專(zhuān)利名稱(chēng)：一種實(shí)時(shí)區(qū)域檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于視頻圖像處理領(lǐng)域，尤其是一種實(shí)時(shí)區(qū)域檢測(cè)方法。
背景技術(shù)：
隨著智能監(jiān)控技術(shù)的不斷發(fā)展和圖像處理技術(shù)的日益成熟，原有的采用人力進(jìn)行 可疑目標(biāo)監(jiān)控已經(jīng)滿足不了需求，而以人工智能和視頻分析等技術(shù)為主的智能安防系統(tǒng)很 大程度上能彌補(bǔ)人力不足的問(wèn)題。智能安防系統(tǒng)優(yōu)勢(shì)在于保安人員無(wú)需實(shí)地巡邏，便可以 通過(guò)監(jiān)控系統(tǒng)傳回的視頻獲得現(xiàn)場(chǎng)的實(shí)際情況，以便于迅速做出決策，因此有著廣闊的發(fā) 展空間和巨大的潛在市場(chǎng)。警戒區(qū)域入侵檢測(cè)、區(qū)域人流統(tǒng)計(jì)、區(qū)域人群密度檢測(cè)等是其一 個(gè)重要應(yīng)用方面。警戒區(qū)域入侵檢測(cè)是指對(duì)闖入警戒區(qū)域的目標(biāo)進(jìn)行識(shí)別，區(qū)域人流統(tǒng)計(jì) 是指對(duì)某段時(shí)間內(nèi)某一區(qū)域的進(jìn)出人流進(jìn)行統(tǒng)計(jì)，區(qū)域人群密度檢測(cè)是指對(duì)某一區(qū)域內(nèi)的 目標(biāo)進(jìn)行統(tǒng)計(jì)。它們主要是利用圖像處理的方法，在現(xiàn)實(shí)場(chǎng)景中自動(dòng)檢測(cè)目標(biāo)入侵，使計(jì)算 機(jī)具有某種理解和分析視頻的能力，從而對(duì)目標(biāo)入侵進(jìn)行報(bào)警或者對(duì)入侵進(jìn)行統(tǒng)計(jì)滿足某 一條件時(shí)報(bào)警。傳統(tǒng)的區(qū)域檢測(cè)方法，一般都是基于運(yùn)動(dòng)目標(biāo)與警戒區(qū)域之間復(fù)雜的判斷來(lái)實(shí)現(xiàn) 的，即使對(duì)于簡(jiǎn)單的矩形區(qū)域，也需要大量的判斷，因此這些方法計(jì)算量大，思想復(fù)雜，尤其 對(duì)于像凹多邊形區(qū)域，效率較低。

發(fā)明內(nèi)容
基于以上問(wèn)題，本發(fā)明提出使用區(qū)域分類(lèi)標(biāo)記的思想對(duì)監(jiān)控場(chǎng)景中區(qū)域的空間位 置進(jìn)行分類(lèi)標(biāo)記來(lái)獲得區(qū)域狀態(tài)的敏感參數(shù)，以運(yùn)動(dòng)目標(biāo)所在區(qū)域空間位置的敏感參數(shù)為 依據(jù)來(lái)判斷目標(biāo)入侵與否。并且由于區(qū)域的分類(lèi)標(biāo)記并不是直接針對(duì)圖像數(shù)據(jù)，所以只需 在區(qū)域設(shè)定或者改變時(shí)獲得區(qū)域敏感參數(shù)，只要警戒區(qū)域不改變，就不需要更新區(qū)域敏感 參數(shù)。算法思想簡(jiǎn)單，易于實(shí)現(xiàn)，對(duì)于任意多邊形(凸、凹多邊形)區(qū)域健壯性都好，并且有 很高的執(zhí)行效率。為達(dá)到以上目的，本發(fā)明采用如下技術(shù)方案。一種實(shí)時(shí)區(qū)域檢測(cè)方法。具體包括以下步驟E、監(jiān)控場(chǎng)景背景建立與更新；F、運(yùn)用相關(guān)運(yùn)動(dòng)檢測(cè)算法得到運(yùn)動(dòng)目標(biāo)；G、運(yùn)用相關(guān)目標(biāo)跟蹤算法跟蹤目標(biāo)，得到目標(biāo)當(dāng)前空間位置坐標(biāo)；H、區(qū)域檢測(cè)；其特征在于，步驟D的區(qū)域檢測(cè)算法在于首先對(duì)監(jiān)控場(chǎng)景中全區(qū)域進(jìn)行掩蔽，然 后對(duì)掩蔽區(qū)域和警戒區(qū)域進(jìn)行分類(lèi)標(biāo)記，以得到警戒區(qū)域空間位置狀態(tài)的敏感參數(shù)，最后 以運(yùn)動(dòng)目標(biāo)所在區(qū)域的敏感參數(shù)作為目標(biāo)入侵與否的判斷依據(jù)，實(shí)現(xiàn)區(qū)域檢測(cè)。而且，對(duì)監(jiān)控場(chǎng)景全區(qū)域進(jìn)行掩蔽的計(jì)算，可以是開(kāi)辟一個(gè)跟圖像大小相同的數(shù) 組，對(duì)其對(duì)應(yīng)像素點(diǎn)賦值。
而且，對(duì)掩蔽區(qū)域和警戒區(qū)域進(jìn)行分類(lèi)標(biāo)記，以得到警戒區(qū)域空間位置狀態(tài)的敏 感參數(shù)的計(jì)算，可以是如下步驟(1)輸入欲標(biāo)記多邊形區(qū)域的頂點(diǎn)數(shù)及其頂點(diǎn)坐標(biāo)。(2)確定需標(biāo)記警戒區(qū)域垂直方向范圍，即計(jì)算所有多邊形頂點(diǎn)坐標(biāo)中y的最大 值和最小值，以此作為掃描線的處理范圍。(3)對(duì)處理范圍內(nèi)的每條掃描線建立有序邊表。(4)對(duì)處理范圍內(nèi)的每條掃描線，重復(fù)下列步驟a用有序邊表建立當(dāng)前掃描線的有效邊表；b從有效邊表中依次取出一對(duì)交點(diǎn)，對(duì)兩個(gè)交點(diǎn)內(nèi)的警戒區(qū)域空間位置進(jìn)行標(biāo)記 獲得警戒區(qū)域敏感參數(shù)c為下一條掃描線更新有效邊表，即增加交點(diǎn)的X值和刪除不再相交的邊；d重新排列有效邊表。而且，對(duì)于以運(yùn)動(dòng)目標(biāo)所在區(qū)域的敏感參數(shù)作為目標(biāo)入侵與否的判斷依據(jù)，實(shí)現(xiàn) 區(qū)域檢測(cè)的計(jì)算，可以是判斷運(yùn)動(dòng)目標(biāo)所在區(qū)域空間位置的敏感參數(shù)，如果其等于警戒區(qū) 域的敏感參數(shù)，則表示目標(biāo)入侵。本發(fā)明的優(yōu)點(diǎn)和積極效果是(1)通過(guò)對(duì)特定區(qū)域的空間位置狀態(tài)進(jìn)行標(biāo)記來(lái)作為目標(biāo)入侵的判斷依據(jù)，大大 減少了判斷的次數(shù)和復(fù)雜度，而且對(duì)于凹凸多邊形區(qū)域具有相同的執(zhí)行效率；(2)通過(guò)開(kāi)辟一塊圖像數(shù)據(jù)大小的內(nèi)存，可以使區(qū)域的分類(lèi)標(biāo)記獨(dú)立于圖像數(shù)據(jù) 本身，因此對(duì)于區(qū)域的分類(lèi)標(biāo)記只需執(zhí)行一次，只要警戒區(qū)域不改變，就無(wú)需更新區(qū)域的分 類(lèi)標(biāo)記，大大提高了算法效率。


圖1是實(shí)時(shí)區(qū)域檢測(cè)總體流程圖；圖2是應(yīng)用本發(fā)明實(shí)現(xiàn)一個(gè)具體實(shí)施例的流程圖；圖3是區(qū)域多邊形的邊表；圖4是邊縮短的兩種策略；
具體實(shí)施例方式下面結(jié)合附圖對(duì)本發(fā)明的實(shí)施例做詳細(xì)說(shuō)明本實(shí)施例在以本發(fā)明技術(shù)方案為前 提下實(shí)現(xiàn)，給出了詳細(xì)過(guò)程，但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施例。本實(shí)施例中對(duì)某視頻序列進(jìn)行區(qū)域檢測(cè)，圖1是區(qū)域檢測(cè)總體流程圖，圖2是應(yīng)用 本發(fā)明實(shí)現(xiàn)一個(gè)具體實(shí)施例的流程圖如圖1所示，區(qū)域檢測(cè)一般包括如下步驟A、輸入視頻幀，對(duì)視頻監(jiān)控場(chǎng)景背景建模與更新；B、運(yùn)用相關(guān)運(yùn)動(dòng)檢測(cè)算法得到運(yùn)動(dòng)目標(biāo)；C、運(yùn)用相關(guān)目標(biāo)跟蹤算法跟蹤目標(biāo)，得到目標(biāo)當(dāng)前空間位置坐標(biāo)；D、區(qū)域檢測(cè)；如圖2所示，本實(shí)施例應(yīng)用本發(fā)明實(shí)現(xiàn)區(qū)域檢測(cè)模塊具體包括如下步驟步驟201，建立與原始圖像大小相同的一幅圖像，并將其像素點(diǎn)賦一初值0，實(shí)現(xiàn)對(duì)全區(qū)域掩蔽MR(x, y) = 0,(χ, y) = {(Xi, Yi) |i = 1,2L N}MR (χ, y)表示區(qū)域敏感參數(shù)，χ是像素點(diǎn)水平坐標(biāo)，y是像素點(diǎn)垂直坐標(biāo)，N為像素 點(diǎn)總數(shù)，步驟202，輸入欲標(biāo)記多邊形區(qū)域的頂點(diǎn)數(shù)及其頂點(diǎn)像素點(diǎn)坐標(biāo)。步驟203，確定需標(biāo)記警戒區(qū)域垂直方向范圍，即計(jì)算所有多邊形頂點(diǎn)像素點(diǎn)坐標(biāo) 中y的最大值和最小值，以此作為掃描線的處理范圍。步驟204，對(duì)處理范圍內(nèi)的每條掃描線建立有序邊表，邊表指由表結(jié)點(diǎn)代表多邊形 的邊所構(gòu)造的鏈表，其表結(jié)點(diǎn)內(nèi)容包括該掃描線與該邊的初始交點(diǎn)的水平坐標(biāo)X(即較低 端點(diǎn)的X值)，該邊斜率倒數(shù)Ι/k，以及該邊的最大垂直坐標(biāo)ymax，指向下一個(gè)結(jié)點(diǎn)next。(χ, 1/k, ymax, next)其構(gòu)造過(guò)程如下a首先構(gòu)造一個(gè)縱向鏈表，鏈表的長(zhǎng)度為多邊形所占有的最大掃描線數(shù)，鏈表的每 個(gè)結(jié)點(diǎn)，稱(chēng)為一個(gè)桶，則對(duì)應(yīng)多邊形覆蓋的每一條掃描線。如圖3所示。b將每條邊的信息鏈入與該邊最小垂直坐標(biāo)ymin相對(duì)應(yīng)的桶處。也就是說(shuō)，若某 邊的較低端點(diǎn)為ymin，則該邊就放在相應(yīng)的掃描線桶中。c每條邊的數(shù)據(jù)形成一個(gè)結(jié)點(diǎn)。d同一桶中若干條邊按χ I ymin (y最小時(shí)的χ值)由小到大排序，若χ | ymin相等， 則按照Ι/k由小到大排序。另外，為解決當(dāng)掃描線與多邊形的頂點(diǎn)相交時(shí)，交點(diǎn)計(jì)為1個(gè)時(shí)的問(wèn)題(2個(gè)或0 個(gè)時(shí)本算法不存在問(wèn)題)，可以將多邊形的某些邊縮短以分離那些應(yīng)計(jì)為1個(gè)交點(diǎn)的頂點(diǎn)。 例如可以以指定的順時(shí)針?lè)较蛱幚碚麄€(gè)多邊形邊界上的非水平邊。在處理每條邊時(shí)進(jìn)行檢 測(cè)，確定該邊與下一條非水平邊是否有單調(diào)遞增或單調(diào)遞減的端點(diǎn)y值，即是否存在某條 邊的ymax等于另一條邊的ymin。假如有，可將ymax的邊縮短以保證通過(guò)連接兩條邊的公 共頂點(diǎn)的掃描線僅有一個(gè)交點(diǎn)生成，即將ymax更新為ymax-Ι。當(dāng)然也可將ymin的邊縮短， 即將ymin更新為ymin+Ι，但這種方式需要計(jì)算出相應(yīng)的χ | ymin+1后在參加桶式排序，更為 復(fù)雜。圖4示出兩種縮短邊的策略。步驟205，對(duì)處理范圍內(nèi)的每條水平掃描線，重復(fù)下列步驟a用有序邊表建立當(dāng)前掃描線的有效邊表；有效邊表的結(jié)構(gòu)和有序邊表相同，有效邊表存儲(chǔ)的是與當(dāng)前掃描線相交的邊，初 始化有效邊表，有效邊表置空，將第一個(gè)不空的有序表中的邊與有效表合并；b從有效邊表中依次取出一對(duì)交點(diǎn)(Xl，y)，(x2, y)，將兩個(gè)交點(diǎn)內(nèi)的警戒區(qū)域空間 位置的敏感參數(shù)置1，這樣獲得警戒區(qū)域敏感參數(shù)MR(X，y) = 1，(X1 < χ < x2，y表示當(dāng)前水平掃描線垂直坐標(biāo))c為下一條掃描線更新有效邊表，即增加交點(diǎn)的χ值和刪除不再相交的邊；對(duì)于下一條掃描線，將X(X為當(dāng)前水平掃描線與邊的交點(diǎn)的水平坐標(biāo))更新為 x+1/k，同時(shí)合并有序邊表中下一條掃描線對(duì)應(yīng)桶中的邊，按次序插入到有效邊表中，并且 刪除y = ymax的邊，形成新的有效邊表。
d重新排列有效邊表。步驟206，判斷運(yùn)動(dòng)目標(biāo)空間位置坐標(biāo)(X，y)的敏感參數(shù)，如果等于1，則表示入 侵ρ— j1，械(xJ) = 1Q為1，表示可以與警戒區(qū)域的敏感參數(shù)匹配上，表示目標(biāo)入侵，為O未入侵。通過(guò)應(yīng)用本發(fā)明所具體實(shí)現(xiàn)的實(shí)施例，充分說(shuō)明了本發(fā)明提出使用區(qū)域分類(lèi)標(biāo)記 的思想對(duì)監(jiān)控場(chǎng)景中區(qū)域的空間位置進(jìn)行分類(lèi)標(biāo)記來(lái)獲得區(qū)域狀態(tài)的敏感參數(shù)，以運(yùn)動(dòng)目 標(biāo)所在區(qū)域空間位置的敏感參數(shù)為依據(jù)來(lái)判斷目標(biāo)入侵與否的思想是完全正確，并可以具 體實(shí)現(xiàn)的。通過(guò)實(shí)施例的測(cè)試結(jié)果，也說(shuō)明了應(yīng)用本發(fā)明實(shí)現(xiàn)區(qū)域檢測(cè)的效果是完全可以 滿足實(shí)際監(jiān)控場(chǎng)景要求的，并且尤為重要的是具有很好的執(zhí)行效率。最后需要強(qiáng)調(diào)的是，本發(fā)明所述的實(shí)施例是說(shuō)明性的，而不是限定性的，因此本發(fā) 明并不限于具體實(shí)施方式
中所述的實(shí)施例，凡是由本領(lǐng)域技術(shù)人員根據(jù)本發(fā)明的技術(shù)方案 得出的其他實(shí)施方式，同樣屬于本發(fā)明保護(hù)的范圍。
權(quán)利要求
1.一種實(shí)時(shí)區(qū)域檢測(cè)方法。具體包括以下步驟A、監(jiān)控場(chǎng)景背景建立與更新；B、運(yùn)用相關(guān)運(yùn)動(dòng)檢測(cè)算法得到運(yùn)動(dòng)目標(biāo)；C、運(yùn)用相關(guān)目標(biāo)跟蹤算法跟蹤目標(biāo)，得到目標(biāo)當(dāng)前空間位置坐標(biāo)；D、區(qū)域檢測(cè)；其特征在于，步驟D的區(qū)域檢測(cè)算法在于首先對(duì)監(jiān)控場(chǎng)景中全區(qū)域進(jìn)行掩蔽，然后對(duì) 掩蔽區(qū)域和警戒區(qū)域進(jìn)行分類(lèi)標(biāo)記，以得到警戒區(qū)域空間位置狀態(tài)的敏感參數(shù)，最后以運(yùn) 動(dòng)目標(biāo)所在區(qū)域的敏感參數(shù)作為目標(biāo)入侵與否的判斷依據(jù)，實(shí)現(xiàn)區(qū)域檢測(cè)。
2.根據(jù)權(quán)利要求1所述的一種實(shí)時(shí)區(qū)域檢測(cè)方法，對(duì)監(jiān)控場(chǎng)景全區(qū)域進(jìn)行掩蔽的計(jì) 算，可以是開(kāi)辟一個(gè)跟圖像大小相同的數(shù)組，對(duì)其對(duì)應(yīng)像素點(diǎn)賦值。
3.根據(jù)權(quán)利要求1所述的一種實(shí)時(shí)區(qū)域檢測(cè)方法，對(duì)掩蔽區(qū)域和警戒區(qū)域進(jìn)行分類(lèi)標(biāo) 記，以得到警戒區(qū)域空間位置狀態(tài)的敏感參數(shù)的計(jì)算，可以是如下步驟(1)輸入欲標(biāo)記多邊形區(qū)域的頂點(diǎn)數(shù)及其頂點(diǎn)坐標(biāo)。(2)確定需標(biāo)記警戒區(qū)域垂直方向范圍，即計(jì)算所有多邊形頂點(diǎn)坐標(biāo)中y的最大值和 最小值，以此作為掃描線的處理范圍。(3)對(duì)處理范圍內(nèi)的每條掃描線建立有序邊表。(4)對(duì)處理范圍內(nèi)的每條掃描線，重復(fù)下列步驟a用有序邊表建立當(dāng)前掃描線的有效邊表；b從有效邊表中依次取出一對(duì)交點(diǎn)，對(duì)兩個(gè)交點(diǎn)內(nèi)的警戒區(qū)域空間位置進(jìn)行標(biāo)記獲得 警戒區(qū)域敏感參數(shù)；c為下一條掃描線更新有效邊表，即增加交點(diǎn)的χ值和刪除不再相交的邊；d重新排列有效邊表。
4.根據(jù)權(quán)利要求1所述的一種實(shí)時(shí)區(qū)域檢測(cè)方法，對(duì)于以運(yùn)動(dòng)目標(biāo)所在區(qū)域的敏感參 數(shù)作為目標(biāo)入侵與否的判斷依據(jù)，實(shí)現(xiàn)區(qū)域檢測(cè)的計(jì)算，可以是判斷運(yùn)動(dòng)目標(biāo)所在區(qū)域空 間位置的敏感參數(shù)，如果其等于警戒區(qū)域的敏感參數(shù)，則表示目標(biāo)入侵。
全文摘要
本發(fā)明屬于視頻圖像處理技術(shù)領(lǐng)域，具體為一種實(shí)時(shí)區(qū)域入侵檢測(cè)方法。該方法在相關(guān)跟蹤算法的基礎(chǔ)上，提出使用區(qū)域分類(lèi)標(biāo)記的思想對(duì)監(jiān)控場(chǎng)景中的空間區(qū)域位置進(jìn)行分類(lèi)標(biāo)記以獲得區(qū)域狀態(tài)的敏感參數(shù)，以運(yùn)動(dòng)目標(biāo)在監(jiān)控場(chǎng)景中的空間位置的敏感參數(shù)為依據(jù)判斷目標(biāo)入侵與否。算法的巧妙之處還在于對(duì)區(qū)域空間位置的分類(lèi)標(biāo)記不是針對(duì)圖像數(shù)據(jù)本身，而是其對(duì)應(yīng)新開(kāi)辟的數(shù)據(jù)塊上。這樣不但抗干擾性大大增加，更重要的是區(qū)域的分類(lèi)標(biāo)記可以只在區(qū)域設(shè)定或者改變時(shí)執(zhí)行，這樣就不需要每幀更新區(qū)域標(biāo)記，極大的提高了算法執(zhí)行的效率。相比同類(lèi)其它算法，該算法避免了運(yùn)動(dòng)目標(biāo)跟警戒區(qū)域之間復(fù)雜的判斷，僅以運(yùn)動(dòng)目標(biāo)在警戒區(qū)域中空間位置的敏感參數(shù)為依據(jù)判斷目標(biāo)入侵與否，思想簡(jiǎn)單，易于實(shí)現(xiàn)，健壯性好。
文檔編號(hào)G06T7/20GK102110295SQ200910245120
公開(kāi)日2011年6月29日 申請(qǐng)日期2009年12月28日 優(yōu)先權(quán)日2009年12月28日
發(fā)明者蘇偉博 申請(qǐng)人:天津市亞安科技電子有限公司