基于嵌入式系統的遺留物和遺失物實時檢測方法
【專利摘要】本發明公開了一種基于嵌入式系統的遺留物和遺失物檢測方法，該方法包括以下步驟：獲取視頻數據；基于長短周期混合高斯模型學習視頻數據待檢測圖像中的背景，提取可疑靜止目標物區域，并得到目標前景二值圖；根據目標前景二值圖對于可疑靜止目標物區域的存留時間進行累積計時，在預設報警時間內，若存留時間超過一預定閾值，則觸發報警，并把可疑靜止目標物的大小尺寸和具體位置信息在原圖像中標示出來；通過分析可疑靜止目標物區域的邊緣抖動情況確定該區域是否包含檢測目標，最終得到目標矩形區域；對包含有檢測目標的目標矩形區域進行遺留物和遺失物的區分，并進行報警。本發明運算開銷較小，可在嵌入式SOC前端實現，能夠滿足實時性檢測的要求。
【專利說明】基于嵌入式系統的遺留物和遺失物實時檢測方法
【技術領域】
[0001]本發明涉及圖像處理和視頻智能分析在安防領域以及智能交通方面的應用，具體涉及一種基于嵌入式系統的遺留物和遺失物實時檢測方法。
【背景技術】
[0002]隨著社會經濟的發展，人們對安全防范的需求也越來越大。例如，機場、銀行、地鐵、候車廳等人多密集的重要場所，容易被恐怖分子等利用，通常具有很大的安全隱患，因此需要進行實時監測。而傳統的監控系統基本只能用于事后證據呈現，卻不能夠實時檢測異常事件的發生。遺留物和遺失物的實時檢測用于輔助監控人員監察場景中是否有可疑物體遺留，以及場景中的重要物體是否被挪動或移走，具有主動監測、預警的功能。
[0003]目前相關的遺留物檢測技術方案中，主要是通過前端攝像機設備獲取實時畫面，通過網絡傳輸到服務器平臺后端實現分析，分析結束后再輸出實時畫面。基于后臺智能分析服務器和監控平臺的視頻智能監視系統復雜，成本高昂，而且隨著720PU080P高清網絡攝像機的普及，網絡傳輸延時的滯后問題需要正視。隨著嵌入式系統軟硬件功能和性能的不斷提高，基于嵌入式系統的前端智能分析逐漸顯露出優勢，集成的智能分析算法可以滿足實時性檢測的要求，并且大大緩解后端的處理壓力，使得應用場合更加廣泛。
[0004]目前已有的檢測技術只是將場景變化的區域判斷為可疑遺留目標，沒有嚴格區分遺留物和遺失物的智能分析環節，遺留物是指被人遺留下的、無人照看的靜態物體；遺失物是指場景中被挪動或移走的靜態物體。目前的檢測方法中，主要存在兩方面的問題:一是算法主要面向服務器端，占用的內存和CPU運行量較大，無法移植到嵌入式平臺上進行實時檢測，嵌入式平臺對智能分析的方法要求更高；二是目前的檢測方法性能依然不足，大多只適應于室內不變場景的檢測，無法實現全天候檢測，對于室外復雜的場景變化穩定性較差，特別是光照變化和暫留行人車輛的出現容易造成誤測和虛報警情況的發生，這些問題還需要進一步的解決。

【發明內容】

[0005]為解決上述的技術問題，針對目前基于前端嵌入式系統的遺留物和遺失物實時檢測【技術領域】上的空白，本發明提出一種實時有效的檢測方法。本發明可以集成在智能高清網絡攝像機前端，有較高的實時性、準確性，以及魯棒性，本發明適用于各種遺留物和遺失物自動檢測的場所，并能達到理想的檢測效果。
[0006]本發明提出的一種遺留物和遺失物檢測方法包括以下步驟:
[0007]步驟1、獲取視頻數據；
[0008]步驟2、基于長短周期混合高斯模型學習視頻數據每一待檢測圖像中的背景，提取其目標前景，即可疑靜止目標物區域，并得到目標前景二值圖；
[0009]步驟3、根據所述目標前景二值圖對于所述可疑靜止目標物區域的存留時間進行累積計時，在預設報警時間內，若存留時間T (x, y)超過一預定閾值Thmax,則觸發報警，并把可疑靜止目標物的大小尺寸和具體位置信息在原圖像中標示出來，并輸出顯示；
[0010]步驟4、通過分析所述可疑靜止目標物區域的邊緣抖動情況確定該區域是否包含檢測目標，最終得到目標矩形區域；
[0011]步驟5、對包含有檢測目標的目標矩形區域進行遺留物和遺失物的區分，并進行報警。本發明基于前端嵌入式系統的遺留物和遺失物檢測方法具有以下幾點有益效果:
[0012](I)視頻捕獲、實時檢測和觸發報警等所有功能都是在嵌入式設備前端實現，大幅降低后臺PC服務器的負荷，方便大型監控系統的集成和擴展。
[0013](2)對前景區域進行分析和歸類，過濾掉不符合靜止目標特征的前景區域(主要是暫留行人)，減低誤檢率，并實現遺留物和遺失物的區分。
[0014](3)本發明考慮到了場景光線突變的情況并作了相應處理，從而提高了檢測的穩定性。
【專利附圖】

【附圖說明】
[0015]圖1是本發明基于嵌入式系統的遺留物和遺失物檢測方法的流程圖；
[0016]圖2為遺失物的檢測效果圖；
[0017]圖3為遺留物的檢測效果圖。
【具體實施方式】
[0018]為使本發明的目的、技術方案和優點更加清楚明白，以下結合具體實施例，并參照附圖，對本發明進一步詳細說明。
[0019]圖1是本發明基于嵌入式系統的遺留物和遺失物檢測方法的流程圖，如圖1所示，所述方法包括以下步驟:
[0020]步驟1、獲取視頻數據；
[0021]該步驟利用高性能嵌入式系統Soc硬件架構支持的DMA技術直接讀寫內存，從視頻數據內存池里直接訪問數據，取出經ISP優化后的每一幀圖像數據來進行實時處理，從而減輕了處理器運算負載，大大提高了 CPU的效率。
[0022]步驟2、基于長短周期混合高斯模型學習視頻數據每一待檢測圖像中的背景，提取其目標前景，即可疑靜止目標物區域，并得到目標前景二值圖；
[0023]在本發明一實施例中，該步驟采用基于YUV顏色空間的混合高斯前景檢測方法來提取目標如景。
[0024]YUV顏色空間是視頻中最常采用的圖像色彩描述方法，比RGB顏色空間更能有效去除陰影的影響和提高背景與前景的區分度，而且前端設備無需進行顏色空間的轉換，從而大大減少計算量和轉換時間，更加節約系統資源。
[0025]YUV顏色空間由亮度分量Y和兩個色度分量U和V組成。亮度分量Y代表顏色的亮暗程度，用于短周期混合高斯建模，檢測得到運動的目標物體和背景存在微小擾動變化的前景的二值圖。U和V是獨立的色差信號，用于描述圖像的色彩及飽和度屬性，一幅圖像的U分量和V分量用來進行長周期的混合高斯建模，檢測可疑的靜止物體，因為Y亮度分量不計算在內，因此可以減少光照和陰影等因素對檢測結果的影響。在長周期混合高斯建模和前景檢測中，為了減少前端算法的運行時間，本發明采用UV色度分量交替檢測和結合前后兩幀的檢測結果來判定前景像素點的方法。
[0026]所述步驟2進一步包括以下步驟:
[0027]步驟21、利用混合高斯(GMM)模型進行背景建模，建立兩個不同更新學習率的混合高斯背景模型，分別是長周期背景模型和短周期背景模型Ms ；
[0028]步驟22、利用混合高斯背景模型分別提取當前幀的前景圖，得到長短周期兩個背景模型的前景二值圖^和Fs，具體如下；
[0029]用圖像幀的UV兩個色度分量來更新長周期高斯背景模型％，同時獲取前景圖像，然后通過設定合適閾值進行二值化，將二值化結果存放在與當前幀相同大小的矩陣^中，即:
[0030]
【權利要求】
1.一種遺留物和遺失物檢測方法，其特征在于，該方法包括以下步驟: 步驟1、獲取視頻數據； 步驟2、基于長短周期混合高斯模型學習視頻數據每一待檢測圖像中的背景，提取其目標前景，即可疑靜止目標物區域，并得到目標前景二值圖； 步驟3、根據所述目標前景二值圖對于所述可疑靜止目標物區域的存留時間進行累積計時，在預設報警時間內，若存留時間T (x, y)超過一預定閾值Thmax,則觸發報警，并把可疑靜止目標物的大小尺寸和具體位置信息在原圖像中標示出來，并輸出顯示； 步驟4、通過分析所述可疑靜止目標物區域的邊緣抖動情況確定該區域是否包含檢測目標，最終得到目標矩形區域； 步驟5、對包含有檢測目標的目標矩形區域進行遺留物和遺失物的區分，并進行報警。
2.根據權利要求1所述的方法，其特征在于，所述步驟2進一步包括以下步驟: 步驟21、利用混合高斯模型進行背景建模，建立兩個不同更新學習率的混合高斯背景模型:長周期背景模型Ml和短周期背景模型Ms ； 步驟22、利用混合高斯背景模型分別提取當前幀的前景圖，得到長短周期兩個背景模型的前景二值圖^和Fs，根據前景二值圖^和Fs ，檢測得到可疑靜止目標物； 步驟23、對于得到的目標前景二值圖進行中值濾波及形態學處理； 步驟24、對當前的目標物前景二值圖尋找連通域并進行標識。
3.根據權利要求2所述的方法，其特征在于，前景二值圖^的獲取具體為:用圖像幀的UV兩個色度分量來更新長周期高斯背景模型ml，同時獲取前景圖像，然后通過設定合適閾值進行二值化，將二值化結果存放在與當前幀相同大小的矩陣^中，即得到前景二值圖Fl:

4.根據權利要求2所述的方法，其特征在于，前景二值圖Fs的獲取具體為:針對短周期混合高斯背景的運動物體檢測，輸入圖像幀的亮度信息Y來更新短周期高斯背景模型Ms，利用亮度信息檢測得到前景二值圖Fs:

5.根據權利要求2所述的方法，其特征在于，所述步驟22中，根據前景二值圖Fl和Fs，檢測得到可疑靜止目標物表示為:

6.根據權利要求1所述的方法，其特征在于，利用下式對于存留時間進行累計計時:
7.根據權利要求1所述的方法，其特征在于，所述步驟4進一步包括以下步驟: 步驟41、對于所述目標前景二值圖，尋找并標記其中存在的連通域，并保存連通域的外部輪廓邊緣信息； 步驟42、統計一定時間段內某一連通域外部輪廓邊緣像素的變化情況，把連通域邊緣輪廓的信息保存在二維矩陣M(i，j)中，并在連續N幅目標前景二值圖內進行連通域邊緣輪廓信息的累積統計，得到累計時長
8.根據權利要求7所述的方法，其特征在于，所述二維矩陣M(i，j)中，輪廓邊緣像素值設為I，其余則設為O。
9.根據權利要求1所述的方法，其特征在于，所述步驟5進一步包括以下步驟: 步驟51、對目標矩形區域中的所有像素逐點進行掃描； 步驟52、把所述目標矩形區域彩色圖像中對應的前景二值圖中值為I的像素點進行固定差值范圍的顏色填充； 步驟53、重復步驟51和步驟52直至所有像素點掃描完畢； 步驟54、計算目標矩形區域中新填充的連通域面積與原來目標矩形區域中連通域的面積，若新填充連通域面積超出預定范圍，則認為當前填充的連通域屬于遺失物的背景，則該連通域判定為遺失物，反之，就認為是遺留物。
10.根據權利要求1所述的方法，其特征在于，所述方法還包括通過背景圖像的比較檢測場景中遺留物出現滯留又被取走的情況，和/或通過前景目標的比較檢測靜止物體被取走隨后又放回的情況是否發生，如發生，則取消報警。
【文檔編號】G06K9/00GK103714325SQ201310745099
【公開日】2014年4月9日 申請日期:2013年12月30日 優先權日:2013年12月30日
【發明者】胡斌, 王飛躍, 熊剛, 李逸岳, 陳鵬, 蔣劍, 田秋常 申請人:中國科學院自動化研究所, 東莞中國科學院云計算產業技術創新與育成中心