[发明专利]一种智慧酒店终端监测方法

权利要求书

1.一种智慧酒店终端监测方法，其特征在于，包括如下步骤：

步骤一，通过同一监测区域内的不同终端位置设置的多个不同视角的摄像头对该监测区域进行视频采集，对采集到的视频图像进行运动目标物体检测，提取运动目标物体前景像素点；

步骤二，将所有运动目标物体前景像素点结合获得运动目标物体的边界曲线；

将步骤一中提取的运动目标物体前景像素点结合起来，获得运动目标物体的轮廓，对轮廓进行多边形拟合，获得边界曲线；所述多边形拟合具体为：

为轮廓上的每一个像素点P(i)指定一个权值，所述权值为像素点P(i)的弦高度 C(P(i))，将弦高度大于阈值门限T_C的像素点P(i)保留，形成点集为P = { P₁，P₂，…，P_m}，其中m为进行多边形拟合后的像素点数目；

步骤三，利用所述边界曲线建立运动目标物体模板，根据不同视角不同终端位置的摄像头进行运动目标物体模板的更新，匹配跟踪运动目标物体，利用多个摄像头获取的视频图像信息进行信息融合，生成运动目标物体的融合轨迹MI；

步骤四，根据运动目标物体的融合轨迹MI，预测移动方向，并调配移动方向的相邻区域的多个摄像头做跟踪准备；

将融合轨迹MI划分为多个短线段，分别计算每个短线段上的运动目标物体的移动方向，设Dx和Dy分别为每个短线段两个端点的x坐标和y坐标的差值，运动目标物体的移动方向orientation(x,y)的计算公式为：

orientation(x,y)=arctan(Dy(x,y)/Dx(x,y)) （5）；

其中，orientation(x,y)为运动目标物体在短线段上的移动方向，通过orientation(x,y)预测每个短线段上运动目标物体的移动方向，将所有短线段上的运动目标物体的移动方向组合起来，形成融合轨迹MI的整体的运动目标物体移动路线，据此联动移动方向上的相邻监测区域的多个摄像头继续多维度监控运动目标物体移动路线；

计算监测区域图像的边界处的梯度相关性，通过限制梯度幅度，过滤异常值，精确预测运动目标物体的移动方向；

梯度相关性的计算方法为: （6）；

其中，C(u)表示梯度相关性，和分别表示图像的边界处的相邻两个图像块的灰度的梯度函数，u表示图像块的灰度，并且*表示复共轭；

步骤五，根据运动目标物体在各个监测区域的移动路线最终对运动目标物体的行为进行判定，跟行为定义库的已定义的行为模式进行比对，确认该行为是否为正常行为，若为异常行为，则保存运动目标物体异常行为的视频画面作为证据，同时在后台中向管理员发出警报。

2.根据权利要求1所述的智慧酒店终端监测方法，其特征在于，步骤一中，采用基于混合高斯前景建模的运动目标物体检测算法，将当前像素点的像素值I_t与每个背景高斯分布均值作差，其绝对值与分布标准差的D倍比较，前景像素点的判断式如下:

(1)；

其中，t表示当前帧，t-1表示上一帧，i表示当前像素点；

若绝对值大于分布标准差的D倍，则该像素点是运动目标物体的前景像素点，反之则是背景像素点。

3.根据权利要求1所述的智慧酒店终端监测方法，其特征在于，对于存在颜色的高斯分布，前景像素点根据下式来判断:

（2) 或 （3)；

式中和为阈值；若当前像素点的像素值I_t满足（2）或（3）式之一，则判定当前像素点为运动前景像素点。