CN101587620B - 基于视觉监测的静止物体检测的方法 - Google Patents
基于视觉监测的静止物体检测的方法 Download PDFInfo
- Publication number
- CN101587620B CN101587620B CN 200810037797 CN200810037797A CN101587620B CN 101587620 B CN101587620 B CN 101587620B CN 200810037797 CN200810037797 CN 200810037797 CN 200810037797 A CN200810037797 A CN 200810037797A CN 101587620 B CN101587620 B CN 101587620B
- Authority
- CN
- China
- Prior art keywords
- image
- characteristic
- stationary object
- vertical
- monitored
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Processing (AREA)
Abstract
本发明提供了基于视觉监测的静止物体检测的方法，它包括以下步骤：步骤1.采集待监测视场的背景图像数据，存储待监测视场的背景图像数据；步骤2.周期性采集待监测视场当前图像数据作为历史图像数据并存储；步骤3.对步骤2采集的若干时间间隔的历史图像数据进行相同特征图像提取；步骤4.将步骤3提取的相同特征图像与步骤1存储的对应的背景图像数据作相同特征图像消减，若不存在相异特征图像，则跳回步骤2；若存在相异特征图像，则报警。以两个相互垂直监测角度按照以上步骤同时对待监测视场监测，可有效解决传统静止物体存在的漏检问题，还可以防止待监测视场中静止物体的丢失。
Description
技术领域
本发明涉及视觉监测的物体检测领域，尤其涉及视觉监测中静止物体检测方法及系统。
背景技术
目前，大多数公共场所均装有摄像头，用来发现遗留物或者监控贵重物体是否被移动，或者监控敏感区域内是否有物体长时间留滞。为保证国际型会展如上海世博会能顺利召开，因此在公众场合和敏感区域对静止物体进行检测显得尤为重要。
现有技术中静止物体检测的基本方法是：首先获得背景图像，然后根据当前图像和背景图像获得当前图像中的目标前景，再将目标前景与历史前景进行匹配，若匹配则认为该历史前景可见，删除目标前景；若不匹配，则删除历史前景，将所述目标前景作为历史前景。当前静止物体检测方法中图像中目标前景的提取都是在语意层完成，若发现有长时间形状和位置均未发生变化的物体，则认为该物体为静止物体，在语意层加入静止物体位置、形状或纹理等特征进行识别。但是在现有技术中，当历史前景被目标前景遮挡时，则会产生目标前景和历史前景匹配的假象，导致删除目标前景，这样会未将目标前景加入历史前景，则漏检了一个可能成为静止物体的目标。传统的静止物体的检测方法在获得目标前景时会不断加入运动物体图像，因此目标前景难以锁定静止物体，锁定静止物体过程较为复杂。
发明内容
本发明的目的在于提供基于视觉监测的静止物体检测的方法，以解决传统静止物体检测方法存在的静止物体锁定过程较为复杂及易存在漏检的问题。
为达到上述目的，本发明的基于视觉检测的静止物体检测的方法，它包括以下步骤：步骤1：采集待监测视场的背景图像数据，存储待监测视场的背景图像数据；步骤2：周期性采集待监测视场当前图像数据作为历史图像数据并存储；步骤3：对步骤2采集的若干时间间隔的历史图像数据进行相同特征图像提取；步骤4：将步骤3提取的相同特征图像与步骤1存储的对应的背景图像数据作相同特征图像消减，若不存在相异特征图像，则跳回步骤2；若存在相异特征图像，则报警。步骤1中采集待监测视场的背景图像分待监测视场两个相互垂直的背景图像数据：横向背景图像数据和垂直背景图像数据；步骤2采集待监测视场当前图像数据分横向当前图像数据和垂直当前图像数据，并分别作为横向历史图像和垂直历史图像进行存储；步骤3分别对若干横向历史图像进行相同特征图像提取，对若干垂直历史图像进行相同特征图像提取。步骤4是将步骤3提取的横向历史图像相同特征图像与步骤1存储的横向背景图像进行消减；将步骤3提取的垂直历史图像相同特征图像与步骤1存储的垂直背景图像进行消减。步骤4得出的相异特征图像分缺失特征图像和新增特征图像。缺失特征图像分横向缺失特征图像和垂直缺失特征图像。对应横向缺失特征图像和垂直缺失特征图像消除重复缺失特征图像。新增特征图像分横向新增特征图像和垂直新增特征图像。对应所述横向新增特征图像和垂直新增特征图像消除重复新增特征图像。步骤2周期性采集当前图像的数目由预设频率的定时装置控制。
与传统的静止物体检测方法相比，本发明的静止物体检测方法不仅可检查背景中存在的新增静止物体，同时可检测背景图像中缺失的物体有效预防监控的敏感区物体丢失问题出现。本发明通过采用横向和垂直两个相互垂直角度对待监测视场同时监控有效避免传统静止物体检测单角度检测存在的漏检问题。
附图说明
以下结合附图和具体实施例对本发明的基于视觉监测的静止物体检测的方法作进一步详细具体的描述。
图1是本发明基于视觉监测的静止物体检测方法示意图。
具体实施方式
请参阅图1，本发明的基于视觉监测的静止物体检测的方法，它包括以下步骤：步骤1、采集待监测视场的背景图像数据，存储待监测视场的背景图像数据。该步骤主要是采集待监测视场的背景图像数据并存储。为能全面地对待监测视场进行监控，步骤1中采集待监测视场的背景图像分待监测视场两个相互垂直的背景图像数据：横向背景图像数据和垂直背景图像数据。将横向背景图像数据和垂直背景图像数据分别进行存储。步骤2、周期性采集待监测视场当前图像数据作为历史图像数据并存储。其中步骤2周期性采集当前图像的数目由预设频率的定时装置控制。采集当前图像的频率可根据需要进行设定，总共的采集时间可根据静止物体停留时间的限制进行设置。同样为较全面监测待监测视场步骤2采集待监测视场当前图像数据分横向当前图像数据和垂直当前图像数据，并分别作为横向历史图像和垂直历史图像进行存储。步骤3：对步骤2采集的若干时间间隔的历史图像数据进行相同特征图像提取。步骤3分别对若干横向历史图像进行相同特征图像提取，对若干垂直历史图像进行相同特征图像提取。该步骤主要为提取历史图像中相同特征图像。步骤4：将步骤3提取的相同特征图像与步骤1存储的对应的背景图像数据作相同特征图像消减，若不存在相异特征图像，则跳回步骤2；若存在相异特征图像，则报警。步骤4是将步骤3提取的横向历史图像相同特征图像与步骤1存储的横向背景图像进行消减；将步骤3提取的垂直历史图像相同特征图像与步骤1存储的垂直背景图像进行消减。
步骤4得出的相异特征图像分缺失特征图像和新增特征图像。若相异特征图像相对背景图像为缺失特征图像，则视场中存在物体丢失；若相异特征图像相对背景图像为新增特征图像，则背景图像出现长时间停留的静止物体。缺失特征图像分横向缺失特征图像和垂直缺失特征图像。新增特征图像分横向新增特征图像和垂直新增特征图像。为防止两个视角捕捉的相异图像重复，对应横向缺失特征图像和垂直缺失特征图像消除重复缺失特征图像，对应横向新增特征图像和垂直新增特征图像消除重复新增特征图像。从两个角度进行监控可有效防止从单角度监控时出现静止物体被另外静止物体挡住出现漏检的问题，导致检测结果不准确的问题。
本发明的基于视觉监测的静止物体检测的方法静止物体检测方法不仅可检查背景中存在的新增静止物体，同时可检测背景图像中缺失的物体有效预防监控的敏感区物体丢失问题出现。本发明通过采用两个垂直角度一个侧视角度和一个俯视角度对待监测视场同时监控有效避免传统静止物体检测单角度检测存在的漏检问题。
Claims (8)
1.基于视觉监测的静止物体检测的方法，采用摄像头监测待监测视场，其特征在于，它包括以下步骤：
步骤1：采集待监测视场的背景图像数据，存储待监测视场的背景图像数据，所述步骤1中采集待监测视场的背景图像分待监测视场两个相互垂直的背景图像数据：横向背景图像数据和垂直背景图像数据；
步骤2：周期性采集待监测视场当前图像数据作为历史图像数据并存储，所述步骤2采集待监测视场当前图像数据分横向当前图像数据和垂直当前图像数据，并分别作为横向历史图像和垂直历史图像进行存储；
步骤3：对步骤2采集的若干时间间隔的历史图像数据进行相同特征图像提取，所述步骤3分别对若干横向历史图像进行相同特征图像提取，对若干垂直历史图像进行相同特征图像提取；
步骤4：将步骤3提取的相同特征图像与步骤1存储的对应的背景图像数据作相同特征图像消减，若不存在相异特征图像，则跳回步骤2；若存在相异特征图像，则报警。
2.如权利要求1所述基于视觉监测的静止物体检测的方法，其特征在于，所述步骤4是将所述步骤3提取的横向历史图像相同特征图像与步骤1存储的横向背景图像进行消减；将步骤3提取的垂直历史图像相同特征图像与步骤1存储的垂直背景图像进行消减。
3.如权利要求2所述基于视觉监测的静止物体检测的方法，其特征在于，所述步骤4得出的相异特征图像分缺失特征图像和新增特征图像。
4.如权利要求3所述基于视觉监测的静止物体检测的方法，其特征在于，所述缺失特征图像分横向缺失特征图像和垂直缺失特征图像。
5.如权利要求4所述基于视觉监测的静止物体检测的方法，其特征在于，对应所述横向缺失特征图像和垂直缺失特征图像消除重复缺失特征图像。
6.如权利要求3所述基于视觉监测的静止物体检测的方法，其特征在于，所述新增特征图像分横向新增特征图像和垂直新增特征图像。
7.如权利要求6所述基于视觉监测的静止物体检测的方法，其特征在于，对应所述横向新增特征图像和垂直新增特征图像消除重复新增特征图像。
8.如权利要求1所述基于视觉监测的静止物体检测的方法，其特征在于，所述步骤2周期性采集当前图像的数目由预设频率的定时装置控制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 200810037797 CN101587620B (zh) | 2008-05-21 | 2008-05-21 | 基于视觉监测的静止物体检测的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 200810037797 CN101587620B (zh) | 2008-05-21 | 2008-05-21 | 基于视觉监测的静止物体检测的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101587620A CN101587620A (zh) | 2009-11-25 |
| CN101587620B true CN101587620B (zh) | 2013-01-02 |
Family
ID=41371855
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 200810037797 Active CN101587620B (zh) | 2008-05-21 | 2008-05-21 | 基于视觉监测的静止物体检测的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101587620B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101751669B (zh) * | 2009-12-17 | 2014-03-26 | 北京中星微电子有限公司 | 一种静止物体检测方法和装置 |
| CN105302199A (zh) * | 2014-06-25 | 2016-02-03 | 华北水利水电大学 | 一种城市环艺全自动监控系统 |
| CN106249895B (zh) * | 2016-08-09 | 2019-03-05 | 清华大学 | 一种机器人识别环境变化时的人机交互方法以及系统 |
| CN109064715A (zh) * | 2018-08-08 | 2018-12-21 | 国网山东省电力公司惠民县供电公司 | 一种用于变压器的监控系统及监控方法 |
| EP3934240A4 (en) * | 2019-03-01 | 2022-10-12 | Hitachi, Ltd. | Unattended object detection device and unattended object detection method |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1474998A (zh) * | 2001-03-28 | 2004-02-11 | �ʼҷ����ֵ�������˾ | 区分监视录像中的存放与移走的方法和装置 |
| CN1529506A (zh) * | 2003-09-29 | 2004-09-15 | �Ϻ���ͨ��ѧ | 基于运动检测的视频对象分割方法 |
| CN1801930A (zh) * | 2005-12-06 | 2006-07-12 | 南望信息产业集团有限公司 | 基于视频内容分析的可疑静止物检测方法 |
| CN101026685A (zh) * | 2007-03-23 | 2007-08-29 | 北京中星微电子有限公司 | 一种静止物体检测的方法及系统 |
-
2008
- 2008-05-21 CN CN 200810037797 patent/CN101587620B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1474998A (zh) * | 2001-03-28 | 2004-02-11 | �ʼҷ����ֵ�������˾ | 区分监视录像中的存放与移走的方法和装置 |
| CN1529506A (zh) * | 2003-09-29 | 2004-09-15 | �Ϻ���ͨ��ѧ | 基于运动检测的视频对象分割方法 |
| CN1801930A (zh) * | 2005-12-06 | 2006-07-12 | 南望信息产业集团有限公司 | 基于视频内容分析的可疑静止物检测方法 |
| CN101026685A (zh) * | 2007-03-23 | 2007-08-29 | 北京中星微电子有限公司 | 一种静止物体检测的方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 王伟嘉 等.滞留与偷窃物体实时检测与分类算法.《计算机应用》.2007,第27卷(第10期),2591-2594. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101587620A (zh) | 2009-11-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101587620B (zh) | 基于视觉监测的静止物体检测的方法 | |
| Ferryman et al. | Pets2009: Dataset and challenge | |
| CN107767673B (zh) | 一种基于多摄像机的路侧停车管理方法、装置及系统 | |
| Chen et al. | The Earthworm based earthquake alarm reporting system in Taiwan | |
| CN103761748B (zh) | 异常行为检测方法和装置 | |
| US20120120238A1 (en) | Two layer video motion detection | |
| CN104821056A (zh) | 基于雷达与视频融合的智能警戒方法 | |
| CN106303397A (zh) | 图像采集方法及系统、视频监控方法及系统 | |
| CN104660976B (zh) | 缓慢变化检测系统 | |
| WO2014169066A4 (en) | Fire detection system | |
| CN103678299A (zh) | 一种监控视频摘要的方法及装置 | |
| CN105738873B (zh) | 天气雷达回波图像的处理方法及处理装置 | |
| US20130162813A1 (en) | Sensor event assessor training and integration | |
| CN108921076A (zh) | 基于图像的道面裂缝病害自适应恒虚警检测方法 | |
| CN103049919B (zh) | 一种嵌入式目标检测算法 | |
| CN108153979A (zh) | 基于InSAR的形变信息提取方法、终端及存储介质 | |
| CN104166836A (zh) | 一种基于多特征建模的分块多尺度工程车识别方法及系统 | |
| CN108073858A (zh) | 基于深度摄像机的人群聚集监控识别系统 | |
| CN106897694A (zh) | 用于国土资源监控的违建场景识别方法 | |
| CN106353805B (zh) | 一种直观的微地震事件分类方法 | |
| Millikan et al. | Automated individual tree detection in Amazon tropical forest from airborne laser scanning data | |
| CN109635717A (zh) | 一种基于深度学习的矿用行人检测方法 | |
| CN102446034B (zh) | 光学触控系统及其物件侦测方法 | |
| CN108226890A (zh) | 基于时间向统计的机场异物雷达检测方法 | |
| CN103425958A (zh) | 一种视频中不动物检测的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |