一種基于視頻的自動柜員機監控場景檢測方法和裝置制造方法
【專利摘要】本發明公開了一種基于視頻的ATM監控場景檢測方法和裝置：建立關于ATM監控場景的背景模型，包括確定背景圖像以及背景圖像中的每個像素點分別對應的預定參數；在建模完成后，當每獲取到一幀監控圖像X時，分別進行以下處理：根據背景模型生成監控圖像X的二值前景圖像；分別獲取監控圖像X和背景圖像的邊緣紋理信息，并根據獲取到的邊緣紋理信息確定監控圖像X與背景圖像的邊緣相似度；根據生成的二值前景圖像以及確定出的邊緣相似度確定監控圖像X中是否有人。應用本發明所述方案，能夠提高檢測結果的準確性。
【專利說明】一種基于視頻的自動柜員機監控場景檢測方法和裝置
【技術領域】
[0001]本發明涉及視頻技術，特別涉及一種基于視頻的自動柜員機(ATM，AutomaticTeller Machine)監控場景檢測方法和裝置。
【背景技術】
[0002]現有技術中，多使用物理傳感器來檢測ATM監控場景中是否有人，如常用的紅外對射。但是，紅外對射易受異物干擾，如一旦有干擾異物出現在對射范圍環境內時，則會出現一直有人的誤報，從而導致檢測結果的準確性降低。

【發明內容】

[0003]有鑒于此，本發明提供了一種基于視頻的ATM監控場景檢測方法和裝置，能夠提高檢測結果的準確性。
[0004]為達到上述目的，本發明的技術方案是這樣實現的:
[0005]一種基于視頻的ATM監控場景檢測方法，包括:
[0006]建立關于所述ATM監控場景的背景模型，包括確定背景圖像以及背景圖像中的每個像素點分別對應的預定參數；
[0007]在建模完成后，當每獲取到一幀監控圖像X時，分別進行以下處理:
[0008]根據背景模型生成監控圖像X的二值前景圖像；
[0009]分別獲取監控圖像X和背景圖像的邊緣紋理信息，并根據獲取到的邊緣紋理信息確定監控圖像X與背景圖像的邊緣相似度；
[0010]根據生成的二值前景圖像以及確定出的邊緣相似度確定監控圖像X中是否有人。
[0011]一種基于視頻的ATM監控場景檢測裝置，包括:
[0012]建模模塊，用于建立關于所述ATM監控場景的背景模型，包括確定背景圖像以及背景圖像中的每個像素點分別對應的預定參數，并將所建立的背景模型發送給檢測模塊；
[0013]所述檢測模塊，用于在建模完成后，當每獲取到一幀監控圖像X時，分別進行以下處理:根據背景模型生成監控圖像X的二值前景圖像；分別獲取監控圖像X和背景圖像的邊緣紋理信息，并根據獲取到的邊緣紋理信息確定監控圖像X與背景圖像的邊緣相似度；根據生成的二值前景圖像以及確定出的邊緣相似度確定監控圖像X中是否有人。
[0014]可見，采用本發明所述方案，結合圖像的亮度前景以及邊緣紋理信息來確定ATM監控場景中是否有人，從而提高了檢測結果的準確性；而且，本發明所述方案可適用于各種不同的ATM監控場景，具有廣泛適用性，便于普及和推廣。
【專利附圖】

【附圖說明】
[0015]圖1為本發明基于視頻的ATM監控場景檢測方法實施例的流程圖。
[0016]圖2為現有Sobel算子的示意圖。【具體實施方式】
[0017]針對現有技術中存在的問題，本發明中提出一種基于視頻的ATM監控場景檢測方案，能夠提高檢測結果的準確性。
[0018]本發明所述方案中的監控圖像是利用ATM監控攝像頭拍攝到的，ATM監控攝像頭需要能夠拍攝到存/取款人的活動區域。
[0019]為了使本發明的技術方案更加清楚、明白，以下參照附圖并舉實施例，對本發明所述方案作進一步地詳細說明。
[0020]圖1為本發明基于視頻的ATM監控場景檢測方法實施例的流程圖。如圖1所示，包括:
[0021]步驟11:建立關于ATM監控場景的背景模型，包括確定背景圖像以及背景圖像中的每個像素點分別對應的預定參數。
[0022]因為ATM監控場景環境相對單一，因此可采用單高斯背景建模，單高斯背景建模適用于單峰分布背景。
[0023]本發明所述方案只針對各像素點的灰度值進行建模，每個像素點分別對應的預定參數包括:均值μ和方差σ等。
[0024]本步驟的具體實現可包括:
[0025]Α、獲取一幀監控圖像，將該監控圖像作為背景圖像；
[0026]針對該背景圖像中的每個像素點，分別將該像素點的灰度值作為該像素點對應的均值，將該像素點的灰度值的方差作為該像素點對應的方差。
[0027]B、確定獲取到的監控圖像數是否等于Μ，Μ為大于I的正整數，如果是，則將最新得到的背景圖像作為最終所需的背景圖像，完成建模，如果否，則獲取一幀新的監控圖像，并執行步驟C。
[0028]C、確定更新后的背景圖像Bnew(X，y):
[0029]Bnew (x,y) = (1-p ) Bold (x, y) + P I (x, y) ； (I)
[0030]其中，P表示更新速率，其取值等于1/N，N表示獲取到的監控圖像數，I(x, y)表示最新獲取到的監控圖像，Bold(x, y)表示更新前的背景圖像；
[0031 ] 針對Bnrat (X，y)中的每個像素點，分別將該像素點的灰度值作為該像素點對應的均值，將(1-ρ) O old+P d作為該像素點對應的方差O廳，即有:
[0032]Onew= (1-P) 0OId+Pd;⑵
[0033]其中，σ-表示BtjldU, y)中與該像素點的坐標位置相同的像素點對應的方差，d表示I(x，y)中與該像素點的坐標位置相同的像素點的灰度值與Bold(X，y)中與該像素點的坐標位置相同的像素點對應的均值之間的差值；
[0034]之后，重復執行步驟B。
[0035]M的具體取值可根據實際需要而定，比如可為100。
[0036]舉例說明:
[0037]假設M的取值為100，為便于表述，將這100幀監控圖像按照獲取時間由先到后的順序分別編號為監控圖像I~監控圖像100 ；
[0038]首先，根據監控圖像I建立初始的背景模型，即將監控圖像I作為背景圖像，并分別確定出該背景圖像中的每個像素點對應的均值和方差；[0039]之后，按照公式(I)、(2)，利用監控圖像2對最新得到的背景模型進行更新，包括確定出更新后的背景圖像以及分別確定出更新后的背景圖像中的每個像素點對應的均值和方差等，其中，P的取值等于1/2;
[0040]再之后，按照公式(I)、(2)，利用監控圖像3對最新得到的背景模型進行更新，包括確定出更新后的背景圖像以及分別確定出更新后的背景圖像中的每個像素點對應的均值和方差等，其中，P的取值等于1/3;
[0041]編號為4~99的監控圖像的處理方式不再贅述；
[0042]最后，按照公式(1)、(2)，利用監控圖像100對最新得到的背景模型進行更新，包括確定出更新后的背景圖像以及分別確定出更新后的背景圖像中的每個像素點對應的均值和方差等，其中，P的取值等于1/100，并將最終得到的背景圖像以及確定出的每個像素點分別對應的均值和方差作為最終所需的背景模型。
[0043]步驟12:在建模完成后，當每獲取到一幀監控圖像X時，分別進行以下處理:根據背景模型生成監控圖像X的二值前景圖像；分別獲取監控圖像X和背景圖像的邊緣紋理信息，并根據獲取到的邊緣紋理信息確定監控圖像X與背景圖像的邊緣相似度；根據生成的二值前景圖像以及確定出的邊緣相似度確定監控圖像X中是否有人。
[0044]為便于表述，本發明所述方案中，用監控圖像X來代表任一需要進行有無人檢測的監控圖像。 [0045]在實際應用中，由于ATM監控場景可能發生變化，因此，可對步驟11中所建立的背景模型進行隨時更新，以確保后續檢測是否有人時的檢測結果的準確性。具體來說，可在當每次根據生成的二值前景圖像以及確定出的邊緣相似度確定出監控圖像X中是否有人之后，即利用監控圖像X對原有背景模型進行更新。
[0046]相應地，針對任一監控圖像X，步驟12的實現可為:根據最新得到的背景模型(即利用在監控圖像X之前最新獲取到的監控圖像更新后的背景模型)生成監控圖像X的二值前景圖像；分別獲取監控圖像X和最新得到的背景圖像的邊緣紋理信息，并根據獲取到的邊緣紋理信息確定監控圖像X與最新得到的背景圖像的邊緣相似度；根據生成的二值前景圖像以及確定出的邊緣相似度確定監控圖像X中是否有人。
[0047]以下對上述相關實現分別進行詳細介紹。
[0048]一 )利用監控圖像X對原有背景模型進行更新
[0049]具體實現可包括:
[0050]確定更新后的背景圖像Bmw(X, y):
[0051]Bnew(x,y) = (1-p )Bold(x, y) + p I (x, y) ；(I)
[0052]其中，I(x，y)表示監控圖像X，即最新獲取到的監控圖像，Btjld(^y)表示更新前的背景圖像。
[0053]針對Bnrat (X，y)中的每個像素點，分別將該像素點的灰度值作為該像素點對應的均值，將(1-P) σ。1(1+P d作為該像素點對應的方差；其中，σ —表示Kx，y)中與該像素點的坐標位置相同的像素點對應的方差，d表示I(x，y)中與該像素點的坐標位置相同的像素點的灰度值與BtjldU, y)中與該像素點的坐標位置相同的像素點對應的均值之間的差值。
[0054]其中，P表示更新速率，其取值可包括如下幾種:
[0055]I)當確定出I(x, y)中無人時，即當確定出監控圖像X中無人時，將P的取值設置為0.01，從而使得背景模型不斷更新，以適應光照等場景的緩慢變化；
[0056]2)當確定出I (X，y)中有人時，將P的取值設置為0，即當ATM監控場景中有人時，停止對被背景模型進行更新；
[0057]3)當確定出從T到T-t這一時間段內ATM監控場景中一直有人，且ATM監控場景一直處于靜止不動狀態時，將P的取值設置為1，T表示獲取到I (X，y)的時刻，t > O ；
[0058]為防止ATM監控場景突然發生變化，如ATM監控場景被改造，造成一直判斷為有人，可在當ATM監控場景中有人，且靜止不動時間超過預定閾值如2分鐘(即t的取值為2分鐘)時，令P = 1，即重置背景，將當前圖像I(x，y)作為背景圖像。
[0059]如何確定從T到T-t這一時間段內ATM監控場景是否一直處于靜止不動狀態可如下所示:
[0060]對于從T到T-t這一時間段內獲取到的任意兩幀圖像I1(Xj)和I2(x，y)，分別進行以下處理:
[0061]計算Dif(x, y) = I1U, y)_I2(x, y) ;(3)
[0062]其中，Dif(x,y)表示幀差圖像，I1 (x, y)先于I2(x，y)獲取到;
[0063]針對Dif(x，y)中的每個像素點，分別確定該像素點的灰度值是否大于預定閾值Tl，如果是，則將該像素點的取值設置為1，否則，設置為0，從而得到Dif (X，y)的幀差二值圖像 Dif_Fg (x, y)； [0064]統計Dif_Fg(x, y)中取值為I的像素點的個數Dif_Num,并確定Dif_Num是否小于預定閾值T2,如果是,則確定I1U, y)和I2 (X, y)之間處于靜止不動狀態；
[0065]如果從T到T-t這一時間段內獲取到的任意兩幀圖像之間均處于靜止不動狀態，則可確定從T到T-t這一時間段內ATM監控場景一直處于靜止不動狀態。
[0066]Tl和T2的具體取值均可根據實際需要而定，比如，Tl的取值可為10，T2的取值可為50。
[0067]二 )根據最新得到的背景模型生成監控圖像X的二值前景圖像
[0068]針對監控圖像X中的每個像素點，可分別進行以下處理:
[0069]計算該像素點的灰度值與最新得到的背景圖像中與該像素點的坐標位置相同的像素點對應的均值之間的差值d ；
[0070]計算<其中，σ表示最新得到的背景圖像中與該像素點的坐標位置相同的像素點對應的方差；
[0071]確定^(σ2)—1的計算結果是否大于預定閾值T0，如果是，則將該像素點的取值設置為1，否則，設置為0，從而生成監控圖像X的二值前景圖像。
[0072]TO的具體取值可根據實際需要而定，比如為9。
[0073]在生成監控圖像X的二值前景圖像之后，還可對生成的二值前景圖像依次進行膨脹和腐蝕操作，以去除噪聲干擾形成的孤立點，進而確保后續檢測是否有人的檢測結果的準確性。
[0074]三)分別獲取監控圖像X和最新得到的背景圖像的邊緣紋理信息，并根據獲取到的邊緣紋理信息確定監控圖像X與最新得到的背景圖像的邊緣相似度
[0075]具體實現可包括:
[0076]I)分別獲取監控圖像X的水平邊緣圖像和豎直邊緣圖像，并分別獲取最新得到的背景圖像的水平邊緣圖像和豎直邊緣圖像。
[0077]在實際應用中，可利用Sobel算子來分別獲取監控圖像X以及最新得到的背景圖像的水平邊緣圖像和豎直邊緣圖像，如何獲取為現有技術。
[0078]圖2為現有Sobel算子的示意圖。如圖2所示，可利用左邊的Sobel算子來獲取監控圖像X以及最新得到的背景圖像的水平邊緣圖像，利用右邊的Sobel算法來獲取監控圖像X以及最新得到的背景圖像的的豎直邊緣圖像。
[0079]2)根據監控圖像X的水平邊緣圖像和豎直邊緣圖像，針對監控圖像X中的每個像素點，分別計算該像素點的梯度幅值Igxy:
[0080]Igxy= I Igxl + I IgyI ；⑷
[0081]其中，Igx表示該像素點的水平梯度值，Igy表示該像素點的豎直梯度值，11表示取絕對值；
[0082]根據最新得到的背景圖像的水平邊緣圖像和豎直邊緣圖像，針對最新得到的背景圖像中的每個像素點，分別計算該像素點的梯度幅值Bgxy:
[0083]Bgxy = |Bgx I+ |Bgy I ; (5)
[0084]其中，Bgx表示該像素點的水平梯度值，Bgy表示該像素點的豎直梯度值。
[0085]3)計算監控圖像X與最新得到的背景圖像的邊緣相似度ESM:
[0086]
【權利要求】
1.一種基于視頻的自動柜員機ATM監控場景檢測方法，其特征在于，包括: 建立關于所述ATM監控場景的背景模型，包括確定背景圖像以及背景圖像中的每個像素點分別對應的預定參數； 在建模完成后，當每獲取到一幀監控圖像X時，分別進行以下處理: 根據背景模型生成監控圖像X的二值前景圖像； 分別獲取監控圖像X和背景圖像的邊緣紋理信息，并根據獲取到的邊緣紋理信息確定監控圖像X與背景圖像的邊緣相似度； 根據生成的二值前景圖像以及確定出的邊緣相似度確定監控圖像X中是否有人。
2.根據權利要求1所述的方法，其特征在于，所述確定背景圖像以及背景圖像中的每個像素點分別對應的預定參數包括: A、獲取一幀監控圖像，將該監控圖像作為背景圖像； 針對該背景圖像中的每個像素點，分別將該像素點的灰度值作為該像素點對應的均值，將該像素點的灰度值的方差作為該像素點對應的方差； B、確定獲取到的監控圖像數是否等于M，M為大于I的正整數，如果是，則將最新得到的背景圖像作為最終所需的背景圖像，完成建模，如果否，則獲取一幀新的監控圖像，并執行步驟C ; C、確定更新后的背景圖像Bnew(x,y):Bnew(x,y) = (1-P )Bold(x,y) + p I (x,y);其中，P表示更新速率，其取值等于1/N，N表示獲取到的監控圖像數，I (X，y)表示最新獲取到的監控圖像，Bold(x, y)表示更新前的背景圖像； 針對Bmw(X, y)中的每個像素點,分別將該像素點的灰度值作為該像素點對應的均值，將(1-p ) σ old+P d作為該像素點對應的方差;其中，σ old表示Bold(x，y)中與該像素點的坐標位置相同的像素點對應的方差，d表示I(x，y)中與該像素點的坐標位置相同的像素點的灰度值與BtjldU, y)中與該像素點的坐標位置相同的像素點對應的均值之間的差值；重復執行步驟B。
3.根據權利要求1所述的方法，其特征在于， 所述確定監控圖像X中是否有人之后，進一步包括:利用監控圖像X對原有背景模型進行更新； 所述根據背景模型生成監控圖像X的二值前景圖像包括:根據最新得到的背景模型生成監控圖像X的二值前景圖像； 所述分別獲取監控圖像X和背景圖像的邊緣紋理信息，并根據獲取到的邊緣紋理信息確定監控圖像X與背景圖像的邊緣相似度包括:分別獲取監控圖像X和最新得到的背景圖像的邊緣紋理信息，并根據獲取到的邊緣紋理信息確定監控圖像X與最新得到的背景圖像的邊緣相似度。
4.根據權利要求3所述的方法，其特征在于，所述利用監控圖像X對原有背景模型進行更新包括: 確定更新后的背景圖像 Bnew(x,y):Bnew(x,y) = (1-P )Bold(x,y) + p I (x,y);其中，I(x，y)表示監控圖像X，Bold(x, y)表示更新前的背景圖像； 針對Bmw(X, y)中的每個像素點,分別將該像素點的灰度值作為該像素點對應的均值，將(1-p ) σ old+P d作為該像素點對應的方差;其中，σ old表示Bold(x，y)中與該像素點的坐標位置相同的像素點對應的方差，d表示I(x，y)中與該像素點的坐標位置相同的像素點的灰度值與BtjldU, y)中與該像素點的坐標位置相同的像素點對應的均值之間的差值； 其中，P表示更新速率； 當確定出I(x，y)中無人時，將P的取值設置為0.01 ； 當確定出I(x，y)中有人時，將P的取值設置為O ; 當確定出從T到T-t這一時間段內所述ATM監控場景中一直有人，且所述ATM監控場景一直處于靜止不動狀態時，將P的取值設置為1，T表示獲取到I (X，y)的時刻，t > O。
5.根據權利要求4所述的方法，其特征在于，所述確定從T到T-t這一時間段內所述ATM監控場景一直處于靜止不動狀態包括: 對于從T到T-t這一時間段內獲取到的任意兩幀圖像I1 (X，y)和I2 (X，y)，分別進行以下處理: 計算 Dif(x,y) = I1(Xj)-12(Xj);其中,Dif (x, y)表示幀差圖像，I1 (x, y)先于 I2 (X，y)獲取到； 針對Dif(x，y)中的每個像素點，分別確定該像素點的灰度值是否大于預定閾值Tl，如果是，則將該像素點的取值設置為1，否則，設置為0，得到Dif(x，y)的幀差二值圖像Dif_Fg(X, y)； 統計Dif_Fg(x, y)中取值為I的像素點的個數Dif_Num,并確定Dif_Num是否小于預定閾值T2,如果是,則確定I1U, y)和I2 (X, y)之間處于靜止不動狀態； 如果從T到T-t這一時間段內獲取到的任意兩幀圖像之間均處于靜止不動狀態，則確定從T到T-t這一時間段內所述ATM監控場景一直處于靜止不動狀態。
6.根據權利要求3、4或5所述的方法，其特征在于，所述根據最新得到的背景模型生成監控圖像X的二值前景圖像包括: 針對監控圖像X中的每個像素點，分別進行以下處理: 計算該像素點的灰度值與最新得到的背景圖像中與該像素點的坐標位置相同的像素點對應的均值之間的差值d ； 計算c^o2)—1;其中，σ表示最新得到的背景圖像中與該像素點的坐標位置相同的像素點對應的方差； 確定<(Vi1的計算結果是否大于預定閾值T0，如果是，則將該像素點的取值設置為1，否則，設置為O。
7.根據權利要求3、4或5所述的方法，其特征在于，所述生成監控圖像X的二值前景圖像之后，進一步包括: 對監控圖像X的二值前景圖像依次進行膨脹和腐蝕操作。
8.根據權利要求6所述的方法，其特征在于，所述分別獲取監控圖像X和最新得到的背景圖像的邊緣紋理信息，并根據獲取到的邊緣紋理信息確定監控圖像X與最新得到的背景圖像的邊緣相似度包括: 分別獲取監控圖像X的水平邊緣圖像和豎直邊緣圖像，并分別獲取最新得到的背景圖像的水平邊緣圖像和 豎直邊緣圖像； 根據監控圖像X的水平邊緣圖像和豎直邊緣圖像，針對監控圖像X中的每個像素點，分另Ij計算該像素點的梯度幅值Igxy =Igxy= IigxMigyI其中，Igx表示該像素點的水平梯度值，Igy表示該像素點的豎直梯度值，11表示取絕對值； 根據最新得到的背景圖像的水平邊緣圖像和豎直邊緣圖像，針對最新得到的背景圖像中的每個像素點，分別計算該像素點的梯度幅值Bgxy =Bgxy = |Bgx| +|Bgy| ;其中，Bgx表示該像素點的水平梯度值，Bgy表示該像素點的豎直梯度值； 計算監控圖像X與最新得到的背景圖像的邊緣相似度
9.根據權利要求8所述的方法，其特征在于，所述根據生成的二值前景圖像以及確定出的邊緣相似度確定監控圖像X中是否有人包括: 統計監控圖像X的二值前景圖像中取值為I的像素點個數Fgmm ； 確定是否滿足以下條件:Flag = (Fgnum/Area > T3) Π (ESIM < Τ4);其中，Area表示監控圖像X水平方向上的像素點個數與豎直方向上的像素點個數的乘積，T3和T4均表示預定閾值； 如果滿足上述條件，則確定監控圖像X中有人，否則無人。
10.一種基于視頻的自動柜員機ATM監控場景檢測裝置，其特征在于，包括: 建模模塊，用于建立關于所述ATM監控場景的背景模型，包括確定背景圖像以及背景圖像中的每個像素點分別對應的預定參數，并將所建立的背景模型發送給檢測模塊； 所述檢測模塊，用于在建模完成后，當每獲取到一幀監控圖像X時，分別進行以下處理:根據背景模型生成監控圖像X的二值前景圖像；分別獲取監控圖像X和背景圖像的邊緣紋理信息，并根據獲取到的邊緣紋理信息確定監控圖像X與背景圖像的邊緣相似度；根據生成的二值前景圖像以及確定出的邊緣相似度確定監控圖像X中是否有人。
11.根據權利要求10所述的裝置，其特征在于，所述建模模塊中包括: 第一處理單元，用于依次獲取M幀監控圖像，M為大于I的正整數，并將獲取到的各幀監控圖像分別發送給第二處理單元； 所述第二處理單元，用于將接收到的第一幀監控圖像作為背景圖像，并針對該背景圖像中的每個像素點，分別將該像素點的灰度值作為該像素點對應的均值，將該像素點的灰度值的方差作為該像素點對應的方差； 之后，當每接收到一幀監控圖像時，分別進行如下處理:
確定更新后的背景圖像 Bnew (X, y):Bnew(x, y) = (1-P) Bold (x, y) + P I (x, y);其中，P表示更新速率，其取值等于1/N, N表示接收到的監控圖像數，I (x, y)表示最新接收到的監控圖像，Bold(x, y)表示更新前的背景圖像； 針對Bmw(X, y)中的每個像素點,分別將該像素點的灰度值作為該像素點對應的均值，將(Ι-p ) σ old+P d作為該像素點對應的方差;其中，σ old表示Bold(x，y)中與該像素點的坐標位置相同的像素點對應的方差，d表示I(x，y)中與該像素點的坐標位置相同的像素點的灰度值與BtjldU, y)中與該像素點的坐標位置相同的像素點對應的均值之間的差值。
12.根據權利要求10所述的裝置，其特征在于，所述檢測模塊中包括: 第三處理單元，用于依次獲取各幀監控圖像，并將獲取到的各幀監控圖像分別發送給第四處理單元；所述第四處理單元，用于當每接收到一幀監控圖像X時，分別進行以下處理:根據背景模型生成監控圖像X的二值前景圖像；分別獲取監控圖像X和背景圖像的邊緣紋理信息，并根據獲取到的邊緣紋理信息確定監控圖像X與背景圖像的邊緣相似度；根據生成的二值前景圖像以及確定出的邊緣相似度確定監控圖像X中是否有人。
13.根據權利要求12所述的裝置，其特征在于，所述檢測模塊中進一步包括: 第五處理單元，用于當所述第四處理單元確定出監控圖像X中是否有人之后，利用監控圖像X對原有背景模型進行更新； 所述第四處理單元所述根據最新得到的背景模型生成監控圖像X的二值前景圖像；分別獲取監控圖像X和最新得到的背景圖像的邊緣紋理信息，并根據獲取到的邊緣紋理信息確定監控圖像X與最新得到的背景圖像的邊緣相似度。
14.根據權利要求13所述的裝置，其特征在于， 所述第五處理單元確定更新后的背景圖像Bnew(X，y):
Bnew (x, y) = (1-P )Bold(x, y) + P I (x, y);其中，I (x, y)表示監控圖像 X，Bold (x, y)表示更新前的背景圖像； 針對Bmw(X, y)中的每個像素點,分別將該像素點的灰度值作為該像素點對應的均值，將(Ι-p ) σ old+P d作為該像素點對應的方差;其中，σ old表示Bold(x，y)中與該像素點的坐標位置相同的像素點對應的方差，d表示I(x，y)中與該像素點的坐標位置相同的像素點的灰度值與BtjldU, y)中與該像素點的坐標位置相同的像素點對應的均值之間的差值； 其中，P表示更新速率； 當確定出I(x，y)中無人時，將P的取值設置為0.01 ； 當確定出I(x，y)中有人時，將P的取值設置為O ; 當確定出從T到T-t這一時間段內所述ATM監控場景中一直有人，且所述ATM監控場景一直處于靜止不動狀態時，將P的取值設置為1，T表示獲取到I (X，y)的時刻，t > O。
15.根據權利要求14所述的裝置，其特征在于， 對于從T到T-t這一時間段內獲取到的任意兩幀圖像I1 (x,y)和I2(x，y)，所述第五處理單元分別進行以下處理: 計算 Dif(x,y) = I1(Xj)-12(Xj);其中,Dif (x, y)表示幀差圖像，I1 (x, y)先于 I2 (X，y)獲取到； 針對Dif(x，y)中的每個像素點，分別確定該像素點的灰度值是否大于預定閾值Tl，如果是，則將該像素點的取值設置為1，否則，設置為0，得到Dif(x，y)的幀差二值圖像Dif_Fg(X, y)； 統計Dif_Fg(x, y)中取值為I的像素點的個數Dif_Num,并確定Dif_Num是否小于預定閾值T2,如果是,則確定I1U, y)和I2 (X, y)之間處于靜止不動狀態； 如果從T到T-t這一時間段內獲取到的任意兩幀圖像之間均處于靜止不動狀態，則確定從T到T-t這一時間段內所述ATM監控場景一直處于靜止不動狀態。
16.根據權利要求13、14或15所述的裝置，其特征在于，所述第四處理單元中包括: 前景檢測子單元，用于根據最新得到的背景模型生成監控圖像X的二值前景圖像，并將生成的二值前景圖像發送給分析子單元； 邊緣相似度確定子單元，用于分別獲取監控圖像X和最新得到的背景圖像的邊緣紋理信息，并根據獲取到的邊緣紋理信息確定監控圖像X與最新得到的背景圖像的邊緣相似度，將確定出的邊緣相似度發送給所述分析子單元； 所述分析子單元，用于根據接收到的二值前景圖像以及邊緣相似度確定監控圖像X中是否有人。
17.根據權利要求16所述的裝置，其特征在于， 所述前景檢測子單元針對監控圖像X中的每個像素點，分別進行以下處理: 計算該像素點的灰度值與最新得到的背景圖像中與該像素點的坐標位置相同的像素點對應的均值之間的差值d ； 計算c^o2)—1;其中，σ表示最新得到的背景圖像中與該像素點的坐標位置相同的像素點對應的方差； 確定StWi1的計算結果是否大于預定閾值T0，如果是，則將該像素點的取值設置為I，否則，設置為O。
18.根據權利要求16所述的裝置，其特征在于， 所述前景檢測子單元進一步用于，在生成監控圖像X的二值前景圖像之后，對該二值前景圖像依次進行膨脹和腐蝕操作，并將經過膨脹和腐蝕操作后的二值前景圖像發送給所述分析子單元。
19.根據權利要求17所述的裝置，其特征在于， 所述邊緣相似度確定子單元分別獲取監控圖像X的水平邊緣圖像和豎直邊緣圖像，并分別獲取最新得到的背景圖像的水平邊緣圖像和豎直邊緣圖像； 根據監控圖像X的水平邊緣圖像和豎直邊緣圖像，針對監控圖像X中的每個像素點，分別計算該像素點的梯度幅值Igxy =Igxy = IgxKlIgyI ;其中，Igx表示該像素點的水平梯度值，Igy表示該像素點的豎直梯度值，11表示取絕對值； 根據最新得到的背景圖像的水平邊緣圖像和豎直邊緣圖像，針對最新得到的背景圖像中的每個像素點，分別計算該像素點的梯度幅值Bgxy =Bgxy = BgxI +1Bgy ;其中，Bgx表示該像素點的水平梯度值，Bgy表示該像素點的豎直梯度值；V (2*/ * B ) 計算監控圖像X與最新得到的背景圖像的邊緣相似度ESM -ESIhd =φ—H +Bm )其中，X的取值范圍為從I到E，y的取值范圍為從I到F，E表示監控圖像X水平方向上的像素點個數，F表示監控圖像X豎直方向上的像素點個數。
20.根據權利要求19所述的裝置，其特征在于， 所述分析子單元統計監控圖像X的二值前景圖像中取值為I的像素點個數Fgmm ； 確定是否滿足以下條件:Flag = (Fgnum/Area > T3) Π (ESIM < Τ4);其中，Area表示監控圖像X水平方向上的像素點個數與豎直方向上的像素點個數的乘積，T3和T4均表示預定閾值； 如果滿足上述條件，則確定監控圖像X中有人，否則無人。
【文檔編號】H04N7/18GK103810691SQ201210444071
【公開日】2014年5月21日 申請日期:2012年11月8日 優先權日:2012年11月8日
【發明者】任燁, 童俊艷, 蔡巍偉, 浦世亮 申請人:杭州海康威視數字技術股份有限公司