[发明专利]一种高空抛物检测方法

说明书

本发明公开了一种高空抛物检测方法，用于对高空抛物进行检测，并减少高空抛物检测系统中由于树叶、蚊虫、飞鸟等干扰物带来的误检问题。该方法分为两个阶段：前景检测阶段和目标跟踪阶段。在前景检测阶段，首先初始化前景检测器，然后持续向各个摄像头对应的前景检测器输入对应的视频流，并利用前景检测器进行前景检测，得到各个摄像头的二值化前景分割图，并更新前景检测器参数。在目标跟踪阶段，首先根据二值化前景分割图，使用目标跟踪器进行运动目标的跟踪，并判断目标跟踪器中是否存在已结束的运动轨迹，若存在，对运动轨迹进行分析，基于运动规则约束判断其是否为抛落物体，若是则保存相应的视频片段。

技术领域

本发明涉及一种高空抛物检测方法，属于计算机视觉、目标检测技术领域。

背景技术

由于高空抛物事件发生的场所基本都是高空楼层，很少有直接目击者，加上抛物的时间短，执法部门很难追究到抛物者的法律责任。因此，实现智能高空抛物检测尤为重要。

高空抛物识别是利用AI视频分析技术，开发出针对软件自定义摄像机的高空抛物检测算法。通过摄像机采集视频数据进入算法，判断是否存在高空抛物事件并触发报警。传统的AI视频监控方案通过高清功能摄像机来实现图像的高清及远距离采集，通过交换机，将信号稳定传至后端录像机，实现监控预览、存储、回查等功能，再通过智能算法，自动识别高空抛物现象，并清晰记录物体坠落轨迹。现有高空抛物检测方案通常分为两种模式：（1）智能摄像头方案。这一方案由边缘计算摄像头、智能算法、告警服务器和录像机（NVR）构成，其中高空抛物检测算法部署在智能摄像头上，在前端完成算法识别，并采用统一管理平台对智能摄像头进行管理，可实现弹窗预警、记录抛物信息、查看视频回放等功能。智能摄像头对楼面进行监控；交换机用于某区域的摄像头信号汇总；NVR进行视屏信息的存储、管理；本地监控监视器用于显示视频信号、高抛片段；高空抛物服务器对视频进行高抛检测、对高抛片段进行再分析、维护前端显示系统。（2）服务器后端计算。这一方案由普通摄像头、边缘计算盒子、告警服务器和NVR构成，算法部署在后端服务器上，摄像头仅负责实时监控和录像，算法在服务器上完成高空抛物的，并在集成平台上进行预警、记录和查看。然而，无论哪一种方案，现有的高空抛物检测均存在误检率高、难以检测小的运动对象、检测速度慢的缺陷，因此，需要进一步优化。

高空抛物检测属于静态背景下的运行物体检测问题，针对该类问题一般采用背景建模的方法进行分析，目前主流的背景建模方法包括帧差法、光流法、混合高斯模型、自组织背景检测、统计平均法、自相关滤波法等，在前景检测中，根据每一帧的前景对象进行目标追踪，以卡尔曼滤波目标追踪为例，在每一帧会预测对应目标在下一帧中的位置，若下一帧的目标与预测位置的IOU大于阈值，则认为是同一物体。

在检测过程中，由于背景建模会检测出所有的非背景对象，其中包括飞鸟、蚊虫、落叶等等非高空落物，目标过滤则是根据前景对象的所有特征，通过基于规则的约束，对其中的目标进行过滤。如目标轨迹的起始点、终点，轨迹的形状是否符合抛落物的运动规律，目标下落过程中的速度、加速度是否合理，目标的SHV信息与背景是否差异过大等等。

在检测算法运行过程中，由于飞鸟、蚊虫、落叶、雨雪等干扰的存在，会出现较多的误检对象，在使用目标过滤算法之后仍然会存在部分误检，误检多为蚊虫、雨雪。在检测算法运行过程中，由于单个相机负责监控的区域较大，在待检测物体较小时，如小于3*3cm尺寸或在相机中成像小于4像素，此时会存在由于尺寸过小导致的漏检问题，而在夜晚光度极低的情况下，背景检测效果较弱，也会引起漏检。对于疑似高空抛物的干扰物，通过检测程序本身的目标过滤算法，经统计可以去除90%左右的误检，在长时间的检测下，这一误检比例依旧是较高的，以6栋居民楼小区为例，每天的误报数量超过100起，高抛物体较小人工审查的难度依旧较大，因而需要采用额外的信息进行进一步的误检筛查和漏检检测。

在大部分误检中，干扰物往往距离楼面较远而距离摄像头较近，通过空间计算方法来进行可疑物体的深度检测，可以极大程度的降低误检，将每日误检降低在10起以内，进而可以在较短的时间内完成人工审核。