[发明专利]目标特征模型数据库建立的方法、装置及系统

说明书

技术领域

本发明涉及数据库建立领域，特别涉及一种目标特征模型数据库建立的方法，装置及系统。

背景技术

在监控区域内，一旦有人物或车辆入侵，以及物体的变化等情况，视频图像的特征都发生变化，此种变化称为异常、或者是具有威胁性。监控人员密切注视监控画面来判别是否具有威胁性。而实验结果表明，当盯着视频画面22分钟之后，人眼将对视频画面里95％的活动信息视而不见。正因为如此，传统的监控系统往往在事故发生的时候，保安人员都无法及时看到，导致事故更进一步的扩大。此时的监控系统就失去了他原有真正的意义，不能够起到一个预警的作用，只能做到当事故发生后，把他当作事故现场的一个证据。

现有的技术不足在于，监控员长期盯着屏幕，监控员会疲劳，注意力不集中，其误差较大，即便有现有的智能网络视觉目标检测分析仪，当发现视频图像发生异常时，马上会发出报警信号，但也经常发生误报扰民事件，原因在于：

1.算法无法正确区分目标类型，在环境相对复杂的场景中无法应用；

2.配置繁锁，伪三维设置，无法根据环境变化自动调整；

3.难以在强光、强风、大雾、黑夜能见度低环境恶劣的情况下进行监控。

发明内容

为了解决以上的问题，本发明提供能正确区分目标类型，误报率低的目标特征模型数据库建立的方法，装置及系统。

本发明的技术方案是这样实现的：

本发明公开了目标特征模型数据库建立的方法，包括：

S1.获取具有目标物件的至少一帧视频；

S2.从所述的视频前景中分离出目标物件；

S3.提取目标物件的行为属性的特征参数，并进行模型化分类；

S4.将模型化分类后的目标物件存入数据库。

作为本发明所述的方法进一步的改进，步骤S1前还具有步骤S0：

建立背景模型，具体是：采用三维立体空间模型、混合高斯背景模型及基于统计的背景模型相结合的方法，将监控现场场景的空间、大小、色度、像素值定义为可供分析、判断的计算机语言，做为智能视觉分析的基础，同时建立了背景进行自动学习模型，在一定时间里对场景再定义，以过滤掉光照、云影、树叶、波浪的变化。

作为本发明所述的方法进一步的改进，所述的行为属性包括：目标人物的走、跑、跳、蹲、卧、屈。

作为本发明所述的方法进一步的改进，所述的模型化分类包括：

A1.建立行为属性的概率模型；

A2.从行为模型中提炼出算法；

A3.将算法植入DSP，成为嵌入式学习软件；

A4.让DSP从视频像素变化中学习行为模式及分类。

作为本发明所述的方法进一步的改进，所述的算法包括：

将目标人物在一帧视频中的像素坐标划分为不同方位的四段，

经过预设时间段，比较四段坐标的变化，获知目标人物的运动方向，行为快慢。

本发明公开了目标特征模型数据库建立的装置，包括：

视频获取单元，用于获取具有目标物件的至少一帧视频；

目标物件分离单元，用于从所述的视频前景中分离出目标物件；

模型化分类单元，用于提取目标物件的行为属性的特征参数，并进行模型化分类；

目标物件存入单元，用于将模型化分类后的目标物件存入数据库。

作为本发明所述的装置进一步改进，在所述的视频获取单元之前还具有背景模型建立单元，用于建立背景模型，具体是：采用三维立体空间模型、混合高斯背景模型及基于统计的背景模型相结合的方法，将监控现场场景的空间、大小、色度、像素值定义为可供分析、判断的计算机语言，做为智能视觉分析的基础，同时建立了背景进行自动学习模型，在一定时间里对场景再定义，以过滤掉光照、云影、树叶、波浪的变化。

作为本发明所述的装置进一步改进，所述的行为属性包括：目标人物的走、跑、跳、蹲、卧、屈，所述的模型化分类包括：

A1.建立行为属性的概率模型；

A2.从行为模型中提炼出算法；

A3.将算法植入DSP，成为嵌入式学习软件；

A4.让DSP从视频像素变化中学习行为模式及分类。

作为本发明所述的装置进一步改进，所述的算法包括：

将目标人物在一帧视频中的像素坐标划分为不同方位的四段，

经过预设时间段，比较四段坐标的变化，获知目标人物的运动方向，行为快慢。