实时无跟踪的监控视频遗留物检测方法.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CN109636795A(43)申请公布日2019.04.16(21)申请号201811553123.2(22)申请日2018.12.19(71)申请人安徽大学地址230000安徽省合肥市经济技术开发区九龙路111号(72)发明人方贤勇杨振青汪粼波李薛剑(74)专利代理机构合肥市科融知识产权代理事务所(普通合伙)34126代理人陈思聪(51)Int.Cl.G06T7/00(2017.01)G06T7/90(2017.01)G06T5/40(2006.01)G06N3/04(2006.01)权利要求书3页说明书10页附图4页(54)发明名称实时无跟踪的监控视频遗留物检测方法(57)摘要本发明提供一种实时无跟踪的监控视频遗留物检测方法，将手工特征提取和深度学习识别相结合,实现了免跟踪的遗留物检测。首先,在帧差法的基础上,通过统计前景区域在连续帧序列变化情况,从而得到初始的静止目标区域。然后,我们将梯度方向直方向图和色调-饱和度-明度两种手工设计特征相结合来进行可疑物预判断,排除光照变化等影响带来伪静止目标区域。最后,结合深度学习技术排除已知物体和行人,从而对可疑物进行最终确认,实现一种无跟踪的遗留物检测。本方法能排除场景中因光照的变化及行人的滞留产生的伪目标，较准确的检测出遗留物体，并且在单帧处理的时间上比另外两种方法要少，能达到实时报警的要求。CN109636795ACN109636795A权利要求书1/3页1.实时无跟踪的监控视频遗留物检测方法，其特征在于，采用计算机并按如下步骤进行：步骤1：向计算机输入视频；步骤2：由计算机读取视频的当前帧；步骤3：进行基于时域统计的静止目标初检测，得到静止目标区域；步骤4：对由步骤3获得的静止目标区域进行基于双特征的可疑目标检测，排除其中的伪静止目标区域，获得经过预判断的帧图；步骤5：对由步骤4获得的经过预判断的帧图，进行基于CNN网络的遗留物确认，得到判断结果输出，随后读取步骤2所述视频的下一帧的图像，并返回步骤3，直至由步骤1输入的视频全部被处理完。2.根据权利要求1所述的实时无跟踪的监控视频遗留物检测方法，其特征在于，在步骤3中，在帧差法的基础上,通过统计前景区域在连续帧序列变化情况,从而得到初始的静止目标区域。3.根据权利要求1所述的实时无跟踪的监控视频遗留物检测方法，其特征在于，在步骤4中，梯度方向直方向图和色调-饱和度-明度两种手工设计特征相结合来进行可疑物预判断,排除光照变化等影响带来伪静止目标区域。4.根据权利要求1所述的实时无跟踪的监控视频遗留物检测方法，其特征在于，步骤5是结合深度学习技术排除已知物体和行人,从而对可疑物进行最终确认,实现一种无跟踪的遗留物检测。5.根据权利要求1至4任一所述的实时无跟踪的监控视频遗留物检测方法，其特征在于，步骤3的具体步骤为：静止前景目标检测/静止目标初检测包括两部分：即前景提取和轮廓位置统计；本发明对前景提取采用的是固定背景帧的帧差法,在得到前景区域后,我们对该区域计算其停留时间以确认是否是静止目标,方法是：根据前后帧中前景区域的位置变化情况统计,如果达到给定的时间阈值T，则将该区域判定为静止前景目标区域；如果用Pt表示当前时刻轮廓的位置信息，也就是框住了前景区域的矩形框在每帧图像上的位置；Pt由左上顶点坐标(x,y)和宽(w)高(h)组成，即Pt＝[xt,yt,wt,ht],Pt-1＝[xt-1,yt-1,wt-1,ht-1],Pt-1表示前一帧矩形框的位置，两个位置相减，等于0表示是同一位置，则该前景区域停留时间加1；t代表当前时刻,则这一静止目标的检测过程可以表示为.其中:T表示静止目标达到的时间阈值；δ(x)函数是用于统计前后变化次数的冲激函数:满足公式3-1即表示该前景区域为静止目标区域。6.根据权利要求1至4任一所述的实时无跟踪的监控视频遗留物检测方法，其特征在于，步骤4的具体步骤为：用HOG特征来过滤光照强度不高的时候产生的前景区域：提取当前2CN109636795A权利要求书2/3页帧和背景帧中这一区域的HOG特征,分别记作Hf和Hb；再作直方图比较,结果记为d(Hf,Hb):其中:N是直方图bin的数目；通过HSV颜色模型进一步过滤光照较强时产生的区域；HSV颜色模型中的V通道是亮度,对光照敏感,H是明度,S是饱和度；若待检测区域是光斑,则和背景是不相似的,会误检成遗留物,通过统计H通道和S通道以及V通道的直方图,并作直方图比较,这样我们可以通过设定阈值(详见下文的论述),来判断当前区域是否为可疑的目标区域；首先判断是否为HSV格式的图片；若为RGB格式的图片,则需要转为HSV图,若为HSV格式的图片,则直接到下一步：对当前帧和背景帧中的静止目