[发明专利]高空抛物检测方法及装置

说明书

本发明公开了一种高空抛物检测方法，包括：对监控视频图像进行前景检测，并对所检测出的前景目标在下一帧中的位置分别进行卡尔曼预测；使用改进匈牙利算法对前景检测目标和卡尔曼预测结果进行匹配，并用匹配到的前景检测目标对相应的卡尔曼预测结果进行更新，改进匈牙利算法中前景检测目标与卡尔曼预测结果之间的匹配代价Cost=（1‑IoU）×Dist，IoU和Dist分别为前景检测目标的检测框与卡尔曼预测结果的跟踪框之间的交并比和距离；根据卡尔曼预测结果所形成的目标轨迹判断是否为高空抛物。本发明还公开了一种高空抛物检测装置。本发明可准确实现前景检测目标与卡尔曼预测结果的匹配，大幅提高干扰环境下对小目标的检出率。

技术领域

本发明涉及一种高空抛物检测方法，属于计算机视觉技术领域。

背景技术

随着城市化进程的逐步深入，越来越多的高层建筑出现在城市中，随之而来的高空抛物行为也越来越受到社会的关注。由于事件发生场所多为高空楼层，少有目击者，抛物时间短，使得执法部门很难追究抛物者的法律责任。因此，采用监控视频进行高空抛物的自动检测也就成为一种最可行的手段。

基于监控视频的高空抛物检测实质属于一种多目标跟踪任务，因此可以考虑采用现有的多目标跟踪算法实现。然而，相比其它任务场景，高空抛物检测又具有目标极小，速度下落快，普通监控摄像机所拍摄的轨迹点较少等特点。这些特点限制了现有多目标跟踪算法在高空抛物检测中的实际效果。

现有高空抛物检测技术中最成功的是前景检测与卡尔曼滤波相结合的目标跟踪算法，其基本原理是先进行前景检测，并对检测出的前景目标分别构建卡尔曼滤波器（或称卡尔曼跟踪器、卡尔曼追踪器）对其后续轨迹进行预测，并以前景检测结果作为状态观测量对卡尔曼预测结果进行更新，最终根据卡尔曼预测结果得到抛物轨迹。这一方法中极为重要的一个环节是将每帧图像中的前景检测目标与卡尔曼预测结果进行匹配，即确定前景检测目标与卡尔曼预测结果之间的关联性。现有技术通常采用匈牙利算法来进行所述匹配，并以检测框与追踪框之间的1-IoU（Intersection over Union，交并比）作为追踪代价来做最大匹配。然而经大量实践发现，此种技术方案并不适用于目标极小的高空抛物检测。根据IoU的定义，两个矩形框的交与两个矩形框的并的比值。IoU必须两个矩形框相交才能大于0，否则都无限趋近于0。高空抛物本就存在目标极小，速度下落快的情况，拍摄的轨迹点较少等情况。很多情况下，检测框与追踪框根本无法相交，这就使得代价矩阵始终为1，导致无法进行匹配，最终导致高空抛物小目标检出率极低。

发明内容

本发明所要解决的技术问题在于克服现有技术不足，提供一种高空抛物检测方法，可更准确地实现前景检测目标与卡尔曼预测结果的匹配，进而大幅提高高空抛物检测在干扰环境下对小目标的检出率。

本发明具体采用以下技术方案解决上述技术问题：

一种高空抛物检测方法，包括以下步骤：对监控视频图像进行前景检测，并对所检测出的前景目标在下一帧中的位置分别进行卡尔曼预测；使用改进匈牙利算法对每一帧监控视频图像中的前景检测目标和卡尔曼预测结果进行匹配，并用匹配到的前景检测目标对相应的卡尔曼预测结果进行更新，所述改进匈牙利算法中任一前景检测目标与任一卡尔曼预测结果之间的匹配代价Cost=（1-IoU）×Dist，其中的IoU和Dist分别为所述前景检测目标的检测框与卡尔曼预测结果的跟踪框之间的交并比和距离；根据卡尔曼预测结果所形成的目标轨迹判断是否为高空抛物。

进一步地，所述改进匈牙利算法的匹配过程满足以下约束条件：与任一坐标为（tx，ty）的卡尔曼预测结果相匹配的前景检测目标应处于以下方程所确定的偏心椭圆区域中：

其中，a=K1×s，b=K2×s，K1K20,s为所述卡尔曼预测结果相对于上一帧监控视频图像中所对应的卡尔曼预测结果的位移，θ为所述卡尔曼预测结果和上一帧监控视频图像中所对应的卡尔曼预测结果之间连线与水平方向的夹角，d为所述卡尔曼预测结果和上一帧监控视频图像中所对应的卡尔曼预测结果之间的L2距离。