[发明专利]一种视频监控中基于角度的徘徊轨迹检测方法

说明书

技术领域

本发明涉及视频监控中的图像处理方法，尤其是一种视频监控中的运动目标轨迹检测方法。

背景技术

视频监控(Video Surveillance)是安全防范系统的重要组成部分，因其直观，方便，有效而成为提高安全性的主要途径之一。轨迹检测是智能视频监控的重要功能之一，在对运动目标行为监测中有着非常重要的作用，比如，在汽车等贵重物品旁有徘徊的运动目标出现，那么该徘徊目标很可能会实施偷盗行为或者其他非法行为；如果在河流堤岸或铁路轨道旁发现徘徊运动目标，那么该徘徊目标可能会实施危害自身安全的行为。徘徊轨迹检测是发掘运动目标徘徊行为从而有效阻止或即时发现危害行为的有效方法之一。

传统的轨迹检测方法主要有设定阈值计算轨迹长度和模式匹配两种方法，其中前者无法确定轨迹曲线类别，检测准确率不高；后者需要大量的轨迹样本进行训练，时间空间复杂度巨大，而且只适合于特定场景，如马路十字路口车辆轨迹的识别，不适合单人轨迹的识别判断。

发明内容

为了克服已有视频监控中轨迹检测方法的准确率不高、适用性差的不足，本发明提供一种准确率高、适用性良好的视频监控中基于角度的徘徊轨迹检测方法。

本发明解决其技术问题所采用的技术方案是：

一种视频监控中基于角度的徘徊轨迹检测方法，所述徘徊轨迹检测方法包括以下步骤：

第一步，对于采集到的每一帧图像进行运动目标检测；

第二步，在检测到目标后，确定运动目标在初始两帧中的位置A和C，将初始两帧的目标位置连接生成射线AC；

第三步，同样以运动目标在初始帧的起始点A为起点，计算经过每一个目标位置D的射线AD与AC的夹角α，定义视频中的坐标原点，假如设A，C，D三点在视频序列中的坐标分别为：A(x₁，y₁)，C(x₂，y₂)，D(x₃，y₃)，则夹角α计算方法为：

第四步，根据夹角α的变化规律来确定轨迹的类型，并判断轨迹是否属于徘徊轨迹，设定一个徘徊阈值，初始值为0，判断方法为：

若夹角α的值先变大，到达某一临界值后α值变小，直到运动目标D的位置使得角度α再次变大，且整个过程0°＜α＜180°，此一个变化周期判断该轨迹为徘徊曲线，所述徘徊曲线为S型曲线，令徘徊阈值加1，再以该点D为新轨迹起始点以同样方法判断；

第五步，判断徘徊阈值是否超出设定的阈值，若徘徊阈值超出设定的阈值，则发出徘徊警报；否则返回第一步重新采集视频序列。

进一步，所述第四步中，判断方法还包括：若夹角α的值先变大，到达某一临界值后α值变小直至为0°，此时运动目标与原轨迹交于点D，判断该轨迹为徘徊曲线，所述徘徊曲线为闭合曲线，令徘徊阈值加1，再以该点D为新轨迹起始点以同样方法判断。

再进一步，所述第四步中，判断方法还包括：若夹角α的值一直增大直至达到180°，此时运动目标D与点A，点C处于同一直线，判断该轨迹为徘徊曲线，所述徘徊曲线为螺旋型曲线，令徘徊阈值加1，再以该点D为新轨迹起始点以同样方法判断。

本发明的技术构思为：该算法的一个递推过程包括以下基本步骤：

1)、对采集的视频序列进行运动目标检测。

2)、检测到运动目标后，根据初始两帧目标位置得到射线AC。

3)、计算同样以A为起点，经过每一个目标位置的射线与AC的夹角α。

4)、根据夹角α的变化规律来确定轨迹的类型，判断轨迹是否为徘徊轨迹。

5)、判断徘徊阈值是否超出设定的阈值，若超过阈值，则发出徘徊警报。

本发明的徘徊轨迹包括S型曲线、闭合曲线和螺旋型曲线，此三类轨迹曲线已基本包含各种徘徊轨迹情况。结合这三类曲线对徘徊轨迹进行判断，可靠性较高。

本发明的有益效果主要表现在：根据运动目标的行为轨迹实时进行徘徊行为判断，不需要任何训练样本，以最大程度地减少时间复杂度和空间复杂度，从而提高实时处理性能，提高检测准确率。

附图说明

图1为本发明的三类徘徊轨迹示意图。

图2为本发明的一种视频监控中基于角度的徘徊轨迹检测方法流程图。

图3为本发明的S曲线型徘徊轨迹判断示意图。

图4为本发明的闭合曲线型徘徊轨迹判断示意图。

图5为本发明的螺旋曲线型徘徊轨迹判断示意图。

具体实施方式

下面结合附图对本发明作进一步描述。