[发明专利]一种多路摄像头实时入侵检测与跟踪方法

说明书

本发明提供一种可用于多路摄像头的实时入侵检测与跟踪方法，首先通过多路图像采集设备，获取若干条视频流，然后，获取每一条视频流的首帧图像，由用户依次框选指定禁入区域，再将多路视频流图像帧拼接成一张大的图像帧，随后使用YOLOv4检测多路图像帧中的人员，判定禁入区域内的人员是否为非法入侵，若发现非法入侵，则对非法入侵行为进行报警，并对该人员进行跨摄像头持续跟踪。本发明通过拼接多路摄像头画面，实现多路画面跟踪任务中时间成本与算力成本的平衡；同时，多路摄像头画面在同一算法中进行监测跟踪，可以高效实现跨摄像头跟踪功能，对禁区入侵检测与入侵人员跟踪任务具有较强的针对性，准确率高。

技术领域

本发明设涉及图像处理技术领域领域，具体涉及一种可用于多路摄像头的多目标检测跟踪方法。

背景技术

入侵检测与跟踪是基于传统安防摄像头的智能自动监控技术，能有效解决仅靠人力无法做到时时观察监控屏幕，无法及时发现入侵行为；及发现入侵人员后，后续追踪困难的情况，大大节省禁入区域监控所需的人力物力。

传统的入侵检测方法在应对多路摄像头时一般采取如下两种方案：一、并行方案，针对若干路摄像头启动若干个算法模型，优点在于每路摄像头的算法准确度高，但由于需要同时运行多个模型，对计算服务器的算力要求较高。二、串行方案，针对若干路摄像头进行分时计算，对每一路摄像头计算若干帧，再切换到下一路摄像头计算若干帧，这种方法只需运行一个计算模型，对服务器算力要求相对较低，但随着摄像头路数增多，每路摄像头采集的视频帧等待计算的时间会相应增长，难以保证实时性。

而在入侵人员跟踪方法上，传统的基于卡尔曼滤波的跟踪算法着重考量人员的运动信息，当出现遮挡或是人员离开当前摄像头画面时，重新出现在画面中的人员会被误认为是第一次出现在画面中，对可疑人员的跟踪造成很大困难。

基于上述传统方法，若希望实现对可疑入侵人员的识别与跟踪，需要设计额外的计算模型，将会进一步增大算力开销，效率较低。

发明内容

为解决上述问题，本发明提出对一种多路监控画面拼接方法，使得计算模型只需一次识别，即可应对多路摄像头的监控画面，同时兼顾准确性与实时性。

同时，本发明采用神经网络对检测目标的表观特征进行建模，既可以配合数据库实现入侵人员的身份合法性识别，又可以在跟踪时对卡尔曼滤波跟踪失败的目标度量其表观特征相似性，由此解决受遮挡目标与跨摄像头目标的重识别问题，解决实际需求。

为实现上述目的，本申请采用以下技术方案予以实现：

一种用于多路摄像头的实时入侵检测方法，该方法包括以下步骤：

S1：通过多路图像采集设备，获取若干条视频流V_n；

S2：获取每一条视频流V_i的首帧图像，由用户依次框选指定禁入区域；

S3：将多路视频流图像帧拼接成一张大的图像帧，其具体包括如下步骤：

S31：将若干视频帧的大小统一为最小视频帧的大小；

S32：开辟一张画布用于放置视频流，其宽高分别为：

其中，n表示视频流数目，w_min与h_min分别表示多路视频流中最小视频帧的宽高；

S33：将画布划分为m宫格的形式，其中

S34：将多路视频流的每一帧依次放入m宫格中，作为子画面；

S35：为同一各摄像机之间的刷新率，取拥有最高刷新率摄像机的帧数作为画布的刷新率，每个子画面在被各自的视频传输流刷新之前，图像在画布上保留；