[发明专利]一种重点场所安防监控图像识别方法

说明书

本发明公开了一种重点场所安防监控图像识别方法，通过应用可见光与红外图像融合技术、深度学习图像识别技术，使得在光照条件差的情况下能更加精准的识别非法闯入人员，确保重点场所的安全。本发明优点如下：1.采用可见光与红外图像融合技术，这两种图像具有天然的互补性，融合后的图像可以同时提供高亮目标信息与高分辨率人体细节信息；2.将人体姿态参数匹配与人脸匹配结果结合，从多维度判断进入重点场所人员是否为无权限、非法闯入。同时将信息传输至安全警报系统，对几种安全情形采取不同的处置措施，更加灵活，减少安保人员的工作量，符合实际情况。

技术领域

本发明涉及图像识别领域，特别涉及一种重点场所安防监控图像识别方法。

背景技术

随着科技的发展和人们生活水平的不断提高，众多的智能产品开始步入千家万户。作为公共场所和个人家居的强力刚需，智能安防产品在各类场景中的使用也越来越普及，智能摄像头、监视器等民用安防产品的需求量正在不断扩大。

针对当前我国信息安全行业、重点场所安防技术手段落后，无权限人员非法进入频繁发生，传统的监控摄像头无法在光照条件较差的拍摄清晰的视频和图像，从而导致无法准确识别进入人员，进行安防监控。在夜间、未开灯时段的重点场所安防容易存在漏洞，无法实时确保人员进出情况，无法及时避免非法闯入、盗窃等情况发生。

对传统监控摄像头无法在光照条件差的情况下，准确识别非法闯入人员的问题。本专利针对这一场景，创新地提出了一种重点场所安防监控图像识别方法，通过应用可见光与红外图像融合技术、深度学习图像识别技术，使得在光照条件差的情况下能更加精准的识别非法闯入人员，确保重点场所的安全。

发明内容

本发明要解决的技术问题是克服现有技术的缺陷，提供一种重点场所安防监控图像识别方法。

本发明提供了如下的技术方案：

本发明提供一种重点场所安防监控图像识别方法，包括以下流程步骤：

S1、采集重点场所安防监控图像，包括可见光图像与红外图像，对样本图像进行规范化处理：

1)使用重点场所安防监控摄像头拍摄的图片中，获取相同时间与位置拍摄的可见光图像与红外图像，对图像进行分选，选取无人物的可见光图像与红外图像、有人物的可见光图像与红外图像，图像数量比例为1:1；

2)对图像进行调整，将图像置于256x256的画布中央，保持图像几何中心点与画布几何中心点重合，将图像像素大小按比例缩小，当图像缩小后较窄的一条边与画布边缘重合，则停止缩小，将超出画布的部分剪裁，仅保留与画布重合的部分，得到256x256的图像样本；

3)将尺寸调整后的图像样本进行保存，制作成样本图像数据集；

S2、搭建可见光与红外图像的融合模型，将两种图像进行融合，得到融合样本图像数据集：

1)对样本图像数据集进行预处理，采用中值滤波算法对样本图样数据集中的可见光图像与红外图像进行图像去噪，再将处理后的样本图像采用自适应直方图均衡化的方式进行图像增强，再采用双线性插值算法对红外图像插值，使得原始具有较低分辨率的红外图像数据再生出具有较高分辨率的图像数据，以匹配可见光图像的像素，得到预处理后的样本图像数据集；

2)对预处理后的样本图像数据集进行配准，图像配准是对同一目标的两幅及以上的图像在空间位置的对准，首先选择将可见光图像作为参考图像，将红外图像作为变换的目标图像，选取图像的空间变换模型；设置初始变换参数的初始搜索点，用初始点算出空间变换模型然后对红外图像进行几何变换；然后对变换的图像进行灰度插值，判断相似性测度函数是否达到最大值，如没有则进入下一步骤优化；利用搜素优化算法，进行搜索优化，求得相似性测度函数达到最大时的最佳配准参数；利用得到的参数在对变换后的红外图像再进行最后一次灰度插值输出配准后图像进行空间变换，最终进行灰度插值得到配准后图像；