逐渐普及，它已能够广泛被人们应用于安防、通信和交通等行业。不仅应用，而且逐渐发展至其他公共行业。视频监控现已应用于社区超市，火车站，大型购物中心，银行和其他相关场所等对安全至关重要的情况，视频监控该系统具备的优是界面简洁、成本较低、操作便捷，使得无需耗费较多的人力资源或金钱即可让日常维护更加简易操作。
[0003]视频监控系统与人们的安全方面息息相关，如果发生盗窃，则警方只需回调当日监控视频就可以查明发生的具体情况，然后就可以根据视频监控进行推理与分析，最后成功破案，现有的视频监控系统只能进行视频记录，不能对视频中的目标物行为进行检测判断，不能做出及时预警，难以对一些违规行为做出及时警示，只能事后进行追溯，难以起到防范于未然的作用。

技术实现思路

[0004]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0005]鉴于上述现有存在的问题，提出了本专利技术。
[0006]因此，本专利技术解决的技术问题是：现有的视频监控系统只能进行视频记录，不能对视频中的目标物行为进行检测判断，不能做出及时预警，难以对一些违规行为做出及时警示，只能事后进行追溯，难以起到防范于未然的作用。
[0007]为解决上述技术问题，本专利技术提供如下技术方案：采集原视频并过滤所述原视频中的声音，生成处理视频；将所述处理视频进行逐帧分解成图片集，对图片进行预处理，计算所述图片中图像边缘的像素；将所述视频中的运动物体进行检测，通过运动物体的位置，判断该帧图片画面是否异常；根据出现异常图片的帧数，判断是否需要报警。
[0008]作为本专利技术所述的实时视频监控方法的一种优选方案，其中：采集摄像头所拍摄的原视频，将原视频输入计算机中，通过高斯滤波器过滤原视频中的声音。
[0009]作为本专利技术所述的实时视频监控方法的一种优选方案，其中：将所述处理视频进行逐帧分解成图片集，通过Canny算法对所述图片集中的图片进行平滑处理，计算所述图片中图像边缘的像素的梯度强度和方向，表达式如下：
[0010][0011]其中，σ表示是标准差，sigma＝1.4，e表示像素，那么经历高斯滤波，e的亮度的值
表达式如下：
[0012][0013]其中，*表示卷积的符号，sum表示设定矩阵中所有元素之和。
[0014]作为本专利技术所述的实时视频监控方法的一种优选方案，其中：所述像素的每个方向都可以由图像中的边缘所瞄准，通过Canny算法检测图像的垂直、水平和对角边缘这四个方向。通过代表边缘检测的垂直与水平方向的算子，如水平方向的G
x
和垂直方向的G
y
的所得出一阶导数值，可以推测出像素的方向theta和像素的梯度G：
[0015][0016]其中，G代表梯度强度，G
x
代表x方向的梯度幅值，G
y
代表y方向梯度的幅值，theta代表像素的方向，arctan为公式中应用到的反正切函数，x以及y方向的Sobel算子可以分别表示为：
[0017][0018]其中，Sx表示x方向的Sobel算子，用于检测边缘方向为y的方向，Sy表示y方向的Sobel算子，用于检测边缘方向为x的方向。
[0019]作为本专利技术所述的实时视频监控方法的一种优选方案，其中：对边缘像素的非极大值抑制，比较是单个像素所拥有的梯度强度，将目前像素的梯度强度同一时刻和其它两个像素作类比，当目前像素的梯度强度大于其它两个像素，保存目前像素，将目前像素作为边缘，其关系表达式和非极大值抑制相关的伪代码如下：
[0020][0021]其中，tan为正切函数，θ代表角度，theta是P的梯度方向，P代表像素，P1代表目前像素1，P2代表类比像素。
[0022]作为本专利技术所述的实时视频监控方法的一种优选方案，其中：对边缘像素需要使用弱梯度值进行过滤，并保存某些边缘像素，具有高梯度值性质的，强边缘像素的梯度值高于所拟定好的高阈值，弱边缘像素的梯度值小于拟定好的高阈值并且大于拟定好的低阈值，当边缘像素的梯度值小于拟定好的低阈值，该像素就会被抑制，得出双阈值检测的伪代
码，具体表达式如下:
[0023][0024]作为本专利技术所述的实时视频监控方法的一种优选方案，其中：运动物体的影像是位置在不同图像的帧中都不相同，通过图片集周围相邻的两帧图片之间所体现出的差异来计算并分析出所变化的像素，基于目标的运动伴随时间的改变而改变，体现出较强的连续性，图片里有关背景点的像素变化趋于零，在阈值判断的前提下进行处理，相减的两帧的帧数表示为第k帧以及第(k+1)帧，帧的图像可以表现为I
k
(x,y)、I
k+1
(x,y)，同时差分图像表示为D(x,y)，它的二值化阈值为T，则相对应的帧间差分法的公式如下：
[0025][0026]其中，I
x
(x,y)表示第k帧图像，I
k+1
(x,y)表示第(k+1)帧图像，T为二值化阈值，D(x,y)表示一个二值函数，255这个数值表明发生在两帧图像中的像素点产生了较为明显的变化，此时该像素点位于运动区域，0这个数值表明像素点几乎没有变化，代表的是背景区域，T代表拟定好的阈值。
[0027]作为本专利技术所述的实时视频监控方法的一种优选方案，其中：阈值T取值的范围大小用于调节检测目标区域的灵敏度与准确度，当阈值T取值相对较小时，会使得某些噪声或者背景也被错误的当成运动目标，当阈值T取值较大时，会导致运动区域范围内的一小部分未被提取出来。
[0028]作为本专利技术所述的实时视频监控方法的一种优选方案，其中：当图片画面中检测目标区域中出现异常，定义该图片为异常图片，预先设定异常图片连续出现的帧数，当异常图片出现次数大于所述帧数触发警报。
[0029]本专利技术的有益效果：能够在进行实时视频记录的过程中对视频中的目标物行为进行检测判断，做出及时预警，对一些违规行为做出及时警示，起到防范于未然的作用。
附图说明
[0030]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例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一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
[0031]图1为本专利技术一个实施例提供的一种实时视频监控方法的基本流程示意图；
[0032]图2为本专利技术一个实施例提供的一种实时视频监控方法的图像处理图；
[0033本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种实时视频监控方法，其特征在于，包括：采集原视频并过滤所述原视频中的声音，生成处理视频；将所述处理视频进行逐帧分解成图片集，对图片进行预处理，计算所述图片中图像边缘的像素；将所述视频中的运动物体进行检测，通过运动物体的位置，判断该帧图片画面是否异常；根据出现异常图片的帧数，判断是否需要报警。2.如权利要求1所述的实时视频监控方法，其特征在于：采集摄像头所拍摄的原视频，将原视频输入计算机中，通过高斯滤波器过滤原视频中的声音。3.如权利要求2所述的实时视频监控方法，其特征在于：将所述处理视频进行逐帧分解成图片集，通过Canny算法对所述图片集中的图片进行平滑处理，计算所述图片中图像边缘的像素的梯度强度和方向，表达式如下：其中，σ表示是标准差，sigma＝1.4，e表示像素，那么经历高斯滤波，e的亮度的值表达式如下：其中，*表示卷积的符号，sum表示设定矩阵中所有元素之和。4.如权利要求3所述的实时视频监控方法，其特征在于：所述像素的每个方向都可以由图像中的边缘所瞄准，通过Canny算法检测图像的垂直、水平和对角边缘这四个方向。通过代表边缘检测的垂直与水平方向的算子，如水平方向的G
x
和垂直方向的G
y
的所得出一阶导数值，可以推测出像素的方向theta和像素的梯度G：其中，G代表梯度强度，G
x
代表x方向的梯度幅值，G
y
代表y方向梯度的幅值，theta代表像素的方向，arctan为公式中应用到的反正切函数，x以及y方向的Sobel算子可以分别表示为：其中，Sx表示x方向的Sobel算子，用于检测边缘方向为y的方向，Sy表示y方向的Sobel算子，用于检测边缘方向为x的方向。5.如权利要求4所述的实时视频监控方法，其特征在于：对边缘像素的非极大值抑制，比较是单个像素所拥有的梯度强度，将目前像素的梯度强度同一时刻和其它两个像素作类比，当目前像素的梯度强度大于其它两个像素，保存目前像素，将目前像素作为边缘，其关
系表达式和非极大值抑制相关的伪代码如下：G
P1
＝(1
‑
tan(θ))
×
E+tan(θ)
×
NEG
p2
＝(1
‑
tan(θ))
×
W+tan(θ)
×
SWif G
p
≥G
p1 and G
p
≥G<...

【专利技术属性】
技术研发人员：朱金荣，朱颖，夏长权，时壮壮，徐思韵，邓小颖，
申请(专利权)人：扬州大学，
类型：发明
国别省市：