[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

说明书

本发明涉及图像处理、计算机视觉与深度学习，属于智能安防领域；包括模板生成、目标检测、区域判别；目标检测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，区域判别根据目标坐标信息，通过模板生成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；本发明可实现视频监控场景下，目标所处监管区域的监管等级判别，主动预防监管区域违规闯入，提供安全保障。符合实际需求，实施方便，易于推广应用。

技术领域

本发明涉及图像处理、计算机视觉与深度学习，属于智能安防领域。

背景技术

目前，在工业生产中，经常存在一些禁止人员靠近的高危险区域，如皮带通廊、高压变电箱、高温锅炉等，为了保障人员安全，企业通常采用视频监控的方式进行安全监管，虽然是实时监控，但是存在着视频监控值守人员注意力易分散、危险响应滞后等缺点。

随着深度学习技术、计算机视觉技术、图像处理技术的快速发展，逐渐出现了视频监控智能处理方法，能够判断视频监控中是否存在物体运动或者简单目标识别，但在工业环境中，视频监控场景复杂，现有方法并不能满足要求。

发明内容

本发明克服了上述现有技术的不足，提供了一种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；本发明采用深度学习与模板匹配的实时目标监管区域判别方法，应用于工业生产领域高危险作业环境下的安全保障，针对视频监控图像进行目标检测，对目标所属监管区域进行判别，提醒视频监控值守人员注意，从而降低安全事故的发生概率，保障生产安全。

本发明的技术方案：

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，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。

进一步地、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。

进一步地、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Faster R-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。

进一步地、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'。

进一步地、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。