[发明专利]事件检测方法和使用所述方法的视频监视系统

说明书

发明领域

本方面涉及根据权利要求1前序部分的事件检测方法，并且涉及使 用所述方法的视频监视系统。

现有技术描述

在本专利中，术语“视频监视(surveillance)系统”是指使用至少 一个图像获取(acquisition)单元并能够获得被监视区域图像序列的监 视系统。

一般地，已知的视频监视系统包括事件检测系统，其能够在异常事 件发生时产生警报。

一些已知的系统仅仅检测在两个连续图像(例如，在不同时刻通过 摄像机获得的两帧视频信号或两个图像)的像素亮度的改变(超过某个 用户定义的阈值)。

这些系统遭受以下不利情况的影响：由于例如飘动的云或水反射而 造成的突然光改变，或者在监视区域内的自然移动(例如，风引起树枝 移动或经授权的汽车沿街道行驶)可能引起若干假警报。

为了克服这些不利情况，已知视频监视系统包含学习阶段，其中系 统建立在正常状况(即，警报不应被触发的状况)下的、被监视区域的 模型。在操作阶段期间，将所获得图像的像素与模型的像素相比较。如 果像素之差超过某个操作员定义的阈值，则将触发警报。

尽管产生了关于被监视区域的正常状况的模型，但在所获得图像和 模型之间的逐像素比较的有效性通常很低，这是因为不同于其模型的单 个像素足以触发警报。

这导致了多个假警报的产生。

假警报产生的问题已经通过一些已知的解决方案(美国专利US 5,892,856)而被处理，其实际上除去了那些在学习阶段显示出剧烈变化 (例如，由于在被注视(watched)场景中的自然移动)的检测。

这种解决方案并不十分有效，仅仅可能被用在诸如工作站处存在检 测之类的选定环境中(如在专利US 5,892,856中)。

其他更先进的解决方案(例如由专利申请US 2004/0246336所公开 的那个)首先提供了用于每个像素的静态模型(具有相关联的均值和方 差)的产生；此后，在事件检测阶段，系统推断被检测目标/人的图像， 以便将其与授权目标的模型集合相比较。

然而，该解决方案具有如下缺点：它需要很多可用存储器，以用于 存储场景和授权目标的模型，还需要高计算能力，用于通过比较被检测 目标和授权目标来实时分析整个图像。

所有已知解决方案共同的问题在于以下的事实：当两个连续帧的像 素的亮度或色差超过某个操作员定义的阈值时，警报将被触发。这导致 系统的效率依赖于操作员的技能，而当操作员不是专家时，这将成为问 题。

本发明的主要目的在于克服现有技术的缺点，具体地在于提供视频 监视系统和事件检测方法，其考虑到更有效的事件检测，同时减少了假 警报数，并优选地同时不需要在可用存储器和计算能力方面的高能力。

本发明的进一步目标在于提供具有高度自动化的系统，并且该系统 能够自动计算误差阈值，其中超过所述误差阈值的一个像素的正常变化 必须与警报状况相区分。

本发明的目的还在于提供视频监视系统和事件检测方法，其能够优 化存储器使用并根据在学习阶段期间出现在被监视区域中的动态来改 变计算复杂度。

本发明的这些和进一步的目的通过根据所附权利要求的视频监视 系统和方法而获得，所附权利要求被认为是说明书的组成部分。

发明简述

本发明基于抛开传统方法的思想，根据传统方法，将当前图像的每 个单独像素与参考图像的相应像素或与像素模型进行比较。

具体来说，本发明的目标在于考虑到图像的区域(即，像素组)，以 便在检测事件时也考虑像素之间的相关性，从而减少假警报数。

根据本发明的视频监视系统需要被监视区域的图像，并将其单独区 域与表示正常状况的相应“模型”进行比较，所述模型以学习阶段所获 得的图像空间的形式而建立，所述图像与被注视场景的正常状况有关。

以与图像向量相同的方式来处理图像或区域，其相对于正常状况的 差别被测定为：图像向量在表示被监视区域正常状况下的“模型”的图 像空间上的投影误差(projection error)。

通过在学习阶段期间在正常状况下拍摄区域所获得的图像集合，开 始对“模型”的建造。