[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

摘要

本发明公开了一种基于背景边缘模型的摄像机异常检测方法及系统，采用PBAS前景检测方法提取出前景图，并通过加权随机更新得到背景样本图，能在光照条件复杂和大量人群活动的场景下进行正确检测，对噪声不敏感，抗干扰能力强；通过边缘检测提取边缘特征，并结合自适应的边缘阈值初步判断摄像机的异常情况，可以快速地初步判断摄像机的所有异常情况，消耗CPU和内存资源均较少；采用surf角点特征来排除将监控画面中出现一群人的正常情况误报为摄像机异常的现象，增加了异常检测的准确性。本发明可广泛应用于视频监控领域。

主权项

一种基于背景边缘模型的摄像机异常检测方法，其特征在于：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；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Bi(x,y)的表达式为：Bi(x,y)=Ii(x,y),ifFi(x,y)=00,ifFi(x,y)=1,]]>其中，(x,y)为视频帧的像素点，Fi(x,y)为第i帧的前景检测结果，Bi(x,y)为第i帧提取到的背景值，Ii(x,y)表示第i帧中像素点(x,y)的像素灰度值；所述步骤C，其具体为：根据得到的背景图和设定的更新策略，采用加权法对背景样本图进行随机更新，所述设定的更新策略为：Bsi+1(x,y)=(1-α)Bsi(x,y)+αBi(x,y),ifrand(B)=0Bsi(x,y),else,]]>其中，Bsi(x,y)表示第i帧的背景样本图值，Bsi+1(x,y)表示第i+1帧的背景样本图值，α为设定的更新权重，rand函数为求伪随机数函数，B为给定的随机数；所述步骤D，其包括：D1、对背景样本图中的背景图与当前帧的灰度图像进行Canny边缘检测；D2、将Canny边缘检测的结果由0‑255矩阵转化为0‑1矩阵，从而得到背景边缘特征与当前边缘特征；D3、根据背景边缘特征与当前边缘特征，计算出边缘变化率和平均边缘变化率，从而建立背景边缘模型；所述步骤D3，其包括：D31、根据背景边缘特征与当前边缘特征，计算出边缘变化率特征函数，所述边缘变化率特征函数REd的表达式为：REd=Σi=0M-1Σj=0N-1Eb(i,j)*EC(i,j)2Σi=0M-1Σj=0N-1Eb(i,j)-Σi=0M-1Σj=0N-1Eb(i,j)*EC(i,j),]]>其中，M和N分别表示视频图像的宽和高，Eb(i,j)表示像素点(x,y)的背景边缘特征，Ec(i,j)表示像素点(x,y)的当前边缘特征；D32、在视频序列的第N0+1～2N0帧的训练时间段内，将边缘变化率特征函数REd的值保存至大小为N0的特征序列中，并计算相应灰度图像的平均边缘变化率特征函数所述平均边缘变化率特征函数的计算公式为：R‾Ed=1N0Σi=N0+12N0REdi,]]>其中，为第i帧灰度图像的边缘变化率的值；D33、根据边缘变化率特征函数和平均边缘变化率特征函数，得出背景边缘模型的边缘特征函数，所述背景边缘模型的边缘特征函数Edi的计算公式为：Edi=R‾Ed-REdi.]]>