一種紋理區(qū)分優(yōu)化hog算子的atm滯留物檢測(cè)方法
【專利摘要】本發(fā)明公開了一種紋理區(qū)分優(yōu)化HOG算子的ATM滯留物檢測(cè)方法，該方法首先對(duì)ATM監(jiān)控視頻的單幀圖像進(jìn)行紋理特征的描述，得到紋理特征描述值，然后加入修正因子得到修正值；并根據(jù)紋理特征構(gòu)建背景模型，再計(jì)算每一個(gè)圖像序列的方差，得到其權(quán)重；再將當(dāng)前像素與背景模型的背景直方圖逐個(gè)比較，并按對(duì)應(yīng)權(quán)重在相似度級(jí)別上融合以消除背景；統(tǒng)計(jì)背景消除后圖像的梯度的強(qiáng)度和方向，得到其梯度直方圖；最后將統(tǒng)計(jì)背景消除后圖像中所有重疊的塊進(jìn)行HOG特征向量的收集歸總，得到滯留物圖像。本發(fā)明通過區(qū)分檢測(cè)圖像的紋理特征對(duì)背景進(jìn)行消除，以突出檢測(cè)目標(biāo)的局部紋理特征，并采用方差法提高背景消除的精度。
【專利說明】
-種紋理區(qū)分優(yōu)化HOG算子的ATM滯留物檢測(cè)方法
技術(shù)領(lǐng)域
[0001 ]本發(fā)明設(shè)及計(jì)算機(jī)視覺領(lǐng)域，尤其設(shè)及一種ATM滯留物檢測(cè)方法。
【背景技術(shù)】
[0002] 近年來，隨著我國金融信息化工程的不斷發(fā)展和金卡工程的不斷推進(jìn)，ATM取款機(jī) 在金融環(huán)境中占據(jù)著舉足輕重的地位。ATM機(jī)數(shù)量不斷增多，設(shè)備安置位置周圍的環(huán)境越來 越復(fù)雜，安全監(jiān)控、管理的難度日益增大。傳統(tǒng)視頻監(jiān)控系統(tǒng)主要是靠人工來進(jìn)行監(jiān)控，只 能實(shí)現(xiàn)事后取證，就有可能錯(cuò)失解決事件的最好時(shí)機(jī)，不僅費(fèi)時(shí)費(fèi)力，即使能夠找到證據(jù)， 造成的損失也可能無可挽回。所W，基于智能視頻分析的ATM監(jiān)控顯得意義重大。
[0003] 針對(duì)滯留物檢測(cè)檢測(cè)方法，主要有背景差分方法、高斯混合法、方向梯度直方圖法 等。申請(qǐng)?zhí)枮?00910234281.6的發(fā)明，首先檢測(cè)出監(jiān)控場(chǎng)景中可疑物體(滯留物），記錄下物 體的位置信息W便W后對(duì)物體繼續(xù)實(shí)施監(jiān)控。然后用關(guān)聯(lián)算法找到關(guān)鍵帖畫面，再根據(jù)滯 留物主離滯留物距離最近原則找到關(guān)鍵人。申請(qǐng)?zhí)枮?01310239290.0的發(fā)明，首先建立背 景模型并檢測(cè)出每帖圖像前景物體，根據(jù)前景物體生成物體分類器;再將靜止的前景物體 輸入到物體分類器根據(jù)分類器返回的置信值的平均值判斷得到靜止前景物體類型為物品 或者人體;最后對(duì)靜止前景類型為物品的物體進(jìn)行物主分析，得到物品的攜帶者信息，判斷 出物主。W上兩種發(fā)明在ATM滯留物檢測(cè)中均無法精確區(qū)分前景和背景，所W其魯棒性較 差D

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于針對(duì)現(xiàn)有的ATM滯留物檢測(cè)方法的不足，提供了一種紋理區(qū)分 優(yōu)化HOG算子的ATM滯留物檢測(cè)方法。
[0005] 本發(fā)明的目的是通過W下技術(shù)方案來實(shí)現(xiàn)的：一種紋理區(qū)分優(yōu)化冊(cè)G算子的ATM滯 留物檢測(cè)方法，該方法包括W下步驟：
[0006] (1)提取ATM監(jiān)控視頻的單帖圖像作為輸入圖像；
[0007] (2)采用每個(gè)像素聯(lián)合在其半徑為D的鄰域上的S個(gè)像素的分布來對(duì)紋理特征進(jìn)行 描述：
[000引 （1)
[0009] 其中，Ls, D (Xi，yi)表示(Xi，yi)處的像素的半徑為D的鄰域上的S個(gè)像素的紋理特征 描述，Pi表示(xi，yi)處的像素灰度值，Ps表示半徑為D的環(huán)形鄰域中各像素灰度平均值，C為 系數(shù)，其取值為：
[0010]
(2)
[0011] (3)加入修正因子0,減小領(lǐng)域像素變化小的時(shí)候計(jì)算結(jié)果的差異：
[0012]
(3)
[0013] 其中，I/s,D(Xi，yi)表示修正后S個(gè)像素在其半徑為D的鄰域上的紋理特征描述。
[0014] (4)根據(jù)式(3)計(jì)算所得的紋理特征，構(gòu)建背景模型：
[001 引 5=-而，馬，...，!7"} (4)
[0016] 其中，瑪表示背景模型中的第i個(gè)紋理直方圖。
[0017] (5)設(shè)當(dāng)前像素的直方圖為3，將其與背景模型B的n個(gè)背景直方圖逐個(gè)比較，若兩 者間相似度小于設(shè)定闊值Ts，則為前景，否則為背景。
[001 引
（5)
[0019] 其中，設(shè)有兩個(gè)直方圖巧巧，兩者間的相似度比較方法為：
[0020] >
[0021] 對(duì)每一個(gè)圖像序列，計(jì)算其方差：
[0022] (7)
[0023] 其中，var^表示第j個(gè)圖像序列的方差，Q表示訓(xùn)練樣本總數(shù)，R表示所有訓(xùn)練樣本 的平均值子圖像：
[0024]
(8)
[0025] 3^表示所有樣本的平均值圖像1?的第^'個(gè)子圖像，暫表示第1個(gè)樣本的第^'個(gè)子圖 像，1表示相似度量距離。
[0026] W此方差作為每一個(gè)子圖像的局部紋理特征的權(quán)重，然后按對(duì)應(yīng)權(quán)重在相似度級(jí) 別上融合，最后再W方差的度量方式進(jìn)行背景消除。
[0027] (7)統(tǒng)計(jì)背景消除后圖像G(x，y)的梯度的強(qiáng)度和方向： W028] k,(W'') = GU',.V + 1)-G(W-I) W
[0029] 其中，F(xiàn)x(x，y)、Fy(x，y)分別表示統(tǒng)計(jì)背景消除后圖像中在像素點(diǎn)（x，y)處的水平 方向的梯度的幅值和垂直方向梯度的幅值;6(針1，7)、6^-1，7)、6^，7+1)、6^，7-1)分別 表示點(diǎn)(X+1，y)、（x-l，7)、山7+1)、山7-1)處的像素值。
[0030] 所W其強(qiáng)麼為：
[0031] (10)
[0032]
[0033] (11)
[0034] (8)采用L2-norm范數(shù)對(duì)梯度直方圖進(jìn)行歸一化處理：
[0035]
。2)
[0036] 其中，c/代表歸一化之后的特征向量，〇代表歸一化之前的特征向量，I IoMk代表它 的k階范數(shù)k=l，2，A為常數(shù)。
[0037] (9)將統(tǒng)計(jì)背景消除后圖像中所有重疊的塊進(jìn)行HOG特征向量的收集歸總，得到滯 留物圖像。
[0038] 本發(fā)明的有益效果是:本發(fā)明采用修正因子優(yōu)化紋理特征描述的技術(shù)手段，并通 過區(qū)分檢測(cè)圖像的紋理特征對(duì)背景進(jìn)行消除，W突出檢測(cè)目標(biāo)的局部紋理特征，且采用方 差法提高背景消除的精度。
【附圖說明】
[0039] 圖1為一種紋理區(qū)分優(yōu)化HOG算子的ATM滯留物檢測(cè)方法的流程示意圖；
[0040] 圖2為采用本發(fā)明方法的ATM滯留物為帽子的實(shí)施例的檢測(cè)結(jié)果示意圖；
[0041] 圖3為采用本發(fā)明方法的ATM滯留物為手機(jī)的實(shí)施例的檢測(cè)結(jié)果示意圖；
[0042] 圖4為采用本發(fā)明方法的ATM滯留物為便利貼的實(shí)施例的檢測(cè)結(jié)果示意圖。
【具體實(shí)施方式】
[0043] 下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步描述，本發(fā)明的目的和效果將變得更加明顯。
[0044] 如圖1所示，本發(fā)明紋理區(qū)分優(yōu)化冊(cè)G算子的ATM滯留物檢測(cè)方法，包括W下步驟：
[0045] 1、提取ATM監(jiān)控視頻的單帖圖像作為輸入圖像；
[0046] 2、采用每個(gè)像素聯(lián)合在其半徑為D的鄰域上的S個(gè)像素的分布來對(duì)紋理特征進(jìn)行 描述：
[0047]
(1)
[0048] 其中，Ls,D(Xi，yi)表示(xi，yi)處的像素的半徑為D的鄰域上的S個(gè)像素的紋理特征 描述，Pi表示(xi，yi)處的像素灰度值，Ps表示半徑為D的環(huán)形鄰域中各像素灰度平均值，C為 系數(shù)，其取值為：
[0049]
(2)
[0050] 3、加入修正因子0,減小領(lǐng)域像素變化小的時(shí)候計(jì)算結(jié)果的差異：
[0化1]
(3)
[0052] 其中，l/s,D(Xi，yi)表示修正后S個(gè)像素在其半徑為D的鄰域上的紋理特征描述。
[0053] 4、根據(jù)式(3)計(jì)算所得的紋理特征，構(gòu)建背景模型：
[0化4]及=巧，而，.'',!Vi (4)
[0化5]其中，卒表示背景模型中的第i個(gè)紋理直方圖。
[0化6] 5、設(shè)當(dāng)前像素的直方圖為每，將其與背景模型B的n個(gè)背景直方圖逐個(gè)比較，若兩者 間相似度小于設(shè)定闊值Ts，則為前景，否則為背景。
[0化 7]
(S)
[0化引其中，設(shè)有兩個(gè)直方圖i和賣，兩者間的相似度比較方法為：
[0化9]
(6)
[0060] 6、為了提高精確性，對(duì)每一個(gè)圖像序列，計(jì)算其方差：
[0061 ]
C7)
[0062] 其中，var^表示第j個(gè)圖像序列的方差，Q表示訓(xùn)練樣本總數(shù)，R表示所有訓(xùn)練樣本 的平均估革図?xiàng)l.
[0063] 株)
[0064] 3^表示所有樣本的平均值圖像1?的第^'個(gè)子圖像，巧表示第1個(gè)樣本的第^'個(gè)子圖 像，1表示相似度量距離。
[0065] W此方差作為每一個(gè)子圖像的局部紋理特征的權(quán)重，然后按對(duì)應(yīng)權(quán)重在相似度級(jí) 別上融合，最后再W方差的度量方式進(jìn)行背景消除。
[0066] 7、統(tǒng)計(jì)背景消除后圖像G(x，y)的梯度的強(qiáng)度和方向： 「00671 = -(啦W (O)
[0067] k(w') = G(:c，.v + l)_G(-w'_l) W
[0068] 其中，F(xiàn)x(x，y)、Fy(x，y)分別表示統(tǒng)計(jì)背景消除后圖像中在像素點(diǎn)（x，y)處的水平 方向的梯度的幅值和垂直方向梯度的幅值;6(針1，7)、6^-1，7)、6^，7+1)、6^，7-1)分別 表示點(diǎn)(X+1，y)、（x-l，7)、山7+1)、山7-1)處的像素值。
[0069] 所W其強(qiáng)度為：
[0070] (10)
[0071]
[0072] (11 )
[0073] 8、采用L2-norm范數(shù)對(duì)梯度直方圖進(jìn)行歸一化處理：
[0074]
。2)
[0075] 其中，c/代表歸一化之后的特征向量，〇代表歸一化之前的特征向量，I IoMk代表它 的k階范數(shù)k=l，2，A為常數(shù)。
[0076] 9、將統(tǒng)計(jì)背景消除后圖像中所有重疊的塊進(jìn)行HOG特征向量的收集歸總，得到滯 留物圖像。
[0077] 如圖1所示，一種紋理區(qū)分優(yōu)化冊(cè)G算子的ATM滯留物檢測(cè)方法的【具體實(shí)施方式】為： 首先在ATM自動(dòng)取款機(jī)的口上假設(shè)攝像頭，其角度為與地面成45°角，然后提取ATM監(jiān)控視頻 的單帖圖像，并對(duì)其進(jìn)行紋理特征的描述，得到紋理特征描述值Ls,D(xi，yi)，然后為了減小 領(lǐng)域像素變化小的時(shí)候計(jì)算結(jié)果的差異，加入修正因子O對(duì)紋理特征描述值進(jìn)行優(yōu)化，得到 修正值1/5,〇^1，71)，接著根據(jù)紋理特征構(gòu)建背景模型8，再計(jì)算每一個(gè)圖像序列的其方差， 得到其局部紋理特征的權(quán)重，然后將當(dāng)前像素與背景模型B的n個(gè)背景直方圖逐個(gè)比較，并 按對(duì)應(yīng)權(quán)重在相似度級(jí)別上融合W消除背景，進(jìn)一步統(tǒng)計(jì)背景消除后圖像G(x，y)的梯度的 強(qiáng)度和方向，得到其梯度直方圖，為了把各個(gè)特征的尺度控制在相同的范圍內(nèi)，再采用L2- norm范數(shù)對(duì)梯度直方圖進(jìn)行歸一化處理，最后將統(tǒng)計(jì)背景消除后圖像中所有重疊的塊進(jìn)行 HOG特征向量的收集歸總，得到滯留物圖像。
[〇〇7引如圖2~4為采用本發(fā)明方法對(duì)不同ATM滯留物的檢測(cè)結(jié)果示意圖，其結(jié)果說明本 發(fā)明的方法獲得了不錯(cuò)的實(shí)驗(yàn)結(jié)果，可W為ATM滯留物檢測(cè)提供更高的精確性。
【主權(quán)項(xiàng)】
1. 一種紋理區(qū)分優(yōu)化HOG算子的ATM滯留物檢測(cè)方法，其特征在于，該方法包括以下步 驟： (1) 提取ATM監(jiān)控視頻的單幀圖像作為輸入圖像； (2) 采用每個(gè)像素聯(lián)合在其半徑為D的鄰域上的S個(gè)像素的分布來對(duì)紋理特征進(jìn)行描 述：其中，Ls,D(Xl，yi)表示(Xl，yi)處的像素的半徑為D的鄰域上的S個(gè)像素的紋理特征描述， Pl表示(Xl，yi)處的像素灰度值，ps表示半徑為D的環(huán)形鄰域中各像素灰度平均值，ξ為系數(shù)， 其取值為：(3) 加入修正因子〇，減小領(lǐng)域像素變化小的時(shí)候計(jì)算結(jié)果的差異：其中，?/^(Χι，7ι)表示修正后S個(gè)像素在其半徑為D的鄰域上的紋理特征描述。 (4) 根據(jù)式(3)計(jì)算所得的紋理特征，構(gòu)建背景模型：其中Λ表示背景模型中的第i個(gè)紋理直方圖。 (5) 設(shè)當(dāng)前像素的直方圖為？，將其與背景模型B的η個(gè)背景直方圖逐個(gè)比較，若兩者間 相似度小于設(shè)定閾值Ts，則為前景，否則為背景。其中，設(shè)有兩個(gè)直方圖?和f，兩者間的相似度比較方法為：(6) 為了提尚精確性，對(duì)每一個(gè)圖像序列，計(jì)算其方差：其中，vaf表示第j個(gè)圖像序列的方差，Q表示訓(xùn)練樣本總數(shù)，R表示所有訓(xùn)練樣本的平均 值子圖像：P表示所有樣本的平均值圖像R的第j個(gè)子圖像，祀表示第i個(gè)樣本的第j個(gè)子圖像，1表 示相似度量距離。 以此方差作為每一個(gè)子圖像的局部紋理特征的權(quán)重，然后按對(duì)應(yīng)權(quán)重在相似度級(jí)別上 融合，最后再以方差的度量方式進(jìn)行背景消除。 (7) 統(tǒng)計(jì)背景消除后圖像G(x，y)的梯度的強(qiáng)度和方向： 19) 其中，？41，7)^4^7)分別表示統(tǒng)計(jì)背景消除后圖像中在像素點(diǎn)（1，7)處的水平方向 的梯度的幅值和垂直方向梯度的幅值;G(x+1，y)、G(x_l，y)、6(1，7+1)、6(1，7_1)分別表示 點(diǎn)(x+1，y)、（x-l，7)、（叉，7+1)、（叉，7_1)處的像素值。 所以其強(qiáng)度為： 方向?yàn)椋? V Χ· ·χ\^ J) /(8) 采用L2-norm范數(shù)對(duì)梯度直方圖進(jìn)行歸一化處理：其中，，代表歸一化之后的特征向量，〇代表歸一化之前的特征向量，I |〇| |k代表它的k 階范數(shù)k = 1，2，λ為常數(shù)。 (9) 將統(tǒng)計(jì)背景消除后圖像中所有重疊的塊進(jìn)行HOG特征向量的收集歸總，得到滯留物 圖像。
【文檔編號(hào)】G06T7/00GK105957093SQ201610399407
【公開日】2016年9月21日
【申請(qǐng)日】2016年6月7日
【發(fā)明人】胡峰俊
【申請(qǐng)人】浙江樹人大學(xué)