欧美在线观看视频网站,亚洲熟妇色自偷自拍另类,啪啪伊人网,中文字幕第13亚洲另类,中文成人久久久久影院免费观看 ,精品人妻人人做人人爽,亚洲a视频

基于視頻的入侵檢測方法及裝置的制作方法

文檔序號:6427981閱讀:168來源:國知局
專利名稱:基于視頻的入侵檢測方法及裝置的制作方法
技術(shù)領(lǐng)域
本申請涉及入侵檢測領(lǐng)域,特別是涉及一種基于視頻的入侵檢測方法及裝置。
背景技術(shù)
在智能視頻監(jiān)控系統(tǒng)中,入侵檢測被廣泛地用于保護(hù)重要區(qū)域和地點(diǎn),一旦有目標(biāo)非法入侵,視頻監(jiān)控系統(tǒng)會自動檢測到入侵事件并及時向有關(guān)人員報(bào)警。基于視頻的入侵檢測主要是針對固定攝像機(jī)所拍攝的關(guān)鍵固定場景視頻進(jìn)行實(shí)時分析,利用計(jì)算機(jī)視覺算法實(shí)現(xiàn)對進(jìn)入場景中的運(yùn)動目標(biāo)的偵測和定位,并進(jìn)一步觸發(fā)報(bào)警信號。由于固定場景視頻中的背景處于動態(tài)變化過程中,如光照、陰影、擺動的樹葉等干擾因素的影響,使得運(yùn)動檢測成為一項(xiàng)極具挑戰(zhàn)性的工作,現(xiàn)有的視頻檢測方法包含多種,如幀差法、單高斯模型法、混合高斯模型法、光流法和基于圖像塊的背景建模法等。發(fā)明人經(jīng)過研究發(fā)現(xiàn),上述多種視頻檢測方法中,如單高斯模型法,在進(jìn)行視頻檢測時,假設(shè)視頻圖像中像素點(diǎn)的分布是單模分布的,應(yīng)用這種方法,當(dāng)遇到場景的像素點(diǎn)呈多模分布時,檢測性能會很大程度上降低;同樣對于上述其它方法也存在很多不完善的地方,造成視頻檢測過程中的檢測性能降低。

發(fā)明內(nèi)容
為解決上述技術(shù)問題,本申請實(shí)施例提供一種基于視頻的入侵檢測方法及裝置, 能夠準(zhǔn)確的對待檢測視頻流中視頻幀中的前景進(jìn)行分離,并提取團(tuán)塊,通過比較匹配的方式,對待檢測視頻進(jìn)行檢測,提高了檢測性能。技術(shù)方案如下一種基于視頻的入侵檢測方法,包括接收待檢測的視頻流,建立所述視頻流中視頻幀的初始模型;依據(jù)所述初始模型建立所述視頻流中待檢測視頻幀的檢測模型;應(yīng)用所述檢測模型分離出所述待檢測視頻幀中的前景;提取所述前景中的目標(biāo)團(tuán)塊并將所述目標(biāo)團(tuán)塊與所述初始模型對應(yīng)視頻幀中的團(tuán)塊進(jìn)行匹配;當(dāng)所述目標(biāo)團(tuán)塊與所述初始模型對應(yīng)視頻幀中的團(tuán)塊相匹配時,將所述檢測模型作為初始模型,獲取所述視頻流中新的待檢測視頻幀。上述的方法,優(yōu)選的,當(dāng)所述目標(biāo)團(tuán)塊與所述初始模型對應(yīng)視頻幀中的團(tuán)塊不匹配時,對所述目標(biāo)團(tuán)塊進(jìn)行目標(biāo)更新并判斷所述目標(biāo)團(tuán)塊是否滿足告警條件,當(dāng)滿足告警條件時,觸發(fā)告警。上述的方法,優(yōu)選的,在接收所述待檢測視頻流前,還包括對所述待檢測視頻流進(jìn)行預(yù)處理;所述預(yù)處理包括調(diào)整視頻的尺寸及格式。上述的方法,優(yōu)選的,所述建立檢測模型并應(yīng)用所述檢測模型分離前景的過程包括基于混合高斯方法建立所述視頻流中視頻幀的混合高斯模型,將所述混合高斯模型作為第一初始模型并依據(jù)所述第一初始模型建立所述視頻流中待檢測視頻幀的第一檢測模型;基于幀差方法建立所述視頻流中視頻幀的幀差模型,將所述幀差模型作為第二初始模型并依據(jù)所述第二初始模型建立所述視頻流中待檢測視頻幀的第二檢測模型;分別應(yīng)用所述第一檢測模型與所述第二檢測模型對所述待檢測視頻幀中的前景進(jìn)行分離,并將所述分離出的前景中相同的部分作為所述待檢測視頻中的標(biāo)準(zhǔn)前景。上述的方法,優(yōu)選的,在所述第一檢測模型與所述第二檢測模型建立完成后,還包括檢測所述第一檢測模型對應(yīng)視頻幀中的前景是否發(fā)生變化,當(dāng)所述第一檢測模型對應(yīng)視頻幀中的前景未發(fā)生改變時,分別應(yīng)用所述第一檢測模型與所述第二檢測模型對所述待檢測視頻幀中的前景進(jìn)行分離;否則,返回重新建立所述視頻流中視頻幀的初始模型。上述的方法,優(yōu)選的,分離出所述前景后,在提取所述前景中的目標(biāo)團(tuán)塊前還包括對所述前景進(jìn)行紋理分析去除所述前景中的偽前景。上述的方法,優(yōu)選的,所述提取前景中目標(biāo)團(tuán)塊的過程包括對所述經(jīng)過紋理分析的前景進(jìn)行連通分量處理構(gòu)成團(tuán)塊并對所述團(tuán)塊進(jìn)行提取。一種基于視頻的入侵檢測裝置,包括接收單元,用于接收待檢測的視頻流,建立所述視頻流中視頻幀的初始模型;建立單元,用于依據(jù)所述初始模型建立所述視頻流中待檢測視頻幀的檢測模型;分離單元,用于應(yīng)用所述檢測模型分離出所述待檢測視頻幀中的前景;匹配單元,用于提取所述前景中的目標(biāo)團(tuán)塊并將所述目標(biāo)團(tuán)塊與所述初始模型對應(yīng)視頻幀中的團(tuán)塊進(jìn)行匹配;控制單元,用于當(dāng)所述目標(biāo)團(tuán)塊與所述初始模型對應(yīng)視頻幀中的團(tuán)塊相匹配時, 將所述建立單元建立的檢測模型作為初始模型,并獲取所述視頻流中新的待檢測視頻幀。上述的裝置,優(yōu)選的,還包括更新單元,用于當(dāng)所述目標(biāo)團(tuán)塊與所述初始模型對應(yīng)視頻幀中的團(tuán)塊不匹配時, 對所述目標(biāo)團(tuán)塊進(jìn)行目標(biāo)更新;判斷單元,用于當(dāng)所述目標(biāo)團(tuán)塊與所述初始模塊對應(yīng)視頻幀中的團(tuán)塊不匹配時, 判斷所述目標(biāo)團(tuán)塊是否滿足告警條件,當(dāng)滿足告警條件時,觸發(fā)告警。上述的裝置,優(yōu)選的,還包括預(yù)處理單元,用于在所述接收單元接收所述待檢測視頻流前,對所述待檢測視頻流進(jìn)行預(yù)處理;所述預(yù)處理包括調(diào)整視頻的尺寸及格式。上述的裝置,優(yōu)選的,所述接收單元包括第一初始模型建立子單元,用于基于混合高斯方法建立所述視頻流中視頻幀的混合高斯模型,將所述混合高斯模型作為第一初始模型;第二初始模型建立子單元,用于基于幀差方法建立所述視頻流中視頻幀的幀差模型,將所述幀差模型作為第二初始模型;
所述建立單元包括第一檢測模型建立子單元,用于基于所述第一初始模型建立所述視頻流中待檢測視頻幀的第一檢測模型;第二檢測模型建立子單元,用于基于所述第二初始模型建立所述視頻流中待檢測視頻流的第二檢測模型;所述分離單元包括第一分離子單元,用于應(yīng)用所述第一檢測模型對所述待檢測視頻幀中的前景進(jìn)行分離;第二分離子單元,用于應(yīng)用所述第二檢測模型對所述待檢測視頻幀中的前景進(jìn)行分離;比較子單元,用于將所述第一分離子單元分離的前景與所述第二分離子單元分離的前景進(jìn)行比較,獲取相同的部分作為所述待檢測視頻中的標(biāo)準(zhǔn)前景。上述的裝置,優(yōu)選的,還包括檢測單元,用于在所述第一檢測模型與所述第二檢測模型建立完成后,檢測所述第一檢測模型對應(yīng)視頻幀中的前景是否發(fā)生變化,當(dāng)所述第一檢測模型對應(yīng)視頻幀中的前景未發(fā)生改變時,指示所述分離單元對所述待檢測視頻幀中的前景進(jìn)行分離,否則,指示所述接收單元重新建立所述視頻流中視頻幀的初始模型。上述的裝置,優(yōu)選的,還包括紋理分析單元,用于在分離出所述前景后,在提取所述前景中的目標(biāo)團(tuán)塊前,對所述前景進(jìn)行紋理分析去除所述前景中的偽前景。上述的裝置,優(yōu)選的,所述匹配單元包括連通分量處理子單元,用于對所述經(jīng)過紋理分析單元進(jìn)行紋理分析的前景進(jìn)行連通分量處理構(gòu)成團(tuán)塊。由以上本申請實(shí)施例提供的技術(shù)方案可見,本發(fā)明提供的基于視頻的入侵檢測方法及裝置,接收待檢測視頻流,對視頻流中的視頻幀進(jìn)行初始建模,依據(jù)所述初始模型建立視頻流中待檢測視頻幀的檢測模型,應(yīng)用檢測模型分離出所述待檢測視頻幀中的前景,然后對前景中的目標(biāo)團(tuán)塊進(jìn)行提取,與初始模型對應(yīng)視頻幀中的團(tuán)塊進(jìn)行匹配,從而根據(jù)匹配結(jié)果完成對待檢測視頻的檢測。本申請實(shí)施例提供的基于視頻的入侵檢測方法及裝置,對前景的分離過程中,綜合混合高斯模型和幀差模型,對提取的混合高斯前景和幀差前景進(jìn)行相與操作,將其相同的部分作為標(biāo)準(zhǔn)前景,提高了提取的前景的精確度;同時基于相鄰兩視頻幀依次建模的方式,提高了建模的精度;同時在檢測過程中不斷檢測場景的變化及應(yīng)用紋理分析技術(shù)對分離的前景進(jìn)行處理,有效的提高了檢測的精準(zhǔn)度,提高了檢測性能。


為了更清楚地說明本申請實(shí)施例中的技術(shù)方案,下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹,顯而易見地,下面描述中的附圖僅僅是本申請中記載的一些實(shí)施例,對于本領(lǐng)域普通技術(shù)人員來講,在不付出創(chuàng)造性勞動的前提下,還可以根據(jù)這些附圖獲得其他的附圖。
圖1為本申請實(shí)施例提供的一種基于視頻的入侵檢測方法實(shí)施例一的流程圖;圖2為本申請實(shí)施例提供的一種基于視頻的入侵檢測方法實(shí)施例二的流程圖;圖3為本申請實(shí)施例提供的一種基于視頻的入侵檢測方法實(shí)施例二中紋理分析過程一實(shí)例示意圖;圖4為本申請實(shí)施例提供的一種基于視頻的入侵檢測方法實(shí)施例二中紋理分析過程中一實(shí)例示意圖;圖5為本申請實(shí)施例提供的一種基于視頻的入侵檢測方法實(shí)施例二中紋理分析過程中一實(shí)例示意圖;圖6為本申請實(shí)施例提供的一種基于視頻的入侵檢測方法實(shí)施例二中連通分量處理過程中一實(shí)例示意圖;圖7為本申請實(shí)施例提供的一種基于視頻的入侵檢測裝置實(shí)施例一的結(jié)構(gòu)示意圖;圖8為本申請實(shí)施例提供的一種基于視頻的入侵檢測裝置實(shí)施例二的結(jié)構(gòu)示意圖。為了圖示的簡單和清楚,以上附圖示出了結(jié)構(gòu)的普通形式,并且為了避免不必要的模糊本發(fā)明,可以省略已知特征和技術(shù)的描述和細(xì)節(jié)。另外,附圖中的單元不必要按照比例繪制。例如,可以相對于其他單元放大圖中的一些單元的尺寸,從而幫助更好的理解本發(fā)明的實(shí)施例。不同附圖中的相同標(biāo)號表示相同的單元。說明書和權(quán)利要求書及上述附圖中的術(shù)語“第一”、“第二”、“第三” “第四”等(如果存在)是用于區(qū)別類似的單元,而不必用于描述特定的順序或先后次序。應(yīng)該理解這樣使用的數(shù)據(jù)在適當(dāng)情況下可以互換,以便這里描述的本發(fā)明的實(shí)施例例如能夠以除了在這里圖示的或否則描述的那些以外的順序?qū)嵤4送?,術(shù)語“包括”和“具有”以及他們的任何變形,意圖在于覆蓋不排他的包含,以便包含一系列單元的過程、方法、系統(tǒng)、產(chǎn)品或設(shè)備不必限于那些單元,而是可以包括沒有清楚地列出的或?qū)τ谶@些過程、方法、產(chǎn)品或設(shè)備固有的其它單元。
具體實(shí)施例方式為了使本技術(shù)領(lǐng)域的人員更好地理解本申請方案。下面將結(jié)合本申請實(shí)施例中的附圖,對本申請實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述,顯然,所描述的實(shí)施例僅僅是本申請一部分實(shí)施例,而不是全部的實(shí)施例?;诒旧暾堉械膶?shí)施例,本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實(shí)施例,都應(yīng)當(dāng)屬于本申請保護(hù)的范圍。實(shí)施例一本申請實(shí)施例提供的一種基于視頻的入侵檢測方法的流程圖如圖1所示,包括步驟SlOl 接收待檢測的視頻流,建立所述視頻流中視頻幀的初始模型;接收待檢測的視頻流,視頻流中的視頻以一幀一幀的形式被接收,本申請實(shí)施例中提供的入侵檢測方法,首先對視頻流中的前N幀視頻進(jìn)行初始建模,獲得視頻流中視頻幀的初始模型;初始建模的過程如下,從接收視頻流中第一幀視頻開始,依次選擇至預(yù)設(shè)個數(shù)N 的視頻幀,對前N幀視頻進(jìn)行初始建模,所述N可以通過實(shí)際檢測需求進(jìn)行提前預(yù)設(shè),建模過程分別采用基于混合高斯方法和基于幀差方法;基于混合高斯方法建立所述前N幀視頻的混合高斯模型,將所述混合高斯模型作為視頻流中視頻幀的初始模型;基于幀差方法建立所述前N幀視頻的幀差模型,將所述幀差模型作為視頻流中視頻幀的初始模型;建立初始模型的過程中,對于前N幀視頻只進(jìn)行建模操作,不具體進(jìn)行分析操作, 建模的過程中,首先依據(jù)混合高斯方法建立第一幀視頻的混合高斯模型,在所述第一幀的混合高斯模型的基礎(chǔ)上,對第二幀視頻進(jìn)行混合高斯模型建模,依次第三幀視頻在第二幀視頻混合高斯模型的基礎(chǔ)上進(jìn)行混合高斯模型建模,直至第N幀視頻的混合高斯模型作為視頻流中視頻幀的初始模型,初始模型即為精度較高的優(yōu)化模型,其檢測精度準(zhǔn)確;對于應(yīng)用幀差法建立初始模型的過程與應(yīng)用混合高斯方法建立初始模型的過程相類似,此處不在贅述;步驟S102 依據(jù)所述初始模型建立所述視頻流中待檢測視頻幀的檢測模型;本申請實(shí)施例中提供的檢測方法,所述待檢測視頻幀即為第N+1幀視頻,建立所述待檢測視頻的檢測模型,所述檢測模型在所述第N幀視頻混合高斯模型或幀差模型的基礎(chǔ)上進(jìn)行建立,其建立過程與步驟SlOl中建立初始模型的過程一致;步驟S103 應(yīng)用所述檢測模型分離出所述待檢測視頻幀中的前景;對于待檢測視頻幀建立的檢測模型分為兩種,一種是基于在混合高斯初始模型建立的混合高斯檢測模型,一種是基于幀差初始模型建立的幀差檢測模型;分別應(yīng)用混合高斯檢測模型和幀差檢測模型對待檢測視頻中的前景進(jìn)行分離;此時,對應(yīng)用混合高斯檢測模型分離出的前景與應(yīng)用幀差檢測模型分離出的前景進(jìn)行相與操作,獲取其中相同的部分作為待檢測視頻幀中的標(biāo)準(zhǔn)前景;步驟S104:提取所述前景中的目標(biāo)團(tuán)塊并將所述目標(biāo)團(tuán)塊與所述初始模型對應(yīng)視頻幀中的團(tuán)塊進(jìn)行匹配;提取所述標(biāo)準(zhǔn)前景中的目標(biāo)團(tuán)塊,對初始模型所對應(yīng)的視頻幀即第N幀視頻進(jìn)行與所述第N+1幀相同的操作,獲取所述初始模型對應(yīng)視頻幀中的團(tuán)塊,將所述目標(biāo)團(tuán)塊與所述團(tuán)塊進(jìn)行匹配;匹配過程即計(jì)算兩個團(tuán)塊中像素點(diǎn)之間的距離,當(dāng)距離小于某一閾值時,則認(rèn)為相匹配;步驟S105 當(dāng)所述目標(biāo)團(tuán)塊與所述初始模型對應(yīng)視頻幀中的團(tuán)塊相匹配時,將所述檢測模型作為初始模型,獲取所述視頻流中新的待檢測視頻幀;當(dāng)所述目標(biāo)團(tuán)塊與所述初始模型對應(yīng)視頻幀中的團(tuán)塊相匹配時,表明待檢測視頻幀與其前面的視頻幀相匹配,未存在入侵危險(xiǎn),因此將當(dāng)前待檢測視頻幀作為新的初始模型對應(yīng)視頻幀,對其下一視頻幀進(jìn)行入侵檢測。通過以上論述,本申請實(shí)施例提供的基于視頻的入侵檢測方法,分別基于混合高斯方法和幀差方法對對視頻流中視頻幀進(jìn)行初始建模,建模過程中每一視頻幀的模型都是在其前一幀視頻模型的基礎(chǔ)上進(jìn)行建立;待檢測視頻流中的每一幀視頻均經(jīng)過混合高斯建模和幀差建模,然后應(yīng)用分別建立好的混合高斯模型和幀差模型對當(dāng)前待檢測視頻幀的前景進(jìn)行提取,將提取的兩個前景進(jìn)行相與操作,獲得兩個前景中相同的部分,將所述相同部分作為待檢測視頻幀的標(biāo)準(zhǔn)前景,對標(biāo)準(zhǔn)前景中的目標(biāo)團(tuán)塊進(jìn)行提取,將當(dāng)前待檢測視頻幀中的目標(biāo)團(tuán)塊與所述當(dāng)前視頻幀前一幀視頻中的團(tuán)塊進(jìn)行比較,當(dāng)比較結(jié)果滿足相匹配的條件時,獲取當(dāng)前待檢測視頻的下一視頻幀作為當(dāng)前視頻幀,重新進(jìn)行視頻檢測。
實(shí)施例二為了更加清晰的本申請實(shí)施例提供的基于視頻的入侵檢測方法進(jìn)行描述,本申請實(shí)施例提供了一入侵檢測方法的詳細(xì)示意圖如圖2所示,包括步驟S201 接收待檢測視頻流,對待檢測視頻流中的視頻幀進(jìn)行預(yù)處理操作;對待檢測視頻流中的視頻幀進(jìn)行預(yù)處理操作,包括對輸入視頻的尺寸調(diào)整及視頻格式調(diào)整,將視頻數(shù)據(jù)轉(zhuǎn)換為CIF格式;視頻圖像輸入是RGB格式的,將數(shù)據(jù)視頻格式轉(zhuǎn)換為YUV格式;步驟S202 對經(jīng)過預(yù)處理的待檢測視頻基于混合高斯方法進(jìn)行建模;對于圖2中,接收第N幀視頻,對第N幀視頻基于混合高斯方法進(jìn)行建模,第N幀視頻的混合高斯模型在第N-I幀視頻的混合高斯模型的基礎(chǔ)上進(jìn)行;混合高斯模型的建模過程中,把視頻流中每一幀視頻像素點(diǎn)都作為相互獨(dú)立的隨機(jī)變量,并且成混合高斯分布,即認(rèn)為在某像素點(diǎn)位置歷史上出現(xiàn)的值可以用若干個高斯分布的混合形式來模擬;步驟S203 對經(jīng)過預(yù)處理的待檢測視頻基于幀差方法進(jìn)行建模;步驟S203與步驟S202是并行進(jìn)行的兩個步驟,其執(zhí)行過程與步驟S202相類似, 對第N幀視頻基于幀差方法進(jìn)行建模,第N幀視頻的幀差模型在第N-I幀視頻的幀差模型的基礎(chǔ)上進(jìn)行;步驟S204 判斷N是否小于預(yù)設(shè)數(shù)值TO ;如果是,返回重新執(zhí)行步驟S202及步驟 S203進(jìn)行建模過程;如果否,執(zhí)行步驟S205 ;本申請實(shí)施例提供的視頻入侵檢測方法中,對于接收的待檢測視頻流中的前TO 幀視頻(TO為根據(jù)實(shí)際入侵檢測設(shè)置的預(yù)設(shè)數(shù)值)主要用于進(jìn)行初始建模過程,從第TO幀開始對視頻幀中的前景進(jìn)行分析;初始建模過程中前TO幀視頻中每一視頻幀的建模過程都是在其前一視頻幀的建模過程的基礎(chǔ)上進(jìn)行的,當(dāng)建模過程進(jìn)行到第TO幀視頻時,對第TO幀視頻進(jìn)行前景分離, 對于TO之后的下一視頻幀,在TO幀視頻模型的基礎(chǔ)上進(jìn)行建模,此后的視頻幀依次在其前一視頻幀模型基礎(chǔ)上進(jìn)行建模并進(jìn)行前景分離;進(jìn)行前景分離并進(jìn)行入侵檢測分析的視頻幀所對應(yīng)的建模模型相對于其前一幀視頻的建模模型即為當(dāng)前視頻幀的檢測模型;接收的待檢測視頻流中每一幀視頻都進(jìn)行混合高斯模型建模和幀差建模;其中 TO是一個閾值,可以根據(jù)檢測的實(shí)際過程進(jìn)行設(shè)置,一般為100幀,這個判定意味著前100 幀都只是建模,只有第100幀進(jìn)行前景分離并進(jìn)行檢測分析;步驟S205 判斷基于混合高斯模型方法下進(jìn)行建模過程中,接收的視頻流的場景是否發(fā)生變化;如果是,重新獲取視頻流,對視頻流進(jìn)行預(yù)處理后執(zhí)行建模過程;如果否, 執(zhí)行步驟S206 ;場景是否變化是指提取混合高斯模型產(chǎn)生的前景,如果前景占整個畫面超過一定閾值(閾值可設(shè)置,一般為80% ),則認(rèn)為場景發(fā)生變化;步驟S206 分離視頻幀中的前景;分別應(yīng)用建立的混合高斯模型和幀差模型對待檢測視頻幀中的前景進(jìn)行提取,然后將混合高斯模型的前景和幀差法的前景進(jìn)行相與,即只有即是混合高斯模型產(chǎn)生前景,又是幀差法產(chǎn)生的前景,才是最終輸出的前景;步驟S207 對輸出的前景進(jìn)行紋理分析;本申請實(shí)施例中,應(yīng)用LBP (Local Binary I^attern)特征對光線變化的不敏感性來去除光照變化引起的偽前景。從混合高斯模型中得到整個場景的背景圖像,對于每個像素點(diǎn),可以把混合高斯背景模型中權(quán)重最大的高斯分布的均值當(dāng)做背景的值,也可以把背景模型中所有高斯分布的均值的加權(quán)和作為背景值;通過比較每個前經(jīng)典在當(dāng)前輸入圖像計(jì)算得出LBP特征和在對應(yīng)位置上背景圖像的LBP特征來對其屬性做出正確判斷,如果兩個LBP特征相似,說明此前景點(diǎn)是偽的,否則是真的;某點(diǎn)的LBP特征通過比較此點(diǎn)和鄰域點(diǎn)的大小而得出,可采用8鄰域LBP特征計(jì)算,也可以使用更大的鄰域,如本申請實(shí)施例提供的圖3至圖5所示,可比較當(dāng)前點(diǎn)和以此點(diǎn)為圓心,半徑為R的圓上的點(diǎn)的大??;步驟S208 對經(jīng)過紋理分析的前景進(jìn)行連通分量處理;通過連通分量處理,將相鄰的前景點(diǎn)組合起來構(gòu)成團(tuán)塊;具體實(shí)現(xiàn)為,在當(dāng)前前景像素點(diǎn)的8鄰域像素尋找前景點(diǎn),如本申請實(shí)施例提供的圖6所示,如果存在前景點(diǎn),將其歸入同一團(tuán)塊,然后對新檢測到的前景點(diǎn)的8鄰域像素進(jìn)行同樣的檢測,知道所有檢測到的前景點(diǎn)的8鄰域像素?zé)o法再找到新的前景點(diǎn)位置,這樣檢測到的前景點(diǎn)就構(gòu)成一個團(tuán)塊;將小于目標(biāo)大小閾值的團(tuán)塊清除,保存符合要求的團(tuán)塊,最后得出團(tuán)塊列表,完成團(tuán)塊檢測;步驟S209 對目標(biāo)團(tuán)塊進(jìn)行提取;步驟S210 判斷提取得到的目標(biāo)團(tuán)塊是否為新目標(biāo)團(tuán)塊;如果是,執(zhí)行步驟S211 ; 否則,執(zhí)行步驟S212;將當(dāng)前視頻幀中的目標(biāo)團(tuán)塊與所述當(dāng)前視頻幀前一視頻幀中的目標(biāo)團(tuán)塊進(jìn)行匹配,計(jì)算它們之間的距離,如果距離小于某一閾值,則認(rèn)為它們是同一目標(biāo)團(tuán)塊,如果沒有發(fā)現(xiàn)匹配對象,則該目標(biāo)團(tuán)塊為新目標(biāo)團(tuán)塊;步驟S211 創(chuàng)建新目標(biāo),對所述獲取的新的目標(biāo)團(tuán)塊進(jìn)行存儲;步驟S212 對所述新的目標(biāo)團(tuán)塊進(jìn)行更新;目標(biāo)團(tuán)塊的參數(shù)產(chǎn)生變化,如坐標(biāo)、軌跡、生命周期等;步驟S213 判斷所述新目標(biāo)團(tuán)塊是否滿足告警條件,如果滿足,執(zhí)行步驟S214 如所述新目標(biāo)團(tuán)塊是否在防區(qū)內(nèi),其軌跡是否足夠長,生命周期是否足夠長等;步驟S241:觸發(fā)告警;以聲音或文字形式傳送給用戶,進(jìn)行警報(bào)處理。以上是本申請實(shí)施例提供的基于視頻的入侵檢測方法實(shí)施例,針對該方法實(shí)施例本申請還提供了與其相對應(yīng)的一種基于視頻的入侵檢測裝置,其結(jié)構(gòu)示意圖如圖本申請實(shí)施例提供的圖7所示,包括接收單元301,用于接收待檢測的視頻流,建立所述視頻流中視頻幀的初始模型;建立單元302,用于依據(jù)所述接收單元301建立的初始模型建立所述視頻流中待檢測視頻幀的檢測模型;分離單元303,用于應(yīng)用所述建立單元302建立的檢測模型分離出所述待檢測視
10頻幀中的前景;匹配單元304,用于提取所述分離單元303分離的前景中的目標(biāo)團(tuán)塊并將所述目標(biāo)團(tuán)塊與所述初始模型對應(yīng)視頻幀中的團(tuán)塊進(jìn)行匹配;控制單元305,用于當(dāng)所述目標(biāo)團(tuán)塊與所述初始模型對應(yīng)視頻幀中的團(tuán)塊相匹配時,將所述建立單元302建立的檢測模型作為初始模型,并獲取所述視頻流中新的待檢測視頻幀。本申請實(shí)施例還提供了基于視頻的入侵檢測裝置的一詳細(xì)示意圖如8所示在入侵檢測裝置中,還包括更新單元317,用于當(dāng)所述目標(biāo)團(tuán)塊與所述初始模型對應(yīng)視頻幀中的團(tuán)塊不匹配時,對所述目標(biāo)團(tuán)塊進(jìn)行目標(biāo)更新;判斷單元318,用于當(dāng)所述目標(biāo)團(tuán)塊與所述初始模塊對應(yīng)視頻幀中的團(tuán)塊不匹配時,判斷所述目標(biāo)團(tuán)塊是否滿足告警條件,當(dāng)滿足告警條件時,觸發(fā)告警。預(yù)處理單元306,用于在所述接收單元301接收所述待檢測視頻流前,對所述待檢測視頻流進(jìn)行預(yù)處理;所述預(yù)處理包括調(diào)整視頻的尺寸及格式。對于本申請實(shí)施例提供的入侵檢測裝置中,接收單元301包括第一初始模型建立子單元307,用于基于混合高斯方法建立所述視頻流中視頻幀的混合高斯模型,將所述混合高斯模型作為第一初始模型;第二初始模型建立子單元308,用于基于幀差方法建立所述視頻流中視頻幀的幀差模型,將所述幀差模型作為第二初始模型;建立單元302包括第一檢測模型建立子單元309,用于基于所述第一初始模型建立所述視頻流中待檢測視頻幀的第一檢測模型;第二檢測模型建立子單元310,用于基于所述第二初始模型建立所述視頻流中待檢測視頻流的第二檢測模型;分離單元303包括第一分離子單元312,用于應(yīng)用所述第一檢測模型對所述待檢測視頻幀中的前景進(jìn)行分離;第二分離子單元313,用于應(yīng)用所述第二檢測模型對所述待檢測視頻幀中的前景進(jìn)行分離;比較子單元314,用于將所述第一分離子單元312分離的前景與所述第二分離子單元313分離的前景進(jìn)行比較,獲取相同的部分作為所述待檢測視頻中的標(biāo)準(zhǔn)前景。所述入侵檢測裝置中,還包括檢測單元311,用于在所述第一檢測模型與所述第二檢測模型建立完成后,檢測所述第一檢測模型對應(yīng)視頻幀中的前景是否發(fā)生變化,當(dāng)所述第一檢測模型對應(yīng)視頻幀中的前景未發(fā)生改變時,指示所述分離單元303對所述待檢測視頻幀中的前景進(jìn)行分離,否則, 指示所述接收單元重新建立所述視頻流中視頻幀的初始模型。紋理分析單元315,用于在分離出所述前景后,在提取所述前景中的目標(biāo)團(tuán)塊前, 對所述前景進(jìn)行紋理分析去除所述前景中的偽前景。所述入侵檢測裝置中,還包括
匹配單元304包括連通分量處理子單元316,用于對所述經(jīng)過紋理分析單元315進(jìn)行紋理分析的前景進(jìn)行連通分量處理構(gòu)成團(tuán)塊。本說明書中的各個實(shí)施例均采用遞進(jìn)的方式描述,各個實(shí)施例之間相同相似的部分互相參見即可,每個實(shí)施例重點(diǎn)說明的都是與其他實(shí)施例的不同之處。以上所述僅是本申請的具體實(shí)施方式
,應(yīng)當(dāng)指出,對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說,在不脫離本申請?jiān)淼那疤嵯拢€可以做出若干改進(jìn)和潤飾,這些改進(jìn)和潤飾也應(yīng)視為本申請的保護(hù)范圍。
權(quán)利要求
1.一種基于視頻的入侵檢測方法,其特征在于,包括接收待檢測的視頻流,建立所述視頻流中視頻幀的初始模型; 依據(jù)所述初始模型建立所述視頻流中待檢測視頻幀的檢測模型; 應(yīng)用所述檢測模型分離出所述待檢測視頻幀中的前景;提取所述前景中的目標(biāo)團(tuán)塊并將所述目標(biāo)團(tuán)塊與所述初始模型對應(yīng)視頻幀中的團(tuán)塊進(jìn)行匹配;當(dāng)所述目標(biāo)團(tuán)塊與所述初始模型對應(yīng)視頻幀中的團(tuán)塊相匹配時,將所述檢測模型作為初始模型,獲取所述視頻流中新的待檢測視頻幀。
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,當(dāng)所述目標(biāo)團(tuán)塊與所述初始模型對應(yīng)視頻幀中的團(tuán)塊不匹配時,對所述目標(biāo)團(tuán)塊進(jìn)行目標(biāo)更新并判斷所述目標(biāo)團(tuán)塊是否滿足告警條件,當(dāng)滿足告警條件時,觸發(fā)告警。
3.根據(jù)權(quán)利要求1所述的方法,其特征在于,在接收所述待檢測視頻流前,還包括 對所述待檢測視頻流進(jìn)行預(yù)處理;所述預(yù)處理包括調(diào)整視頻的尺寸及格式。
4.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述建立檢測模型并應(yīng)用所述檢測模型分離前景的過程包括基于混合高斯方法建立所述視頻流中視頻幀的混合高斯模型,將所述混合高斯模型作為第一初始模型并依據(jù)所述第一初始模型建立所述視頻流中待檢測視頻幀的第一檢測模型;基于幀差方法建立所述視頻流中視頻幀的幀差模型,將所述幀差模型作為第二初始模型并依據(jù)所述第二初始模型建立所述視頻流中待檢測視頻幀的第二檢測模型;分別應(yīng)用所述第一檢測模型與所述第二檢測模型對所述待檢測視頻幀中的前景進(jìn)行分離,并將所述分離出的前景中相同的部分作為所述待檢測視頻中的標(biāo)準(zhǔn)前景。
5.根據(jù)權(quán)利要求4所述的方法,其特征在于,在所述第一檢測模型與所述第二檢測模型建立完成后,還包括檢測所述第一檢測模型對應(yīng)視頻幀中的前景是否發(fā)生變化,當(dāng)所述第一檢測模型對應(yīng)視頻幀中的前景未發(fā)生改變時,分別應(yīng)用所述第一檢測模型與所述第二檢測模型對所述待檢測視頻幀中的前景進(jìn)行分離;否則,返回重新建立所述視頻流中視頻幀的初始模型。
6.根據(jù)權(quán)利要求1所述的方法,其特征在于,分離出所述前景后,在提取所述前景中的目標(biāo)團(tuán)塊前還包括對所述前景進(jìn)行紋理分析去除所述前景中的偽前景。
7.根據(jù)權(quán)利要求6所述的方法,其特征在于,所述提取前景中目標(biāo)團(tuán)塊的過程包括 對所述經(jīng)過紋理分析的前景進(jìn)行連通分量處理構(gòu)成團(tuán)塊并對所述團(tuán)塊進(jìn)行提取。
8.一種基于視頻的入侵檢測裝置,其特征在于,包括接收單元,用于接收待檢測的視頻流,建立所述視頻流中視頻幀的初始模型; 建立單元,用于依據(jù)所述初始模型建立所述視頻流中待檢測視頻幀的檢測模型; 分離單元,用于應(yīng)用所述檢測模型分離出所述待檢測視頻幀中的前景; 匹配單元,用于提取所述前景中的目標(biāo)團(tuán)塊并將所述目標(biāo)團(tuán)塊與所述初始模型對應(yīng)視頻幀中的團(tuán)塊進(jìn)行匹配;控制單元,用于當(dāng)所述目標(biāo)團(tuán)塊與所述初始模型對應(yīng)視頻幀中的團(tuán)塊相匹配時,將所述建立單元建立的檢測模型作為初始模型,并獲取所述視頻流中新的待檢測視頻幀。
9.根據(jù)權(quán)利要求8所述的裝置,其特征在于,還包括更新單元,用于當(dāng)所述目標(biāo)團(tuán)塊與所述初始模型對應(yīng)視頻幀中的團(tuán)塊不匹配時,對所述目標(biāo)團(tuán)塊進(jìn)行目標(biāo)更新;判斷單元,用于當(dāng)所述目標(biāo)團(tuán)塊與所述初始模塊對應(yīng)視頻幀中的團(tuán)塊不匹配時,判斷所述目標(biāo)團(tuán)塊是否滿足告警條件,當(dāng)滿足告警條件時,觸發(fā)告警。
10.根據(jù)權(quán)利要求7所述的裝置,其特征在于,還包括預(yù)處理單元,用于在所述接收單元接收所述待檢測視頻流前,對所述待檢測視頻流進(jìn)行預(yù)處理;所述預(yù)處理包括調(diào)整視頻的尺寸及格式。
11.根據(jù)權(quán)利要求7所述的裝置,其特征在于,所述接收單元包括第一初始模型建立子單元,用于基于混合高斯方法建立所述視頻流中視頻幀的混合高斯模型,將所述混合高斯模型作為第一初始模型;第二初始模型建立子單元,用于基于幀差方法建立所述視頻流中視頻幀的幀差模型, 將所述幀差模型作為第二初始模型; 所述建立單元包括第一檢測模型建立子單元,用于基于所述第一初始模型建立所述視頻流中待檢測視頻幀的第一檢測模型;第二檢測模型建立子單元,用于基于所述第二初始模型建立所述視頻流中待檢測視頻流的第二檢測模型; 所述分離單元包括第一分離子單元,用于應(yīng)用所述第一檢測模型對所述待檢測視頻幀中的前景進(jìn)行分離 ;第二分離子單元,用于應(yīng)用所述第二檢測模型對所述待檢測視頻幀中的前景進(jìn)行分離 ;比較子單元,用于將所述第一分離子單元分離的前景與所述第二分離子單元分離的前景進(jìn)行比較,獲取相同的部分作為所述待檢測視頻中的標(biāo)準(zhǔn)前景。
12.根據(jù)權(quán)利要求11所述的裝置,其特征在于,還包括檢測單元,用于在所述第一檢測模型與所述第二檢測模型建立完成后,檢測所述第一檢測模型對應(yīng)視頻幀中的前景是否發(fā)生變化,當(dāng)所述第一檢測模型對應(yīng)視頻幀中的前景未發(fā)生改變時,指示所述分離單元對所述待檢測視頻幀中的前景進(jìn)行分離,否則,指示所述接收單元重新建立所述視頻流中視頻幀的初始模型。
13.根據(jù)權(quán)利要求8所述的裝置,其特征在于,還包括紋理分析單元,用于在分離出所述前景后,在提取所述前景中的目標(biāo)團(tuán)塊前,對所述前景進(jìn)行紋理分析去除所述前景中的偽前景。
14.根據(jù)權(quán)利要求13所述的裝置,其特征在于,所述匹配單元包括連通分量處理子單元,用于對所述經(jīng)過紋理分析單元進(jìn)行紋理分析的前景進(jìn)行連通分量處理構(gòu)成團(tuán)塊。
全文摘要
本發(fā)明公開了一種基于視頻的入侵檢測方法,包括接收待檢測的視頻流,建立所述視頻流中視頻幀的初始模型;依據(jù)所述初始模型建立所述視頻流中待檢測視頻幀的檢測模型;應(yīng)用所述檢測模型分離出所述待檢測視頻幀中的前景;提取所述前景中的目標(biāo)團(tuán)塊并將所述目標(biāo)團(tuán)塊與所述初始模型對應(yīng)視頻幀中的團(tuán)塊進(jìn)行匹配;當(dāng)所述目標(biāo)團(tuán)塊與所述初始模型對應(yīng)視頻幀中的團(tuán)塊相匹配時,將所述檢測模型作為初始模型,獲取所述視頻流中新的待檢測視頻幀。通過本發(fā)明實(shí)施例提供的方法,有效的提高了分離前景的精確度,提供了入侵檢測的整體性能。
文檔編號G06K9/00GK102254396SQ20111018816
公開日2011年11月23日 申請日期2011年7月6日 優(yōu)先權(quán)日2011年7月6日
發(fā)明者張濤, 張超, 張鐸, 楊栩, 涂錦輝, 肖坦 申請人:北京國鐵華晨通信信息技術(shù)有限公司
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點(diǎn)贊!
1
磴口县| 阳春市| 罗平县| 铜鼓县| 闽侯县| 北海市| 龙江县| 合山市| 陈巴尔虎旗| 新蔡县| 海淀区| 历史| 鄂伦春自治旗| 伊吾县| 福清市| 忻州市| 安泽县| 邯郸市| 桐城市| 宝丰县| 阿巴嘎旗| 扶沟县| 昆山市| 鹤壁市| 龙门县| 青阳县| 阿鲁科尔沁旗| 沭阳县| 徐闻县| 紫阳县| 岳普湖县| 五台县| 什邡市| 庆城县| 新宾| 邮箱| 吉林市| 苍山县| 百色市| 长子县| 滨海县|