一种基于图像的货物监控方法
【技术领域】
[0001] 本发明属于图像处理领域及监控领域，具体涉及一种利用图像来监控货物数量变 化情况的方法。
【背景技术】
[0002] 现有的监控技术主要是由计算机智能地分析从摄像头中获取的视频序列，从而完 成对被监控场景中的内容的理解，以达到智能告警的目的。但传输视频和存储视频会增加 成本，同时对于一些应用领域，实时视频并不是必须的，且获取视频比较昂贵和困难。同时， 虽然智能分析技术可以有效地提高监控的效率，但由于算法的局限性以及现场情况的复杂 性，尤其是光照变化的影响，经常会使得设备对于图像的判断出现偏差，导致误报和漏报现 象的发生。因此必须提高智能分析算法的适应性和可靠性，才能相对准确反映场景的真实 情况。
【发明内容】
[0003] 本发明的目的是提供一种基于图像的货物监控方法，与视频监控相比，能够大大 降低数据存储量、传输量和计算量，能将货物异常情况进行量化，实现监控的无人值守和自 动报警；还能降低因光照变化引起的误报现象，提高监控告警的可靠性和适应性。
[0004] 为实现上述发明目的，本发明所采用的技术方案是：一种基于图像的货物监控方 法，包括以下步骤：
[0005] a、计算机通过摄像头获取监控图像L，同时调取参考图像Gj根据指定的监控区 域分别对将监控图像I。与参考图像G^进行截取，得到当前图像I、当前参考图像G;将当前 图像I、当前参考图像G分别从RGB色彩空间转换到CIELAB色彩空间，利用CIEDE2000色差 公式计算出二者的色差图像Isub。
[0006]b、对色差图像Isub进行增强得增强色差图像I 根据色差图像均值mean、色差图 像零像素比例zeroPixelRatio以及增强色差图像非零像素比例nonZeroPixelRatio所共 同确定的二值化阈值threshold对色差图像Isub进行二值化，得到具有前景和背景的二值 化色差图像Ibin。
[0007]c、对二值化色差图像Ibin进行形态学滤波以消除噪声干扰，得到图像〇。
[0008] d、采用两遍扫描法对图像〇进行连通区域提取，提取到的连通区域记为Cl，i彡0。
[0009] e、对连通区域(^进行异常率计算，异常率R为图像累积差异面积与监控区域总面 积之比，异常率R根据如下公式计算：
[0010]
[0011] 其中，％为连通区域(^的像素点总数；I为当前图像；t为当前图像I的像素点总 数。
[0012] f、计算动态阈值，所述动态阈值为分段阈值，包括最小异常率R_和最大异常率 Rmax，其计算公式如下：
[0013]
[0014] 其中成b]表示监控目标的面积：对当前图像I用GrabCut算法分割出前景一监控 目标，然后统计前景图像中连通区域的像素点个数，该值就是ΝΑ];Ν:为监控区域的面积，即 为当前图像I的像素点总数。
[0015] g、将异常率R与分段阈值分别进行比较：
[0016] 1)当R〈R_，此时监控区域处于正常状态；当R兰0. 05 <R_时，用监控图像I。替 换掉参考图像^以保证参考图像的实时性，避免参考图像微小变化的累积对算法的可靠性 造成影响。
[0017] 2)当R_<R〈R_，表示监控区域异常面积高于设定的安全阈值，判定为异常状 态，启动告警程序。
[0018] 3)当R彡R_，即监控区域具有很高异常率，可能是由于光线变化较大引起，也可 能是货物确实发生异常，需要进行异常状态跟踪检测，避免盲目告警。
[0019] 进一步的，步骤g中，当R多R_时，进行异常状态跟踪检测的步骤如下：
[0020] 步骤g中，当R多R_时，进行异常状态跟踪检测的步骤如下：
[0021] gl、获取前N天之内与监控图像I。同时段的未告警的图像集合M，M大小为 S，S多0 ;设置循环变量F，初始化循环变量F=S。
[0022] g2、判断F是否大于0 :若F= 0,启动告警程序；若F> 0则进行步骤g3。
[0023] g3、获取图像集合Μ中第F-1张图像作为监控图像L的参考图像G。，计算异常率 R，并将F值减1。
[0024] g4、判断异常率R是否大于最小异常率1?_，若R>R_，表明监控图像I。与第F-1 张图像对比出现异常，则回到步骤g2 ;若RfR_，表明监控图像L与第F-1张图像对比未 出现异常，结束程序。
[0025] 本发明具有以下有益效果：截取监控区域内的图像进行处理，去除掉无关信 息，能大大减少计算量；通过CIEDE2000色差公式计算出当前图像I、参考图像G之间 的差异，CIEDE2000色差公式重新定义了色差计算方法，使得在整个CIELAB色彩空间 中，色差计算值与人眼评估更为接近；对色差图像进行二值化能够突出目标轮廓，色差 图像均值mean、色差图像零像素比例zeroPixelRatio以及增强色差图像非零像素比例 nonZeroPixelRatio所共同确定的二值化阈值具有良好的自适应性，对不同特性的色差图 像都能达到尽可能保存图像信息，又能尽可能减少背景和噪声干扰的效果。采用形态学滤 波能消除二值化图像中目标周围的噪声块和目标内部的噪声孔，有利于连通区域的准确提 取；利用提取的到的连通区域及异常率计算公式将异常状态进行量化，并采用动态阈值与 异常率R进行对比分析，动态阈值可根据监控目标的大小来设定；动态阈值为分段阈值这 就将异常状态进行细化，提高了告警的准确性和可靠性；通过实时替换参考图像来避免参 考图像微小变化的累积对算法可靠性造成影响；对出现大范围异常情况时，则通过获取前 N天之内与监控图像L同时段的未告警的图像集合Μ进行异常状态跟踪检测，保证了在相 似的光照条件下进行异常率的计算，以此降低因光线变化引起的误报。
【附图说明】
[0026] 图1为本发明的流程框图。
【具体实施方式】
[0027] -种基于图像的货物监控方法，如图1所示，包括以下步骤：
[0028]a、计算机通过摄像头获取监控图像L，同时调取参考图像Gj根据指定的监控区 域分别对将监控图像I。与参考图像G^进行截取，得到当前图像I、当前参考图像G;将当前 图像I、当前参考图像G分别从RGB色彩空间转换到CIELAB色彩空间，利用CIEDE2000色差 公式计算出二者的色差图像Isub;
[0029]b、对色差图像Isub进行增强得增强色差图像I，其具体步骤如下：采用滤波系数 为K的归一化滤波器对色差图像Isub进行平滑，并对平滑图像进行平方后得到增强色差图 像为IOTh，其中滤波系数
，全1矩阵的大小与色差图像Isub-致，最后 得到增强色差图像U的计算公式：A'。
[0030] 根据色差图像均值mean、色差图像零像素比例zeroPixelRatio以及增强色差图 像非零像素比例nonZeroPixelRatio所共同确定的二值化阈值threshold对色差图像Isub 进行二值化，得到具有前景和背景的二值化色差图像Ibin;其中，色差图像均值mean、色差 图像零像素比例zeroPixelRatio以及增强色差图像非零像素比例nonZeroPixelRatio的 计算公式分别如下：
[0034」兵屮rows衣不仃数，cols衣不列数；[0035] 二值化阈值threshold根据以下表格进行选取：[0036]
[0031
[0032
[0033
[0037] 确定二值化阈值threshold的值后，二值化色差图像Ibin可按照如下公式计算：
[0038] c、对二值化色差图像Ibin进行形态学滤波以消除噪声干扰，得到图像〇,其具体步 骤为：先用3x3的正方形结构元素队对二值化色差图像Ibin进行两次腐蚀，之后再用3x3 的正方形结构元素B2进行两次膨胀，形态学滤波之后的图像〇按照如下公式计算：0 = (((Ibin?BJ十队）ΘΒ2)ΘΒ2〇
[0039]d、采用两遍扫描法对图像〇进行连通区域提取，提取到的连通区域记为Cl，i彡0， 由于二值化色差图像Ibin具有前景和背景，因此图像〇同样具有前景和背景，采用轮廓标记 算法对图像〇依次进行两遍扫描，具体步骤如下：
[0040] dl、按行顺序逐行扫描图像〇中的像素点，判断当前像素点是否为背景，若否，则 读取当前像素点位置的4邻域像素点集合，判断4邻域的像素点是否均被标记，若是，则指 定当前像素点的标号为4邻域像素点集合中的最小标号；若否，则为当前像素点指定新标 号，新标号在当前最大标号数值上加1 ;遍历所有像素点，第一遍扫描完毕；
[0041] d2、按行顺序逐行扫描图像〇中的像素点，判断当前像素点是否已经被标记，若 是，则找到与当前标号对应的连通区域，并把属于该连通区域的标号中最小的标号赋给当 前区域；遍历所有像素点，第二遍扫描完毕；
[0042] d3、过滤掉步骤d2中小于10个像素的连通区域，得到连通区域Cl，i彡0。
[0043] e、对连通区域(^进行异常率计算，异常率R为图像累积差异面积与监控区域总面 积之比，