CN101339688B - 一种入侵检测方法及系统 - Google Patents

Abstract

本发明公开了一种入侵检测方法及系统。其中，方法包括：获取监控场景的视频图像；对所述视频图像进行分析，获取监控场景中的运动区域；根据所述运动区域与监控场景中预先标定的禁区范围，检测所述禁区范围内是否存在运动目标；根据检测结果，确定是否存在入侵。本发明所公开的技术方案能够提高入侵检测的有效性。

Description

一种入侵检测方法及系统

技术领域

本发明涉及视频处理技术，尤其涉及一种基于视频的入侵检测方法及系统。

背景技术

入侵检测是智能视频监控领域的一个重要应用方向，常见的应用包括警戒线的跨越检测、边防线的越过检测、军事基地的闯入检测以及危险地区的误入检测等，对于边防安全和军事基地警戒等有着重大意义。

目前的入侵检测，通常是利用传感器(如红外传感器等)检测或人力检测，但由于传感器的感应区域有限，因此只能在小范围内使用；而人力检测由于受人为因素的限制以及容易遭受入侵者袭击，因此存在不可靠性和不安全性。可见，现有技术中尚没有一种比较有效的入侵检测方法。

发明内容

有鉴于此，本发明中一方面提供一种入侵检测方法，另一方面提供一种入侵检测系统，以便提高入侵检测的有效性。

本发明所提供的入侵检测方法，包括：

获取监控场景的视频图像；

对所述视频图像进行分析，获取监控场景中的运动区域；

根据所述运动区域与监控场景中预先标定的禁区范围，检测所述禁区范围内是否存在运动目标；

根据检测结果，确定是否存在入侵；

其中，所述根据监控场景中的运动区域与监控场景中预先标定的禁区范围，检测所述禁区范围内是否存在运动目标包括：

在监控场景中预先标定具有封闭外边沿的禁区范围；

以所述运动区域中的任一点为起点向任意方向作一条射线；

若所述射线与所述禁区范围的封闭外边沿具有奇数个交点，则确定所述禁区范围内存在运动目标；否则，确定所述禁区范围内不存在运动目标。

较佳地，所述根据检测结果，确定是否出现入侵为：在检测到所述禁区范围内存在运动目标时，确定存在入侵。

较佳地，所述在检测到所述禁区范围内存在运动目标之后，确定存在入侵之前，该方法进一步包括：检测所述运动目标是否为人体，如果为人体，则确定存在入侵。

较佳地，所述检测所述运动目标是否为人体包括：

获取N幅人体图像；

分别计算每幅人体图像的梯度方向直方图，得到N个梯度方向直方图；

计算所述N个梯度方向直方图的均值Hista；

计算所述运动目标的梯度方向直方图Hist；

计算所述Hist与所述Hista的差值，若所述差值的绝对值小于预设的阈值，则确定所述运动目标为人体。

较佳地，在检测到所述禁区范围内存在运动目标之后，确定存在入侵之前，该方法进一步包括：对所述运动目标进行跟踪，在确定连续M帧内均出现所述运动目标时，确定存在入侵。

本发明所提供的入侵检测系统，包括：

图像采集单元，用于获取监控场景的视频图像；

运动检测单元，用于对所述视频图像进行分析，获取监控场景中的运动区域；

区域分析单元，用于根据所述运动区域与监控场景中预先标定的禁区范围，检测所述禁区范围内是否存在运动目标；

结果确定单元，用于根据检测结果，确定是否存在入侵；

其中，所述区域分析单元包括：

标定记录子单元，用于记录在监控场景中预先标定的具有封闭外边沿的禁区范围；

射线处理子单元，用于以所述运动区域中的任一点为起点向任意方向作一条射线；

交点检测子单元，用于检测所述射线与所述禁区范围的封闭外边沿的交点个数；

目标判断子单元，用于在所述交点个数为奇数时，确定所述禁区范围内存在运动目标；否则，确定所述禁区范围内不存在运动目标。

较佳地，该系统进一步包括：人体检测单元，用于在所述区域分析单元检测到所述禁区范围内存在运动目标时，检测所述运动目标是否为人体，并将检测结果提供给结果确定单元；

所述结果确定单元在所述运动目标为人体时，确定存在入侵。

较佳地，所述人体检测单元包括：

直方图计算子单元，用于分别计算N幅人体图像的梯度方向直方图，得到N个梯度方向直方图，并计算所述运动目标的梯度方向直方图Hist；

均值计算子单元，用于计算所述N幅人体图像所对应的N个梯度方向直方图的均值Hista；

差值计算子单元，用于计算所述Hist与所述Hista的差值；

人体分析子单元，用于在所述差值的绝对值小于预设的阈值时，确定所述运动目标为人体。

较佳地，该系统进一步包括：帧间分析单元，用于在所述区域分析单元检测到所述禁区范围内存在运动目标时，对所述运动目标进行跟踪，检测是否连续M帧内均出现所述运动目标，并将检测结果提供给结果确定单元；

所述结果确定单元在连续M帧内均出现所述运动目标时，确定存在入侵。

从上述方案可以看出，本发明中通过获取监控场景的视频图像，并对所获取的视频图像进行分析，获取监控场景中的运动区域，然后所述运动区域与监控场景中预先标定的禁区范围的位置关系，确定禁区范围内是否存在运动目标，并根据确定结果，判断是否存在入侵。可见，本发明中的技术方案，无需使用传感器，因此不受传感器的距离约束，扩大了检测范围；另外又代替了人力的检测，提高了检测的可靠性和安全性，因此提高了检测的有效性。

附图说明

图1为本发明实施例中入侵检测方法的示例性流程图。

图2为本发明实施例中入侵检测系统的一个示例性结构图。

图3为图2所示系统中区域分析单元的内部结构示意图。

图4为本发明实施例中入侵检测系统的又一个示例性结构图。

图5为图4所示系统中人体检测单元的内部结构示意图。

图6为本发明实施例中入侵检测系统的又一个示例性结构图。

图7a和图7b为本发明实施例中入侵检测系统的又两个示例性结构图。

具体实施方式

本实施例中提出一种基于视频的入侵检测技术，即通过获取监控场景的视频图像，并对所述视频图像进行分析，获取监控场景中的运动区域，然后根据所述运动区域与监控场景中预先标定的禁区范围的位置关系，检测禁区范围内是否存在运动目标，之后根据检测结果确定是否存在入侵。

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明进一步详细说明。

图1为本发明实施例中入侵检测方法的示例性流程图。如图1所示，该流程包括如下步骤：

步骤101，获取监控场景的视频图像。

本步骤中，可以通过网络摄像头或传统摄像头或专用的高清晰摄像头等图像采集设备来实时拍摄并捕获监控场景的视频图像。

步骤102，对当前所获取的视频图像进行分析，获取监控场景中的运动区域。

本步骤中，获取运动区域的方法有很多，具体可采用现有技术中的多种实现方式，例如，可采用光流法、帧间差分法、背景差分法等运动检测技术检测监控场景中的运动区域。

步骤103，根据所获取的运动区域与监控场景中预先标定的禁区范围的位置关系，检测禁区范围内是否存在运动目标，如果存在，则执行步骤104；否则，返回执行步骤102。

本实施例中，可首先对禁区范围进行初始化，即预先在视频图像的监控场景中标定出禁区范围。

本步骤中的具体实现过程可采用现有技术中的多种方法实现。例如，可首先计算出运动区域的位置信息，如中心点位置、宽度和高度等，然后将运动区域的位置与禁区范围所对应的边界位置进行比较，判断运动区域是否处于禁区范围之内。

此外，本实施例中还提供了一种简单有效的方法。该方法基于几何中判断一个点是否在某个封闭区域的方法来实现，如下所示：

首先，在标定禁区范围时，将禁区范围表示为一个具有封闭外边沿的几何形状。其中，该封闭外边沿可以是任意多边形，也可以是任意曲线形，如圆形、椭圆形、不规则曲线形。

然后，以检测到的运动区域中的任一点(如中心点)为起点向任意方向作一条射线，然后判断该射线与所述禁区范围的封闭外边沿的交点个数，如果交点个数为奇数，则证明该点在禁区范围之内，进而可确定该运动区域在禁区范围内，从而可确定禁区范围内存在运动目标。如果交点个数为偶数，或者为0，则证明该点不再禁区范围之内，进而可确定该运动区域不在禁区范围内，从而可确定禁区范围内不存在运动目标。

由于入侵检测通常情况下是为了防止非法人员进入禁区的，因此本实施例中包括步骤104，检测所述运动目标是否为人体，如果为人体，则执行步骤105；否则，返回执行步骤102。

本步骤中，检测运动目标是否为人体的方法可以有多种，目前最有效的人体检测方法是基于梯度方向直方图和Adaboost的检测方法，但是该方法的运算量较大，影响实时处理的应用，因此本实施例中提出了一种简化的人体监测方法，如下所示：

首先获取N幅人体图像，并分别计算每幅人体图像的梯度方向直方图，得到N个梯度方向直方图{Hist₁，Hist₂，…，Hist_N}，并计算这N个梯度方向直方图的均值

其中，N为大于1的整数。

然后，计算运动目标的梯度方向直方图Hist，并计算Hist与所述Hista的差值

若该差值的绝对值小于预设的阈值T，即

成立，则可确定该运动目标为人体，否则即为非人体。其中，阈值T可以根据实际需要采用各种方法设置。

为了避免由于单帧图像中对运动目标的误检而导致虚警，本实施例中在单帧图像上判断出有运动目标进入禁区范围后，通过多帧跟踪运动目标来校验入侵的发生。即包括步骤105，对所述运动目标进行跟踪，确定是否连续M帧内均出现所述运动目标，如果是，则执行步骤106；否则，返回执行步骤102。

本步骤中，可以使用各种常用的目标跟踪方法对运动目标进行跟踪(具体实现时，可对运动区域进行跟踪)，比如均值偏移方法、粒子滤波等等。在跟踪过程中，如果发现某个运动区域连续M帧入侵禁区，则确认入侵发生。其中，M为大于1的整数。

步骤106，确定存在入侵。此时，可进行报警等警告处理。

上述流程中，步骤104和步骤105没有绝对的先后关系，即上述流程中也可以先执行步骤105，再执行步骤104。即先确定连续M帧出现同一个运动目标后，再判断该运动目标是否为人体。具体应用中，也可以不包括步骤104和步骤105，即在步骤103中检测到禁区范围内存在运动目标后，即可执行步骤106，确定存在入侵。

以上对本发明实施例中的入侵检测方法进行了详细描述，下面再对本发明实施例中的入侵检测系统进行详细描述。

图2为本发明实施例中入侵检测系统的示例性结构图。如图2所示，该系统包括：图像采集单元、运动检测单元、区域分析单元和结果确定单元。

其中，图像采集单元用于获取监控场景的视频图像。

运动检测单元用于对所述视频图像进行分析，获取监控场景中的运动区域。

区域分析单元用于根据所述运动区域与监控场景中预先标定的禁区范围的位置关系，检测禁区范围内是否存在运动目标。

结果确定单元用于根据检测结果，确定是否存在入侵。

具体实现时，区域分析单元的内部结构可有多种实现形式，图3示出其中的一种实现形式，包括：标定记录子单元、射线处理子单元、交点检测子单元和目标判断子单元。

其中，标定记录子单元用于记录在监控场景中预先标定的具有封闭外边沿的禁区范围。

射线处理子单元用于以所述运动区域中的任一点为起点向任意方向作一条射线。

交点检测子单元用于检测所述射线与所述禁区范围的封闭外边沿的交点个数。

目标判断子单元用于在所述交点个数为奇数时，确定所述禁区范围内存在运动目标；否则，确定所述禁区范围内不存在运动目标。

与图1所示方法一致，本实施例中的系统可如图4所示，在图2所示系统的基础上进一步包括：人体检测单元，用于在所述区域分析单元检测到所述禁区范围内存在运动目标时，检测所述运动目标是否为人体，并将检测结果提供给结果确定单元，结果确定单元在所述运动目标为人体时，确定存在入侵；否则，可确定不存在入侵。

具体实现时，人体检测单元的内部结构可如图5所示，包括：直方图计算子单元、均值计算子单元、差值计算子单元和人体分析子单元。

其中，直方图计算子单元用于分别计算N幅人体图像的梯度方向直方图，得到N个梯度方向直方图，并计算所述运动目标的梯度方向直方图Hist。

均值计算子单元用于计算所述N幅人体图像所对应的N个梯度方向直方图的均值Hista。

差值计算子单元用于计算所述Hist与所述Hista的差值。

人体分析子单元用于在所述差值的绝对值小于预设的阈值时，确定所述运动目标为人体。

此外，本实施例中的系统还可如图6所示，在图2所示系统的基础上进一步包括：帧间分析单元，用于在所述区域分析单元检测到所述禁区范围内存在运动目标时，对所述运动目标进行跟踪，检测是否连续M帧内均出现所述运动目标，并将检测结果提供给结果确定单元，结果确定单元在连续M帧内均出现所述运动目标时，确定存在入侵；否则，可确定不存在入侵。

此外，本实施例中的系统还可在图2所示系统的基础上进一步包括：人体检测单元和帧间分析单元。

具体实现时，可如图7a所示，在图4所示系统的基础上，在人体检测单元和结果确定单元之间设置帧间分析单元。此时，系统先执行人体检测单元，人体检测单元在检测到运动目标是人体后，系统继续执行帧间分析单元，帧间分析单元确定是否在连续M帧内均出现同一运动目标，并将结果通知给结果确定单元，结果确定单元在连续M帧内均出现所述运动目标时，确定存在入侵。

或者，也可以如图7b所示，在图6所示帧间分析单元和结果确定单元之间设置人体检测单元。此时，系统先执行帧间分析单元，若确定在连续M帧内均出现同一运动目标时，系统继续执行人体检测单元，人体检测单元检测运动目标是否为人体后，将检测结果通知给结果确定单元，结果确定单元在运动目标为人体时，确定存在入侵。

本发明实施例系统中的各单元的具体操作过程可于本发明实施例中入侵检测方法中的相应具体操作过程一致，此处不再一一赘述。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种入侵检测方法，其特征在于，该方法包括：

获取监控场景的视频图像；

对所述视频图像进行分析，获取监控场景中的运动区域；

根据所述运动区域与监控场景中预先标定的禁区范围，检测所述禁区范围内是否存在运动目标；

根据检测结果，确定是否存在入侵；

其中，所述根据监控场景中的运动区域与监控场景中预先标定的禁区范围，检测所述禁区范围内是否存在运动目标包括：

在监控场景中预先标定具有封闭外边沿的禁区范围；

以所述运动区域中的任一点为起点向任意方向作一条射线；

若所述射线与所述禁区范围的封闭外边沿具有奇数个交点，则确定所述禁区范围内存在运动目标；否则，确定所述禁区范围内不存在运动目标。

2.如权利要求1所述的方法，其特征在于，所述根据检测结果，确定是否出现入侵为：在检测到所述禁区范围内存在运动目标时，确定存在入侵。

3.如权利要求2所述的方法，其特征在于，所述在检测到所述禁区范围内存在运动目标之后，确定存在入侵之前，该方法进一步包括：检测所述运动目标是否为人体，如果为人体，则确定存在入侵。

4.如权利要求3所述的方法，其特征在于，所述检测所述运动目标是否为人体包括：

获取N幅人体图像；

分别计算每幅人体图像的梯度方向直方图，得到N个梯度方向直方图；

计算所述N个梯度方向直方图的均值Hista；

计算所述运动目标的梯度方向直方图Hist；

计算所述Hist与所述Hista的差值，若所述差值的绝对值小于预设的阈值，则确定所述运动目标为人体。

5.如权利要求2所述的方法，其特征在于，在检测到所述禁区范围内存在运动目标之后，确定存在入侵之前，该方法进一步包括：对所述运动目标进行跟踪，在确定连续M帧内均出现所述运动目标时，确定存在入侵。

6.一种入侵检测系统，其特征在于，该系统包括：

图像采集单元，用于获取监控场景的视频图像；

运动检测单元，用于对所述视频图像进行分析，获取监控场景中的运动区域；

区域分析单元，用于根据所述运动区域与监控场景中预先标定的禁区范围，检测所述禁区范围内是否存在运动目标；

结果确定单元，用于根据检测结果，确定是否存在入侵；

其中，所述区域分析单元包括：

标定记录子单元，用于记录在监控场景中预先标定的具有封闭外边沿的禁区范围；

射线处理子单元，用于以所述运动区域中的任一点为起点向任意方向作一条射线；

交点检测子单元，用于检测所述射线与所述禁区范围的封闭外边沿的交点个数；

目标判断子单元，用于在所述交点个数为奇数时，确定所述禁区范围内存在运动目标；否则，确定所述禁区范围内不存在运动目标。

7.如权利要求6所述的系统，其特征在于，该系统进一步包括：人体检测单元，用于在所述区域分析单元检测到所述禁区范围内存在运动目标时，检测所述运动目标是否为人体，并将检测结果提供给结果确定单元；

所述结果确定单元在所述运动目标为人体时，确定存在入侵。

8.如权利要求7所述的系统，其特征在于，所述人体检测单元包括：

直方图计算子单元，用于分别计算N幅人体图像的梯度方向直方图，得到N个梯度方向直方图，并计算所述运动目标的梯度方向直方图Hist；

均值计算子单元，用于计算所述N幅人体图像所对应的N个梯度方向直方图的均值Hista；

差值计算子单元，用于计算所述Hist与所述Hista的差值；

人体分析子单元，用于在所述差值的绝对值小于预设的阈值时，确定所述运动目标为人体。

9.如权利要求6所述的系统，其特征在于，该系统进一步包括：帧间分析单元，用于在所述区域分析单元检测到所述禁区范围内存在运动目标时，对所述运动目标进行跟踪，检测是否连续M帧内均出现所述运动目标，并将检测结果提供给结果确定单元；

所述结果确定单元在连续M帧内均出现所述运动目标时，确定存在入侵。

Images