本发明涉及视频监控领域，尤其涉及一种基于深度相机的入侵检测方法。
背景技术：
视频监控是安全方案系统的重要组成部分，近年来，随着计算机、网络以及图像处理、传输技术的进步，视频监控技术也有了长足的进步。入侵检测是智能视频监控的重要组成部分，在军用与民用领域均有广泛应用。目前入侵检测主要有基于图像视频分析或红外探测器等方法，其中基于图像视频分析的方法容易受到环境光变化的应用，在环境光较复杂的场景容易产生误报；而基于红外探测器的方法易受小动物、雾气、雨雪等环境因素产生误报，另外安装方式、角度、位置的不同也会造成一定影响。
技术实现要素：
本发明公开了一种基于深度相机的入侵检测方法，通过深度相机获取场景中所有物体到相机的距离信息，进而可以通过相机的其他参数获取场景的点云(空间坐标系下每个采样点的三维坐标集)数据，计算预设的空间监控范围内像素点数并进行动态更新，当预设监控范围内有入侵时点数会发生变化，根据变化的情况进行是否有人入侵的判定
其技术方案如下所示：
一种基于深度相机的入侵检测方法，其特征在于：
包括如下步骤：
1)配置监控范围：用户在相机量程范围内设置监控范围；
2)初始化预设监控范围内的背景像素数，初始化值可以设置为整幅图像对应的像素数(如320*240分辨率的距离图像设置为320*240＝76800)或上电初始化第一帧对应的预设监控范围内的像素数或其他大于预估监控范围内点数的数值，记为num0；
3)将入侵状态记为state，state＝0代表无人，state＝1代表有人，初始化为0；
4)对每一帧距离图像数据，统计预设空间范围内像素数量，记为numi；
5)若numi<num0+thr1，执行以下操作：Num0＝(A*num0+B*numi)/(A+B)，
State设置为0；其中thr1，A，B均为可调节参数，thr1是判定的第一阈值，反映的是背景像素数噪声波动情况，A和B用于调节背景像素数的更新速度；
6)若numi＞num0+thr2，执行以下操作：State设置为1；其中thr2是判定的第二阈值，为可调节参数，通过调节thr2可以排除小动物等入侵的误判；
7)若numi既不满足<num0+thr1、也不满足＞num0+thr2，执行以下操作：State保持不变；
进一步的，所述步骤5)中的thr1通过如下方法确定：
5-1)对固定场景连续抓取N次距离数据(例如N＝100)；
5-2)统计N次数据的标准差(均方差)σ，按照如下标准计算公式计算：
假设有一组数值X1，X2，X3，......Xn(皆为实数)，其平均值(算术平均值)为μ，公式如图式
标准差也被称为标准偏差，或者实验标准差，公式为
5-3)将thr1设置为σ的某个倍数，通常按照正态分布可以将thr1设置为σ的4倍，其中各倍数对应面积如下所示：
■95.449974％的面积在平均值左右两个标准差2σ的范围内；
■99.730020％的面积在平均值左右三个标准差3σ的范围内；
■99.993666％的面积在平均值左右四个标准差4σ的范围内。
进一步的，所述步骤6)中的thr2通过如下方法确定：
6-1)每个采样点代表的空间体积计算公式为
体积L＝(d/f)^3*A，其中d为距离，f为相机焦距，A为与相机传感器有关的系数；
6-2)假设想检测的物体体积要大于M，则thr2可设置为M/L的固定倍数，通常可设置为0.5倍的M/L，但该值至少要大于thr1；
有益效果：本发明提供一种基于深度相机的入侵检测方法，深度相机获取场景中所有物体到相机的距离信息，进而可以通过相机的其他参数获取场景的点云(空间坐标系下每个采样点的三维坐标集)数据，计算预设的空间监控范围内像素点数并进行动态更新，当预设监控范围内有入侵时点数会发生变化，根据变化的情况进行是否有人入侵的判定。与目前主流的入侵检测方法相比，该方法具有基本不受环境光影响，识别准确率高的优势。
附图说明
结合附图对本发明作进一步详细说明：
图1为本申请方法流程示意图图；
具体实施方式
以下将根据附图所示的优选实施例，对本发明进行详细解释，然而本发明不限于该实施例。
结合附图1，对本技术方案进行介绍：
一种基于深度相机的入侵检测方法，其特征在于：
包括如下步骤：
1)配置监控范围：用户在相机量程范围内设置监控范围；
2)初始化预设监控范围内的背景像素数，初始化值可以设置为整幅图像对应的像素数(如320*240分辨率的距离图像设置为320*240＝76800)或上电初始化第一帧对应的预设监控范围内的像素数或其他大于预估监控范围内点数的数值，记为num0；
3)将入侵状态记为state，state＝0代表无人，state＝1代表有人，初始化为0；
4)对每一帧距离图像数据，统计预设空间范围内像素数量，记为numi；
5)若numi<num0+thr1，执行以下操作：Num0＝(A*num0+B*numi)/(A+B)，
State设置为0；其中thr1，A，B均为可调节参数，thr1是判定的第一阈值，反映的是背景像素数噪声波动情况，A和B用于调节背景像素数的更新速度；
6)若numi＞num0+thr2，执行以下操作：State设置为1；其中thr2是判定的第二阈值，为可调节参数，通过调节thr2可以排除小动物等入侵的误判；
7)若numi既不满足＜num0+thr1、也不满足＞num0+thr2，执行以下操作：State保持不变。
进一步的，所述步骤5)中的thr1通过如下方法确定：
5-1)对固定场景连续抓取N次距离数据(例如N＝100)；
5-2)统计N次数据的标准差(均方差)σ，按照如下标准计算公式计算：
假设有一组数值X1，X2，X3，......Xn(皆为实数)，其平均值(算术平均值)为μ，公式如图式
标准差也被称为标准偏差，或者实验标准差，公式为
5-3)将thr1设置为σ的某个倍数，通常按照正态分布可以将thr1设置为σ的4倍，其中各倍数对应面积如下所示：
■95.449974％的面积在平均值左右两个标准差2σ的范围内；
■99.730020％的面积在平均值左右三个标准差3σ的范围内；
■99.993666％的面积在平均值左右四个标准差4σ的范围内。
进一步的，所述步骤6)中的thr2通过如下方法确定：
6-1)每个采样点代表的空间体积计算公式为
体积L＝(d/f)^3*A，其中d为距离，f为相机焦距，A为与相机传感器有关的系数；
6-2)假设想检测的物体体积要大于M，则thr2可设置为M/L的固定倍数，通常可设置为0.5倍的M/L，但该值至少要大于thr1；
本发明具有如下特点：
1本发明基于深度相机进行入侵检测，其获取的空间坐标精度和数据量都远远高于普通的红外探测器，结合本发明提供的算法可以实现非常稳定准确的入侵探测；
2本发明设计了独特的背景更新方法，依靠计算空间物体坐标的变化而非传感器获取的原始光照度信息，这样可以排除环境光变化的干扰，与普通的摄像头依靠亮度变化进行背景更新的方法相比，本发明提供的方法鲁棒性更好，更新更准确；
3本发明设计了使用监控范围内获取的采样点数进行入侵物体大小的判定的方法，可以很好的排除小体积物体入侵的干扰(如小动物等)。
以上具体实施方式仅用以说明本发明的技术方案而非限制，尽管参照实例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。