[发明专利]一种区域入侵监测方法和装置

说明书

本发明涉及电力运维领域，提供了一种区域入侵监测方法和装置，其方法包括步骤：通过自适应高斯混合模型获取实时视频图像的前景目标；基于贝叶斯网络框架构建Camshift跟踪算法；利用所述Camshift跟踪算法，对所述前景目标进行速度和轨迹分析，以连续跟踪所述前景目标。根据实时采集的视频图像，首先采用自适应混合高斯模型为背景更新方法，用连通区检测算法分割出前景目标，并利用改进的Camshift跟踪算法进一步跟踪并分析目标速度和运动轨迹。提高了越界目标检测的准确率，检测时间提高到60ms左右，满足了现场应用需求。

技术领域

本发明涉及电力运维领域，尤指一种区域入侵监测方法和装置。

背景技术

电力运维场景复杂，尤其夜晚视线模糊不清，容易出现非法人员或物体入侵禁止区域的情况，仅依靠监控人员的巡逻或者视频监控是远远不够的。为了提高电力运维的安全性，目前已布置热成像智能监控系统或者视频监控系统来监测非法人员越界。热成像监控系统在夜间能有效的监测自身温度与环境温度不同的人和动物。

但是目前区域入侵侦测尚存在以下问题：1)电力运维场景的环境是特殊的，光照较弱，大部分环境都是有阴影的，只有极个别环境是有高光的。2)检测的目标颜色和背景的颜色比较相同，所以很难进行区分。3)环境中存在比较要做的场景种噪音和振动，并且摄像头在拍摄的时候会有轻微的振动，会导致图像拍出来的质量偏弱。4)在施工的现场里尘土相对来说比较多，噪声也比较大，给运动的目标的自动检测带来了很大的困难。5)智能化低，受背景环境以及其他目标的干扰等各种因素的影响，对越界人或物体的检测以及跟踪不够稳定。

发明内容

本发明的目的是提供一种区域入侵监测方法和装置，能够智能化、精确的进行区域入侵监测。

本发明提供的技术方案如下：

一种区域入侵监测方法，包括步骤：

通过自适应高斯混合模型获取实时视频图像的前景目标；

基于贝叶斯网络框架构建Camshift跟踪算法；

利用所述Camshift跟踪算法，对所述前景目标进行速度和轨迹分析，以连续跟踪所述前景目标。

进一步优选地，在所述通过自适应高斯混合模型获取实时视频图像的前景目标之前，还包括步骤：

基于狄利克雷过程构建可扩展高斯混合模型；

通过聚类分量的新增及归并机制，训练所述可扩展高斯混合模型；

通过基于批次处理方式的可扩展变分推理算法，优化所述可扩展高斯混合模型，训练生成所述自适应高斯混合模型。

进一步优选地，所述通过自适应高斯混合模型获取实时视频图像的前景目标，包括步骤：

提取HOG特征；

利用所述HOG特征和所述自适应高斯混合模型，检测所述实时视频图像中的前景目标。

进一步优选地，所述通过自适应高斯混合模型获取实时视频图像的前景目标，包括步骤：

通过连通区域算法对二值图像进行处理，标记所有目标像素点，得到并记录等价标记对；

基于所述等价标记对，获取实时视频图像的前景目标。

进一步优选地，所述提取HOG特征，包括步骤：

利用伽马变换归一化所述实时视频图像；

对所述实时视频图像进行光照敏感度设置，以引入减缓因子优化所述自适应高斯混合模型的参数，所述参数包括像素值、均值和方差；

设置滑动窗口，以在所述实时视频图像上滑动提取所述前景目标的HOG特征。