[发明专利]一种物体滞留/偷窃事件的检测、跟踪、识别方法

说明书

(一)技术领域

本发明属于智能化视频监控技术领域，特别涉及物体滞留/偷窃事件的检测、跟踪和识别。

(二)背景技术

智能化视频监控系统是近几年来计算机视觉领域的一个新兴研究方向，它是利用计算机视觉技术对摄像机采集的视频数据进行分析、理解，并以此为基础对视频监控系统进行控制，从而使视频监控系统具有象人一样的智能，主要涉及模式识别、图像处理、计算机视觉、人工智能等方面的科学知识。这一技术包括了运动目标的检测、运动目标跟踪、目标分类、行为理解及描述等方面，是一个具有挑战性的问题。近年来随着视觉监视系统所需的硬件设备(如摄像机、云台等)成本的日益降低，监控系统在我国开始步入普及阶段，广泛应用于诸如银行、宾馆、超级市场、机场、车站等公共场所，在公共安全领域发挥着日益重要的作用。但是目前监控系统的功能往往比较单一，常常要求监控人员持续的监视屏幕，通过解释获得的视频信息，然后做出相应的决策。但让监控人员长期盯着众多的电视监视器是一项繁重而乏味的工作，特别是当监控点较多时，监控人员几乎无法做到全面完整的监控。同时，由于大多数监视场景出现异常的情况毕竟为少数，这样人工监控不仅造成巨大的人力浪费，而且很容易使得监控人员思想松懈从而导致漏报，这在许多不容闪失的重要场所(如银行金库、军用仓库等场合)是不能容忍的。鉴于此，目前在国内外学术界及工业部门都开始着眼于研究新一代的具有智能化视觉监视功能的监控系统，这类系统的核心问题就是要对进入监控视场的运动目标(诸如人)进行实时的检测、跟踪和行为理解，并由此做出相应的判断和处理。

滞留与偷窃物体检测是智能视频监控系统的重要功能之一，在安防领域具有很强的实用价值。滞留物检测常用于机场，地铁，交通关口等可疑的包裹或遗留的行李检测，预防恐怖炸弹袭击。偷窃物体常用于博物馆，画廊，或其他安全区域的珍贵物品的防盗检测。滞留/偷窃物体的检测与识别属于智能视觉监控的范畴，主要是利用图像处理和分析的方法，在现实场景中自动检测和跟踪运动目标，根据运动目标的运动轨迹检测静态物体，再通过滞留/偷窃分类算法来区分滞留和偷窃事件，最后报警和抓取证据图片；使计算机具有某种理解和分析视频能力，从而对危险事件具有主动监测、防范和预警的功能。

(三)发明内容

本发明要解决的技术问题在于：1)找出一种有效的检测、跟踪、识别物体滞留/偷窃事件的方法。目前针对目标检测与跟踪有许多方法，我们针对滞留/偷窃事件的特点，采用适当的检测、跟踪方法，并且结合特有的事件识别处理，实现现实场景下的滞留/偷窃事件的实时识别。2)在室外监控环境比较复杂的情况下能消除噪声的影响，实现准确的运动目标检测。主要的噪声影响包括树叶晃动等。3)多运动目标的实时跟踪，能解决短时间阻挡情况下的跟踪问题。在滞留/偷窃物体被短时间阻挡的情况下能获得正确的运动轨迹。4)根据运动目标的运动轨迹检测可疑静态物体。5)在静态物体的识别上添加分裂判断，一方面建立物体和其拥有者之间的对应关系，一方面可用于区分光照产生的伪静态物体和真实的滞留/偷窃物体。6)物体滞留/偷窃事件都会产生场景的静态改变，我们采用两种方法来区分滞留/偷窃事件：基于颜色直方图的巴氏距离判定方法，基于轮廓判断方法。

本发明重点研究摄像机固定情况下的运动目标检测与跟踪技术，滞留/偷窃事件识别方法。本发明的目的是这样实现的：

1、运动目标检测。建立自适应背景模型，利用背景差分提取运动目标，再通过形态学和阴影处理以获得更完整、更准确的运动目标状态。

2、运动目标跟踪。通过对运动目标的状态进行估计、观测和校正的递归过程，实现帧间运动目标匹配，跟踪运动目标的运动轨迹。

3、事件识别。对物体滞留/偷窃事件给出清晰的界定，根据运动目标的特征及运动轨迹判定事件的发生，如果事件发生，区分滞留和偷窃两种事件。对识别到的滞留和偷窃事件抓取证据图片，并且提供声音报警。

本发明有以下技术特征：

1、背景模型采用自适应背景方法更新背景，利用每个像素的主特征来描述背景，根据贝叶斯规则判定像素点是前景点或背景点。阈值计算采用分块的自适应阈值方法，分别计算差分图像中每个块的阈值，而且对变化区域和背景区域采取不同的策略计算其阈值，最后采用全部阈值的平均值作为整体阈值，获得自适应的无参阈值。

2、为了获得更完整的运动目标区域和填补运动目标区域的内部空洞，形态学处理采用两次膨胀三次腐蚀一次膨胀的方法。