：
[0150] 其中，V表示有效度，Lm為第m帖視頻圖像的亮度變化率，M表示原視頻圖像序列信 息中所包含的視頻圖像總帖數(shù)，m=l，.. .M，mv為原視頻圖像序列信息中亮度變化率大于亮 度變化率參考闊值的視頻圖像的總帖數(shù)，d為第m帖視頻圖像的目標尺寸，dp為目標尺寸參 考闊值；
[0151] C、輸出子模塊，用于輸出屬于有效視頻圖像序列的圖像信息，當所述當前帖圖像 的有效度大于所述有效度參考闊值時，所述輸出子模塊輸出所述當前帖圖像；
[0152] (3)濾波模塊，與圖像初處理模塊連接，用于接收所述有效視頻圖像序列信息并對 有效視頻圖像序列信息的背景形狀進行濾波處理，包括采用維納波對所述背景形狀進行初 次濾波的一級濾除子模塊和采用高斯濾波對初次濾波后的背景形狀再次進行濾波的二級 濾除子模塊；
[0153] (4)背景建模模塊，與濾波模塊連接，用于建立濾波后的背景模型，所述背景模型 設(shè)定由N個帶權(quán)重的表示邊緣點的形狀上下文直方圖組成，背景模型上邊緣點的形狀上下 文直方圖表示為：
[01W]其中，X為背景邊緣點坐標，N表示所包含的形狀上下文直方圖的個數(shù)，N的取值范 圍為[5,10]，wn,X表示第n個形狀上下文直方圖對應(yīng)的權(quán)重，Bi表示對W背景邊緣點X為極坐 標圓屯、、半徑為R的圓按照對數(shù)距離建立的同屯、圓個數(shù)，說表示對圓周角劃分的等份數(shù)； [0156] (5)背景消減模塊，與背景建模模塊連接，用于對當前帖圖像上的邊緣點進行屬性 分類并消減屬于背景的邊緣點，包括匹配度計算子模塊、約束條件計算子模塊、屬性判定子 模塊和消減子模塊，所述匹配度計算子模塊、約束條件計算子模塊皆連接至所述屬性判定 子模塊，所述屬性判定子模塊連接至所述消減子模塊，其中：
[0157] a、匹配度計算子模塊，用于計算當前帖圖像上邊緣點的形狀上下文直方圖與所述 背景模型上相對應(yīng)邊緣點的形狀上下文直方圖之間的匹配度，所述匹配度的計算公式為：
[0159] 式中，而，,，表示當前帖圖像上的邊緣點X的形狀上下文直方圖，W,,、/；"1表示背景模 型上相對應(yīng)邊緣點X的形狀上下文直方圖，n = l，.. .N;獻表示邊緣點X的鄰域， 公(巧用來衡量兩邊緣點的形狀上下文直方圖的差異，e防1] * 〇,(卸a.，的,人^-) 越小，表明兩邊緣點的形狀上下文直方圖差異越??；
[0160] b、約束條件計算子模塊，用于計算當前帖圖像上邊緣點的形狀上下文直方圖與所 述背景模型上相對應(yīng)的形狀上下文直方圖的差異之間的約束條件，約束條件公式為：
[0161 ] ^/7'" 二 m化 D :(/7'" ,.、v-" 人
[0162] C、屬性判定子模塊，所述屬性判定子模塊用于判定當前帖圖像上的邊緣點的屬 性，所述當前帖圖像上的邊緣點為屬于背景的邊緣點的判定條件為：
[0163] P("\、，w,,成 >2；且 F(而點
[0164] 其中，Tp為根據(jù)背景模型設(shè)定的匹配度闊值，Ty為根據(jù)背景模型設(shè)定的約束條件闊 值；
[0165] d、消減子模塊，用于剔除由屬性判定子模塊判定為屬于背景的邊緣點并輸出屬于 運動目標的區(qū)域圖像；
[0166] (6)特征匹配模塊，與消減子模塊連接，用于將所述屬于運動目標的區(qū)域圖像與數(shù) 據(jù)庫中預(yù)定模板進行特征匹配；
[0167] (7)警報模塊，當發(fā)現(xiàn)可疑目標時，發(fā)出警報。
[0168] 本實施例設(shè)置圖像初處理模塊，用于對所述原視頻圖像序列信息進行運動目標的 初步檢測處理并輸出包含有運動目標的有效視頻圖像序列信息，能夠大大節(jié)約存儲空間， 提高檢測的速度;設(shè)置濾波模塊，對局部形狀進行濾波處理，能夠有效地濾出環(huán)境噪聲，避 免將噪聲誤檢為運動目標;設(shè)置背景建模模塊，采用加權(quán)形狀上下文直方圖對由濾波模塊 濾波后的背景進行建模，最大程度的減少了由于背景噪聲和攝像機抖動造成的對運動目標 的誤檢;在建模過程中，僅對邊緣點的形狀上下文直方圖進行計算，大大節(jié)約了存儲空間， 提高了運算速度，系統(tǒng)的實時性得到增強;設(shè)置背景消減模塊，引入匹配度和匹配約束條件 對背景進行消減，能夠快速準確的對運動目標進行配準，完成檢測;其中，N值越大對背景的 動態(tài)性適應(yīng)能力越強，但會占用更多地存儲資源，增加計算量，實時性也會變差，本實施例 取值N= 10，與相對技術(shù)中的監(jiān)控系統(tǒng)相比，誤檢率降低了4.2%，運算速度提高了3.5%。
[0169] 最后應(yīng)當說明的是，W上實施例僅用W說明本發(fā)明的技術(shù)方案，而非對本發(fā)明保 護范圍的限制，盡管參照較佳實施例對本發(fā)明作了詳細地說明，本領(lǐng)域的普通技術(shù)人員應(yīng) 當理解，可W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)方案的實 質(zhì)和范圍。
【主權(quán)項】
1. 一種無人值守停車場監(jiān)控系統(tǒng)，其特征是，包括： (1) 圖像采集模塊，用于采集視頻監(jiān)控圖像，其連接至視頻監(jiān)控設(shè)備并采集其中的原視 頻圖像序列信息； (2) 圖像初處理模塊，與圖像采集模塊連接，用于對所述原視頻圖像序列信息進行運動 目標的初步檢測處理并輸出包含有運動目標的有效視頻圖像序列信息； (3) 濾波模塊，與圖像初處理模塊連接，用于接收所述有效視頻圖像序列信息并對有效 視頻圖像序列信息的背景形狀進行濾波處理，包括采用維納波對所述背景形狀進行初次濾 波的一級濾除子模塊和采用高斯濾波對初次濾波后的背景形狀再次進行濾波的二級濾除 子模塊； (4) 背景建模模塊，與濾波模塊連接，用于建立濾波后的背景模型，所述背景模型設(shè)定 由N個帶權(quán)重的表示邊緣點的形狀上下文直方圖組成，背景模型上邊緣點的形狀上下文直 方圖表示為：其中，X為背景邊緣點坐標，N表示所包含的形狀上下文直方圖的個數(shù)，N的取值范圍為 [5,10]，wn,x表示第η個形狀上下文直方圖對應(yīng)的權(quán)重，Bi表示對W背景邊緣點X為極坐標圓 屯、、半徑為R的圓按照對數(shù)距離建立的同屯、圓個數(shù)，表示對圓周角劃分的等份數(shù)； (5) 背景消減模塊，與背景建模模塊連接，用于對當前帖圖像上的邊緣點進行屬性分類 并消減屬于背景的邊緣點，包括匹配度計算子模塊、約束條件計算子模塊、屬性判定子模塊 和消減子模塊，所述匹配度計算子模塊、約束條件計算子模塊皆連接至所述屬性判定子模 塊，所述屬性判定子模塊連接至所述消減子模塊，其中： a、 匹配度計算子模塊，用于計算當前帖圖像上邊緣點的形狀上下文直方圖與所述背景 模型上相對應(yīng)邊緣點的形狀上下文直方圖之間的匹配度，所述匹配度的計算公式為：式中，成,、表示當前帖圖像上的邊緣點X的形狀上下文直方圖，W,，，.、石,W表示背景模型上 相對應(yīng)邊緣點X的形狀上下文直方圖，n = l，. . .N;筑r表示邊緣點X的鄰域，D、心/,, 、./7") 用來衡量兩邊緣點的形狀上下文直方圖的差異，D、： G [(川，D :(聽越小，表明兩 邊緣點的形狀上下文直方圖差異越??； b、 約束條件計算子模塊，用于計算當前帖圖像上邊緣點的形狀上下文直方圖與所述背 景模型上相對應(yīng)的形狀上下文直方圖的差異之間的約束條件，約束條件公式為：C、屬性判定子模塊，所述屬性判定子模塊用于判定當前帖圖像上的邊緣點的屬性，所 述當前帖圖像上的邊緣點為屬于背景的邊緣點的判定條件為： 戶(<'，化，"'點.、)> 7;)且;φ"、. )< 7; 其中，Tp為根據(jù)背景模型設(shè)定的匹配度闊值，Ty為根據(jù)背景模型設(shè)定的約束條件闊值； d、消減子模塊，用于剔除由屬性判定子模塊判定為屬于背景的邊緣點并輸出屬于運動 目標的區(qū)域圖像； (6) 特征匹配模塊，與消減子模塊連接，用于將所述屬于運動目標的區(qū)域圖像與數(shù)據(jù)庫 中預(yù)定模板進行特征匹配； (7) 警報模塊，當發(fā)現(xiàn)可疑目標時，發(fā)出警報。2.根據(jù)權(quán)利要求1所述的一種無人值守停車場監(jiān)控系統(tǒng)，其特征是，所述圖像初處理模 塊包括： a、 參考有效度設(shè)定子模塊，用于存儲含運動目標的視頻圖像樣本的有效度參考闊值， 所述有效度表示用于判定原視頻圖像序列信息中第m帖視頻圖像是否為所述有效視頻圖像 的判定因子，所述有效度參考闊值包括亮度變化率參考闊值和目標尺寸參考闊值； b、 實際有效度計算子模塊，用于計算原視頻圖像序列信息中第m帖視頻圖像的有效度， 有效度的計算公式為：其中，V表示有效度，Lm為第m帖視頻圖像的亮度變化率，Μ表示原視頻圖像序列信息中所 包含的視頻圖像總帖數(shù)，m=l，.. .M，mv為原視頻圖像序列信息中亮度變化率大于亮度變化 率參考闊值的視頻圖像的總帖數(shù)，d為第m帖視頻圖像的目標尺寸，dp為目標尺寸參考闊值； C、輸出子模塊，用于輸出屬于有效視頻圖像序列的圖像信息，當所述當前帖圖像的有 效度大于所述有效度參考闊值時，所述輸出子模塊輸出所述當前帖圖像。
【專利摘要】本發(fā)明提供一種無人值守停車場監(jiān)控系統(tǒng)，包括：(1)圖像采集模塊，用于采集視頻監(jiān)控圖像；(2)圖像初處理模塊，用于對所述原視頻圖像序列信息進行運動目標的初步檢測處理并輸出包含有運動目標的有效視頻圖像序列信息；(3)濾波模塊，用于接收所述有效視頻圖像序列信息并對有效視頻圖像序列信息的背景形狀進行濾波處理；(4)背景建模模塊，用于建立濾波后的背景模型，所述背景模型設(shè)定由N個帶權(quán)重的表示邊緣點的形狀上下文直方圖組成；(5)背景消減模塊，用于對當前幀圖像上的邊緣點進行屬性分類并消減屬于背景的邊緣點；(6)特征匹配模塊；(7)警報模塊。本發(fā)明能最大程度的減少由于背景噪聲和攝像機抖動造成的對運動目標的誤檢，且實時性好。
【IPC分類】G06K9/62, G06T7/20
【公開號】CN105701843
【申請?zhí)枴緾N201610235865
【發(fā)明人】張志華
【申請人】張志華
【公開日】2016年6月22日
【申請日】2016年4月15日