[发明专利]一种基于视频的离床检测方法

说明书

本发明提供一种基于视频的离床检测方法，包括以下步骤：A.参数设置，包括设置检测区域和触发离床报警时长；B.持续对视频监控图像进行预处理；C.对预处理后的监控图像进行目标检测；D.检测区域内有人无人判断；E.目标穿出检测区域状态判断；F.离床报警时间统计。该发明的有益效果是：对离床状态进行检测，节省了传统通过感应硬件进行检测的硬件成本，实现了对离床检测的自动化，不仅省去了大量的人力成本和时间成本，而且有效提升了识别准确率，降低了误警率，本发明具有多种场景的适用性。

技术领域

本发明涉及视频监控技术领域，尤其是涉及一种基于视频的离床检测方法。

背景技术

随着技术的进步与发展，视频监控系统在公安系统内部各单位的应用越来越广泛，尤其是对在押人员的监管和监控，视频监控系统起着尤为重要的作用。

离床检测主要应用于夜晚时对在押人员的监控场景，在押人员离床时间过长，可能会导致异常事件的发生，在发现在押人员离床时间过长时，及时发出报警信息。目前监察人员往往需要面对几百路甚至上千路的电视墙，很容易注意力分散，无法及时发现视频中在押人员离床时间过长的情况。

现有的离床检测通常是通过感应硬件实现的，硬件成本也较高。本发明基于视频的离床检测方法能够及时对在押人员离床时间过长的情况进行报警，提醒监察人员异常情况的发生。

发明内容

有鉴于此，本发明旨在提出一种基于视频的离床检测方法，能够及时对在押人员离床时间过长的情况进行报警，减少在押犯人异常事件的发生。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于视频的离床检测方法，包括以下步骤：

A.参数设置，包括设置检测区域和触发离床报警时长；

B.持续对视频监控图像进行预处理；

C.对预处理后的监控图像进行目标检测；

D.检测区域内有人无人判断；

E.目标穿出检测区域状态判断；

F.离床报警时间统计。

进一步的，所述步骤A中检测区域为监控场景下床位的位置。

进一步的，所述步骤B中运用高斯滤波法对视频监控图像进行平滑去噪预处理。

进一步的，所述步骤C中使用YOLO模型对步骤B中得到的预处理后的图像进行目标检测。

进一步的，所述YOLO模型的训练过程如下：

a.收集样本；

b.数据增强；

c.样本标注；

d.在DarkNet框架下训练模型；

进一步的，所述样本收集需要覆盖应用场景下目标的各种可能的姿势和角度，并且样本中应包括无人但容易误检到人的场景以降低误检率，样本收集完后对样本做图像数据增强，调整图像的亮度、角度、对比度等信息，增加样本的多样性，可以提高模型的鲁棒性，数据增强完成后，对样本进行标注，即根据人在图像中的位置，标出真实的位置坐标，样本的标注要求所标注目标位置的准确性，之后在darknet框架下进行模型训练，得到YOLO模型。

进一步的，所述步骤C中对步骤B得到的图像进行目标检测的过程为：通过YOLO模型在整幅监控图像上检测、记录检测目标的位置，采用逻辑回归sigmoid函数，计算得分，当检测目标得分大于0.8时认为检测目标有效,并对有效目标进行跟踪形成运动轨迹。

进一步的，所述步骤D中检测区域内有人无人判断的过程如下：