[发明专利]基于生物视觉的智能视频监控与预警系统

说明书

本发明公开了一种基于生物视觉的智能视频监控与预警系统，由基于果蝇视觉神经的局域内单或多个运动目标异常监测、基于蝗虫视觉神经的广域内大规模运动目标群监测，以及停车场场景的门禁车辆自动监测三个功能子系统构成；果蝇视觉神经的局域内单或多个运动目标异常监测是通过提出一种果蝇视觉神经网络；基于蝗虫视觉神经的广域内大规模运动目标群监测是通过提出一种蝗虫视觉神经网络；门禁车辆自动监控是依据车辆视频，对车辆进行自动识别，并对异常车辆实施自动预警。本发明的智能视频监控系统能实时、多通道监控局域和广域环境下目标或目标群的异常状况及自动检测与监控门禁环境下车辆异常状况，实现视频监控无人值守化。

技术领域

本发明涉及计算机视觉、生物视觉、视觉神经网络、图像处理、视频监控等领域，具体涉及到一种基于生物视觉的智能视频监控与预警系统。

背景技术

目前公共场所环境下异常状况的监控已成为当今公共安全领域关注的重要话题，而大部分公共场所视频监控的主要手段是通过人工观察监控录像的方式实施监控，这种方式存在成本高、效率低，实时性差等诸多缺点，已经不能满足现代公共区域安全的需要。随着计算机视觉技术的普及程度和自身性能越来越高，以计算机视觉为核心的智能监控系统符合公共区域监控行业的发展趋势。

智能视频监控系统利用计算机视觉、智能图像处理等技术，协助安保人员更有效地把控公共区域的安全状况，旨在达到无人值守化智能视频监控的目的。现有的计算机视觉技术在进行运动分析的实时性方面，诸如目标检测、位置估计、目标跟踪和信息处理，仍存在很大的局限性。

在现有技术中，中国矿业大学申请的发明专利(公开号：105023278B)公开了一种基于光流法的运动目标跟踪方法及系统，所述方法包括提供视频图像并对所述图像进行预处理生成预处理图像；对预处理图像进行边缘检测以及利用光流法对预处理图像进行提取目标信息，并根据边缘检测的信息和提取到的目标信息融合生成完整的运动目标；利用光流法对所述运动目标进行估计分析且采用基于特征点轨迹的向前向后误差算法对剔除由于光照产生的错误匹配点；创建模板图像并进行模板图像匹配对运动目标进行跟踪。

具体方案包括以下步骤：提供视频图像并对所述图像进行预处理生成预处理图像；所述预处理采用包括基于Retinex的低照度图像增强和基于小波阈值的图像降噪的方法；对预处理图像进行边缘检测以及利用光流法对预处理图像进行提取目标信息，并根据边缘检测的信息和提取到的目标信息融合生成完整的运动目标；利用光流法对所述运动目标进行估计分析且采用基于特征点轨迹的向前向后误差算法剔除由于光照产生的错误匹配点；创建模板图像并进行模板图像匹配对运动目标进行跟踪；所述利用光流法对预处理图像进行提取目标信息时，先采用SUSAN角点检测算法对图像进行角点检测且在多尺度下计算光流；所述融合生成完整的运动目标的步骤中还包括步骤：对边缘检测后的图像和利用光流法计算生成的图像进行二值化处理。

然而这种利用光流法对人群异常行为分析是仅利用运动目标的运动速度对目标进行检测，不适合于光照较强的环境。然而，智能视频监控系统要求能够充分利用采集的视频信息，及时且较准确地对异常状况发出预警，有较高的实时性要求，而目前的现有技术仍然无法满足这一要求。

发明内容

针对传统公共场所环境下视频监控的成本高、效率低等问题，本发明的目的是提供一种基于果蝇和蝗虫视觉神经网络异常检测技术和监控系统，实现无人值守的智能视频监控。

本发明是这样实现的：