[发明专利]一种电梯轿厢内异常行为检测方法

说明书

本发明公开了一种电梯轿厢内异常行为检测方法，包括：对电梯监控视频的原始图像进行预处理操作；对预处理后的视频进行筛选，采用光流法分割出存在人、宠物及电动车出现的视频段；将筛选出的视频段输入训练好的yolov3模型进行识别，得到视频中的人数和宠物数，并判断是否出现电动车；计算筛选出的视频段中每一帧的运动历史图，根据运动历史图计算出每一帧图像的能量值；根据人数和宠物数，自适应确定能量阈值；结合图像的能量值和确定的自适应能量阈值，以及确定出的是否存在电动车，判断视频段中是否出现异常行为。筛选出有目标出现的视频段再进行处理，节省服务器的计算力消耗，降低对服务器数目和配置的要求，同时也降低运营成本。

技术领域

本发明属于图像处理技术领域，涉及一种电梯轿厢内异常行为检测方法。

背景技术

电梯轿厢内异常或不文明行为给电梯的正常运行以及电梯乘客的安全带来了很大的隐患，目前多使用人工24小时值守的方式进行视频监控或者简单地基于SVM、yolo等算法对电梯轿厢内的视频目标进行分类监测。但日常生活中，电梯轿厢监控视频中都存在有大量间断时段无人或宠物等目标的出现，使用yolo等深度学习算法长时间无区别地对有无目标的轿厢视频都进行视频大数据挖掘分析，对本地服务器或者云端服务器计算力的配置要求或分配使用都是一个很大的成本负担，特别是在实际应用场景中，单单一个小型社区就会存在数十台监控视频同时需要服务器进行视频大数据挖掘分析进行监控时，基于yolo长时无区别分析的方法对服务器端的数量要求以及单台服务器计算力的配置要求都会很高，同时长时间运行所产生的耗电及维保等运营成本也会很高。

发明内容

本发明目的是：提供一种节省服务器的计算力消耗，降低耗电等运营成本的电梯轿厢内异常行为检测方法。

本发明的技术方案是：一种电梯轿厢内异常行为检测方法，包括：步骤1，对电梯监控视频的原始图像进行预处理操作，将彩色的原始图像转换为灰度图像，再将灰度图像进行高斯模糊处理和滤波去噪，得到预处理后的图像；

步骤2，对预处理后的视频进行筛选，采用光流法分割出存在人、宠物及电动车出现的片段，作为筛选出的视频段；

步骤3，将筛选出的视频段输入训练好的yolov3模型进行识别，得到视频中的人数和宠物数，并判断是否出现电动车；

步骤4，计算筛选出的视频段中每一帧的运动历史图，根据运动历史图计算出每一帧图像的能量值；

步骤5，根据人数和宠物数，自适应确定能量阈值；

步骤6，结合图像的能量值和确定的自适应能量阈值，以及确定出的是否存在电动车，判断视频段中是否出现异常行为。

其进一步的技术方案是：步骤2中的所述采用光流法分割出存在人、宠物及电动车出现的片段，包括：

步骤21，由光流约束方程求出亮度梯度方向上的光流速率V(x,y)，x,y为光流约束方程中像素点的坐标；

步骤22，根据电梯轿厢内的场景设置先验阈值L；

步骤23，筛选出亮度梯度方向上光流速率大于先验阈值的片段作为有目标出现的视频段。

其进一步的技术方案是：步骤4中的所述计算出每一帧图像的能量值，包括：

步骤41，选择帧差法作为更新函数；

步骤42，设置持续时间τ、衰退参数δ和人为阈值ξ；

步骤43，计算每一帧图像的能量值时，使用计算图像熵的方法，通过计算每一帧图像的运动历史图的图像熵，得到对应图像的总能量值T_t。

其进一步的技术方案是：步骤5中的所述根据人数和宠物数，自适应确定能量阈值，包括：