[发明专利]一种无人值守仓库监控系统

摘要

本发明提供一种无人值守仓库监控系统，包括：(1)图像采集模块，用于采集视频监控图像；(2)图像初处理模块，用于对所述原视频图像序列信息进行运动目标的初步检测处理并输出包含有运动目标的有效视频图像序列信息；(3)滤波模块，用于接收所述有效视频图像序列信息并对有效视频图像序列信息的背景形状进行滤波处理；(4)背景建模模块，用于建立滤波后的背景模型，所述背景模型设定由N个带权重的表示边缘点的形状上下文直方图组成；(5)背景消减模块，用于对当前帧图像上的边缘点进行属性分类并消减属于背景的边缘点；(6)特征匹配模块；(7)警报模块。本发明能最大程度的减少由于背景噪声和摄像机抖动造成的对运动目标的误检，且实时性好。

主权项

一种无人值守仓库监控系统，其特征是，包括：(1)图像采集模块，用于采集视频监控图像，其连接至视频监控设备并采集其中的原视频图像序列信息；(2)图像初处理模块，与图像采集模块连接，用于对所述原视频图像序列信息进行运动目标的初步检测处理并输出包含有运动目标的有效视频图像序列信息；(3)滤波模块，与图像初处理模块连接，用于接收所述有效视频图像序列信息并对有效视频图像序列信息的背景形状进行滤波处理，包括采用维纳波对所述背景形状进行初次滤波的一级滤除子模块和采用高斯滤波对初次滤波后的背景形状再次进行滤波的二级滤除子模块；(4)背景建模模块，与滤波模块连接，用于建立滤波后的背景模型，所述背景模型设定由N个带权重的表示边缘点的形状上下文直方图组成，背景模型上边缘点的形状上下文直方图表示为：$\{w_{n,x}{\stackrel{\→}{h}}_{n,x},n\∈1,...N,w_{n,x}=\frac{\frac{(B_{\mathrm{\θ}}+n)\×(B_l+n)}{B_{\mathrm{\θ}}\×B_l}}{\underset{n=1}{\overset{N}{\Σ}}\[\frac{(B_{\mathrm{\θ}}+n)\×(B_l+n)}{B_{\mathrm{\θ}}\×B_l}\]}\}$其中，x为背景边缘点坐标，N表示所包含的形状上下文直方图的个数，N的取值范围为[5,10]，w_n,x表示第n个形状上下文直方图对应的权重，B_l表示对以背景边缘点x为极坐标圆心、半径为R的圆按照对数距离建立的同心圆个数，B_θ表示对圆周角划分的等份数；(5)背景消减模块，与背景建模模块连接，用于对当前帧图像上的边缘点进行属性分类并消减属于背景的边缘点，包括匹配度计算子模块、约束条件计算子模块、属性判定子模块和消减子模块，所述匹配度计算子模块、约束条件计算子模块皆连接至所述属性判定子模块，所述属性判定子模块连接至所述消减子模块，其中：a、匹配度计算子模块，用于计算当前帧图像上边缘点的形状上下文直方图与所述背景模型上相对应边缘点的形状上下文直方图之间的匹配度，所述匹配度的计算公式为：式中，表示当前帧图像上的边缘点x的形状上下文直方图，表示背景模型上相对应边缘点x的形状上下文直方图，n＝1,...N；表示边缘点x的邻域，用来衡量两边缘点的形状上下文直方图的差异，越小，表明两边缘点的形状上下文直方图差异越小；b、约束条件计算子模块，用于计算当前帧图像上边缘点的形状上下文直方图与所述背景模型上相对应的形状上下文直方图的差异之间的约束条件，约束条件公式为：c、属性判定子模块，所述属性判定子模块用于判定当前帧图像上的边缘点的属性，所述当前帧图像上的边缘点为属于背景的边缘点的判定条件为：且其中，T_P为根据背景模型设定的匹配度阈值，T_Y为根据背景模型设定的约束条件阈值；d、消减子模块，用于剔除由属性判定子模块判定为属于背景的边缘点并输出属于运动目标的区域图像；(6)特征匹配模块，与消减子模块连接，用于将所述属于运动目标的区域图像与数据库中预定模板进行特征匹配；(7)警报模块，当发现可疑目标时，发出警报。