[发明专利]监控视频中异常速度事件自动识别方法

权利要求书

1.一种监控视频中异常速度事件自动识别方法，其特征在于，包括步骤：

(1)从监控视频中读取帧图像，对所述帧图像进行图像处理，从而获得需要的图像序列；

(2)利用获得的所述图像序列，采用统计平均法和混合高斯背景建模建立背景模型，并基于所述背景模型和所述帧图像运用背景差分法检测出前景目标集合，并存储所述前景目标集合；

(3)结合交叉匹配检测方法与Mean-shift算法，对所述前景目标集合中的每一前景目标所对应的运动目标进行跟踪，以获取每一运动目标的位置信息；

(4)通过获取的所述每一运动目标的位置信息，计算所述每一运动目标的速度，当所述每一运动目标的速度超过预设阈值时，则发出报警；否则返回执行步骤（1）。

2.如权利要求1所述的监控视频中异常速度事件自动识别方法，其特征在于，步骤(1)具体包括步骤：

(1-1)从监控视频中读取帧图像，所述帧图像为RGB图像；

(1-2)将所述RGB图像转化为HSV图像，并提取所述HSV图像中的H信息，以建立H图像；

(1-3)使用高斯滤波去除所述H图像噪声，得到所述图像序列。

3.如权利要求2所述的监控视频中异常速度事件自动识别方法，其特征在于，步骤(1-1)具体为：将所述RGB图像转化为HSV图像，并使用掩膜图像mask对所述HSV图像进行处理，以去掉V亮度值过低的像素点。

4.如权利要求1所述的监控视频中异常速度事件自动识别方法，其特征在于，步骤(2)具体包括以下步骤：

(2-1)针对所述图像序列，采用统计平均法和混合高斯背景建模建立背景模型；

(2-2)针对所述背景模型和所述帧图像选用背景差分法将前景目标像素集合分割出来；

(2-3)对所述前景目标像素集合采用指定精度进行轮廓的多边形逼近，提取出前景目标轮廓；

(2-4)遍历所述前景目标轮廓图像像素点，并扩散来寻找与所述前景目标轮廓图像像素点相连通的像素集合，所述像素集合即为当前帧图像中的前景目标集合。

5.如权利要求4所述的监控视频中异常速度事件自动识别方法，其特征在于，所述步骤(2)在步骤(2-4)后还包括步骤：

(2-5)检测所述前景目标集合边缘部分的像素是否发生变化，若是，则返回将所述步骤(1)读取的帧图像首先进行高斯模糊处理后再进行图像处理，并继续执行步骤(2)，直至检测到所述前景目标集合边缘部分的像素没有发生变化为止。

6.如权利要求4所述的监控视频中异常速度事件自动识别方法，其特征在于，步骤(2-2)具体包括：基于所述背景模型和所述帧图像选用背景差分法将前景目标像素集合分割出来，并对所述前景目标像素集合使用形态学操作中的开操作和闭操作以消除噪声。

7.如权利要求1所述监控视频中异常速度事件自动识别方法，其特征在于，步骤(3)具体包括以下步骤：

(3-1)从步骤(2)获取存储的上一帧图像中前景目标集合和当前帧图像中前景目标集合；

(3-2)遍历上一帧图像中前景目标集合和当前帧图像中前景目标集合，查找相互交叉的数量，即每一前景目标窗口重叠的情况；

(3-3)针对每一前景目标的窗口重叠的情况，采用交叉匹配检测方法与Mean-shift算法，对所述每一前景目标对应的运动目标进行跟踪。

8.如权利要求7所述监控视频中异常速度事件自动识别方法，其特征在于，步骤(3-3)具体包括步骤：

(3-3-1)当所述上一帧图像中的前景目标集合中没有前景目标与当前前景目标相交叉时，则认为出现新的运动目标，并且确定所述当前前景目标为所述新的运动目标在当前帧中的位置；

(3-3-2)当所述上一帧图像中的前景目标集合中有且只有一个前景目标与当前前景目标相交叉时，则测量这两个前景目标的直方图的匹配值，如果高于阈值，则确定所述当前前景目标为其对应的运动目标在当前帧中的位置；其中，所述直方图表示前景目标所对应的运动目标的色彩信息，并使用巴氏距离进行测量两个前景目标的直方图的匹配值，巴氏距离越小，匹配值越大；

(3-3-3)当所述上一帧图像中的前景目标集合中有多个前景目标与当前前景目标相交叉时，则审视每一个与其相交的前景目标，通过Mean-shift算法，查找其匹配的前景目标，以确定所述当前前景目标对应的运动目标在当前帧中的位置。