基于高斯建模与目标轮廓的遗留物检测方法技术

本发明专利技术公开了一种基于高斯建模与目标轮廓的遗留物检测方法，涉及计算机视觉、智能视频监控领域。本方法包括下列步骤：①输入视频；②遗留物粗检测；③遗留物精确检测；④遗留物分类；⑤再次确定；⑥输出结果。本发明专利技术通过遗留物的粗检测、精确检测、分类、再次确定一系列步骤，使遗留物检测足够稳定可靠，达到稳定的遗留物智能检测的目的；适用于各种公共场所智能行为分析的遗留物检测。

【技术实现步骤摘要】
本专利技术涉及计算机视觉、智能视频监控领域，具体涉及一种基于高斯建模与目标轮廓的遗留物检测方法。
技术介绍
遗留物检测是为安防的预警而设计，它是智能行为分析系统的重要组成部分，可应用于各种公共场所包括机场、车站、港口、建筑物周围、街道、小区、及其他场所，用于自动监视场景中是否有可疑物体遗留。 基于计算机视觉的遗留物检测方法主要的思路就是通过判断运动目标是否较长时间的静止不动，也就是找到新进入场景的静止不动的目标，然后对静止不动的目标进行分类处理，过滤掉不感兴趣的目标，例如人、车等。目前的遗留物检测方法中，主要存在的问题就是误检。而造成误检的原因有很多，比如场景中非感兴趣目标(人、树叶、水波)的干扰，光照的变化，遮挡，初始场景中存在运动目标等。因此，提高遗留物检测方法的稳定性，减少误检是一个亟待解决的问题，这也正是本专利技术的出发点。
技术实现思路
本专利技术的目的就在于提高遗留物检测的稳定性，提供一种基于高斯建模与目标轮廓的遗留物检测方法，通过不同高斯背景模型背景的对比，粗略地检测出静止的目标；通过目标的轮廓梯度信息过滤掉一部分非遗留物，到达精确检测的目的；应用分类算法过滤掉不感兴趣的静止目标本文档来自技高网...

【技术保护点】
一种基于高斯建模与目标轮廓的遗留物检测方法，其特征在于：①输入视频（201）利用待检测摄像头获得视频图像数据，输出到智能分析服务器供分析使用；②遗留物粗检测（202）利用视频图像数据，分别建立两个多高斯模型，两个多高斯模型的不同之处在于学习速度，分别记为快高斯和慢高斯，其中快高斯模型的学习速度是0.4秒/次，慢高斯模型的学习速度是20秒/次，比较两个多高斯模型背景之间的差异之处，并且用二值标示，0标示相同，即标示非遗留物，255标示不相同，即标示遗留物，初步确定遗留物的位置信息；③遗留物精确检测（203）为了达到稳定的检测到遗留物的目的，分别进行以下操作：A、累计统计遗留物，如果遗留物的值累计...

【技术特征摘要】
1.一种基于高斯建模与目标轮廓的遗留物检测方法，其特征在于 ①输入视频(201) 利用待检测摄像头获得视频图像数据，输出到智能分析服务器供分析使用； ②遗留物粗检测(202) 利用视频图像数据，分别建立两个多高斯模型，两个多高斯模型的不同之处在于学习速度，分别记为快高斯和慢高斯，其中快高斯模型的学习速度是O. 4秒/次，慢高斯模型的学习速度是20秒/次，比较两个多高斯模型背景之间的差异之处，并且用二值标示，O标示相同，即标示非遗留物，255标示不相同，即标示遗留物，初步确定遗留物的位置信息； ③遗留物精确检测(203) 为了达到稳定的检测到遗留物的目的，分别进行以下操作 A、累计统计遗留物，如果遗留物的值累计到一定程度，则还需要进一步的判断； B、利用当前图像数据、遗留物的位置、以及高斯模型信息，分别计算慢高斯和当前图像在各个遗留物轮廓处的梯度，记为Gl和G2，如果Gl远大于G2，则删除掉这个遗留物，否则暂时保留； C、统计G2最小的前M个值，并且计算均值，如果均值小于一定值，则删除掉这个遗留物，目的是为了删除一部分保持静止的运动目标； ④遗留物分类(204) 使用对应的目标检测算法；对于目标的分类，使用的是HOG+LatentSVM方法； ⑤再次确定(205) 为了使遗留物检测方法稳定，还需要进行一个判断，如果目标对应位置，慢高斯前景检测结果为前景，快高斯检测结果为非前景，则确定为最终的遗留物，否则过滤掉； ⑥输出结果(206) 输出最终的检测结果。2.按权利要求I所述的一种基于高斯建模与目标轮廓的遗留物检测方法...

【专利技术属性】
技术研发人员：仇开金，杨波，
申请(专利权)人：武汉烽火众智数字技术有限责任公司，
类型：发明
国别省市：