[发明专利]一种基于规则的全天候智能视频分析监控方法

说明书

技术领域

本发明涉及一种对异常情况自动报警的监控方法，尤其是在全天候条件下通过对摄像机采集到的视频进行基于规则的智能分析从而实现可设置报警对象、可调节报警灵敏度的监控方法。

背景技术

随着现代科技的飞速发展，利用摄像机来监控动态场景早已被广泛应用于现代社会的方方面面，特别是那些对安全要求敏感的场合，如国防、社区、银行、停车场、军事基地、电缆沿线等。动态场景的视觉监控是近年来备受关注的前沿研究方向，它从摄像机捕捉的图像序列中检测、识别、跟踪目标并对其行为进行理解。尽管目前作为人类视觉延伸的监控摄像机在商业应用中已经普遍存在，但并没有充分发挥其实时主动的监督媒介的作用。因此，开发出具有实际意义的自动性、智能性的视觉监控系统日益变得迫切和必要。这就要求不仅能用摄像机代替人眼，而且能用计算机协助人、代替人，以完成监视或控制任务。

目前，传统的视频监控系统将摄像机采集到的视频传输到终端监控室，最终由保安人员对传输来的视频观测来实现监控的目的，这些传统的视觉监控系统都是一种事后监控，对各种破坏安全性的行为起不到制止的作用；另一方面，这些监控系统主要依靠保安人员实时观测摄像机的显示器，所有的意外事件和异常情况都是由保安人员来发现，这样做需要大量的人力和物力。在这种情况下，人的生理因素比如注意力会极大地影响监控的效果。随着人们对安全性要求的增加，以及监控任务的复杂性增加，这些传统的监控系统将不能适应社会发展的需要。

公知的视频监控系统从摄像机捕捉的图像序列中检测、识别、跟踪目标并对其行为进行分析理解从而达到监控的目的，其技术要点包括：运动目标检测和跟踪，目标的分类，人、车辆及其他监控目标的运动分析，行为理解这些方面。具有代表性的产品有Vidient的SmartCatch和Verint的Nextiva。这些监控方法都是在室内或者户外道路环境下测试使用，在照明良好时可以比较有效地检测目标，可以识别人、车，可以在简单情况下跟踪目标，可以对简单的行为进行分析理解。

但是，很多实际应用场景并不理想。首先，绝大多数实际应用要求对目标场景进行全天候监控，并且在夜间无法提供如同白天的照明条件。其次，国防、军事基地、电缆沿线等亟需可靠的智能视频监控的场所大都处于野外。不同于室内和道路环境，野外环境复杂，亮度变化大，干扰源数量多而且干扰模式复杂。一般的视频监控系统在这些情况下无法有效地实现检测、识别、跟踪目标和对其行为进行分析理解，不能对目标场景进行有效的监控。

发明内容

为了克服现有的视频监控系统不能对目标场景进行全天候有效的监控，不能有效应用于野外等复杂场景的不足，本发明目的是在全天候条件下，不仅可以对通常的室内和户外道路场景进行监控，而且能应用于野外场景进行监控，为此，提供一种基于规则的全天候智能视频分析监控方法。

为了实现所述的目的，本发明的基于规则的全天候智能视频分析监控方法，步骤如下：

背景分割步骤S1：对摄像头采集到的图像序列进行背景分割，用于获得正确的前景；

目标检测步骤S2：对获得的前景进行目标检测，用于得到要监控的对象；

目标跟踪步骤S3：对检测到的对象进行跟踪，用于得到对象的轨迹；

轨迹分析步骤S4：对得到的轨迹进行轨迹分析；

目标识别步骤S5：同时对检测得到的对象进行目标识别，用于得到对象的类别；

异常行为检测步骤S6：根据预先制定的报警规则对得到的轨迹分析结果和对象类别进行判断，从而得到是否报警以及以何种方式报警的输出结果。

具体地，其背景分割包括如下步骤：

步骤S11：首先由采集到的图像序列构建背景模型；

步骤S12：由当前输入图像与背景模型进行比对，用于获得前景；

步骤S13：对获得的前景经过形态学滤波和连通量分析，用于得到轮廓分割结果。

具体地，其目标检测包括如下步骤：

步骤S21：由背景分割得到的结果进行阈值化处理，用于获得候选目标；

步骤S22：对获得的候选目标，结合图像中的统计特征和运动分析方法来检测到目标。

具体地，其目标跟踪包括如下步骤：

步骤S31：首先求取检测所得目标的特征；

步骤S32：采用统计的方法对目标的运动进行预测，获得目标的运动预测结果；

步骤S33：对预测结果与新的图像中检测所得目标的特征进行匹配，用于得到图像序列中目标的运动轨迹。

具体地，其轨迹分析包括如下步骤：