[发明专利]一种基于背景边缘模型的摄像机异常检测方法及系统

说明书

技术领域

本发明涉及视频监控领域，尤其是一种基于背景边缘模型的摄像机异常检测方法及系统。

背景技术

近年来，随着经济社会快速发展以及科技的不断进步，视频监控已经深入人们日常生活的各个领域。视频监控对构建和谐社会有着重要的意义。在安全领域，随着城市人口的快速增长及城市环境的日益复杂，各种犯罪案件、群体性事件、骚乱、恐怖袭击等日益增多。视频监控系统在有效控制各种事件中发挥着重要作用。我国公安部组织了“3111”工程，在全国范围内推动城市报警与监控建设。构建视频监控网络是目前大中型城市进行社会公共安全事件检测与预警的主要手段之一。据有关数据显示，广州市已安装完毕25万个监控摄像头，遍布道路、桥梁、公共场所、公共交通系统和案件多发区域；在北京已将ATM机、大中型商场、加油站、中小学幼儿园的内保监控系统全部与警方监控网联网；上海2010年已在马路上安装了20多万个监控摄像头，全面建立“社会防控体系”；在英国，全国范围内已经安装摄像头420多万个。在经济领域，视频监控可用于工业控制，可以大量节约人力资源，有效保障工业生产的安全进行；也可用于特殊地段的远程监控可以有效防止自然灾害的发生，减少损失。在交通领域,视频监控能及时提供各路段的车辆流量和路况信息，给管理部门提供生动清晰的图像，及时进行正确的决策；同时可以记录违章车辆，处理交通事故、车道拥塞等意外事件，以便实现准确快速的交通指挥调度，保障道路的安全畅通，是保证现代社会公共安全的重要高科技手段与技术。然而随着视频监控的普及，一方面一些可疑人员为了躲避监控，会对摄像头做出各种干扰，如遮挡、转动、移动、黑帧以及过饱和等；另一方面由于各种意外事件使监控摄像设备受到干扰破坏，因此计算机自动准确及时地识别这些干扰,即进行摄像机异常检测(camera tampering detection)具有重要的实际应用意义。

目前，已有的摄像机异常检测技术主要存在以下缺点：

(1)主要在人少的静止场景中分析，无法对在光照条件复杂和有大量人群活动的场景中进行正确检测，对噪声敏感，抗干扰能力弱；

(2)在分析运行时会占用大量内存，并消耗服务器的大量CPU资源；

(3)容易将监控画面中出现一群人的正常情况误报为摄像机异常，不够准确。

发明内容

为了解决上述技术问题，本发明的目的是：提供一种抗干扰能力强、消耗CPU资源少和准确的，基于背景边缘模型的摄像机异常检测方法。

本发明的另一目的是：提供一种抗干扰能力强、消耗CPU资源少和准确的，基于背景边缘模型的摄像机异常检测方法系统

本发明解决其技术问题所采用的技术方案是：

一种基于背景边缘模型的摄像机异常检测方法，包括：

A、获取视频灰度图像；

B、采用PBAS前景检测方法提取出前景图，并结合视频帧的灰度图像，得到每一帧视频序列的背景图；

C、根据得到的背景图采用加权法对背景样本图进行随机更新；

D、对每一帧的灰度图和背景样本图分别进行边缘检测，然后根据边缘检测的结果进行边缘变化率计算，从而得出背景边缘模型；

E、根据背景边缘模型采用自适应的边缘阈值，初步检测摄像机是否可能有异常情况发生，若是，则发出预报警信号并执行步骤F，反之，则表明摄像机处于正常情况下，不进行预报警；

F、提取出视频帧的surf角点特征，并采用角点阈值法判断摄像机是否确实有异常情况发生，若是，则发出报警信号，反之，则表明摄像机处于正常情况下，不进行报警。

进一步，所述步骤B，其具体为：

采用PBAS前景检测方法提取出前景图，然后结合视频帧的灰度图像，得到每一帧视频序列的背景图，所述每一帧视频序列的背景图B_i(x,y)的表达式为：