一种基于视频监控防溺水自适应检测方法技术

本发明专利技术公开了一种基于视频监控防溺水自适应检测方法，该自适应检测过程包括：通过安装在危险水域摄像机采集周边区域实时视频数据；根据监测区域配置一条和多条进入警戒线，并配置检测参数；采用改进的混合高斯背景模型，对实时视频每个像素创建背景模型；实时提取运动目标像素，并对提取的目标进行噪声去除和数学形态学运算形成联通区域；进行目标分割，根据配置的检测规则过滤目标并对运动目标进行跟踪；根据触发告警策略进行判断是否触发一次进入水域告警。本申请能有效自适应环境变化实时检测进入危险水域事件，进行早期预警；极大地的降低了检测算法算力消耗和样本量；算法具有较高鲁棒性，解决了灯光、飞鸟虫子、刮风下雨天气的干扰；过滤处理云彩自然飘动、水面波动、物体晃动、过往船只和鸭子等游动。过往船只和鸭子等游动。过往船只和鸭子等游动。

【技术实现步骤摘要】
一种基于视频监控防溺水自适应检测方法


[0001]本专利技术属于计算机视觉领域，具体涉及背景模型训练、运动目标提取和跨线侦测，特别涉及基于视频监控防溺水自适应检测方法。

技术介绍

[0002]随着每年一度的夏天的到来，防溺水工作进入关键时期。在春夏之交强降雨后，河水、山塘水位暴涨，对于喜欢野外游泳、玩水的儿童和青少年来说，这个时期成为溺水高发期。为此，把防溺水工作作为重点来抓，通过多措并举织密防溺水安全网，切实落实防溺水工作，并通过全面摸排，确定一批存在较大风险隐患的危险水域，做好了防溺水“四个一”工程建设，通过设立一个警示牌、摆放一个救生圈、一根安全绳、一对毛竹竿，有效完善了应急处置工具，做到及时发现、及时劝阻、有效警示、有效救助。但目前的主要手段还是安全教育、警示或发生后的应急方案，缺乏进入危险水域事件实时监测、信息化管理，对溺水事件早发现、早处理、针对性警示教育。
[0003]目前预防溺水主要是通过安全警示牌或广播喇叭循环播放防溺水语音消息；暑期安排安全网格员或专人对危险水域进行人工巡检等措施，需要耗费大量的人力、物力，但效率不高，存在时间空档期，没有提前预警和信息化管理，而且存在效率低、质量不高、整治效果极易反复的问题。还有一种是通过AI智能人脸识别技术识别检测区域里的人脸或车辆目标识别，以此判断是否存在目标出现在危险水域，然而，此种识别方式的误判率和漏检测率较高，而且存在不通用的问题，只能适用于小监控范围，而且对视频采集设备的安装高度和角度有着较高要求，具有一定的使用局限性，还会将在水域边逗留观光或其他非游泳而经过水域的人员产生大量虚告警。特别在古浮桥等景观建筑旁边，存在大量的观光、旅游人员，采用人脸、人体目标检测会产生大量虚告警，而且当游泳者佩戴遮阳帽、泳镜或低头非正脸的情况下，还会发生漏检测。因此，针对现有技术的不足，提供一种通用性高、检测精度高的自适应检测进入危险水域方法是很有必要的。

技术实现思路

[0004]针对现有技术的不足，本专利技术的目的在于提供一种基于视频监控进入危险水域识别方法，该方法旨在解决现今防溺水检测存在对应用场景要求较高，普适性差、工作量大，并容易产生逻辑漏洞，且优化和项目维护工作复杂，同时检测效果上限较低，在其基础上难有较大提升的技术问题；解决灯光、飞鸟虫子、刮风下雨天气的干扰；过滤处理云彩自然飘动、悬挂物晃动、树枝晃动，过往船只和鸭子等动物进入。该检测方法能极快地实现进入危险水域行为检测，而且对应用场景要求较低，在不同需求下的普适性极高，可应对不同的需求，进入山塘、浮桥旁边、湖边、江边游泳的行为，或投河自尽的极端行为，降低工作量的同时，极大地提高了检测效果的上限。
[0005]为了解决上述技术问题，本专利技术提供了这样一种基于视频监控防溺水自适应检测方法，包括以下步骤：
[0006](1)获取待检测场景下的摄像头对应的视频流，截取一视频帧图像，在该视频帧图像上通过画一条或多条警戒线，重点检测区域设置完后对该视频流之后截取的视频帧均有效；
[0007](2)取一视频段中所有帧的某位置上的像素值，求其平均来作为比较的标准值，将视频段中此位置像素值最接近该标准值的帧作为该视频段的关键帧；
[0008](3)混合高斯背景建模，根据建立的模型判断关键帧各像素值属于背景还是前景；
[0009](4)对于步骤(1)获取的实时视频帧图像与步骤(3)训练得到的背景图像进行比较，提取实时帧图像中的运动前景目标像素，并对提取的目标进行噪声去除和数学形态学运算形成联通区域；
[0010](5)进行目标分割，分析连通域的边缘轮廓，并计算各个轮廓的面积、占空比、矩形度和轮廓的形心；根据配置的目标尺寸规则过滤目标并对运动目标进行跟踪；将运动目标存放在候选目标队列中；
[0011](6)根据步骤(5)的候选目标队列，遍历整个目标队列，假如目标的追踪轨迹点超过设置的长度阈值L
min
，该值表征运动目标在配置检测区域持续时间；根据目标轨迹线与配置警戒线的几何关系及与配置运动方向匹配度，根据目标轮廓与警戒线的重合度和方向匹配度，计算进入危险水域事件的置信度；长度阈值Lmin表示同一运动目标轨迹队列的长度，也是运动目标的在区域内运动时长；根据不同的应用场景采用不同的判断策略：
[0012](6
‑
1)若应用在进入山塘、水库、河边、湖边、浮桥危险水域，目标对象跨越过警戒线，目标轮廓形心跨越到警戒线的另一侧，轨迹点的相对位置发生变化；根据警戒线与当前帧图像的相对位置，划分为：左侧、右侧，上侧、下侧，根据目标运动方向向量与警戒线角度进行计算；在该邻域，跨线告警或拌线告警适用(6
‑
1)判断策略；
[0013](6
‑
2)若应用在投河异常行为检测，在桥梁、栏杆配置合适的警戒线，异常行为一般突发，目标物快速移动；与(6
‑
1)不同，目标对象触碰到警戒线，计算目标区域与警戒线的重合度达到设定值A触发一次告警；相对比(6
‑
1)策略，更容易触发，适合于桥梁、围栏等危险区域，一般情况行人不经过或触碰到的区域；
[0014](7)根据步骤(6)告警策略触发一次告警，并将告警消息上传到中心服务器，在安装摄像机的广播喇叭播放警示通知消息，比如“你已经进入防溺水危险水域，请尽快离开”；
[0015](8)步骤(7)触发一次告警事件后，根据告警间隔配置参数，避免同一事件重复告警；经过间隔时间后，初始化背景模型，进入下一次检测。
[0016]进一步地，在步骤(3)中，对于随机变量X的观测数据集{x1，x2，...，x
N
}，x
t
为t时刻像素的样本，t＝1，2，
…
，N，N为采样点数，则单个采样点样本x
t
服从的混合高斯分布概率密度函数p(x
t
)：
[0017][0018][0019][0020]其中，k为分布模型总数，η(x
t
，μ
i,t
，τ
i,t
)为t时刻第i个高斯分布，μ
i,t
为均值，τ
i,t
为协方差矩阵，δ
i,t
为方差，I为三维单位矩阵，ω
i,t
为t时刻第i个高斯分布的权重，上标T为矩阵转置。
[0021]进一步地，在步骤(3)中，判断像素值属于背景还是前景的方法如下：
[0022](3
‑
1)每个新像素值X
t
同当前k个分布模型按下式进行比较，直到找到匹配新像素值分布模型：
[0023]|X
t
‑
μ
i,t
‑1|≤2.5σ
i,t
‑1[0024]其中，μ
i,t
‑1表示t
‑
1时刻的均值，σ
i,t
‑1表示t
‑
1时刻的标准差本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视频监控防溺水自适应检测方法，其特征在于，包括以下步骤：(1)获取待检测场景下的摄像头对应的视频流，截取一张视频帧图像，在该视频帧图像上通过画一个或多个红色警戒线，并以警戒线外接矩形框为重点检测区域，并配置好在当前监控画面下目标最大、最小万分比例；(2)取一视频段中所有帧的某位置上的像素值，求其平均来作为比较的标准值，将视频段中此位置像素值最接近该标准值的帧作为该视频段的关键帧；(3)混合高斯背景建模，根据建立的模型判断关键帧各像素值属于背景还是运动前景；(4)对于步骤(1)获取的实时视频帧图像与步骤(3)训练得到的背景图像进行比较，提取实时帧图像中的运动前景目标像素，并对提取的目标进行噪声去除和数学形态学运算形成联通区域；(5)进行目标分割，分析连通域的边缘轮廓，并计算各个轮廓的面积、占空比、矩形度和轮廓的形心；根据配置的目标尺寸规则过滤目标并对运动目标进行跟踪；将运动目标存放在候选目标队列中；(6)根据步骤(5)的候选目标队列，遍历整个目标队列，假如目标的追踪轨迹点超过设置的长度阈值L
min
，该值表征运动目标在配置检测区域持续时间；根据目标轨迹线与配置警戒线的几何关系及与配置运动方向匹配度，根据目标轮廓与警戒线的重合度和方向匹配度，计算进入危险水域事件的置信度；长度阈值L
min
为同一运动目标轨迹队列的长度，也是运动目标的在区域内运动时长；根据不同的应用场景采用不同的判断策略：(6
‑
1)若应用在进入山塘、水库、河边、湖边、浮桥危险水域，目标对象跨越过警戒线，目标轮廓形心跨越到警戒线的另一侧，轨迹点的相对位置发生变化；根据警戒线与当前帧图像的相对位置，划分为：左侧、右侧，上侧、下侧，根据目标运动方向向量与警戒线角度进行计算；在该邻域，跨线告警或拌线告警适用(6
‑
1)判断策略；(6
‑
2)若应用在投河异常行为检测，在桥梁、栏杆配置合适的警戒线，异常行为一般突发，目标物快速移动；与(6
‑
1)不同，目标对象触碰到警戒线，计算目标区域与警戒线的重合度达到设定值A触发一次告警；相对比(6
‑
1)策略，更容易触发，适合于桥梁、围栏等危险区域，一般情况行人不经过或触碰到的区域；(7)根据步骤(6)告警策略触发一次告警，并将告警消息上传到中心服务器，在安装摄像机的广播喇叭播放警示通知消息；(8)步骤(7)触发一次告警事件后，根据告警间隔配置参数，避免同一事件重复告警；经过间隔时间后，初始化背景模型，进入下一次检测。2.根据权利要求1所述的一种基于视频监控防溺水自适应检测方法，其特征在于：步骤(3)中判断像素值属于背景还是前景的方法如下：对于随机变量X的观测数据集{x1，x2，...，x
N
}，x
t
为t时刻像素的样本，t＝1，2，
…
，N，N为采样点数，则单个采样点样本x
t
服从的混合高斯分布概率密度函数p(x
t
)：)：
其中，k为分布模型总数，η(x
t
，μ
i,t
，τ
i,t
)为t时刻第i个高斯分布，μ
i,t
为均值，τ
i,t
为协方差矩阵，δ
i,t
为方差，I为三维单位矩阵，ω

【专利技术属性】
技术研发人员：赖有华，苏翠平，方磊，徐林楠，
申请(专利权)人：江西华瑞数字技术有限公司，
类型：发明
国别省市：