基于计算机视觉的电梯轿厢内异常行为的检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110765964A(43)申请公布日2020.02.07(21)申请号201911044258.0(22)申请日2019.10.30(71)申请人常熟理工学院地址215500江苏省苏州市常熟市南三环路99号(72)发明人徐本连孙振施健鲁明丽从金亮(74)专利代理机构常州佰业腾飞专利代理事务所(普通合伙)32231代理人滕诣迪(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06T7/149(2017.01)G06T7/246(2017.01)权利要求书7页说明书17页附图6页(54)发明名称基于计算机视觉的电梯轿厢内异常行为的检测方法(57)摘要本发明公开了一种基于计算机视觉的电梯轿厢内异常行为的检测方法，通过结合帧间差分法的ViBe算法获取运动目标的外部轮廓，在外部轮廓的基础上获得轿厢内乘客身体的高宽比信息；通过YOLOv3神经网络对轿厢内的人体头部数量和位置进行检测。根据YOLOv3神经网络检测到的人头数量，将轿厢内的异常行为检测分单人，两人及以上两种情景。在单人情景下，利用乘客人体轮廓的高宽比的变化和乘客人头的垂直移动距离，实现摔倒行为的检测。在两人及以上情景中，结合帧间差分法的ViBe算法获得的目标轮廓的基础上，利用金字塔LK光流算法计算乘客的平均动能，实现暴力侵害行为的检测。本发明视频输入与检测同时进行，达到实时检测的效果。CN110765964ACN110765964A权利要求书1/7页1.一种基于计算机视觉的电梯轿厢内异常行为的检测方法，其特征在于步骤如下：步骤1：外部轮廓检测，通过结合帧间差分法的ViBe算法获取运动目标的外部轮廓，并在外部轮廓的基础上获得进入轿厢的乘客身体的高宽比信息；步骤2:人数头像检测，通过YOLOv3神经网络对电梯轿厢内的人体头部进行检测，并且获得人头目标的位置信息；根据YOLOv3神经网络检测到的人头数量，将电梯内的异常行为检测分为单人，两人及以上两种情景；步骤3:基于人体轮廓和头部的摔倒检测，在单人情景下，利用乘客人体轮廓的高宽比的变化和乘客人头的垂直移动距离，实现对摔倒行为的检测；步骤4:多人动能检测，在两人及以上情景中，在结合帧间差分法的ViBe算法获得的目标轮廓的基础上，利用金字塔光流算法，计算乘客的平均动能，实现对暴力侵害行为的检测。2.根据权利要求1所述的基于计算机视觉的电梯轿厢内异常行为的检测方法，其特征在于外部轮廓检测，结合帧间差分法的ViBe算法检测运动目标的过程如下：步骤1.1：对第k帧图像使用原始ViBe算法进行运动前景检测，将第k帧图像中的像素点分类为背景点和前景点；同时利用帧差法获取第k-1帧和第k帧的差值二值图像Id；利用得到的差值图像对ViBe算法的检测结果进行更新；步骤1.2：利用帧间差分法获取第k-1帧和第k帧的差值二值图像Id进行更新；对差值二值图像Id进行均值滤波，去除噪声；进行膨胀处理，用以填充差值二值图像Id中ROI的小空洞；进行腐蚀处理，用以消除差值二值图像Id中的剩余噪声；最后得到经过形态学处理的只包含完整ROI的二值图像Id'；步骤1.3：接步骤1.1，将包含完整ROI的二值图像Id'引入到ViBe算法的背景更新过程中；第k帧中所有的像素点都通过再分类后，可以获得结合了帧间差分法的分类二值图像Iv；步骤1.4：对步骤1.3的输出分类二值图像Iv进行形态学处理；进行膨胀处理，用以填充分类二值图像Iv中ROI的小空洞；进行腐蚀处理，用以消除分类二值图像Iv中的剩余噪声，得到最后的二值图结果Iv'；步骤1.1-1.4，可以获得第k帧图像中的运动前景，即运动目标轮廓。3.根据权利要求2所述的基于计算机视觉的电梯轿厢内异常行为的检测方法，其特征在于结合帧间差分法的ViBe算法具体为:在背景建模的过程中，基于某一个像素点x的灰度值和它的邻域像素的灰度值是近似这一假设，通过随机选取N(N是正整数)个邻域灰度值为像素点x建立样本集M(x)＝{p1,p2,p3,…,pN}，样本集中的p1,p2,p3,…,pN指的是邻域像素点的灰度值；用pt(x)表示在t时刻像素点x的灰度值，用SR(pt(x))表示与pt(x)的差值小于阈值R的点构成的一个以pt(x)为中心，R为半径的圆形集合，其中R是正实数；圆形集合SR(pt(x))和样本集M(x)的交集元素的数量n，n是非负整数，即是在样本集M(x)中有n个像素点与像素点x相似：#{SR(pt(x))∩{p1,p2,p3,…,pN}}设阈值为nth，nth是正整数，若n＞nth，则将像素点x归类为背景，否则就将像素点x归类为前景，即运动的目标；利用帧间差分法可以获取第k-1帧和第k帧的差值二值图像