[发明专利]一种基于视频监控的仓储监控方法及装置

权利要求书

1.一种基于视频监控的仓储监控方法，其特征是：包括以下步骤：

(1)采集仓库中货物堆的视频信息；

(2)对采集到的图像建立背景模型，并根据场景的变化对模型参数进行学习更新，检测视频场景是否发生异常变化，得到前景二值图像；

(3)进行形态学滤波操作，对前景二值图像先做开运算，后做闭运算；

(4)对滤波后的图像进行区域划分，构建连通域，计算出每个连通区域各自的参数，剔除超过设定值的前景区域；

(5)对筛选后的前景区域进行异常判断，如果存在异常变化，进行报警；

所述步骤(2)中，对采集到的货物堆图像建立改进的混合高斯背景模型，并根据场景的变化对模型参数进行学习更新，具体包括：

(2-1)：计算开始连续时间段内的视频图像序列中各像素点的均值和方差，建立K个具有高斯分布的初始混合高斯背景模型，并设定初始权值；

(2-2)：每个像素点包含K个高斯分布构成的混合高斯背景模型，对后续传输的图像中每个新的像素值，分别与对应各像素点的背景模型进行匹配；

(2-3)：根据模型匹配的结果进行参数更新，分为两种情况，若当前帧的像素值与高斯模型集合中的一个高斯模型匹配，则更新该高斯模型的均值和方差，同时增加该高斯模型的权值，降低剩余未匹配的高斯模型的权值；若都不匹配，则根据当前帧的像素值引入一个新的高斯分布替换原先K个高斯模型集合中权值最小的高斯模型；

(2-4)：将K个高斯模型从高到低依次排序，依据设定的阈值选择相应个数的高斯模型作为背景模型；

所述步骤(5)中，对不同的货物堆区域设定不同的最小面积阈值，当通过连通域检测模块后得到的前景区域大于设定的最小面积阈值时，则判定货物堆形状发生变化；

步骤(2-3)中，均值和方差的更新公式如下：

μ_t＝(1-ρ₁)μ_t-1+ρ₁X_t

上式中，μ_t和分别是更新后t时刻的高斯模型的均值和方差，μ_t-1和分别是更新前t-1时刻的高斯模型的均值和方差，ρ₁、ρ₂是取值在[0,1]之间的参数更新因子，且ρ₁ρ₂；

高斯模型权值增加的公式为：

ω_k,t＝(1-α)ω_k,t-1+α

其中，ω_k,t为更新后的高斯模型的权值，ω_k,t-1为更新前的高斯模型的权值，α为取值在[0,1]的权值更新率；

对于K个高斯模型集合中剩余未与X_t匹配的高斯模型，则仅降低这些高斯模型的权值，权值降低的公式如下：

ω_k,t＝(1-α)ω_k,t-1

其中，ω_k,t为更新后的高斯模型的权值，ω_k,t-1为更新前的高斯模型的权值，α为取值在[0,1]的权值更新率；

权值更新率α的计算公式如下：

其中，n＝1,2,…,N为视频图像序列的帧数。

2.如权利要求1所述的一种基于视频监控的仓储监控方法，其特征是：所述步骤(1)中，摄像机正对货物堆安装，摄像机与货物堆保持一定的距离，对仓库中不同大小的货物堆进行分类分区存放。

3.如权利要求2所述的一种基于视频监控的仓储监控方法，其特征是：所述步骤(2-4)中，背景模型的高斯模型个数的选取方法为：

其中，B为选择的背景模型个数，ω_k为各个高斯模型的权值，T为估计背景的最小阈值。

4.如权利要求1所述的一种基于视频监控的仓储监控方法，其特征是：所述步骤(2)中，检测视频场景中的货物堆是否发生异常变化，对于传输来的视频图像，根据建立的背景模型，按照优先级次序依次与当前帧的像素值逐一匹配，若匹配则判断像素点为前景点，否则为背景点，最终得到前景二值图像。