一种用于视频监控中视频遮挡的检测方法及系统与流程

本发明涉及视频监控图像处理技术领域，特别涉及一种用于视频监控中视频遮挡的检测方法及系统。

背景技术：

随着社会经济的不断发展和人民生活水平的持续提高，安防监控越来越普及，工作生活中几乎处处可以看到监控摄像头。无论是马路上，电梯里，还是商场，安防摄像头发挥着重要的作用。

然而，若视频摄像头受到遮挡则会对安防系统造成非常大影响。视频遮挡，即监控摄像头由于受到干扰而影响画面内容的观看。在众多监控场景中，很多被监控区域处于较为偏远的地方，很少有人巡逻查看，另外一些遮挡通过肉眼也难以判断摄像机的工况。因此，常常会出现某个区域的视频信息被遮挡或积灰而无法使用，进而严重阻碍了事故的排查时间，同时也造成了监控设备资源的浪费。

目前，现有的一些视频遮挡检测方法因为受到图像噪声和光照的影响较大，不仅检测效率低，而且准确度较低，经常会发生误报的情况，给后期检修工作带来了诸多不必要的麻烦。

技术实现要素：

本发明的目的是：提出一种用于视频监控中视频遮挡的检测方法及系统，其能够自动识别视频监控系统中的视频遮挡事件，且排除了图像噪声和光照变化的影响，检测的速度更快，准确度更高。

本发明解决其技术问题所采用的技术方案是：

一种用于视频监控中视频遮挡的检测方法，包括如下步骤：

s1、通过监控摄像头获取视频图像；

s2、对获取的视频图像进行图像预处理；

s3、从预处理后的视频图像中，提取感兴趣区域的视频图像；

s4、在感兴趣区域的视频图像中，采用sobel算子计算前n帧视频图像的频率；

s5、采用基于统计分析的方法，并根据所述前n帧视频图像的频率建立初始的高斯模型，即：认为图像的频率随时间的变化符合高斯分布，记录高斯模型的均值u与标准差δ；

s6、判断前n帧视频图像之后的新帧图像是否命中所述高斯模型，记新帧图像频率为f，如果|f-u|<λδ则认为命中，反之则认为没有命中；

s7、采用多学习率的方法更新所述高斯模型，其更新公式如下：

u(t)＝(1-α)*u(t-1)+α*f；

δ(t)＝(1-α)*δ(t-1)+α*(f-u(t))；

其中，u(t)和δ(t)分别表示新的均值和方差,α为学习率，当所述新帧图像命中所述高斯模型时α＝α1，当所述新帧图像未命中所述高斯模型时α＝α2，且α1>α2；

s8、采用连续多帧综合告警判断的方法确定视频遮挡事件的发生，若连续n帧的新帧图像都没有命中所述高斯模型，则判定为视频遮挡。

进一步，所述图像预处理的具体步骤如下：

s21、用高斯核对获取的视频图像做平滑处理；

s22、对平滑处理后的视频图像做直方图均衡化处理。

进一步，所述感兴趣区域由人工预先设定。

进一步，所述采用sobel算子计算前n帧视频图像的频率的具体步骤如下：

s41、分别用水平方向和竖直方向的sobel算子对提取到的感兴趣区域的视频图像进行卷积操作，并将两次的结果求平均；

s42、将经过sobel算子滤波过的视频图像进行图像二值化处理，获得二值化图像；

s43、统计所述二值化图像中不为0的像素点个数。

进一步，所述采用连续多帧综合告警判断的方法确定视频遮挡事件的发生的具体步骤如下：

s81、判断所述新帧图像是否命中当前的高斯模型；

s82、如果命中，则异常次数设为0，并以学习率α1更新高斯模型；

s83、如果未命中，则异常次数加1，并以学习率α2更新高斯模型；

s84、当异常次数大于预设的阈值时，判定为视频遮挡，并报警。

一种用于视频监控中视频遮挡的检测系统，包括：

用于获取监控视频图像的图像获取模块；

用于对所述监控视频图像进行图像预处理的图像预处理模块；

用于搭建初始高斯模型的高斯模型建立模块；

用于计算视频图像的频率的图像频率计算模块；以及

用于判断是否存在视频遮挡事件的判定模块；

所述图像预处理模块输出的预处理后的视频图像导入至搭建的所述高斯模型中，并通过所述图像频率计算模块计算出视频图像的新帧图像频率，并判断其是否命中所述高斯模型；所述判定模块采用连续多帧综合判断的方法判定是否存在视频遮挡事件。

进一步，所述图像预处理模块包括用于图像去噪的平滑处理单元和用于提高对比度的直方图均衡化单元。

本发明的有益效果是：采用本发明能够在视频监控中自动对视频遮挡事件进行检测，发现存在视频遮挡事件时能够主动报警提醒。此外，本发明的检测方法检测速度快，且解决了图像本身噪声的影响和光照变化的影响，提高了检测的准确度，避免了误报情况的发生。

附图说明

图1是本发明中视频遮挡的检测系统的结构示意图。

图2是本发明中高斯模型建立模块的模型更新流程图。

图3是本发明中多帧综合告警判断的处理流程图。

图4是本发明中视频遮挡的检测方法的流程示意图。

具体实施方式

以下结合附图，对本发明做进一步说明。

如图1所示，本发明中视频遮挡的检测系统的结构基于以下几个模块：图像获取模块、图像预处理模块、高斯模型建立模块、图像频率计算模块和判定模块。

其中，图像获取模块将获取到的视频图像输入至图像预处理模块中，经过图像预处理模块处理后输出至由高斯模型建立模块搭建的初始的高斯模型中，并通过图像频率计算模块计算出视频图像的新帧图像频率，并判断新帧是否命中高斯模型，最后采用连续多帧综合判断的方法由判定模块判定是否存在视频遮挡事件。

其中，图像预处理模块是由图像平滑处理单元和直方图均衡化处理单元构成。其具体的处理过程如下：在获取的图像上使用平滑处理单元，得到去噪后的图像，然后在去噪后的图像上计算直方图，然后通过直方图均衡化的方法对直方图进行拉伸，以提高对比度。通过图像预处理模块解决了图像本身噪声的影响，使用直方图均衡化再综合本发明的频率判断方法解决了光照变化的影响。

其中，高斯模型建立模块的模型更新过程如图2所示，基于高斯模型的频率统计先计算前n帧的平均值和方差，然后根据求得的平均值和方差建立初始模型，当获取到新的图像时，计算新图像的频率并判断其是否命中当前模型，如果命中当前的模型，以学习率α1更新模型，如果没有命中当前的模型，以学习率α2更新模型。通常情况下，设α1大于α2，这样既可以使模型不断更新以适应变化的环境有可以避免遮挡情况下图像频率的异常变化对模型的破坏，提高模型的稳定性。

基于多帧综合告警判断的具体方法包括：如图3所示，基于多帧综合告警判断方法首先在程序初始化时将异常次数归0，然后计算新帧的频率并判断其是否命中当前模型，如果命中则将异常次数归0，如果没有命中则将异常次数加1，然后判断异常次数是否大于阈值，如果大于阈值就报警。这种处理认为视频遮挡在时间上是个连续的行为，即连续多帧检测到频率异常才认为是视频遮挡，大大降低了虚警率。

本发明中视频遮挡的检测方法具体流程如图4所示，一种用于视频监控中视频遮挡的检测方法，包括如下步骤：

s1、通过监控摄像头获取视频图像；

s2、对获取的视频图像进行图像预处理；

s3、从预处理后的视频图像中，提取感兴趣区域的视频图像；其感兴趣区域由人工预先设定；

s4、在感兴趣区域的视频图像中，采用sobel算子计算前n帧视频图像的频率；

s5、采用基于统计分析的方法，并根据所述前n帧视频图像的频率建立初始的高斯模型，即：认为图像的频率随时间的变化符合高斯分布，记录高斯模型的均值u与标准差δ；

s6、判断前n帧视频图像之后的新帧图像是否命中所述高斯模型，记新帧图像的频率为f，如果|f-u|<λδ则认为命中，反之则认为没有命中；

s7、采用多学习率的方法更新所述高斯模型，其更新公式如下：

u(t)＝(1-α)*u(t-1)+α*f；

δ(t)＝(1-α)*δ(t-1)+α*(f-u(t))；

其中，u(t)和δ(t)分别表示新的均值和方差,α为学习率，当新帧图像命中所述高斯模型时α＝α1，当新帧图像未命中所述高斯模型时α＝α2，且α1>α2；

s8、采用连续多帧综合告警判断的方法确定视频遮挡事件的发生，若连续n帧的新帧图像都没有命中所述高斯模型，则判定为视频遮挡。

其中，图像预处理的具体步骤如下：

s21、用高斯核对获取的视频图像做平滑处理；

s22、对平滑处理后的视频图像做直方图均衡化处理。

其中，采用sobel算子计算前n帧视频图像的频率的具体步骤如下：

s41、分别用水平方向和竖直方向的sobel算子对提取到的感兴趣区域的视频图像进行卷积操作，并将两次的结果求平均；

s42、将经过sobel算子滤波过的视频图像进行图像二值化处理，获得二值化图像；

s43、统计所述二值化图像中不为0的像素点个数。

其中，采用连续多帧综合告警判断的方法确定视频遮挡事件的发生的具体步骤如下：

s81、判断新帧是否命中当前的高斯模型；

s82、如果命中，则异常次数设为0，并以学习率α1更新高斯模型；

s83、如果未命中，则异常次数加1，并以学习率α2更新高斯模型；

s84、当异常次数大于预设的阈值时，判定为视频遮挡，并报警。

以上显示和描述了本方案的基本原理和主要特征和本方案的优点。本行业的技术人员应该了解，本方案不受上述实施例的限制，上述实施例和说明书中描述的只是说明本方案的原理，在不脱离本方案精神和范围的前提下，本方案还会有各种变化和改进，这些变化和改进都落入要求保护的本方案范围内。本方案要求保护范围由所附的权利要求书及其等效物界定。