一種預警方法及攝像的製造方法
2023-05-27 17:11:31
一種預警方法及攝像的製造方法
【專利摘要】本發明實施例公開了一種預警方法及攝像機，用於解決攝像機不能對越界時間進行預警的問題。本發明實施例方法包括：攝像機利用基於像素的隨機抽樣保守建模方法構建的背景模型提取第t幀圖像中的所有前景塊，並利用預先設置的級聯分類模型判斷所有前景塊中是否包含目標前景塊，若所有前景塊中包含目標前景塊，則利用基於直方圖交集核HIK匹配算法的目標搜索模型預測目標前景塊的行動方向，若確定的目標前景塊的行動方向指向警戒區域，則攝像機向監控臺發送預警警報，通過對目標前景塊的行動方向進行預測，能夠有效的實現目標前景塊的實時跟蹤且能夠有效的進行預警。
【專利說明】一種預警方法及攝像機
【技術領域】
[0001]本發明涉及監控器領域，尤其涉及一種預警方法及攝像機。
【背景技術】
[0002]在當下社會中，攝像機無處不在，視頻監控系統更是不斷的推陳出新。架設攝像機更是為了能有效的防止違法事件發生，給作案人員以心理上的震懾作用，監控系統的使用也大大的解放了監控人員，以往20個現場巡邏人員的工作現在I個監控人員就能夠完成。同時，監控人員只需要通過終端就可以進行遠程的指揮調度，提高了工作效率。更為重要的是，監控系統具有錄像功能，方便事後取證。
[0003]經濟的快速發展促生了不穩定因素的滋長，為了更好的建設一個穩定和諧的社會，對攝像機的使用量不斷增加，普通居民區都會有數百路的監控攝像機，整個城市的則是成千上萬。現有技術中，攝像機具有越線、區域入侵、要等行為判斷的功能，在出現越線及區域入侵等越界事件之後，能夠發出報警消息，然而，現有技術中的攝像機是在檢測到行人已經入侵之後才發出報警，無法對越界事件進行預測，不能為安保人員對越界事件進行處理爭取時間，可能造成巨大的損失。
【發明內容】
[0004]本發明實施例提供了一種預警方法及攝像機，能夠有效解決現有技術中攝像機不能對越界事件進行預警的問題。
[0005]本發明實施例提供的預警方法，包括:
[0006]攝像機利用基於像素的隨機抽樣保守建模方法構建的背景模型提取當前第t幀圖像中的所有前景塊；
[0007]所述攝像機利用預先設置的級聯分類模型判斷所述所有前景塊中是否包含目標前景塊，所述目標前景塊是指特徵與預先設置的可疑行人的特徵的匹配度高於預先設置的閾值的前景塊；
[0008]若所述所有前景塊中包含目標前景塊，則所述攝像機利用基於直方圖交集核HIK匹配算法的目標搜索模型預測所述目標前景塊的行動方向；
[0009]若預測的目標前景塊的行動方向指向警戒區域，則所述攝像機向監控臺發送預警警報。
[0010]本發明實施例提供的攝像機，包括:
[0011]提取模塊，用於利用基於像素的隨機抽樣保守建模方法構建的背景模型提取當前第t幀圖像中的所有前景塊；
[0012]判斷模塊，用於在所述提取模塊得到所述所有前景塊之後，利用預先設置的級聯分類模型判斷所述所有前景塊中是否包含目標前景塊，所述目標前景塊是指特徵與預先設置的可疑行人的特徵的匹配度高於預先設置的閾值的前景塊；
[0013]確定模塊，用於若所述判斷模塊確定所述所有前景塊中包含目標前景塊，則基於直方圖交集核HIK匹配算法的目標搜索模型預測所述目標前景塊的行動方向；
[0014]發送模塊，用於若所述確定模塊預測的目標前景塊的行動方向指向警戒區域，則機向監控臺發送預警警報。
[0015]從以上技術方案可以看出，本發明實施例具有以下優點:攝像機利用基於像素的隨機抽樣保守建模方法構建的背景模型提取當前第t幀圖像中的所有前景塊，利用預先設置的級聯分類模型判斷該所有前景塊中是否包含目標前景塊，其中，目標前景塊是指特徵與預先設置的可疑行人的特徵的匹配度高於預先設置的閾值的前景塊，若該所有前景塊中包含目標前景塊，貝1J基於直方圖交集核(Histogram Intersect1n Kernel, HIK)匹配算法的目標搜索模型預測所述目標前景塊的行動方向，且若確定的目標前景塊的行動方向指向警戒區域，則向監控臺發送預警警告，通過預測目標前景塊的行動方向，能夠有效的實現目標前景塊的實時跟蹤且能夠有效的進行預警。
【專利附圖】
【附圖說明】
[0016]圖1為本發明實施例中預警方法的一個示意圖；
[0017]圖2為本發明實施例中預警方法的另一示意圖；
[0018]圖3為本發明實施例中級聯分類模型的一個示意圖；
[0019]圖4為本發明實施例中第二中心像素點的搜索模型；
[0020]圖5為本發明實施例中攝像機的結構的一個示意圖；
[0021]圖6為本發明實施例中攝像機的結構的另一示意圖。
【具體實施方式】
[0022]本發明實施例提供了一種預警方法及攝像機，能夠有效解決現有技術中攝像機不能對越界事件進行預警的問題。
[0023]下面通過具體實施例，分別進行詳細的說明。
[0024]為使得本發明的發明目的、特徵、優點能夠更加的明顯和易懂，下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，下面所描述的實施例僅僅是本發明一部分實施例，而非全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其它實施例，都屬於本發明保護的範圍。
[0025]本發明的說明書和權利要求書及上述附圖中的術語「第一」、「第二」、「第三」 「第四」等(如果存在)是用於區別類似的對象，而不必用於描述特定的順序或先後次序。應該理解這樣使用的數據在適當情況下可以互換，以便這裡描述的本發明的實施例例如能夠以除了在這裡圖示或描述的那些以外的順序實施。此外，術語「包括」和「具有」以及他們的任何變形，意圖在於覆蓋不排他的包含，例如，包含了一系列步驟或單元的過程、方法、系統、產品或設備不必限於清楚地列出的那些步驟或單元，而是可包括沒有清楚地列出的或對於這些過程、方法、產品或設備固有的其它步驟或單元。
[0026]在本發明實施例中，預警方法應用在監控系統的攝像機上，攝像機能夠對視頻數據進行處理並對可能發生的越界事件進行預警，能夠為安保人員對越界事件進行處理爭取時間，且能夠及時阻止一些越界事件的發生。且監控系統的多個攝像機具有聯動功能，即一個攝像機在檢測到可疑行人之後，可將該可疑行人的特徵通過雲端的方式與其他的攝像機共享，此外，監控系統還可與門禁系統聯動，即在行人通過門禁系統進入監控系統的監控領域之後，門禁系統將通知攝像機進行目標的檢測和跟蹤。
[0027]請參閱圖1，為本發明實施例中一種預警方法，該方法包括:
[0028]101、利用基於像素的隨機抽樣保守建模方法構建的背景模型提取第t幀圖像中的所有前景塊；
[0029]在本發明實施例中，預警方法應用在監控系統的攝像機上，攝像機能夠對視頻數據進行處理並對可能發生的越界事件進行預警，能夠為安保人員對越界事件進行處理爭取時間，且能夠及時阻止一些越界事件的發生。
[0030]在本發明實施例中，攝像機可利用基於像素的隨機抽樣保守建模方法構建的背景模型，利用該背景模型能夠從幀圖像中提取出前景塊。
[0031]其中，背景模型中包含攝像機拍攝的幀圖像的每一個像素點隨機抽取的歷史像素值的集合，通常的，監控系統中安裝的攝像機的位置是固定的，且拍攝的區域也是固定的，攝像機可通過隨機抽取拍攝的多幀圖像上的像素點的像素值構建背景模型。例如，M(X)=
IV1, v2，......，VJ，其中，X表示像素點，Vi是指像素點X的第i個歷史像素值，且像素點X
的像素值集合M(X)中的樣本並不是連續的，而是隨機抽取的。且構建的背景模型的像素值集合M中的樣本也不是連續的，也是隨機抽取的。
[0032]在本發明實施例中，攝像機可利用背景模型提取第t幀圖像中的所有前景塊，其中，前景塊一般是指在攝像機的拍攝區域內的行人車輛等，此外，幀圖像中的背景塊一般是指攝像機的拍攝區域內固定存在的物理，例如建築物、樹木等等。
[0033]需要說明的是，背景模型是基於像素的隨機抽樣保守建模方法構建的，利用該背景模型提取前景塊，能夠有效的解決由於全局搜索所導致的時間複雜度過高的問題。
[0034]102、利用預先設置的級聯分類模型判斷所有前景塊中是否包含目標前景塊，目標前景塊是指特徵與預先設置的可疑行人的特徵的匹配度高於預先設置的閾值；
[0035]在本發明實施例中，攝像機中預先設置了級聯分類模型，其中，級聯分類模型用於區分提取的前景塊是否為行人及確定行人是否為可疑行人，且攝像機將對可疑行人進行實時跟蹤，在可疑行人有進入警戒區域的趨勢的情況下，向監控臺發送預警警告。
[0036]在本發明實施例中，攝像機在提取出所有前景塊之後，可利用預先設置的級聯分類模型判斷在該所有前景塊中是否包含目標前景塊，目標前景塊是指特徵中包含可疑行人的特徵。
[0037]103、若所有前景塊中包含目標前景塊，則攝像機利用基於HIK匹配算法的目標搜索模型預測目標前景塊的行動方向；
[0038]在本發明實施例中，若攝像機確定在提取的前景塊中包含目標前景塊，則利用基於HIK匹配算法的目標搜索模型預測目標前景塊的行動方向。
[0039]104、若確定的目標前景塊的行動方向指向警戒區域，則向監控臺發送預警警報。
[0040]在本發明實施例中，若攝像機確定的目標前景塊的行動方向指向警戒區域，則該攝像機向監控臺發送預警警報，其中預警警告中至少包含目標前景塊，預警地點等，使得監控臺的安保人員在看到預警警報之後能夠及時正確的對該警報進行處理。
[0041]需要說明的是。若攝像機確定的目標前景塊的行動方向指向非警戒區域，則攝像機將該目標前景塊的行動方向發送給監控臺，使得監控臺能夠繪製該目標前景塊的行動軌跡，以實現實時跟蹤。
[0042]在本發明實施例中，攝像機利用基於像素的隨機抽樣保守建模方法構建的背景模型提取第t幀圖像中的所有前景塊，利用預先設置的級聯分類模型判斷該所有前景塊中是否包含目標前景塊，其中，目標前景塊是指特徵與預先設置的可疑行人的特徵的匹配度高於預先設置的閾值的前景塊，若該所有前景塊中包含目標前景塊，則基於HIK匹配算法的目標搜索模型預測目標前景塊的行動方向，且若確定的目標前景塊的行動方向指向警戒區域，則向監控臺發送預警警告，通過實時預測目標前景塊的行動方向，能夠有效的實現目標前景塊的實時跟蹤且能夠有效的進行預警。
[0043]為了更好的理解本發明實施例中的技術方案，請參閱圖2，為本發明實施例中的預警方法的另一實施例，包括:
[0044]201、根據背景模型中包含的像素點的歷史像素值的集合確定第t幀圖像中的每一個像素點是前景塊像素點還是背景塊像素點；
[0045]在本發明實施例中，攝像機將根據背景模型中包含的像素點的歷史像素值的集合確定第t幀圖像中的每一個像素點是前景塊像素點還是背景塊像素點，具體的，攝像機將對每一個像素點執行以下的步驟:確定像素點i在背景模型中的若干個歷史像素值中，處於像素點i當前的歐式圓區域內的像素值的個數，歐式圓區域是指以像素點i在第t幀圖像中的像素值為中心，預先設置的最近鄰半徑為半徑形成的像素值區域；若處於像素點i當前的歐式圓區域內的歷史像素值個數小於或等於預先設置的閾值，則像素點i為前景塊像素點；若處於像素點i當前的歐式圓區域內的歷史像素值個數大於預先設置的閾值，則像素點i為背景塊像素點。
[0046]其中，該第t幀是指當前幀。
[0047]202、將第t幀圖像中確定的前景塊像素點劃分成前景塊；
[0048]在本發明實施例中，攝像機在確定第t幀圖像中的每一個像素點是前景塊像素點還是背景塊像素點之後，將確定的前景塊像素點劃分成前景塊，其中，劃分的方式是指若一個像素點與與其相鄰的任意一個像素點均為前景塊像素點，則該兩個像素點劃分到同一個前景塊中。
[0049]在本發明實施例中，攝像機在將前景像素點劃分為前景塊之後，將利用預先設置的級聯分類模型判斷該所有前景塊中是否包含目標前景塊，其中，級聯分類模型是變換直方圖(Census Transform Histogram, CENTRIST)特徵-前向特徵選擇(Forward FeatSelect1n,FFS)-級聯(Cascade)構成的分類模型，其中，CENTRIST特徵是一種基於輪廓的特徵描述子，具有運算簡單，兼顧局部和整體特徵的能力的優點，且對光照和旋轉變換具有魯棒性。
[0050]其中，FFS是一種強分類訓練算法，基於反覆迭代和貪心算法思想，其特點是每次迭代之後樣本的權重不必更新，每個弱分類器對最終的分類結果具有相同的投票權。且使用FFS和Cascade構建分類模型是因為二者在提高檢測速率上具有很大的優勢，能夠保證一定的檢測率上，最大限度的降低分類的時間複雜度。
[0051]在本發明實施例中，上述的級聯分類模型包括行人分類模型和HIK匹配算法，其中，其中，行人分類模式是採用離線的方式訓練得到的，是根據該攝像機的監控系統中的攝像機採集的大量視頻數據，提取出行人在各種不同的背景環境下的不同姿態，著裝及具有遮擋的行人正樣本，同時提取不含有行人的負樣本，通過增強學習(Boost Learning)的方法確定可疑行人的特徵。
[0052]其中，行人分類模型是基於上述的CENTRIST特診和FFS特徵，且採用級聯的方式來進行分類的。
[0053]為了更好的理解本發明實施例中的技術方案，下面將詳細介紹行人分類模型的訓練過程，包括:
[0054]步驟1、採集大量的監控視頻數據，從中抽取各種姿態、著裝的行人樣本，並統一歸一化為預置大小的正樣本，例如:樣本大小為36*72尺寸。選取街道，廣場，建築等不含有任何行人的背景塊作為樣本，同樣歸一化為預置大小的樣本，例如也可以為36*72尺寸。選取不含行人的大圖(480*720)作為增強學習的負樣本。預處理正負樣本，提取各個樣本的CENTRIST特徵，組成正負訓練樣本特徵集。初始化當前級聯分類器為空。
[0055]步驟2、基於正負樣本特徵集，利用FFS算法訓練出一個具有一定分類能力的強分類器，並將其加入到當前的級聯分類器中。
[0056]步驟3、利用當前的級聯分類器處理負訓練樣本集，剔除判斷正確的負樣本。再用當前的級聯分類器處理上述的增強學習的負樣本，將分錯的負樣本添入負訓練樣本集中，以此更新訓練用的負樣本。然後繼續執行操作2.直到級聯分類器到達一定的檢測精度為止。
[0057]為了更好的理解攝像機利用預先設置的級聯分類模型判斷前景塊中是否包含目標前景塊的技術方案，請參閱步驟203和步驟204:
[0058]利用行人分類模型從所有前景塊中提取特徵為行人的前景塊；
[0059]在本發明實施例中，攝像機將利用行人分類模型從所有前景塊中提取特徵為行人的前景塊。
[0060]請參閱圖3，為本發明實施例中，行人分類模型的示意圖，在該行人分類模型中，HI, H2，……，Hr代表行人分類模型對前景塊的分類級別，且從Hl至Hr的判斷是越來越針對細節的判斷，例如:H1的判斷的是前景塊的輪廓，通過輪廓確定是行人還是非行人，H2的判斷則是前景塊中是否包含滿足常規大小和形狀的頭部等等。d(l)、f(l)、d(2)、f(2)、……、d(r)、f(r)為前景塊的特徵的標識，例如:一個前景塊的特徵經過Hl之後確定為非人(non-human)，則該前景塊不需要再繼續判斷是否為行人，若該前景塊的特徵經過Hl之後確定可能是行人，則由將該前景塊的特徵d (I)、f (I)輸入H2，且若判斷為非人，則停止對該前景塊的判斷，否則該前景塊可能是行人，繼續由下一級H進行判斷，直至最後從行人分類模型輸出，確定該前景塊是否為行人。
[0061]204、根據HIK匹配算法計算特徵為行人的前景塊的特徵與預先設置的可疑行人的特徵的匹配度，若包含匹配度大於預先設置的閾值的前景塊，則確定匹配度大於預先設置的閾值的前景塊為目標前景塊；
[0062]在本發明實施例中，攝像機在提取特徵為行人的前景塊之後，將根據HIK匹配算法計算特徵為行人的前景塊的特徵與預先設置的可疑行人的匹配度，若包含匹配度大於預先設置的閾值的前景塊，則確定匹配度大於預先設置的閾值的前景塊為目標前景塊。
[0063]需要說明的是，在本發明實施例中，攝像機內保存了可疑行人的特徵，且該可疑行人的特徵可以是攝像機從大量的視頻數據中分析得到的，也可以是監控臺的伺服器通過攝像機之間的聯動功能，將由監控人員輸入的可疑行人的特徵共享到攝像機中，由攝像機保存。
[0064]其中，監控臺的伺服器確定可疑行人的特徵的方式為:監控人員打開攝像機A的監控視頻，點擊系統提供的信息錄入按鈕，設定信息的查詢時間段(查詢時間段是指包含作案過程的時間段)，系統將會將該查詢時間段的視頻以單幀的形式呈現，架設當前選取的時間是15:00到15:05這段時間，系統會抽樣給出這段時間攝像機A反饋的圖像，約50幀，監控人員只需要在有可疑人員的圖像上通過滑鼠將目標用矩形框標註(可疑人員的樣本的標註個數由監控人員決定，但必須大於或等於1，標註個數將會對檢測和追蹤的準確性產生影響)，點擊確認錄入中，系統將會生成可疑目標的特徵。
[0065]監控人員還可設置共享該可疑行人的特徵的攝像頭的範圍，例如，根據疑犯逃跑到當前的時間來大致估計其可能逃出的區域大小，系統默認的區域表示是以指定的一個地點為中心的一個圓形區域內，系統給出區域半徑的滑動框，監控人員可以滑動按鈕來彈性選擇區域大小，確定後，該區域包含的所有攝像機將通過攝像機聯動功能接收到伺服器端發送的可疑行人的特徵，並開始在各自監控區域進行目標檢測。
[0066]在本發明實施例中，攝像機根據HIK匹配算法計算特徵為行人的前景塊的特徵與預先設置的可疑行人的特徵的匹配度，確定匹配度高於預先設置的閾值的前景塊為目標前景塊具體可以為:攝像機確定特徵為行人的前景塊的直方圖，根據HIK匹配算法計算該前景塊的直方圖與可疑行人的特徵的直方圖的匹配度，確定匹配度高於預先設置的閾值的前景塊為目標前景塊。
[0067]205、確定在第t幀圖像中處於目標前景塊中心位置的像素點作為第一中心像素佔.
[0068]在本發明實施例中，若攝像機提取的前景塊中包含目標前景塊，則要對該目標前景塊進行跟蹤，並對可能發生的越界進行預測。且若攝像機提取的前景塊中包含目標前景塊，則攝像機先將確定在第t幀圖像中處於目標前景塊中心位置的像素點作為第一中心像素點。
[0069]206、在第t+Ι幀圖像中以第一中心像素點為圓心，預置長度為半徑的圓形區域內的前景塊像素點中，提取以前景塊像素點為中心對應的圖塊的CENTRIST特徵，利用HIK匹配算法將以前景塊像素點為中心對應的圖塊的CENTRIST特徵與預先設置的可疑行人的CENTRIST特徵進行匹配，確定匹配度最高的前景塊像素點為第二中心像素點；
[0070]在本發明實施例中，攝像機確定目標前景塊在第t幀圖像中的第一中心像素點之後，將在第t+ι幀圖像中以第一中心像素點為圓心，預先設置的長度為半徑得到圓心區域內的前景塊像素點中，提取以前景塊像素點為中心對應的圖塊的CENTRIST特徵，利用HIK匹配算法將該圖塊的CENTRIST特徵與預先設置的可疑行人的CENTRIST特徵進行匹配，確定匹配度最高的前景塊像素點為第二中心像素點；請參閱圖4，為本發明實施例中，第二中心像素點的搜索模型，其中，圓形的圓心表示第一中心像素點Pt，圓的半徑為R，黑點表示前景塊像素點。
[0071]需要說明的是，依據上述方式，攝像機可在第t+2幀圖像上按照上述方式確定第三中心像素點，以此類推，攝像機可得到多個中心像素點，且通過該多個中心像素點的位置的變化預測目標前景塊的行動方向。
[0072]其中，攝像機確定以第一中心像素點為圓心，預置長度為半徑的圓心區域內的像素點中哪些事前景塊像素點的方式為:攝像機確定該區域內的像素點i在背景模型中的若干個歷史像素值中，處於該像素點i當前的歐式圓區域內的歷史像素值的個數，且若處於該像素點i當前的歐式圓區域內的歷史像素值的個數小於或等於預先設置的閾值，則像素點i為前景塊像素點，若處於該像素點i當前的歐式圓區域內的歷史像素值的個數大於該預先設置的閾值，則該像素點i為背景塊像素點。
[0073]在本發明實施例中，通過利用第一中心像素點對匹配搜索範圍進行限定，能夠在提高匹配準確率的同時降低時間複雜度。
[0074]207、根據第一中心像素點及第二中心像素點在幀圖像中的位置預測目標前景塊的行動方向；
[0075]在本發明實施例中，攝像機根據第一中心像素點及第二中心像素點在幀圖像中的位置預測目標前景塊的行動方向。其中，由第一中心像素點可確定該目標前景塊一個位置，由第二中心像素點可確定該目標前景塊的另一個位置，由第一中心像素點確定的位置指向第二中心像素點確定的位置的方向即為該目標前景塊的行動方向。
[0076]需要說明的是，步驟207中僅僅是以兩個中心像素點預測目標前景塊的行動方向為例進行說明的，在實際應用中，還可通過步驟207中描述的方式，以上一幀圖像中確定的中心像素點，確定當前幀中的中心像素點，通過多個像素點的位置變化預測目標前景塊的行動方向。
[0077]208、若確定的目標前景塊的行動方向指向警戒區域，則攝像機向監控臺發送預警警報。
[0078]在本發明實施例中，若確定的目標前景塊的行動方向指向警戒區域，則攝像機向監控臺發送預警警報，其中，行動方向指向警戒區域是指警戒區域在目標前景塊的行動方向所指的區域，且在該行動方向上距離該目標前景塊最近的區域。
[0079]需要說明的是，在本發明實施例中，還可根據第一中心像素點及第二中心像素點在幀圖像中的位置計算目標前景塊的移動速度，例如，確定第一中心像素點及第二中心像素點在幀圖像中的位置之間距離，按照預先設置的比例將該距離換算成目標前景塊實際移動的距離，則該目標前景塊實際移動的距離與兩幀之間的時間差的商即為目標前進塊移動移動速度。
[0080]在本發明實施例中，預警警報中至少包含目標前景塊的特徵，行動方向，位置等等，此外還可包含該目標前景塊的移動速度。
[0081]需要說明的是，若確定的目標前景塊的行動方向指向非警戒區域，且是在實時監控場景下，則該攝像機與其相鄰的攝像機共享該目標前景塊，使得其他的攝像機也能夠對該目標前景塊進行跟蹤。獲取到目標前景塊的特徵的攝像機將在視頻銜接處進行檢查，發現目標前景塊之後進行跟蹤，使得可實現對目標前景塊的無間斷跟蹤。
[0082]需要說明的是，若確定側目標前景塊的前景方向指向非警戒區域，攝像機還可將該目標前景塊的行動方向發送給監控臺的伺服器，使得伺服器能夠根據多個攝像機發送的目標前景塊的行動方向繪製該目標前景塊的行動軌跡。
[0083]其中，攝像機可從目標前景塊的特徵中選擇一些特徵進行跟蹤，常用的特徵有:顏色、邊緣、局部描述子及多特徵融合等，基於顏色的特徵，其具有較好的抗擊屏幕旋轉，非剛性變形以及部分遮擋的能力，在算法中常採用目標區域的色調直方圖特徵作為描述子，優點是計算複雜度低，局部匹配準確率高。
[0084]在步驟205至步驟207中，描述的是基於HIK匹配算法的目標搜索模型預測目標前景塊的行動方向，不同於現有技術中的Mean Shift算法和Particle Filter算法,通過特徵匹配搜索獲取多數幀頻下目標前景塊的位置變化，能夠解決現有技術中目標跟蹤帶來的漂移問題，也可以降低由於每幀都進行行人檢測而造成的過高時間複雜度。
[0085]上述的HIK匹配算法的目標搜索模型確定目標前景塊在每一幀中的位置是一種基於局部優化的算法思想，基於目標在相鄰幀間移動範圍有限的前提，用局部最優代替全局最優，以取得更高的運輸效率。但是，基於搜索的方式是一種估計算法，會有誤差積累的缺陷，第t+Ι幀中目標的位置是由第t幀中目標的位置估計而來，本身就有一定的誤差，再通過t+Ι幀中目標的位置來估計t+2幀中目標的位置就會把誤差累積進來，多幀後，目標的軌跡就會產生很大的偏差，對預警的準確性產生影響。為了解決該問題，可以採用檢測的方式對目標前景塊的位置進行校正，以減少或者避免誤差，具體可以為:在第t+x*n幀圖像中，基於HIK匹配算法的目標搜索模型確定目標前景塊的位置，X和η均為正整數；利用背景模型及級聯分類器確定矯正目標前景塊，並利用矯正目標前景塊的位置對目標前景塊的位置進行矯正。
[0086]其中，步驟201至204中描述的是利用背景模型及級聯分類器確定校正目標前景塊的方式，步驟205至207中描述的是基於匹配算法的目標搜索模型確定目標前景塊的位置的方式。
[0087]其中，利用校正目標前景塊對目標前景塊進行校正可以為:通過檢測獲取的校正目標前景塊的個數j與搜索的當前已有目標前景塊的個數i之間存在以下關係，其中，矯正目標前景塊的數目即為檢測到的可疑行人的個數，搜索的當前已有的目標前景塊的個數即為已有跟蹤鏈個數，不同情況下具有不同的匹配策略:
[0088]l)i== j ;此時檢測到的可疑行人的個數與已有跟蹤鏈個數相等，通過位置和色調直方圖匹配來實現對跟蹤鏈的更新。
[0089]2) i>j ;此時檢測到的可疑行人的個數小於已有跟蹤鏈個數，先對跟蹤鏈位置進行判斷，是否超過視頻範圍，超出則刪除該跟蹤鏈。對未匹配到檢測框的跟蹤鏈由搜索到的位置信息更新跟蹤鏈。
[0090]3) i〈j ;此時檢測到的可疑行人的個數大於已有跟蹤個數，通過匹配後剩餘的檢測對象為新進入視頻的目標，為其創建新的跟蹤鏈。
[0091]通過以上的搜索和檢測相結合的方法可以降低目標的偏移幅度，最大程度擬合目標的運動軌跡。
[0092]在本發明實施例中，攝像機在根據背景模型中包含的像素點的歷史像素值的集合確定第t幀圖像中每一個像素點是前景塊像素點還是背景塊像素點之後，將第t幀圖像中確定的前景塊像素點劃分成前景塊，利用預先設置的CENTRIST特徵-FFS-Cascade構成的級聯分類模型判斷前景塊中是否包含目標前景塊，若在提取的前景塊中包含目標前景塊，則確定在第t幀圖像中處於目標前景塊中心位置的像素點作為第一中心像素點，在第t+1幀圖像中以第一中心像素點為圓心，預置長度為半徑的圓心區域內的前景塊像素點中，提前以前景塊像素點為中心對應的圖塊的CENTRIST特徵，利用HIK匹配算法將得到的圖塊的CENTRIST特徵與預先設置的可疑行人的CENTRIST特徵進行匹配，確定匹配度最高的前景塊像素點為第二中心像素點，利用第一中心像素點及第二中心像素點在幀圖像中的位置預測目標前景塊的行動方向，且若確定的目標前景塊的情動方向指向警戒區域，則攝像機向監控臺發送預警報告，使得攝像機能夠有效的實現對目標前景塊的跟蹤及實現對越界事件的預測，減少越界事件發生的概率。
[0093]且在本發明實施例中，攝像機能夠完成對越界事件的預測，避免將數據傳輸至監控臺帶來的時間浪費，大大提升了預警效率。
[0094]需要說明的是，在本發明實施例中，監控系統中的攝像機還可以與門禁系統聯動，在行人通過門禁系統進入監控系統的監控範圍時，門禁系統通知預先設置的攝像機進行目標的檢測及跟蹤，且攝像機可按照本發明實施例中描述的預警方法對越界事件進行預警。
[0095]需要說明的是，本發明實施例中描述的預警方案還可使用在公安監控系統中，且能夠應用於犯罪份子的實時跟蹤和事後追蹤。為了更好的理解本發明實施例中的技術方案，下面將描述具體的應用場景:
[0096]監控人員懷疑犯罪份子A出現在B區，則在B區的監控臺輸入犯罪份子A的特徵，監控臺的伺服器將犯罪份子A的特徵共享到B區的所有攝像機上，攝像機保存該犯罪份子A的特徵。
[0097]攝像機D利用基於像素的隨機抽樣保守建模方法構建的背景模型提前當前第t幀圖像中的所有前景塊，根據HIK匹配算法計算特徵為行人的前景塊的特徵與預先設置的可疑行人的特徵的匹配度，其中，可疑行人中包含犯罪份子A，確定匹配度大於預先設置的閾值的前景塊的目標前景塊E，且該目標前景塊E與犯罪份子A的特徵的匹配度最高。
[0098]攝像機D確定在第t幀圖像中處於目標前景塊E的中心位置的像素點作為第一中心像素點，在地t+Ι幀圖像中以第一中心像素點為圓心，預置長度為半徑的圓形區域內的前景塊像素點中，提前以前景塊像素點為中心對應的圖塊CENTRIST特徵，利用HIK匹配算法將該圖塊的CENTRIST特徵與犯罪份子A的特徵進行匹配，確定匹配度最高的像素點為第二中心像素點，根據該第一中心像素點及第二中心像素點在幀圖像中的位置確定目標前景塊E的行動方向。
[0099]且若目標前景塊E的行動方向指向警戒區域，則向監控臺發送預警警報，以防犯罪份子A進入警戒區域，且若目標前景塊E的行動方向非警戒區域，則將犯罪份子A的行動方向反饋給監控臺，使得監控臺能夠利用攝像機反饋的犯罪份子A的行動方向確定犯罪份子A的行動軌跡。
[0100]請參閱圖5,為本發明實施例中攝像機的結構的示意圖,包括:
[0101]提取模塊501，用於利用基於像素的隨機抽樣保守建模方法構建的背景模型提取第t幀圖像中的所有前景塊；
[0102]判斷模塊502，用於在所述提取模塊501得到所述所有前景塊之後，利用預先設置的級聯分類模型及行人分類模型判斷所述所有前景塊中是否包含目標前景塊，所述目標前景塊是指特徵與預先設置的可疑行人的特徵的匹配度高於預先設置的閾值的前景塊；
[0103]預測模塊503，用於若所述判斷模塊502確定所述所有前景塊中包含目標前景±夾，則基於搜索和檢測相結合的方式，根據所述目標前景塊在所述第t幀圖像和第t+Ι幀圖像中的位置變化預測所述目標前景塊的行動方向；
[0104]發送模塊504，用於若所述預測模塊503預測的目標前景塊的行動方向指向警戒區域，則向監控臺發送預警警報。
[0105]在本發明實施例中，提取模塊501利用基於像素的隨機抽樣保守建模方法構建的背景模型提取第t幀圖像中的所有前景塊，接著判斷模塊502將利用預先設置的級聯分類模型及行人分類模型判斷所有前景塊中是否包含目標前景塊，其中，目標前景塊是指特徵與預先設置的可疑行人的特徵的匹配度高於預先設置的閾值的前景塊，且若判斷模塊502確定所有前景塊中包含目標前景塊，則基於直方圖交集核HIK匹配算法的目標搜索模型預測所述目標前景塊的行動方向，最後，若確定模塊503確定的目標前景塊的行動方向指向警戒區域，發送模塊504向監控臺發送預警警告。
[0106]在本發明實施例中，攝像機利用基於像素的隨機抽樣保守建模方法構建的背景模型提取第t幀圖像中的所有前景塊，利用預先設置的級聯分類模型判斷該所有前景塊中是否包含目標前景塊，其中，目標前景塊是指特徵與預先設置的可疑行人的特徵的匹配度高於預先設置的閾值的前景塊，若該所有前景塊中包含目標前景塊，則基於直方圖交集核HIK匹配算法的目標搜索模型預測所述目標前景塊的行動方向，且若確定的目標前景塊的行動方向指向警戒區域，則向監控臺發送預警警告，通過對目標前景塊的行動方向進行預測，能夠有效的實現目標前景塊的實時跟蹤且能夠有效的進行預警。
[0107]請參閱圖6為本發明實施例中攝像機的結構的另一實施例，包括:
[0108]如圖6所示實施例中描述的提取模塊501，判斷模塊502，預測模塊503及發送模塊504，且與圖5所示實施例中描述的內容相似，此處不再贅述。
[0109]在本發明實施例中，所述背景模型中包含所述攝像機拍攝的幀圖像的每一個像素點隨機抽取的歷史像素值的集合；
[0110]則所述提取模塊501包括:
[0111]第一確定模塊601，用於根據所述背景模型中包含的像素點的歷史像素值的集合確定所述第t幀圖像中的每一個像素點是前景塊像素點還是背景塊像素點；
[0112]第二確定模塊602,用於在所述第一確定模塊601確定所述第t巾貞圖像中的每一個像素點是前景塊像素點還是背景塊像素點之後，將所述第t幀圖像中確定的前景塊像素點劃分成前景塊。
[0113]其中，所述第一確定模塊601具體用於確定像素點i在所述背景模型中的若干個歷史像素值中，處於所述像素點i當前的歐式圓區域內的歷史像素值的個數，所述歐式圓區域是指以所述像素點i在所述第t幀圖像中的像素值為中心，預先設置的最近鄰半徑為半徑形成的像素值區域；若所述個數小於或等於預先設置的閾值，則所述像素點i為前景塊像素點；若所述個數大於所述預先設置的閾值，則所述像素點i為背景塊像素點。
[0114]在本發明實施例中，所述級聯分類模型為:CENTRIST特徵-FFS-Cascade構成的級聯分類模型，且級聯分類模型中包含行人分類模型和所述HIK匹配算法；
[0115]則所述判斷模塊502包括:
[0116]級聯分類模塊603，用於在所述提取模塊501得到所述所有前景塊之後，利用行人分類模型從所述所有前景塊中提取特徵為行人的前景塊；
[0117]目標判斷模塊604，用於在所述級聯分類模塊603提取特徵為行人的前景塊之後，根據所述HIK匹配算法計算所述特徵為行人的前景塊的特徵與預先設置的可疑行人的特徵的匹配度，若包含匹配度大於預先設置的閾值的前景塊，則確定匹配度大於預先設置的閾值的前景塊為目標前景塊。
[0118]在本發明實施例中，所述預測模塊503包括:
[0119]第三確定模塊605，用於在所述目標判斷模塊604確定所述特徵為行人的前景塊中包含所述目標前景塊，確定在所述第t幀圖像中處於所述目標前景塊中心位置的像素點作為第一中心像素點；
[0120]匹配模塊606，用於所述第三確定模塊605確定所述第一中心像素點之後，在第t+Ι幀圖像中以所述第一中心像素點為圓心，預置長度為半徑的圓形區域內的前景塊像素點中，提取以所述前景塊像素點為中心對應的圖塊的CENTRIST特徵，利用所述HIK匹配算法將以所述前景塊像素點為中心對應的圖塊的CENTRIST特徵與所述預先設置的可疑行人的CENTRIST特徵進行匹配，確定匹配度最高的前景塊像素點為第二中心像素點；
[0121]方向預測模塊607，用於在所述匹配模塊606得到所述第二中心像素點之後，根據所述第一中心像素點及所述第二中心像素點在幀圖像中的位置預測所述目標前景塊的行動方向。
[0122]在本發明實施例中，所述攝像機還包括:
[0123]矯正模塊608，用於在第t+x*n幀圖像中，基於所述HIK匹配算法的目標搜索模型確定所述目標前景塊的位置，所述X和η均為正整數；
[0124]檢測模塊609，用於利用所述背景模型及所述級聯分類器確定矯正目標前景塊，並利用所述矯正目標前景塊的位置對所述目標前景塊的位置進行矯正。
[0125]在本發明實施例中，提取模塊501中的第一確定模塊601根據背景模型中包含的像素點的歷史像素值的集合確定所述第t幀圖像中的每一個像素點是前景塊像素點還是背景塊像素點，並由第二確定模塊602將所述第t幀圖像中確定的前景塊像素點劃分成前景塊，判斷模塊502中的級聯分類模塊603利用預先行人分類模型從所述所有前景塊中提取特徵為行人的前景塊，並由目標判斷模塊604根據HIK匹配算法計算所述特徵為行人的前景塊的特徵與預先設置的可疑行人的特徵的匹配度，若包含匹配度大於預先設置的閾值的前景塊，則確定匹配度大於預先設置的閾值的前景塊為目標前景塊，若目標判斷模塊604確定所述特徵為行人的前景塊中包含所述目標前景塊，確定模塊503中的第三確定模塊確定在該第t幀圖像中處於該目標前景塊中心位置的像素點作為第一中心像素點，並由匹配模塊606在第t+Ι幀圖像中以該第一中心像素點為圓心，預置長度為半徑的圓形區域內的前景塊像素點中，提取以該前景塊像素點為中心對應的圖塊的CENTRIST特徵，利用該HIK匹配算法將以該前景塊像素點為中心對應的圖塊的CENTRIST特徵與該預先設置的可疑行人的CENTRIST特徵進行匹配，確定匹配度最高的前景塊像素點為第二中心像素點，由方向預測模塊607根據該第一中心像素點及所述第二中心像素點在幀圖像中的位置預測所述目標前景塊的行動方向。在本發明實施例中，在第t+x*n幀圖像中，矯正模塊608基於所述HIK匹配算法的目標搜索模型確定所述目標前景塊的位置，所述X和η均為正整數，並由檢測模塊609利用該背景模型及該級聯分類器確定矯正目標前景塊，並利用該矯正目標前景塊的位置對該目標前景塊的位置進行矯正。
[0126]在本發明實施例中，攝像機在根據背景模型中包含的像素點的歷史像素值的集合確定第t幀圖像中每一個像素點是前景塊像素點還是背景塊像素點之後，將第t幀圖像中確定的前景塊像素點劃分成前景塊，利用預先設置的CENTRIST特徵-FFS-Cascade構成的級聯分類模型判斷所有前景塊中是否包含目標前景塊，若在提取的前景塊中包含目標前景塊，則確定在第t幀圖像中處於目標前景塊中心位置的像素點作為第一中心像素點，在第t+Ι幀圖像中以第一中心像素點為圓心，預置長度為半徑的圓心區域內的前景塊像素點中，提取以所述前景塊像素點為中心對應的圖塊的CENTRIST特徵，利用所述HIK匹配算法將以所述前景塊像素點為中心對應的圖塊的CENTRIST特徵與所述預先設置的可疑行人的CENTRIST特徵進行匹配，確定匹配度最高的前景塊像素點為第二中心像素點。並根據第一中心像素點及第二中心像素點在幀圖像中的位置預測目標前景塊的行動方向，且若確定的目標前景塊的情動方向指向警戒區域，則攝像機向監控臺發送預警報告，使得攝像機能夠有效的實現對目標前景塊的跟蹤及實現對越界事件的確定，減少越界事件發生的概率。
[0127]本領域技術人員可以理解實現上述實施例方法中的全部或部分步驟是可以通過程序來指令相關的硬體完成，所述的程序可以存儲於一種計算機可讀存儲介質中，上述提到的存儲介質可以是只讀存儲器，磁碟或光碟等。
[0128]以上對本發明所提供的一種預警方法及攝像機進行了詳細介紹，對於本領域的一般技術人員，依據本發明實施例的思想，在【具體實施方式】及應用範圍上均會有改變之處，綜上所述，本說明書內容不應理解為對本發明的限制。
【權利要求】
1.一種預警方法，其特徵在於，包括: 攝像機利用基於像素的隨機抽樣保守建模方法構建的背景模型提取當前第t幀圖像中的所有前景塊； 所述攝像機利用預先設置的級聯分類模型判斷所述所有前景塊中是否包含目標前景塊，所述目標前景塊是指特徵與預先設置的可疑行人的特徵的匹配度高於預先設置的閾值的前景塊； 若所述所有前景塊中包含目標前景塊，則所述攝像機利用基於直方圖交集核HIK匹配算法的目標搜索模型預測所述目標前景塊的行動方向； 若預測的目標前景塊的行動方向指向警戒區域，則所述攝像機向監控臺發送預警警報。
2.根據權利要求1所述的預警方法，其特徵在於，所述背景模型中包含所述攝像機拍攝的幀圖像的每一個像素點隨機抽取的歷史像素值的集合，則所述攝像機利用基於像素的隨機抽樣保守建模方法構建的背景模型提取第t幀圖像中的所有前景塊包括: 根據所述背景模型中包含的像素點的歷史像素值的集合確定所述第t幀圖像中的每一個像素點是前景塊像素點還是背景塊像素點； 將所述第t幀圖像中確定的前景塊像素點劃分成前景塊。
3.根據權利要求2所述的預警方法，其特徵在於，所述根據所述背景模型中包含的像素點的歷史像素值的集合確定所述第t幀圖像中的每一個像素點是前景塊像素點還是背景塊像素點包括: 確定像素點i在所述背景模型中的若干個歷史像素值中，處於所述像素點i當前的歐式圓區域內的歷史像素值的個數，所述歐式圓區域是指以所述像素點i在所述第t幀圖像中的像素值為中心，預先設置的最近鄰半徑為半徑形成的像素值區域； 若所述個數小於或等於預先設置的閾值，則所述像素點i為前景塊像素點；若所述個數大於所述預先設置的閾值，則所述像素點i為背景塊像素點。
4.根據權利要求2或3所述的預警方法，其特徵在於，所述級聯分類模型為:變換直方圖CENTRIST特徵-前向特徵選擇FFS-級聯Cascade構成的級聯分類模型，所述級聯分類模型中包含行人分類模型和所述HIK匹配算法，則所述攝像機利用預先設置的級聯分類模型判斷所述所有前景塊中是否包含目標前景塊包括: 利用所述行人分類模型從所述所有前景塊中提取特徵為行人的前景塊； 根據所述HIK匹配算法計算所述特徵為行人的前景塊的特徵與預先設置的可疑行人的特徵的匹配度，若包含匹配度大於所述預先設置的閾值的前景塊，則確定匹配度大於所述預先設置的閾值的前景塊為目標前景塊。
5.根據權利要求4所述的預警方法，其特徵在於，所述攝像機利用基於直方圖交集核HIK匹配算法的目標搜索模型預測所述目標前景塊的行動方向包括: 確定在所述第t幀圖像中處於所述目標前景塊中心位置的像素點作為第一中心像素佔.在第t+Ι幀圖像中以所述第一中心像素點為圓心，預置長度為半徑的圓形區域內的前景塊像素點中，提取以所述前景塊像素點為中心對應的圖塊的CENTRIST特徵，利用所述HIK匹配算法將以所述前景塊像素點為中心對應的圖塊的CENTRIST特徵與所述預先設置的可疑行人的CENTRIST特徵進行匹配，確定匹配度最高的前景塊像素點為第二中心像素佔.根據所述第一中心像素點及所述第二中心像素點在幀圖像中的位置預測所述目標前景塊的行動方向。
6.根據權利要求1所述的預警方法，其特徵在於，所述方法還包括: 在第t+x*n幀圖像中，基於所述HIK匹配算法的目標搜索模型確定所述目標前景塊的位置，所述X和η均為正整數； 利用所述背景模型及所述級聯分類器確定矯正目標前景塊，並利用所述矯正目標前景塊的位置對所述目標前景塊的位置進行矯正。
7.一種攝像機，其特徵在於，包括: 提取模塊，用於利用基於像素的隨機抽樣保守建模方法構建的背景模型提取當前第t幀圖像中的所有前景塊； 判斷模塊，用於在所述提取模塊得到所述所有前景塊之後，利用預先設置的級聯分類模型判斷所述所有前景塊中是否包含目標前景塊，所述目標前景塊是指特徵與預先設置的可疑行人的特徵的匹配度高於預先設置的閾值的前景塊； 預測模塊，用於若所述判斷模塊確定所述所有前景塊中包含目標前景塊，則基於直方圖交集核HIK匹配算法的目標搜索模型預測所述目標前景塊的行動方向； 發送模塊，用於若所述預測模塊預測的目標前景塊的行動方向指向警戒區域，則機向監控臺發送預警警報。
8.根據權利要求7所述的攝像機，其特徵在於，所述背景模型中包含所述攝像機拍攝的幀圖像的每一個像素點隨機抽取的歷史像素值的集合，則所述提取模塊包括: 第一確定模塊，用於根據所述背景模型中包含的像素點的歷史像素值的集合確定所述第t幀圖像中的每一個像素點是前景塊像素點還是背景塊像素點； 第二確定模塊，用於在所述第一確定模塊確定所述第t幀圖像中的每一個像素點是前景塊像素點還是背景塊像素點之後，將所述第t幀圖像中確定的前景塊像素點劃分成前景塊。
9.根據權利要求8所述的攝像機，其特徵在於，所述第一確定模塊具體用於確定像素點i在所述背景模型中的若干個歷史像素值中，處於所述像素點i當前的歐式圓區域內的歷史像素值的個數，所述歐式圓區域是指以所述像素點i在所述第t幀圖像中的像素值為中心，預先設置的最近鄰半徑為半徑形成的像素值區域，若所述個數小於或等於預先設置的閾值，則所述像素點i為前景塊像素點，若所述個數大於所述預先設置的閾值，則所述像素點i為背景塊像素點。
10.根據權利要求8或9所述的攝像機，其特徵在於，所述級聯分類模型為:變換直方圖CENTRIST特徵-前向選擇特徵FFS-級聯Cascade構成的級聯分類模型，所述級聯分類模型中包含行人分類模型和所述HIK匹配算法，則所述判斷模塊包括: 級聯分類模塊，用於在所述提取模塊得到所述所有前景塊之後，利用所述行人分類模型從所述所有前景塊中提取特徵為行人的前景塊；目標判斷模塊，用於在所述級聯分類模塊提取特徵為行人的前景塊之後，根據所述HIK匹配算法計算所述特徵為行人的前景塊的特徵與預先設置的可疑行人的特徵的匹配度，若包含匹配度大於所述預先設置的閾值的前景塊，則確定匹配度大於所述預先設置的閾值的前景塊為目標前景塊。
11.根據權利要求10所述的攝像機，其特徵在於，所述確定模塊包括: 第三確定模塊，用於在所述目標判斷模塊確定所述特徵為行人的前景塊中包含所述目標前景塊，確定在所述第t幀圖像中處於所述目標前景塊中心位置的像素點作為第一中心像素點； 匹配模塊，用於所述第三確定模塊確定所述第一中心像素點之後，在第t+ι幀圖像中以所述第一中心像素點為圓心，預置長度為半徑的圓形區域內的前景塊像素點中，提取以所述前景塊像素點為中心對應的圖塊的CENTRIST特徵，利用所述HIK匹配算法將以所述前景塊像素點為中心對應的圖塊的CENTRIST特徵與所述預先設置的可疑行人的CENTRIST特徵進行匹配，確定匹配度最高的前景塊像素點為第二中心像素點； 方向預測模塊，用於在所述匹配模塊得到所述第二中心像素點之後，根據所述第一中心像素點及所述第二中心像素點在幀圖像中的位置預測所述目標前景塊的行動方向。
12.根據權利要求7所述的攝像機，其特徵在於，所述攝像機還包括: 矯正模塊，用於在第t+x*n幀圖像中，基於所述HIK匹配算法的目標搜索模型確定所述目標前景塊的位置，所述X和η均為正整數； 檢測模塊，用於利用所述背景模型及所述級聯分類器確定矯正目標前景塊，並利用所述矯正目標前景塊的位置對所述目標前景塊的位置進行矯正。
【文檔編號】G06T7/00GK104200466SQ201410415716
【公開日】2014年12月10日 申請日期:2014年8月20日 優先權日:2014年8月20日
【發明者】車全宏, 仲崇亮, 林曉清, 趙朝峰, 徐勇 申請人:深圳市中控生物識別技術有限公司