[发明专利]一种用于通道堵塞判别的动态递归建模和融合跟踪方法

说明书

本发明属于计算机视觉技术领域，具体为一种用于通道堵塞判别的动态递归建模和融合跟踪方法。本发明首先对通道背景模型采用动态递归背景建模算法，检测通道背景和前景信息，分割出通道行人、堆积物等动态和静态物体；然后，结合物体颜色和位置特征，采用特征融合跟踪算法，及时准确地跟踪物体，提取物体位置特征信息，判断物体是处于运动还是静止状态，针对不同状态采取背景局部条件更新策略。最后，根据跟踪的物体在通道的滞留时间和宽度占比，判断是否为堵塞物体。本发明方法能有效地检测出通道物体堵塞，提高火灾多发单位的安全保障能力，解决火灾高危单位内疏散通道、紧急出口等被占用的安全隐患问题。

技术领域

本发明属于计算机视觉技术领域，具体涉及一种用于通道堵塞判别的动态递归建模和融合跟踪方法。

背景技术

随着社会的进步，人们不断追求更加舒适、宽裕的住宅和工作空间，导致越来越多疏散通道、安全出口被占用，一旦有火灾发生，严重影响人员疏散和消防抢救，造成大量人员伤亡和财产损失，引起越来越多人的关注。然而，通道堵塞检测，单靠人工排查根本无法实现，虽然，目前有关部门在相应关键通道路口布置摄像头监控，但最终还是需要人工根据监控录像去判断通道是否堵塞，没有从根本上解决通道堵塞检测问题。

目前，人们在通道堵塞检测中取得了一定的成就。一种基于图像匹配的消防通道障碍物检测方法技术，只需将背景图像与实时监测图像在指定区域内进行匹配，判断指定区域内是否存在障碍物堵塞，实现起来简单，但是背景图像无法时时更新，不能很好适应消防通道复杂环境的变化；一种基于自适应背景学习的消防通道安全检测方法，该方法采用HOG特征的前景目标检测和自适应背景更新策略，能很好适应通道复杂环境的变化，提高物体检测的准确率和鲁棒性，但是没有考虑短时间出现在通道物体，并不属于堵塞的情况；还有一种基于多传感器信息融合的障碍物检测方法技术，该技术结合毫米波雷达和计算机视觉技术，大大提高了通道障碍物检测的可靠性，但是该方法技术实施成本大，不利于大规模的推广。

发明内容

本发明的目的是为了克服现有技术的不足，提出一种可用于通道堵塞判别的动态递归建模和融合跟踪方法，对通道高斯背景模型采取一种动态局部条件检测和更新方法，融合物体颜色和位置特征的跟踪算法跟踪前景目标，结合跟踪物体在通道的滞留时间和宽度占比判断物体是否造成堵塞，实现通道堵塞自动检测。

本发明提出的可用于通道堵塞判别的动态递归建模和融合跟踪方法，包括以下步骤：

步骤1、对通道背景N帧图像动态递归背景建模，将实时监控图像像素与背景模型对比，分割出通道行人、堆积物等动态和静态物体；

步骤2、提取所跟踪物体位置特征信息，判断跟踪物体是处于运动还是静止状态，针对不同的状态采取背景模型局部条件更新策略；

步骤3、对分割出的通道物体，采用结合物体颜色和位置特征的跟踪算法，实时跟踪通道物体；

步骤4、计算步骤2跟踪物体在通道的滞留时间和宽度占比，判断是否为堵塞物体，并根据堵塞的程度，发出相应的报警警示。

步骤(1)中，对通道高斯背景模型采取一种动态局部条件检测和更新方法，检测出通道背景模型和前景模型，对分别满足前景和背景模型的像素值二值化，分割出通道前景物体。

步骤(2)中，计算跟踪物体前后两帧的质心位置的距离，若小于预设的阈值，则对物体范围内的像素停止步骤(1)背景模型的更新，反之，则正常更新。

步骤(3)中，所述采用结合物体颜色和位置特征的跟踪算法，即把CamShift算法和Kalman滤波跟踪算法线性地组合在一起，CamShift算法用于预测物体质心位置，Kalman滤波跟踪算法用于不断修正物体预测的质心位置。

步骤(4)中，滞留时间是指物体从进入通道到离开通道的时间，宽度占比是指物体接触通道地表面的宽度占通道宽度的比例；只有在规定时间内，检测到物体都满足通道堵塞的宽度占比，才会被认为是通道堵塞。