本發(fā)明涉及一種智慧金睛識別人員逗留徘徊報警方法和裝置。

背景技術(shù)：

目前在金融（銀行等）安防領(lǐng)域中，一般通過攝像頭檢測當前區(qū)域內(nèi)的事件，如檢測監(jiān)控區(qū)域中活動的人或物；但是現(xiàn)有的檢測技術(shù)只能拍攝圖像的內(nèi)容，不能對圖像的內(nèi)容做進一步的分析。當有人在監(jiān)控區(qū)域中內(nèi)逗留的時間過長、來回走動的距離過長時，該人員可能是在伺機作案，或者有其他不良的圖謀；現(xiàn)有的檢測技術(shù)無法識別出該類逗留徘徊行為，以至于工作人員無法及時采取應(yīng)對措施，使得金融行業(yè)（銀行等）的安全具有一些隱患。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種智慧金睛識別人員逗留徘徊報警方法和裝置，能夠通過視頻圖像識別出監(jiān)控區(qū)域內(nèi)的逗留徘徊行為，并進行報警，保障了監(jiān)控區(qū)域的安全。

本發(fā)明的目的是通過以下技術(shù)方案來實現(xiàn)的：一種智慧金睛識別人員逗留徘徊報警方法，包括以下步驟：

S1.利用雙目圖像采集模塊在監(jiān)控區(qū)域中實時采集人員運動的視頻圖像信息；

S2.對視頻圖像信息進行分析，獲取監(jiān)控區(qū)域內(nèi)各個人員的運動軌跡和滯留時間；

S3.結(jié)合運動軌跡和滯留時間判斷各個人員是否發(fā)生逗留徘徊行為，并在發(fā)生逗留徘徊行為時進行報警。

所述的雙目圖像采集模塊包括二維攝像頭和三維視覺傳感器，所述的步驟S1中，利用二維攝像頭采集監(jiān)控區(qū)域二維圖像信息，利用三維視覺傳感器采集監(jiān)控區(qū)域的三維圖像信息。

所述的步驟S2包括以下子步驟：

S21.采用目標檢測算法檢測并獲取進入監(jiān)控區(qū)域內(nèi)的目標在視頻圖像中占據(jù)的像素點集合；

S22.根據(jù)所述的像素點集合，采用目標提取算法獲取進入監(jiān)控區(qū)域內(nèi)的目標在視頻圖像中的位置及尺寸；

S23.根據(jù)從視頻圖像中提取的目標，采用有效目標特征識別算法，識別出視頻圖像中的有效目標的數(shù)量及色彩紋理特征；每個有效目標對應(yīng)一個人員；

S24.根據(jù)所述的有效目標，采用目標運動跟蹤算法，獲取各個有效目標在視頻圖像中的運動軌跡；

S25.統(tǒng)計各個有效目標在監(jiān)控區(qū)域的滯留時間。

所述的步驟S3包括以下子步驟：

S31.依次判斷每個人員是否發(fā)生逗留徘徊行為；

S32.對判斷結(jié)果進行統(tǒng)計：

（1）如果發(fā)生逗留徘徊行為的人員數(shù)量為零，返回步驟S1；

（2）如果發(fā)生逗留徘徊行為的人員數(shù)量不為零，生成報警命令并進行逗留徘徊報警。

所述的步驟S31包括以下子步驟：

S311.判斷滯留時間是否大于預(yù)設(shè)的時間閾值：

（1）如果滯留時間大于預(yù)設(shè)的時間閾值，進入步驟S312；

（2）如果滯留時間小于預(yù)設(shè)的時間閾值，對應(yīng)人員沒有發(fā)生滯留徘徊行為。

S312.根據(jù)各個有效目標在視頻圖像中的運動軌跡計算各有效目標在視頻圖像中的行程距離；

S313.判斷行程距離是否大于預(yù)設(shè)的距離閾值：

（1）如果行程距離大于預(yù)設(shè)的距離閾值，對應(yīng)人員發(fā)生滯留徘徊行為；

（2）如果行程距離不大于預(yù)設(shè)的距離閾值，對應(yīng)人員沒有發(fā)生滯留徘徊行為。

一種智慧金睛識別人員逗留徘徊報警裝置，其特征在于：包括：

雙目圖像采集模塊，用于實時采集人員運動的視頻圖像信息；

圖像分析模塊，用于對視頻圖像信息進行分析，獲取監(jiān)控區(qū)域內(nèi)各個人員的運動軌跡和滯留時間；

行為判斷模塊，用于結(jié)合運動軌跡和滯留時間判斷各個人員是否發(fā)生逗留徘徊行為，并在發(fā)生逗留徘徊行為時，生成報警命令；

報警模塊，用于響應(yīng)報警命令，進行逗留徘徊報警。

所述的雙目圖像采集模塊包括二維攝像頭和三維視覺傳感器。

本發(fā)明的有益效果是：能夠通過視頻圖像識別出監(jiān)控區(qū)域內(nèi)各個人員的滯留時間和行程距離，并根據(jù)滯留時間和行程距離判斷監(jiān)控區(qū)域是否發(fā)生滯留徘徊行為，在發(fā)生滯留徘徊行為時進行報警，保障了監(jiān)控區(qū)域的安全。

附圖說明

圖1為本發(fā)明的方法流程圖；

圖2為本發(fā)明的裝置原理框圖。

具體實施方式

下面結(jié)合附圖進一步詳細描述本發(fā)明的技術(shù)方案，但本發(fā)明的保護范圍不局限于以下所述。

如圖1所示，一種智慧金睛識別人員逗留徘徊報警方法，包括以下步驟：

S1.利用雙目圖像采集模塊在監(jiān)控區(qū)域中實時采集人員運動的視頻圖像信息；

S2.對視頻圖像信息進行分析，獲取監(jiān)控區(qū)域內(nèi)各個人員的運動軌跡和滯留時間；

S3.結(jié)合運動軌跡和滯留時間判斷各個人員是否發(fā)生逗留徘徊行為，并在發(fā)生逗留徘徊行為時進行報警。

所述的雙目圖像采集模塊包括二維攝像頭和三維視覺傳感器，所述的步驟S1中，利用二維攝像頭采集監(jiān)控區(qū)域二維圖像信息，利用三維視覺傳感器采集監(jiān)控區(qū)域的三維圖像信息（即監(jiān)控區(qū)域的三維場景信息）；故由雙目圖像采集模塊的二維攝像頭和三維視覺傳感器即可獲得具有立體視覺的視頻圖像。

所述的步驟S2包括以下子步驟：

S21.采用目標檢測算法檢測并獲取進入監(jiān)控區(qū)域內(nèi)的目標在視頻圖像中占據(jù)的像素點集合；

現(xiàn)有的視頻圖像分析方法中， 用于檢測及獲取所有目標在視頻圖像中占據(jù)的像素點集合的目標檢測算法主要有背景減除類算法、時間差分類算法、光流類算法；

背景減除類算法的基本原理是利用背景的參數(shù)模型來近似背景圖像的像素值， 將當前幀與背景圖像進行差分比較實現(xiàn)對運動區(qū)域的檢測， 其中區(qū)別較大的像素區(qū)域被認為是運動區(qū)域， 而區(qū)別較小的像素區(qū)域被認為是背景區(qū)域。

本申請所采用的目標檢測算法是背景減除類算法中的高斯混合背景算法，該算法為現(xiàn)有技術(shù)，該算法的基本原理是：在視頻圖像中，目標與背景之間存在著灰度差異，視頻圖像的灰度直方圖會呈現(xiàn)與背景、目標一一對應(yīng)的多峰，將視頻圖像的灰度直方圖多峰特性視為多個高斯分布的疊加，即可實現(xiàn)視頻圖像中的背景與目標的分割。

S22.根據(jù)所述的像素點集合，采用目標提取算法獲取進入監(jiān)控區(qū)域內(nèi)的目標在視頻圖像中的位置及尺寸：

S221. 利用區(qū)域生長法獲取所述的像素點集合的生長區(qū)域；

具體來說，以獲取的像素點集合中的各個像素點為種子像素點，并以這些像素點的灰度值作為數(shù)學(xué)期望值建立生長區(qū)域高斯分布；

將各種子像素點周圍鄰域中符合生長區(qū)域高斯分布的各像素點作為生長點分別合并到各種子像素點所在的區(qū)域中，再將各生長點作為新的種子像素點，重復(fù)本步驟至沒有新的生長點出現(xiàn)，即可獲取像素點集合的生長區(qū)域，進而得到進入監(jiān)控區(qū)域內(nèi)的各個目標在視頻圖像中的位置。

S222.采用K均值特征聚類法獲取進入監(jiān)控區(qū)域內(nèi)的各個目標在視頻圖像中的尺寸。

具體來說，采用 K 均值特征聚類法，選取各生長區(qū)域的均值點作為聚類中心，計算各個樣本到聚類中心的距離，把各個樣本歸到離它最近的那個聚類中心所在的類，并根據(jù)計算形成的每一個聚類的數(shù)據(jù)對象平均值，得到新的聚類中心，重復(fù)本步驟至相鄰兩次得到的聚類中心沒有變化，則表明樣本調(diào)整結(jié)束，聚類準則函數(shù)已經(jīng)收斂，即可得到進入監(jiān)控區(qū)域內(nèi)的各個目標在視頻圖像中的尺寸。

S23.根據(jù)從視頻圖像中提取的目標，采用有效目標特征識別算法，識別出視頻圖像中的有效目標的數(shù)量及色彩紋理特征；每個有效目標對應(yīng)一個人員；

S24.根據(jù)所述的有效目標，采用目標運動跟蹤算法，獲取各個有效目標在視頻圖像中的運動軌跡：

S241.采用光流法計算各個有效目標的瞬時位移；

S242.使用卡爾曼濾波器校正所得的目標運動量并根據(jù)各個有效目標的瞬時位移累計，獲得各個有效目標的運動軌跡。

S25.統(tǒng)計各個有效目標在監(jiān)控區(qū)域的滯留時間。

進一步地，對各個有效目標的滯留時間統(tǒng)計有兩種方式：一種是在檢測到新出現(xiàn)的有效目標的時候開始計時，這樣就能夠得到實時的滯留時間；另一種是進行圖像分析時，查找視頻圖像中各個有效目標出現(xiàn)的幀數(shù)，而攝像機每幀圖像之間的拍攝時間間隔是相同的固定值，根據(jù)該固定值和查找到的幀數(shù)即可計算滯留時間。

所述的步驟S3包括以下子步驟：

S31.依次判斷每個人員是否發(fā)生逗留徘徊行為；

S32.對判斷結(jié)果進行統(tǒng)計：

（1）如果發(fā)生逗留徘徊行為的人員數(shù)量為零，返回步驟S1；

（2）如果發(fā)生逗留徘徊行為的人員數(shù)量不為零，生成報警命令并進行逗留徘徊報警。

所述的步驟S31包括以下子步驟：

S311.判斷滯留時間是否大于預(yù)設(shè)的時間閾值：

（1）如果滯留時間大于預(yù)設(shè)的時間閾值，進入步驟S312；

（2）如果滯留時間小于預(yù)設(shè)的時間閾值，對應(yīng)人員沒有發(fā)生滯留徘徊行為。

S312.根據(jù)各個有效目標在視頻圖像中的運動軌跡計算各有效目標在視頻圖像中的行程距離；

S313.判斷行程距離是否大于預(yù)設(shè)的距離閾值：

（1）如果行程距離大于預(yù)設(shè)的距離閾值，對應(yīng)人員發(fā)生滯留徘徊行為；

（2）如果行程距離不大于預(yù)設(shè)的距離閾值，對應(yīng)人員沒有發(fā)生滯留徘徊行為。

由于監(jiān)控區(qū)域面積有限，人員正常情況下的行程距離不會過大，行程過大時，說明對應(yīng)人員在監(jiān)控區(qū)域來回走動，發(fā)生徘徊行為，因此，只需要預(yù)設(shè)距離閾值，將行程距離與距離閾值比較，即可判斷出徘徊行為。

如圖2所示，一種智慧金睛識別人員逗留徘徊報警裝置，其特征在于：包括：

雙目圖像采集模塊，用于實時采集人員運動的視頻圖像信息；

圖像分析模塊，用于對視頻圖像信息進行分析，獲取監(jiān)控區(qū)域內(nèi)各個人員的運動軌跡和滯留時間；

行為判斷模塊，用于結(jié)合運動軌跡和滯留時間判斷各個人員是否發(fā)生逗留徘徊行為，并在發(fā)生逗留徘徊行為時，生成報警命令；

報警模塊，用于響應(yīng)報警命令，進行逗留徘徊報警。報警模塊可以是聲報警器、光報警器、震動報警器中一種或多種的組合。

所述的雙目圖像采集模塊包括二維攝像頭和三維視覺傳感器。

以上實施例僅用以說明本發(fā)明的技術(shù)方案而非限制，盡管參照較佳實施例對本發(fā)明進行了詳細說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當理解，可以對本發(fā)明的技術(shù)方案進行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的宗旨和范圍，其均應(yīng)涵蓋在本發(fā)明的權(quán)利要求范圍當中。