[发明专利]基于模板匹配的视频监控动态不规则多监管区域判别方法

权利要求书

1.基于模板匹配的视频监控动态不规则多监管区域判别方法，其特征在于：包括模板生成方法、目标检测方法和区域判别方法，目标检测方法对输入视频监控图像进行处理，检测出目标在图像中的坐标，并将坐标信息输入到区域判别方法，区域判别方法根据目标坐标信息，通过模板生成方法生成的监管区域模板，判别出目标所处监管区域的监管等级；

所述区域判别方法根据目标检测方法获取的目标在视频监控图像中的坐标，获取监管区域模板在相同坐标下的数值n'，若n'＝0，则判断目标处于非监管区域，否则判断目标所处监管区域的监管等级为n'，具体区域判别方法步骤如下：

S1，通过摄像头IP地址，获取实时视频流；

S2，判断视频输入是否结束，若是，则方法运行结束，否则执行步骤c；

S3，获取下一帧摄像头视频监控图像；

S4，将获取的视频监控图像进行降噪、去雾、增亮等预处理；

S5，通过基于深度学习的FasterR-CNN方法，利用已训练好的识别模型，进行目标检测，若有目标则执行步骤S6，否则执行步骤S2；

S6，获取目标在视频监控图像中的坐标(x,y)；

S7，获取监管区域模板在(x,y)坐标下的数值J，若J≠0，则执行步骤h，否则执行步骤b；

S8，获取目标所处监管区域的监管等级为J，执行步骤b；

所述模板生成方法用于生成监管区域模板，模板生成方法的生成步骤为：

步骤1，生成一个全零的数值矩阵，矩阵的行数等于视频监控图像的宽边像素个数，矩阵的列数等于视频监控图像的长边像素个数，作为监管区域模板；

步骤2，在视频监控图像中选取一个封闭区域作为监管区域，得到该监管区域像素的坐标集合；

步骤3，将监管区域模板中属于该坐标集合的数值设置为该监管区域的监管等级，如该监管区域的监管等级为等级n,n＝1,2,...N,N为最大监管等级，则监管区域模板中属于该坐标集合的数值设置为n；

步骤4，循环选取监管区域与设置数值，直至模板生成结束，监管区域模板用于区域判别方法的模板匹配。

2.根据权利要求1所述的基于模板匹配的视频监控动态不规则多监管区域判别方法，其特征在于：所述目标检测方法检测出目标在视频监控图像中的坐标，目标检测方法包括以下三个步骤：

步骤a，图像获取模块，通过摄像头IP地址，获取摄像头视频监控图像；

步骤b，图像预处理模块，将获取的视频监控图像进行降噪、去雾、增亮等预处理；

步骤c，目标检测模块，通过基于深度学习的FasterR-CNN方法，利用已训练好的识别模型，进行目标检测，获取目标在视频监控图像中的坐标信息。

3.根据权利要求2所述的基于模板匹配的视频监控动态不规则多监管区域判别方法，其特征在于：所述模板生成方法生成的监管区域模板用于区域判别方法的模板匹配，模板生成方法生成监管区域模板的过程是动态的，监控区域是不规则的封闭区域，同一个视频监控下的监控区域种类和数目均可以是多个。

4.根据权利要求2所述的基于模板匹配的视频监控动态不规则多监管区域判别方法，其特征在于：所述目标检测方法检测视频监控图像中是否有目标出现，若目标出现，则将目标在图像中的坐标信息输入到区域判别方法。

5.根据权利要求2所述的基于模板匹配的视频监控动态不规则多监管区域判别方法，其特征在于：所述区域判别方法根据目标坐标信息，通过模板生成方法生成的监管区域模板，判别目标所处监管区域等级。

6.根据权利要求3所述的基于模板匹配的视频监控动态不规则多监管区域判别方法，其特征在于：所述监管区域模板是数值矩阵，矩阵的行数等于视频监控图像的宽边像素个数，矩阵的列数等于视频监控图像的长边像素个数。

7.根据权利要求3所述的基于模板匹配的视频监控动态不规则多监管区域判别方法，其特征在于：所述监管区域模板在视频监控图像中监管区域对应位置的数值为该监管区域的监管等级，非监管区域对应位置的数值为0。

8.根据权利要求5所述的基于模板匹配的视频监控动态不规则多监管区域判别方法，其特征在于：所述目标检测方法基于深度学习的FasterR-CNN方法进行目标自动检测。