[发明专利]一种目标智能追踪的停车场CCTV监视系统及方法

权利要求书

1.一种目标智能追踪的停车场CCTV监视系统，其特征在于，包括：

运动区块提取模块，用于每一帧视频画面中提取运动画面区域；

运动目标识别模块，用于每一帧视频画面的所述运动画面区域中筛选出运动目标；

运动特征计算模块，用于提取所述运动目标的运动参数信息，并且根据所述运动目标的运动参数信息生成该运动目标的运动特征；

异常目标判断模块，用于对全部运动目标的运动特征进行分类，并且将运动目标数量小于正常数量阈值的分类中的运动目标作为追踪目标；

以及，报警提示模块，提取并发送含有追踪目标的视频画面。

2.根据权利要求1所述的停车场CCTV监视系统，其特征在于，所述运动区块提取模块通过帧差分法、光流法或者基于混合高斯模型的背景差分法，从每一帧视频画面中提取运动画面区域。

3.根据权利要求2所述的停车场CCTV监视系统，其特征在于，所述运动目标识别模块针对每一帧视频画面中提取的运动画面区域，取得运动画面区域的外接矩形的横向长度和纵向长度，或者取得从运动画面区域外接矩形的中心点到该运动画面区域边缘的矢量组，作为所述运动画面区域的形状特征值，并且将运动画面区域的形状特征值与目标形状模板比对，从而从每一帧视频画面的运动画面区域中筛选出运动目标。

4.根据权利要求3所述的停车场CCTV监视系统，其特征在于，所述运动特征计算模块，对于每一帧视频画面的运动目标确定其外接矩形，以及确定时间上的前一帧视频画面中同一运动目标的外接矩形，计算外接矩形横坐标、纵坐标、宽度、高度的变化值，作为该运动目标的运动特征。

5.根据权利要求4所述的停车场CCTV监视系统，其特征在于，异常目标判断模块将所述外接矩形的变化值作为一个多维度向量，所述外接矩形横坐标、纵坐标、宽度、高度的变化值作为在多维度向量在每个维度上的取值；对一定时间段内全部视频画面中的全部运动目标对应的多维度向量，执行K-means聚类，根据聚类结果将运动目标划分为多个所述分类。

6.一种目标智能追踪的停车场CCTV监视方法，包括以下步骤：

运动区块提取步骤，用于每一帧视频画面中提取运动画面区域；

运动目标识别步骤，用于每一帧视频画面的所述运动画面区域中筛选出运动目标；

运动特征计算步骤，用于提取所述运动目标的运动参数信息，并且根据所述运动目标的运动参数信息生成该运动目标的运动特征；

异常目标判断步骤，用于对全部运动目标的运动特征进行分类，并且将运动目标数量小于正常数量阈值的分类中的运动目标作为追踪目标；

以及，报警提示步骤，提取并发送含有追踪目标的视频画面。

7.根据权利要求6所述的目标智能追踪的停车场CCTV监视方法，其特征在于，所述运动区块提取步骤通过帧差分法、光流法或者基于混合高斯模型的背景差分法，从每一帧视频画面中提取运动画面区域。

8.根据权利要求7所述的目标智能追踪的停车场CCTV监视方法，其特征在于，所述运动目标识别步骤针对每一帧视频画面中提取的运动画面区域，取得运动画面区域的外接矩形的横向长度和纵向长度，或者取得从运动画面区域外接矩形的中心点到该运动画面区域边缘的矢量组，作为所述运动画面区域的形状特征值，并且将运动画面区域的形状特征值与目标形状模板比对，从而从每一帧视频画面的运动画面区域中筛选出运动目标。

9.根据权利要求8所述的目标智能追踪的停车场CCTV监视方法，其特征在于，所述运动特征计算步骤，对于每一帧视频画面的运动目标确定其外接矩形，以及确定时间上的前一帧视频画面中同一运动目标的外接矩形，计算外接矩形横坐标、纵坐标、宽度、高度的变化值，作为该运动目标的运动特征。

10.根据权利要求9所述的目标智能追踪的停车场CCTV监视方法，其特征在于，异常目标判断步骤将所述外接矩形的变化值作为一个多维度向量，所述外接矩形横坐标、纵坐标、宽度、高度的变化值作为在多维度向量在每个维度上的取值；对一定时间段内全部视频画面中的全部运动目标对应的多维度向量，执行K-means聚类，根据聚类结果将运动目标划分为多个所述分类。