專利名稱：面向船閘視頻監控的智能多目標檢測方法
技術領域：
本發明一種面向船閘視頻監控的智能多目標檢測方法，屬于模式識別技術領域。
背景技術：
大量的視頻監控系統只是作為信息采集和儲存的作用，內容分析需要由人來完成。采用計算機對視頻信息進行智能處理，是當前模式識別的研究熱點之一。船閘是在河流中水電站為了通航設置的機構，船只進入船閘后，閘門關閉。為了避免閘門關閉時對設備及船只的撞損，船閘中設置了禁停線，船只不能越過禁停線。目前的技術多是檢測分離狀態的多目標，采用的方法主要有1)、運動目標的識別方法-通過當前幀和背景幀的差異，獲得運動目標所在區域。2)、通過靜止圖像中根據目標 顏色特征，通過匹配模板進行目標識別。上述兩種方法在船閘中進行多目標檢測中都有困難。第一種方法在船只互相遮擋時，由于不能對目標區域進行分離，只能將多個船只視為一個船只。第二種方法，無法事先獲得船只的圖像模板，并且在遮擋情況下，模板匹配困難，而且實時性難以保證。在視頻流中，利用計算機進行遮擋情況下的多目標檢測，是船閘智能監控系統需要解決的主要難點。以上技術背景參見以下參考文獻
[I]高韜，智能交通監控中運動目標檢測與跟蹤算法研究(博士論文).天津大學，2010。[2]吳思，林守勛，張勇東.基于動態背景構造的視頻運動對象自動分割.計算機學報，2005，28(8) :1386-1391。[3]趙欽君，趙東標，陸永華.一種基于時空信息的多目標檢測新算法，儀器儀表學報，2011，31(4) : 877-882。[4]鄭錦，李波.面向室外視頻監控的背景重構算法.電子學報，2009，37(8):1854-1859。[5] Changick Kim and Jenq-Neng Hwang. Fast and automatic video objectsegmentation and tracking for content-based applications. IEEE Transactions onCircuits and Systems for Video Technology, 2002，12 (2):122-129。[6] Junwei Han. Object segmentation from consumer videos: a unifiedframework based on visual attention. IEEE Transactions on Consumer Electronics,2009，55(3):1597-1605。[7]任明武，曹雨龍，楊靜宇，唐振民，復雜條件下的船舶目標檢測的圖象預處理，計算機工程，2000，26 (10):68-70。
發明內容
本發明提供一種面向船閘視頻監控的智能多目標檢測方法，利用視頻監控設備，對船閘中多目標進行檢測和識別，并實現船只位置速度情況的自動判別，以代替目前的人工判定。本發明的上述目的是通過這樣的技術方案來實現的面向船閘視頻監控的智能多目標檢測方法，利用船只前沿的圖像特征，在有遮擋的情況下，在視頻中識別出多個船只，包括以下步驟
I. a-在船只未進入監控區域前，對區域進行背景建模，獲得背景圖像；
I. b-對視頻流中的每一幀，采用背景剪除方法，通過當前幀和背景幀的差異，獲得運動目標所在區域的前景；
I. C-對步驟I. b所述的前景進行逐行掃描，在每行中記錄遇到的第一個像素點的行列坐標及像素值，從而獲得船只運動前沿邊緣曲線；
I. d-以記錄的邊緣曲線形狀特征及像素值屬性，對邊緣曲線進行簡化DBSCAN聚類，從而檢測出多個船只。 在步驟Ι-c記錄的像素值，可以是RGB值,或者是灰度值。在步驟Ι-d，采用簡化DBSCAN聚類算法，以步驟l_c獲得的曲線數據為輸入，設定4個閾值H_S，ff_S, V_S, N_S其中，H_S規定在縱向上一個像素點的核心點的鄰域半徑，W_S規定在橫向上一個核心點的鄰域半徑，v_s規定在像素值上核心點的鄰域半徑,并定義一個核心點的最小鄰居點個數N_S.進行聚類；
其中H_S設置為圖像高度的1/30，ff_S設置為3，VS設置為值范圍的1/4，N_S設置為圖像高度的1/20。所采用的簡化DBSCAN聚類算法步驟為
4. I :設定 4 個閾值 H_S, ff_S, V_S, N_S ；
4. 2 i記錄當前處理的像素點序號，i初始化為O ;
4. 3 :如果i是核心點，
4. 3. I認為一個目標出現，目標區域的起點標記start及終點標記stop設定為start=stop=i.并逐個處理后續點，令i=i+l ；
4.3.2如果i是核心點，則將終點標記更新stop = i ；
4.3. 3如果i是Stop的可達點，則i=i+l回到4. 3. 2 ；
4.3. 4輸出start到stop間的點，作為一個目標識別的結果，
4.4 :訪問下一個點，i=i+l ；
4.5 :如果i不是最后一個點，回到4. 3步驟；
4.6:返回所有目標識別的結果；
核心點的定義一個點i，如果在以H_S，ff_S, V_S作為寬度的立方體鄰域內，得到的鄰居點的個數不少于N_S，則該點是核心點，
可達點的定義如果一個點i，在某個核心點j的H_S，W_S，V_S立方體鄰域內，則稱i是j的可達點。本發明一種面向船閘視頻監控的智能多目標檢測方法，可以通過視頻檢測船閘中處于前排的、相互遮擋的船只的位置、速度等運動信息。采用的主要方法是通過對船頭或船尾曲線的形狀進行聚類，聚類的依據是一艘船只有一個頂端，多艘船有多個頂端，雖然不同船只的側面區域是聯在一起，但船頭或船尾的頂端是不會遮擋的。頂端部分的一簇像素點，其顏色相似，并且構成形狀也相似。例如如果船只水平行駛，則頂端的一簇像素點的水平坐標基本差別不大，采用聚類方法檢測出頂端，就檢測出多個船只。
圖I為本發明的軟件總流程圖。圖2為本發明DBSCAN聚類檢測流程圖。圖3為本發明背景剪除后的運動前景幀。圖4為本發明前沿邊緣線。圖5為本發明聚類結果圖。
具體實施方式
面向船閘視頻監控的智能多目標檢測方法，利用船只前沿的圖像特征，在有遮擋的情況下，在視頻中識別出多個船只，包括以下步驟
I. a-在船只未進入監控區域前，對區域進行背景建模，獲得背景圖像；
I. b-對視頻流中的每一幀，采用背景剪除方法，通過當前幀和背景幀的差異，獲得運動目標所在區域的前景；
I. C-對前景進行逐行掃描，在每行中記錄遇到的第一個像素點的行列坐標及像素值，從而獲得船只運動前沿邊緣曲線；
I.d-以記錄的邊緣曲線形狀特征及像素值屬性，對邊緣曲線進行簡化DBSCAN聚類，從而檢測出多個船只。在步驟Ι-c中記錄的像素值，可以是RGB值,或者是灰度值。在步驟Ι-d中采用簡化DBSCAN聚類算法，以步驟l_c獲得的曲線數據為輸入，設定 4 個閾值 H_S，ff_S, V_S, N_S。其中H_S規定在縱向上一個像素點的核心點的鄰域半徑，ff_S規定在橫向上一個核心點的鄰域半徑，v_s規定在像素值上核心點的鄰域半徑，并定義一個核心點的最小鄰居點個數N_S.進行聚類，其中H_S設置為圖像高度的1/30，W_S設置為3，VS設置為值范圍的1/4，N_S設置為圖像高度的1/20。本發明采取如下方案，令視頻中船閘沿水平方向
1)、在船只未進入監控區域前，對區域進行背景建模，獲得背景圖像BkImg;
2)、對視頻流中的每一幀Frame，采用背景剪除方法，通過當前幀和背景幀的差異，獲得運動目標所在區域的前景FrtImg, [!卩FrtImg = Frame - BkImgI ;
3)、沿著船只運動方向，對FrtImg進行逐行掃描，記錄遇到的第一個像素點的列坐標及像素值，獲得船只運動前沿邊緣線Curve。該曲線用兩個數組V和X表示，其一為V[ImgHeight],存儲當前巾貞Frame中，處于曲線上的每一點的像素值。另一個為X [ImgHeight],存儲曲線上每一個點的列坐標值。4)、以V和X作為輸入，以DBSCAN聚類方法，對邊緣曲線進行聚類檢測，從而檢測出多個船只。DBSCAN聚類檢測具體處理步驟如下
I :設定4個閾值15，胃_5，￥_5，15，H_S，規定在縱向上一個像素點的核心點的鄰域半徑,ff_S規定在橫向上一個核心點的鄰域半徑，v_s規定在像素值上核心點的鄰域半徑。并定義一個核心點的最小鄰居點個數N_S.進行聚類。2 i記錄當前處理的像素點序號，i初始化為O。3 如果i是核心點。3.1 :認為一個目標出現，目標區域的起點標記start及終點標記stop設定為start=stop=i.并逐個處理后續點,令i=i+l ；
3.2如果i是核心點，則將終點標記更新stop = i ；
3.3如果i是Stop的可達點，則i=i+l回到3. 2 ；
3.4輸出start到stop間的點，作為一個目標識別的結果。4 :訪問下一個點，i=i+l。 5 :如果i不是最后一個點，回到3。6 :返回所有目標識別的結果。其中，核心點的定義一個點i，如果在&H_S，W_S，V_S作為寬度的立方體鄰域內，得到的鄰居點的個數不少于13，則該點是核心點。可達點的定義如果一個點i，在某個核心點j的H_S，ff_S, V_S立方體鄰域內，則稱i是j的可達點。閾值設置可參考H_S設置為圖像高度的1/30，ff_S設置為3，VS設置為值范圍的1/4，N_S設置為圖像高度的1/20。以一次視頻多目標檢測為例
I :首先，在船只進入前，通過背景建模的方法，獲得背景幀Bklmg。可以采用連續N幀起平均值的方法，本例中取前100幀，得到的背景圖如圖3所示。2 第101幀后，可以對每一幀進行檢測。圖4是視頻監控的某個當前幀Frame。將當前幀和背景幀進行差運算，可以取出進入視頻的船只前景FrtImg，如圖5所示。3 :從右到左逐行掃描Frtlmg，得到前沿邊緣曲線Curve，如圖3所示。4 :采用DBSCAN聚類方法，設定H_S=圖像高度/30，ff_S=3, V_S=圖像值范圍/4，N_S=圖像高度/20，在Curve曲線上發現兩個簇，從而完成了兩只船的檢測，結果如圖4所
/Jn ο
權利要求
1.面向船閘視頻監控的智能多目標檢測方法，其特征在于，利用船只前沿的圖像特征，在有遮擋的情況下，在視頻中識別出多個船只，包括以下步驟 I. a-在船只未進入監控區域前，對區域進行背景建模，獲得背景圖像； I. b-對視頻流中的每一幀，采用背景剪除方法，通過當前幀和背景幀的差異，獲得運動目標所在區域的前景； I. C-對步驟I. b所述的前景進行逐行掃描，在每行中記錄遇到的第一個像素點的行列坐標及像素值，從而獲得船只運動前沿邊緣曲線； 1.d-以記錄的邊緣曲線形狀特征及像素值屬性，對邊緣曲線進行簡化DBSCAN聚類，從而檢測出多個船只。
2.根據權利要求I所述面向船閘視頻監控的智能多目標檢測方法，其特征在于，在步驟Ι-c記錄的像素值，可以是RGB值,或者是灰度值。
3.根據權利要求I所述面向船閘視頻監控的智能多目標檢測方法，其特征在于，在步驟Ι-d，采用簡化DBSCAN聚類算法，以步驟Ι-c獲得的曲線數據為輸入，設定4個閾值H_S，W_S, V_S, N_S其中，H_S規定在縱向上一個像素點的核心點的鄰域半徑，W_S規定在橫向上一個核心點的鄰域半徑，V_S規定在像素值上核心點的鄰域半徑，并定義一個核心點的最小鄰居點個數N_S.進行聚類； 其中H_S設置為圖像高度的1/30，ff_S設置為3，VS設置為值范圍的1/4，N_S設置為圖像高度的1/20。
4.根據權利要求3所述面向船閘視頻監控的智能多目標檢測方法，其特征在于，所采用的簡化DBSCAN聚類算法步驟為4. I :設定 4 個閾值 H_S, ff_S, V_S, N_S ； 4. 2 i記錄當前處理的像素點序號，i初始化為O ; 4. 3 :如果i是核心點， 4. 3. I認為一個目標出現，目標區域的起點標記start及終點標記stop設定為start=stop=i.并逐個處理后續點，令i=i+l ； 4.3.2如果i是核心點，則將終點標記更新stop = i ； 4. 3. 3如果i是Stop的可達點，則i=i+l回到4. 3. 2 ； 4. 3. 4輸出start到stop間的點，作為一個目標識別的結果， 4. 4 :訪問下一個點，i=i+l ； 4. 5 :如果i不是最后一個點，回到4. 3步驟； 4.6:返回所有目標識別的結果； 核心點的定義一個點i，如果在以H_S，ff_S, V_S作為寬度的立方體鄰域內，得到的鄰居點的個數不少于N_S，則該點是核心點，可達點的定義如果一個點i，在某個核心點j的H_S，W_S，V_S立方體鄰域內，則稱i是j的可達點。
全文摘要
面向船閘視頻監控的智能多目標檢測方法，利用船只前沿的圖像特征，在有遮擋的情況下，在視頻中識別出多個船只，在船只未進入監控區域前，對區域進行背景建模，獲得背景圖像；對視頻流中的每一幀，采用背景剪除方法，通過當前幀和背景幀的差異，獲得運動目標所在區域的前景；對步驟1.b所述的前景進行逐行掃描，在每行中記錄遇到的第一個像素點的行列坐標及像素值，從而獲得船只運動前沿邊緣曲線；以記錄的邊緣曲線形狀特征及像素值屬性，對邊緣曲線進行簡化DBSCAN聚類，從而檢測出多個船只。本發明提供一種面向船閘視頻監控的智能多目標檢測方法，利用視頻監控設備，對船閘中多目標進行檢測和識別，并實現船只位置速度情況的自動判別，以代替目前的人工判定。
文檔編號G06K9/32GK102842036SQ201210287888
公開日2012年12月26日 申請日期2012年8月14日 優先權日2011年11月30日
發明者徐義春, 劉勇, 朱曼, 柯尊海 申請人:三峽大學