本发明专利技术提供一种消防通道占用识别方法、装置及电子设备。所述方法通过引入短期和长期vibe检测算法的双背景建模方法，进行前景静止物体的识别，结合卷积神经网络进行人、车单独识别，从而得到所有长期占用物体的信息，加入多阶段多尺度背景检测和形态学判断，并排除人体干扰，再以单独时间计时的方式判断危险占用物体，并进行报警，相比于现有的静止物体检测检测算法，适应场景更加广泛，运行速度更快，方法更加简便精确，能够对消防通道中的长时间停滞的占用物体进行很好的识别和报警，有效降低了消防通道被物体堵塞的风险，极大提升了相关使用场景的消防安全。使用场景的消防安全。使用场景的消防安全。
【技术实现步骤摘要】
消防通道占用识别方法、装置及电子设备
[0001]本专利技术涉及图像识别
，尤其涉及一种消防通道占用识别方法、装置及电子设备。
技术介绍
[0002]室内或室外的消防通道一旦被杂物或停靠车辆堵塞，可能会导致消防救援难以抵达、受难人员难以撤离，极大的增加了消防隐患。近年来，许多小区的消防通道因私家车违规停靠而堵塞，还有很多高层建筑的应急楼梯内因堆有杂物而难以快速通行，从而错失了最佳救援时机。消防通道占用导致的间接生命财产损失不可忽视。
[0003]在计算机视觉领域，通过监控摄像头和智能算法对消防通道占用事件进行检测逐渐成为主流。相比采用硬件检测仪器，利用监控视频检测成本更低，可在不增加设备成本的前提下，利用场景中已有的摄像头接入检测算法即可进行占用检测。在现有技术中用于消防通道占用检测的算法包括：利用传统高斯背景模型和帧差法的双背景模型和利用深度学习训练得到的物体识别模型。其中，利用传统高斯背景模型和帧差法的双背景模型的运行实时性很差，不足以支持广泛运用，同时对于车辆等有透明玻璃反射的复杂大型物体的识别较差，且帧差法生成的图像容易产生空洞；而利用深度学习训练得到的物体识别模型会受限于训练集的物体种类，未训练过的物体或与训练数据集中相似度低的同种物体会有很高的概率识别不出来。
技术实现思路
[0004]本专利技术的目的在于提供一种消防通道占用识别方法、装置及电子设备，相比于现有技术，适应场景更加广泛，运行速度更快，方法更加简便精确，能够对消防通道中的长时间停滞的占用物体进行很好的识别和报警，有效降低了消防通道被物体堵塞的风险，极大提升了相关使用场景的消防安全。
[0005]为实现上述目的，本专利技术首先提供一种消防通道占用识别方法，包括如下步骤：步骤S1、接收监控视频流，对所述监控视频流进行预处理，得到待检测的图片；步骤S2、将所述待检测的图片输入预设的长期vibe算法模型和短期vibe算法模型，分别得到所述待检测的图片中的前景物体像素掩膜和运动前景物体像素掩膜，所述长期vibe算法模型的参数变化速度小于所述短期vibe算法模型；步骤S3、根据所述前景物体像素掩膜与运动前景物体像素掩膜的差值，得到静止前景物体的像素掩膜，对所述静止前景物体的像素掩膜进行图像形态学滤波和开、闭运算处理，得到物体团块的信息；步骤S4、将所述待检测的图片输入目标识别模型，得到所述待检测的图片序列中的人体目标和车辆目标的信息；步骤S5、将所述车辆目标的信息和物体团块的信息组成静止物体的信息，并对静止物体进行跟踪计时；
步骤S6、当静止物体的静止时长超出预设的报警阈值时，对静止物体进行背景相似度检测和形态学检测，当静止物体符合背景相似度检测和形态学检测的标准，且并非人体目标时，对该静止物体进行报警并输出该静止物体的信息。
[0006]可选地，所述步骤S2具体包括：为所述长期vibe算法模型建立第一背景模型，所述长期背景模型给单通道图片中每个像素点存储了一个第一背景样本集；当待检测图像中一像素的像素值与该像素对应的第一背景样本集中的一个样本之间距离小于预设的距离阈值时，则认为样本匹配；当该像素对应的第一背景样本集中与该像素的像素值匹配的样本数量超过预设的第一匹配阈值时，则认为像素为背景像素，否则为前景像素；根据背景像素和前景像素建立前景物体像素掩膜；为所述短期vibe算法模型建立第二背景模型，所述短期背景模型给单通道图片中每个像素点存储了一个第二背景样本集，所述第二背景样本集中的样本数量小于第一背景样本集中的样本数量；当待检测图像中一像素的像素值与该像素对应的第二背景样本集中的一个样本之间距离小于预设的距离阈值时，则认为样本匹配；当该像素对应的第二背景样本集中与该像素的像素值匹配的样本数量超过预设的第二匹配阈值时，则认为像素为背景像素，否则为前景像素；可选地，所述步骤S6在对静止物体进行背景相似度检测的步骤包括：获取所述静止物体的包围框；在所述静止物体的包围框上方和下方紧贴包围框边界，分别向外取一上检验框和一下检验框；在所述静止物体的包围框左方和右方紧贴包围框边界，分别向外取一左检验框和一右检验框；将所述包围框、上检验框、下检验框、左检验框和右检验框所在区域转换至HSV色彩空间；获取所述包围框、上检验框、下检验框、左检验框和右检验框内像素的色彩饱和度平均值；当上检验框、下检验框、左检验框和右检验框中的任一个的像素的色彩饱和度平均值与包围框色彩饱和度平均值的差值大于预设的差值阈值时，判断背景相似度检测不通过，停止报警，否则判定静止物体符合背景相似度检测标志。
[0007]可选地，所述步骤S6在对静止物体进行形态学检测的步骤包括：获取所述静止物体所处像素区域的彩色图片；使用竖直检测线和水平检测线进行静止物体的边缘线段条数检测；当竖直检测线接触到两条以上的边缘，且水平检测线也接触到两条以上的边缘，则认为静止物体符合形态学检测的标准，否则认为形态学检测不通过。
[0008]可选地，所述步骤S2中长期vibe算法模型的背景更新频率小于所述短期vibe算法模型的背景更新频率。
[0009]可选地，当出现待检测图片的全局HSV通道的亮度平均值变化超过0.1或者当待检
测图片内出现的前景像素点的个数在两帧之内的数量差距，超过待检测图片内像素点数总数的50%时，对所述长期vibe算法模型和短期vibe算法模型进行重新初始化。
[0010]可选地，所述步骤S2通过将长期vibe算法模型检测到的背景像素赋值为0，前景像素赋值为1，建立所述前景物体像素掩膜；通过将短期vibe算法模型检测到的背景像素赋值为0，前景像素赋值为1，建立所述运动前景物体像素掩膜。
[0011]可选地，所述第一背景样本集中的样本数量至少所述第二背景样本集中的样本数量的4倍，所述目标识别模型为yolov5网络模型。
[0012]本专利技术还提供一种消防通道占用识别装置，包括：预处理单元，用于接收监控视频流，对所述监控视频流进行预处理，得到待检测的图片；Vibe检测单元，用于将所述待检测的图片输入预设的长期vibe算法模型和短期vibe算法模型，分别得到所述待检测的图片中的前景物体像素掩膜和运动前景物体像素掩膜，所述长期vibe算法模型的参数变化速度小于所述短期vibe算法模型；团块识别单元，用于根据所述前景物体像素掩膜与运动前景物体像素掩膜的差值，得到静止前景物体的像素掩膜，对所述静止前景物体的像素掩膜进行图像形态学滤波和开、闭运算处理，得到物体团块的信息；目标识别单元，用于将所述待检测的图片输入目标识别模型，得到所述待检测的图片序列中的人体目标和车辆目标的信息；计时单元，用于将所述车辆目标的信息和物体团块的信息组成静止物体的信息，并对静止物体进行跟踪计时；报警单元，用于当静止物体的静止时长超出预设的报警阈值时，对静止物体进行背景相似度检测和形态学检测，当静止物体符合背景相似度检测和形态学检测的标准，且并非人体目标时，对该静止物体进行报警并输出该静止物体的信息。
[0013]本专利技术还提供一种电子设备，其特征在于，包括：存储器和处理器本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种消防通道占用识别方法，其特征在于，包括如下步骤：步骤S1、接收监控视频流，对所述监控视频流进行预处理，得到待检测的图片；步骤S2、将所述待检测的图片输入预设的长期vibe算法模型和短期vibe算法模型，分别得到所述待检测的图片中的前景物体像素掩膜和运动前景物体像素掩膜，所述长期vibe算法模型的参数变化速度小于所述短期vibe算法模型；步骤S3、根据所述前景物体像素掩膜与运动前景物体像素掩膜的差值，得到静止前景物体的像素掩膜，对所述静止前景物体的像素掩膜进行图像形态学滤波和开、闭运算处理，得到物体团块的信息；步骤S4、将所述待检测的图片输入目标识别模型，得到所述待检测的图片序列中的人体目标和车辆目标的信息；步骤S5、将所述车辆目标的信息和物体团块的信息组成静止物体的信息，并对静止物体进行跟踪计时；步骤S6、当静止物体的静止时长超出预设的报警阈值时，对静止物体进行背景相似度检测和形态学检测，当静止物体符合背景相似度检测和形态学检测的标准，且并非人体目标时，对该静止物体进行报警并输出该静止物体的信息。2.如权利要求1所述的消防通道占用识别方法，其特征在于，所述步骤S2具体包括：为所述长期vibe算法模型建立第一背景模型，所述长期背景模型给单通道图片中每个像素点存储了一个第一背景样本集；当待检测图像中一像素的像素值与该像素对应的第一背景样本集中的一个样本之间距离小于预设的距离阈值时，则认为样本匹配；当该像素对应的第一背景样本集中与该像素的像素值匹配的样本数量超过预设的第一匹配阈值时，则认为像素为背景像素，否则为前景像素；根据背景像素和前景像素建立前景物体像素掩膜；为所述短期vibe算法模型建立第二背景模型，所述短期背景模型给单通道图片中每个像素点存储了一个第二背景样本集，所述第二背景样本集中的样本数量小于第一背景样本集中的样本数量；当待检测图像中一像素的像素值与该像素对应的第二背景样本集中的一个样本之间距离小于预设的距离阈值时，则认为样本匹配；当该像素对应的第二背景样本集中与该像素的像素值匹配的样本数量超过预设的第二匹配阈值时，则认为像素为背景像素，否则为前景像素；根据背景像素和前景像素建立运动前景物体像素掩膜。3.如权利要求1所述的消防通道占用识别方法，其特征在于，所述步骤S6在对静止物体进行背景相似度检测的步骤包括：获取所述静止物体的包围框；在所述静止物体的包围框上方和下方紧贴包围框边界，分别向外取一上检验框和一下检验框；在所述静止物体的包围框左方和右方紧贴包围框边界，分别向外取一左检验框和一右检验框；将所述包围框、上检验框、下检验框、左检验框和右检验框所在区域转换至HSV色彩空
间；获取所述包围框、上检验框、下检验框、左检验框和右检验框内像素的色彩饱和度平均值；当上检验框、下检验框、左检验框和右检验框中的任一个的像素的色彩饱和度平均值与包围框色彩饱和度平均值的差值大于预设的差值阈值时，判...
【专利技术属性】
技术研发人员：闾凡兵，曾海文，王春洁，吉振东，王勇，
申请(专利权)人：长沙海信智能系统研究院有限公司，
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。