一種監(jiān)控視頻中蒙面人檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明一般涉及圖像處理以及模式識(shí)別領(lǐng)域，具體涉及視頻中蒙面人的自動(dòng)檢測(cè) 方法。
【背景技術(shù)】
[0002] 視頻監(jiān)控是構(gòu)成安全防范系統(tǒng)的重要一環(huán)，是一種擁有較強(qiáng)能力的防范系統(tǒng)。視 頻監(jiān)控由于其直觀，準(zhǔn)確，快速并且有信息，內(nèi)容豐富的優(yōu)點(diǎn)，廣泛應(yīng)用在不同的場(chǎng)合，近年 來(lái)在計(jì)算機(jī)，網(wǎng)絡(luò)和圖像處理，傳輸技術(shù)迅速發(fā)展的推動(dòng)下，監(jiān)控技術(shù)也有了長(zhǎng)足的發(fā)展。 然而對(duì)于無(wú)人看守的地方，財(cái)產(chǎn)安全仍然受到嚴(yán)重威脅，就算設(shè)有監(jiān)視器，也經(jīng)常發(fā)生看守 人員疏忽大意漏看的情形，讓不法份子得以闖入。但是如果只是一些小動(dòng)物誤闖或者工作 人員經(jīng)過(guò)，監(jiān)控系統(tǒng)也發(fā)出警報(bào)，就顯然不太合適。
[0003] 如果在無(wú)人看守的場(chǎng)合，例如倉(cāng)庫(kù)、廠房、關(guān)門(mén)的商店等等。在視頻監(jiān)控的同時(shí)，區(qū) 分人與動(dòng)物，并在區(qū)分去人的基礎(chǔ)上區(qū)分出蒙面人，及時(shí)的發(fā)現(xiàn)闖入的可疑人物并發(fā)出警 告，則有利于提高人們的生命財(cái)產(chǎn)安全，減少他們的損失。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明可應(yīng)用于嵌入在倉(cāng)庫(kù)、公司、辦公室等無(wú)人看守區(qū)域所設(shè)置的靜止攝像頭 上。其目的是用來(lái)實(shí)時(shí)監(jiān)測(cè)所拍攝的視頻中是否出現(xiàn)蒙面人之類(lèi)的可疑人員。達(dá)到全自動(dòng) 監(jiān)控、及時(shí)報(bào)警、保護(hù)財(cái)產(chǎn)安全的作用。具體技術(shù)方案如下所述：
[0005] 一種監(jiān)控視頻中蒙面人檢測(cè)方法，包括以下步驟：
[0006] SlOO :獲取視頻流；
[0007] S200 :利用SlOO中獲取的視頻流采用混合高斯模型構(gòu)建背景模型；
[0008] S300 :從視頻流中依次獲取一幀圖像，并利用S200構(gòu)建的背景模型獲取運(yùn)動(dòng)前景 圖像，并對(duì)背景模型進(jìn)行更新；
[0009] S400 :對(duì)S300中所獲取的二值前景圖像進(jìn)行形態(tài)學(xué)處理；所述形態(tài)學(xué)處理為先對(duì) 提取出的前景圖像進(jìn)行開(kāi)操作，再進(jìn)行閉操作；
[0010] S500 :對(duì)S400處理后的二值前景圖像進(jìn)行輪廓查找，并對(duì)輪廓進(jìn)行凸包擬合，獲 取前景圖像中運(yùn)動(dòng)物體矩形區(qū)域，具體包括以下子步驟：
[0011] S501 :對(duì)S400中獲取的二值前景圖像進(jìn)行基于二值圖像連通域的輪廓查找；
[0012] S502 :對(duì)S501中查找到的輪廓進(jìn)行凸包擬合，并對(duì)凸包內(nèi)區(qū)域進(jìn)行填充，填充方 法為：獲取到凸包之后對(duì)凸包區(qū)域內(nèi)的黑色像素塊置255,即將其變?yōu)榘咨?br>[0013] S503 :對(duì)S502處理后的二值前景圖像進(jìn)行輪廓查找，并獲取每一個(gè)輪廓的最小外 接矩形；
[0014] S504 :對(duì)S503中獲取的最小外接矩形進(jìn)行合并，合并方法為：若兩個(gè)矩形滿足合 并條件則將其合并為一個(gè)矩形區(qū)域，新的矩形區(qū)域?yàn)槟馨@兩個(gè)矩形區(qū)域的最小矩形區(qū) 域，合并條件為：兩個(gè)矩形中心點(diǎn)X坐標(biāo)的差值小于兩個(gè)矩形寬度和的一半且兩個(gè)矩形中 心點(diǎn)y坐標(biāo)的差值小于兩個(gè)矩形高度和的0. 7倍；
[0015] S505 :經(jīng)S504處理后剩余的矩形區(qū)域則為運(yùn)動(dòng)物體區(qū)域；
[0016] S600 :利用S500中獲取的運(yùn)動(dòng)矩形區(qū)域，從S300中獲取的圖像幀中提取運(yùn)動(dòng)物體 圖像輸入SVM分類(lèi)器進(jìn)行判斷，判斷該運(yùn)動(dòng)物體是否為行人；
[0017] S700 :對(duì)S600中判斷為行人的運(yùn)動(dòng)物體圖像進(jìn)行人臉檢測(cè)，若連續(xù)若干幀檢測(cè)到 了行人卻無(wú)法檢測(cè)到正常人臉，則判斷為蒙面人。
[0018] 與現(xiàn)有技術(shù)相比，本發(fā)明具有如下優(yōu)點(diǎn)和技術(shù)效果：
[0019] 現(xiàn)有視頻監(jiān)控系統(tǒng)功能單一，僅僅記錄當(dāng)時(shí)的情況，沒(méi)有對(duì)記錄的視頻進(jìn)行一個(gè) 處理，更不用說(shuō)及時(shí)的反饋信息，例如發(fā)出警報(bào)等。本發(fā)明使用高斯混合模型進(jìn)行背景建 模，提取出運(yùn)動(dòng)物體，而后對(duì)運(yùn)動(dòng)物體進(jìn)行行人檢測(cè)，判斷運(yùn)動(dòng)物體是否是行人，再對(duì)判斷 得出的行人進(jìn)行人臉識(shí)別，若無(wú)法正常識(shí)別出人臉，則判定該行人為蒙面人之類(lèi)的可疑人 員。本發(fā)明能適應(yīng)外界環(huán)境的變化，且檢測(cè)結(jié)果又較高的準(zhǔn)確率，具有較高的適用性和魯棒 性。
【附圖說(shuō)明】
[0020] 圖1為本發(fā)明所述一種監(jiān)控視頻中蒙面人檢測(cè)方法流程示意圖。
【具體實(shí)施方式】
[0021] 以下結(jié)合附圖對(duì)實(shí)施例對(duì)本發(fā)明的實(shí)施方式作進(jìn)一步說(shuō)明，但本發(fā)明的實(shí)施不限 于此。
[0022] 如圖1所示，本發(fā)明一種監(jiān)控視頻中蒙面人檢測(cè)方法主要包括以下步驟：
[0023] 一種監(jiān)控視頻中蒙面人檢測(cè)方法，其特征在于，包括以下步驟：
[0024] SlOO :獲取視頻流；
[0025] S200 :利用SlOO中獲取的視頻流采用混合高斯模型構(gòu)建背景模型；
[0026] S300 :從視頻流中依次獲取一幀圖像，并利用S200構(gòu)建的背景模型獲取運(yùn)動(dòng)前景 圖像，并對(duì)背景模型進(jìn)行更新；
[0027] S400 :對(duì)S300中所獲取的二值前景圖像進(jìn)行形態(tài)學(xué)處理；所述形態(tài)學(xué)處理為先對(duì) 提取出的前景圖像進(jìn)行開(kāi)操作，再進(jìn)行閉操作；
[0028] S500 :對(duì)S400處理后的二值前景圖像進(jìn)行輪廓查找，并對(duì)輪廓進(jìn)行凸包擬合，獲 取前景圖像中運(yùn)動(dòng)物體矩形區(qū)域，具體包括以下子步驟：
[0029] S501 :對(duì)S400中獲取的二值前景圖像進(jìn)行基于二值圖像連通域的輪廓查找；
[0030] S502 :對(duì)S501中查找到的輪廓進(jìn)行凸包擬合，并對(duì)凸包內(nèi)區(qū)域進(jìn)行填充，填充方 法為：獲取到凸包之后對(duì)凸包區(qū)域內(nèi)的黑色像素塊置255,即將其變?yōu)榘咨?br>[0031] S503 :對(duì)S502處理后的二值前景圖像進(jìn)行輪廓查找，并獲取每一個(gè)輪廓的最小外 接矩形；
[0032] S504 :對(duì)S503中獲取的最小外接矩形進(jìn)行合并，合并方法為：若兩個(gè)矩形滿足合 并條件則將其合并為一個(gè)矩形區(qū)域，新的矩形區(qū)域?yàn)槟馨@兩個(gè)矩形區(qū)域的最小矩形區(qū) 域，合并條件為：兩個(gè)矩形中心點(diǎn)X坐標(biāo)的差值小于兩個(gè)矩形寬度和的一半且兩個(gè)矩形中 心點(diǎn)y坐標(biāo)的差值小于兩個(gè)矩形高度和的0. 7倍；
[0033] S505 :經(jīng)S504處理后剩余的矩形區(qū)域則為運(yùn)動(dòng)物體區(qū)域；
[0034] S600 :利用S500中獲取的運(yùn)動(dòng)矩形區(qū)域，從S300中獲取的圖像幀中提取運(yùn)動(dòng)物體 圖像輸入SVM分類(lèi)器進(jìn)行判斷，判斷該運(yùn)動(dòng)物體是否為行人；
[0035] S700 :對(duì)S600中判斷為行人的運(yùn)動(dòng)物體圖像進(jìn)行人臉檢測(cè)，若連續(xù)若干幀檢測(cè)到 了行人卻無(wú)法檢測(cè)到正常人臉，則判斷為蒙面人。
[0036] 在這個(gè)實(shí)施例中，對(duì)視頻流中的每一幀圖像都進(jìn)行檢測(cè)，并且需要在連續(xù)若干幀 檢測(cè)都無(wú)法檢測(cè)到正常人臉的情況下，才判斷為蒙面人。對(duì)于所述連續(xù)若干幀在實(shí)際應(yīng)用 中設(shè)置的值與視頻的幀率相關(guān)，可參看下式設(shè)置：
[0037]
【主權(quán)項(xiàng)】
1. 一種監(jiān)控視頻中蒙面人檢測(cè)方法，其特征在于，包括以下步驟： SlOO :獲取視頻流； S200 :利用SlOO中獲取的視頻流采用混合高斯模型構(gòu)建背景模型； S300 :從視頻流中依次獲取一幀圖像，并利用S200構(gòu)建的背景模型獲取運(yùn)動(dòng)前景圖 像，并對(duì)背景模型進(jìn)行更新； S400 :對(duì)S300中所獲取的二值前景圖像進(jìn)行形態(tài)學(xué)處理；所述形態(tài)學(xué)處理為先對(duì)提取 出的前景圖像進(jìn)行開(kāi)操作，再進(jìn)行閉操作； 5500 :對(duì)S400處理后的二值前景圖像進(jìn)行輪廓查找，并對(duì)輪廓進(jìn)行凸包擬合，獲取前 景圖像中運(yùn)動(dòng)物體矩形區(qū)域，具體包括以下子步驟： 5501 :對(duì)S400中獲取的二值前景圖像進(jìn)行基于二值圖像連通域的輪廓查找； 5502 :對(duì)S501中查找到的輪廓進(jìn)行凸包擬合，并對(duì)凸包內(nèi)區(qū)域進(jìn)行填充，填充方法為： 獲取到凸包之后對(duì)凸包區(qū)域內(nèi)的黑色像素塊置255,即將其變?yōu)榘咨? 5503 :對(duì)S502處理后的二值前景圖像進(jìn)行輪廓查找，并獲取每一個(gè)輪廓的最小外接矩 形； 5504 :對(duì)S503中獲取的最小外接矩形進(jìn)行合并，合并方法為：若兩個(gè)矩形滿足合并條 件則將其合并為一個(gè)矩形區(qū)域，新的矩形區(qū)域?yàn)槟馨@兩個(gè)矩形區(qū)域的最小矩形區(qū)域， 合并條件為：兩個(gè)矩形中心點(diǎn)X坐標(biāo)的差值小于兩個(gè)矩形寬度和的一半且兩個(gè)矩形中心點(diǎn) y坐標(biāo)的差值小于兩個(gè)矩形高度和的0. 7倍； 5505 :經(jīng)S504處理后剩余的矩形區(qū)域則為運(yùn)動(dòng)物體區(qū)域； S600 :利用S500中獲取的運(yùn)動(dòng)矩形區(qū)域，從S300中獲取的圖像幀中提取運(yùn)動(dòng)物體圖像 輸入SVM分類(lèi)器進(jìn)行判斷，判斷該運(yùn)動(dòng)物體是否為行人； S700 :對(duì)S600中判斷為行人的運(yùn)動(dòng)物體圖像進(jìn)行人臉檢測(cè)，若連續(xù)若干幀檢測(cè)到了行 人卻無(wú)法檢測(cè)到正常人臉，則判斷為蒙面人。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，優(yōu)選的，S600中的SVM分類(lèi)器在用于判斷 是否為行人前先進(jìn)行構(gòu)造和訓(xùn)練，具體子步驟如下： 5611 :構(gòu)造分類(lèi)器； 5612 :準(zhǔn)備正樣本與負(fù)樣本，正樣本與負(fù)樣本可從歷史監(jiān)控視頻中選取有行人和沒(méi)有 行人的視頻幀； 5613 :將正樣本和負(fù)樣本分別放在不同的文件夾中，并處理成同樣的大??； 求取所有樣本的Hog特征； 5614 :將正樣本標(biāo)識(shí)為1，負(fù)樣本為0 ; 5615 :將所有樣本的Hog特征與標(biāo)簽，輸入到SVM中進(jìn)行訓(xùn)練； 5616 :保存結(jié)果，得到訓(xùn)練好的分類(lèi)器。
3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，S600中判斷行人的方法包括以下步驟： 5621 :利用S505中獲取的運(yùn)動(dòng)物體區(qū)域，從S300中獲取的圖像幀中提取運(yùn)動(dòng)物體圖 像； 5622 :將S621中獲取的圖像縮放至64*128像素大小； 5623 :對(duì)經(jīng)S622處理后的圖像進(jìn)行直方圖均衡化操作； 5624 :對(duì)經(jīng)S623處理后的圖像進(jìn)行Hog特征檢測(cè)，獲取圖像的Hog特征； S625 :將S624中獲取的圖像的Hog特征輸入行人檢測(cè)分類(lèi)器，判斷該運(yùn)動(dòng)物體是否為 行人。
4. 根據(jù)權(quán)利要求1所述的方法，其特征在于，S700中的人臉檢測(cè)方法是采用opencv開(kāi) 源庫(kù)中基于Haar分類(lèi)器的人臉檢測(cè)算法。
5. 根據(jù)權(quán)利要求1所述的方法，其特征在于，S700中所述連續(xù)若干幀的值根據(jù)下式設(shè) 置.
【專利摘要】本發(fā)明公開(kāi)了一種監(jiān)控視頻中蒙面人檢測(cè)方法，首先使用高斯混合模型進(jìn)行背景建模，提取出運(yùn)動(dòng)物體，而后對(duì)運(yùn)動(dòng)物體進(jìn)行行人檢測(cè)，判斷運(yùn)動(dòng)物體是否是行人，再對(duì)判斷得出的行人進(jìn)行人臉識(shí)別，若無(wú)法正常識(shí)別出人臉，則判定該行人為蒙面人之類(lèi)的可疑人員。本發(fā)明能適應(yīng)外界環(huán)境的變化，且檢測(cè)結(jié)果有較高的準(zhǔn)確率。
【IPC分類(lèi)】G06K9-62, G06K9-00
【公開(kāi)號(hào)】CN104657712
【申請(qǐng)?zhí)枴緾N201510066492
【發(fā)明人】蔡昭權(quán), 黃翰, 易春陽(yáng), 劉志方, 胡音文
【申請(qǐng)人】惠州學(xué)院
【公開(kāi)日】2015年5月27日
【申請(qǐng)日】2015年2月9日