【技术实现步骤摘要】
本专利技术属于计算机视觉和视频分析，特别是涉及一种基于mcml和sort卡尔曼滤波结合的高空抛物监测方法和装置。
技术介绍
1、现有的用于高空抛物的视频分析技术主要包括目标检测、轨迹分析和异常检测等关键环节。目标检测算法对视频中的抛物物体进行快速准确的定位和识别。通过目标追踪算法，对抛物物体进行轨迹分析，以了解其运动轨迹和可能的落点，为事故预防提供有效信息。一旦发现有异常的抛物行为，立即报警并采取相应措施。其中，目标检测与追踪技术作为视频分析的核心，近年来经历了显著的变革。
2、现有的目标检测方法主要依靠手工设计的特征和经典的机器学习算法，例如haar级联检测器和hog等方法。以及基于深度学习的目标检测方法，例如faster r-cnn、yolo(you only look once)、ssd(single shot multibox detector)、mask r-cnn以及retinanet等。这些方法在准确性和泛化能力上远远超过传统方法，但它们的计算复杂度较高，对硬件资源的要求也相应增加。此外，目标追踪算法主要包括多目标跟踪器(multipleobject trackers)：如iou(intersection over union)匹配、卡尔曼滤波、hungarian算法、sort(simple online and realtime tracking)等。近年来也出现了一些基于深度神经网络的多目标追踪方法，例如siamese网络、deepsort等。此类算法通过学习目标外观特征和运动信息，提高了追踪的准确
技术实现思路
1、为了解决
技术介绍
中存在的问题，本专利技术的一方面提供一种基于mcml和sort卡尔曼滤波结合的高空抛物监测方法，包括：
2、s1：读取视频帧序列，对每一帧的视频帧采用不同层次的分辨率处理，从粗糙到细致，以获取不同分辨率下的视频图像帧；
3、s2：针对不同层次分辨率下的视频图像帧利用背景建模技术构建对应的背景模型；并利用对应的背景模型提取出视频图像帧中的前景目标轮廓，计算运动的前景目标预测框集合；并根据前景目标预测框集合生成目标的初始轨迹；
4、s3：采用基于km算法与卡尔曼滤波的sort多目标跟踪框架对不同层次分辨率下视频图像帧中的目标进行跟踪并更新目标的轨迹信息；
5、s4：根据目标的轨迹信息计算目标的轨迹方程，判断目标是否为高空抛物。
6、优选地，所述对每一帧的视频帧采用不同层次的分辨率处理包括：通过不断对图像进行降采样和高斯模糊形成不同分辨率的视频图像帧；其中，通过高斯模糊降低图像的频率，再对图像进行降采样来降低图像的分辨率。
7、优选地，所述针对不同层次分辨率下的视频图像帧利用背景建模技术构建对应背景模型包括：针对不同层次分辨率下的视频图像帧，从粗糙到细致设置由低到高的采样率，根据设置的采样率对每个层次下的视频图像帧进行采样，并根据采样得到的视频图像帧利用高斯混合模型构建背景模型，以识别特定的前景目标。
8、优选地，根据采样得到的视频图像帧利用高斯混合模型构建背景模型包括：
9、s21：将采样的视频图像帧从rgb图像转换为灰度图像；
10、s22：利用gmm模型对上述灰度图像建立基于灰度图像的gmm模型如下：
11、
12、其中，p(xi,t)表示第i个像素在t时刻的高斯混合模型；n(μj,t,σj,t)表示均值为μj,t，方差为σj,t的正态分布；wj,t表示第j个高斯分布在t时刻的权重参数；k表示高斯分布的数量；
13、s23：对于一个像素点的k个高斯分布，根据wj,t/σj,t的值对k个高斯分布从大到小进行排列，对于满足下式的前b个高斯分布被当作背景模型；
14、
15、其中，t是背景模型占高斯分布的最小比例，通常取值为0.7；wj表示第j个高斯分布的权重参数；
16、s24：对于当前帧图像中的像素点xi，t，若存在|xi，t-uj，t-1|<2.5δj，t-1，则该像素点被认为是背景，否则认为是前景；
17、s25：遍历当前帧图像中所有像素点区分图像中的前景或背景，若该像素点被认为是前景，即前b个高斯分布中没有一个与之匹配，则用一个新的高斯分布取代权重最小的那个高斯分布，新的分布期望值为当前的像素值，同时为它分配一个初始标准差和初始权重值；
18、若该像素点被认为是背景，则对该像素点的各个高斯分布的权重作如下调整以更新背景模型：
19、若xi，t与第j个高斯分布匹配，则：
20、uj,t＝(1-α)uj,t-1
21、
22、wj,t＝(1-α)wj,t-1+α
23、其中，α表示设定的学习率，wj，t表示第j个高斯分布的权重参数，t表示转置；
24、若xi，t与第j个高斯分布不匹配，则：
25、wj,t＝(1-α)wj,t-1
26、优选地，所述利用对应的背景模型提取出视频图像帧中的前景目标轮廓包括：将视频图像帧转换为目标灰度图，将目标灰度图中的像素点与b个高斯分布中的每一个均值进行比较，如果存在一个高斯分布的均值与该像素点的差值在2.5倍的方差之间，则认为该像素点是背景，否则认为是前景。
27、优选地，所述计算运动的前景目标预测框集合包括：由形态学滤波、轮廓检测和最小外接矩形拟合得到运动的前景目标预测框集合；
28、通过腐蚀、膨胀基础运算构成的开、闭操作处理前景目标灰度特征图，在填充前景目标灰度特征图中孔洞的同时过滤小颗粒噪声像素点；腐蚀及膨胀运算如公式所示：
29、
30、其中，分别表示腐蚀运算与膨胀运算，a、b分别是待处理目标灰度特征图与结构运算核，ix,y表示目标灰度特征图上坐标为(x,y)的像素点；
31、使用广度优先搜索对连通域进行分解编号，并在独立连通域上顺时针搜索轮廓，最后合并相距过近的轮廓，得到轮廓集合；
32、遍历外接矩形的旋转角度，选择面积最小的外接矩形作为运动的前景目标预测框。
33、优选地，所述采用基于km算法与卡尔曼滤波的sort多目标跟踪框架跟踪包括：
34、s31：对每一个前景目标建立加速运动模型：
35、x＝[cx,cy,r,h,vx,vy,vr,vh]
36、其中，cx和cy前景目标特征点的水平和垂直像素位置；r和h表示前景目标预测框的宽和高；vx和vy表示x和y的变化速度；vr和vh表示r和h的变化速度；
37、s32：通过卡尔曼滤波预测前景目标预测框和前景目标特征点在下一帧的位置；前景目标预测框和前景目标特征点在图像中的位置记为：
38、z＝[cx cy r h]
39、定义状态转移矩本文档来自技高网...
【技术保护点】
1.一种基于MCML和SORT卡尔曼滤波结合的高空抛物监测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于MCML和SORT卡尔曼滤波结合的高空抛物监测方法，其特征在于，所述对每一帧的视频帧采用不同层次的分辨率处理包括：通过不断对图像进行降采样和高斯模糊形成不同分辨率的视频图像帧；其中，通过高斯模糊降低图像的频率，再对图像进行降采样来降低图像的分辨率。
3.根据权利要求1所述的一种基于MCML和SORT卡尔曼滤波结合的高空抛物监测方法，其特征在于，所述针对不同层次分辨率下的视频图像帧利用背景建模技术构建对应背景模型包括：针对不同层次分辨率下的视频图像帧，从粗糙到细致设置由低到高的采样率，根据设置的采样率对每个层次下的视频图像帧进行采样，并根据采样得到的视频图像帧利用高斯混合模型构建背景模型，以识别特定的前景目标。
4.根据权利要求3所述的一种基于MCML和SORT卡尔曼滤波结合的高空抛物监测方法，其特征在于，根据采样得到的视频图像帧利用高斯混合模型构建背景模型包括：
5.根据权利要求4所述的一种基于MCML和SORT卡尔曼
6.根据权利要求5所述的一种基于MCML和SORT卡尔曼滤波结合的高空抛物监测方法，其特征在于，所述计算运动的前景目标预测框集合包括：由形态学滤波、轮廓检测和最小外接矩形拟合得到运动的前景目标预测框集合；
7.根据权利要求1所述的一种基于MCML和SORT卡尔曼滤波结合的高空抛物监测方法，其特征在于，所述采用基于KM算法与卡尔曼滤波的SORT多目标跟踪框架跟踪包括：
8.根据权利要求1所述的一种基于MCML和SORT卡尔曼滤波结合的高空抛物监测方法，其特征在于，所述根据目标的轨迹信息计算目标的轨迹方程包括：针对每条轨迹，使用最小二乘法对轨迹上的所有点进行拟合计算目标的轨迹方程，判断前景目标的轨迹方程在竖直方向上的加速度是否大于设定阈值，若是则认定为高空抛物。
9.一种基于MCML和SORT卡尔曼滤波结合的高空抛物监测装置，包括存储器、处理器以及存储在所述存储器中并能够在所述处理器上运行的计算机程序，其特征在于，所述处理器被配置为能够在执行所述计算机程序时实现权利要求1-8中任一项所述的一种基于MCML和SORT卡尔曼滤波结合的高空抛物监测方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时能够实现权利要求1-8中任一项所述的一种基于MCML和SORT卡尔曼滤波结合的高空抛物监测方法。
...【技术特征摘要】
1.一种基于mcml和sort卡尔曼滤波结合的高空抛物监测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于mcml和sort卡尔曼滤波结合的高空抛物监测方法，其特征在于，所述对每一帧的视频帧采用不同层次的分辨率处理包括：通过不断对图像进行降采样和高斯模糊形成不同分辨率的视频图像帧；其中，通过高斯模糊降低图像的频率，再对图像进行降采样来降低图像的分辨率。
3.根据权利要求1所述的一种基于mcml和sort卡尔曼滤波结合的高空抛物监测方法，其特征在于，所述针对不同层次分辨率下的视频图像帧利用背景建模技术构建对应背景模型包括：针对不同层次分辨率下的视频图像帧，从粗糙到细致设置由低到高的采样率，根据设置的采样率对每个层次下的视频图像帧进行采样，并根据采样得到的视频图像帧利用高斯混合模型构建背景模型，以识别特定的前景目标。
4.根据权利要求3所述的一种基于mcml和sort卡尔曼滤波结合的高空抛物监测方法，其特征在于，根据采样得到的视频图像帧利用高斯混合模型构建背景模型包括：
5.根据权利要求4所述的一种基于mcml和sort卡尔曼滤波结合的高空抛物监测方法，其特征在于，所述利用对应的背景模型提取出视频图像帧中的前景目标轮廓包括：将视频图像帧转换为目标灰度图，将目标灰度图中的像素点与b个高斯分布中的每一个均值进行比较，如果存在一个高斯分布的均值与该像素点的差值在2.5倍的方差之间，...
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。