本發(fā)明涉及一種智慧金睛識別人員聚集打斗報警方法和裝置。

背景技術：

目前在安防領域中，一般通過攝像頭檢測當前區(qū)域內的事件，如檢測監(jiān)控區(qū)域中活動的人或物；但是現有的檢測技術只能拍攝圖像的內容，不能對圖像的內容做進一步的分析，在監(jiān)控區(qū)域出現人員聚集打斗事件時，工作人員無法及時發(fā)現和控制，特別是在金融（銀行）安防監(jiān)控區(qū)域中，聚集打斗很多時候伴隨著搶劫、暴恐等，存在著很高的安全隱患。

技術實現要素：

本發(fā)明的目的在于克服現有技術的不足，提供一種智慧金睛識別人員聚集打斗報警方法和裝置，能夠識別監(jiān)控區(qū)域的人員聚集打斗行為，并進行報警，以便于安防人員及時采取應對措施。

本發(fā)明的目的是通過以下技術方案來實現的：一種智慧金睛識別人員聚集打斗報警方法，包括以下步驟：

S1.利用雙目圖像采集模塊在監(jiān)控區(qū)域中實時采集人員動作的視頻圖像信息；

S2.對視頻圖像信息進行分析，獲取監(jiān)控區(qū)域內的人員數目和各個人員的運動軌跡；

S3.根據監(jiān)控區(qū)域內的人員數目判斷是否有人員聚集行為：

（1）如果監(jiān)控區(qū)域內有人員聚集行為，進入步驟S4；

（2）如果監(jiān)控區(qū)域內沒有人員聚集行為，返回步驟S1；

S4.根據各個人員的運動軌跡，判斷是否有人員倒地行為：

（1）如果監(jiān)控區(qū)域內有人員倒地行為，進入步驟S5；

（2）如果監(jiān)控區(qū)域內沒有人員倒地行為，返回步驟S1；

S5.根據倒地人員運動軌跡和各個人員運動軌跡之間的距離判讀是否有打斗行為：

（1）如果有打斗行為，生成報警信號并進行聚集打斗報警；

（2）如果沒有打斗行為，返回步驟S1。

所述的雙目圖像采集模塊包括二維攝像頭和三維視覺傳感器。

所述的步驟S1包括以下子步驟：

S11.利用二維攝像頭采集監(jiān)控區(qū)域二維圖像信息；

S12.利用三維視覺傳感器同時采集監(jiān)控區(qū)域的三維圖像信息。

所述的步驟S2包括以下子步驟：

S21.采用目標檢測算法檢測并獲取進入監(jiān)控區(qū)域內的目標在視頻圖像中占據的像素點集合；

S22.根據所述的像素點集合，采用目標提取算法獲取進入監(jiān)控區(qū)域內的目標在視頻圖像中的位置及尺寸；

S23.根據從視頻圖像中提取的目標，采用有效目標特征識別算法，識別出視頻圖像中的有效目標的數量及色彩紋理特征，每個有效目標對應監(jiān)控區(qū)域中的一個人員，有效目標數量即監(jiān)控區(qū)域的人員數目；

S24.根據所述的有效目標，采用目標運動跟蹤算法，獲取各個有效目標在視頻圖像中的運動軌跡，即各個人員在視頻圖像中的運動軌跡。

所述的步驟：所述的步驟S22包括以下子步驟：

S221.利用區(qū)域生長法獲取所述的像素點集合的生長區(qū)域；

S222.采用K均值特征聚類法獲取進入監(jiān)控區(qū)域內的各個目標在視頻圖像中的尺寸。

所述的步驟S24包括以下子步驟：

S241.采用光流法計算各個有效目標的瞬時位移；

S242.使用卡爾曼濾波器校正所得的目標運動量并根據各個有效目標的瞬時位移累計，獲得各個有效目標的運動軌跡。

所述的步驟S3包括：將監(jiān)控區(qū)域內的人員數目與預設的數量閾值比較，如果監(jiān)控區(qū)域的人員數目大于預設的數量閾值，則判定有人員聚集行為；如果監(jiān)控區(qū)域的人員數目不大于預設的數量閾值，則判定沒有人員聚集行為。

所述的步驟S4包括：將各個人員在視頻圖像中的運動軌跡和預設的倒地軌跡相比較：

（1）如果存在與倒地軌跡相同的運動軌跡，將該運動軌跡對應的人員標記為倒地人員，并判定有倒地行為；

（2）如果不存在與倒地軌跡相同的運動軌跡，則判定沒有倒地行為。

所述的步驟S5包括以下子步驟：

S51.將各個人員的運動軌跡與倒地人員運動軌跡比較，檢測各個人員離倒地人員最近的距離值；

S52.將各個距離值與預設閾值相比較，判斷是否存在低于預設閾值的距離值，若不存在，則認為沒有打斗行為；若存在，則認為有打斗行為。

一種智慧金睛識別人員聚集打斗報警裝置，包括

雙目圖像采集模塊，用于實時采集人員動作的視頻圖像信息；

圖像分析模塊，用于根據采集到的視頻圖像進行分析，監(jiān)控區(qū)域內的人員數目和各個人員的運動軌跡；

人員聚集判斷模塊，用于判斷是否有人員聚集行為；

倒地判斷模塊，用于判斷是否有人員倒地行為；

打斗判斷模塊，用于判斷是否有打斗行為；

報警模塊，用于在識別到人員聚集打斗行為時，進行報警。

本發(fā)明的有益效果是：通過監(jiān)控區(qū)域的人員數量、各個人員的運動軌跡、以及運動軌跡之間的最小距離判斷是否發(fā)生聚集打斗行為，在發(fā)生聚集打斗行為時進行報警，以便于安防人員及時采取應對措施。

附圖說明

圖1為本發(fā)明的方法流程圖；

圖2為本發(fā)明的裝置原理框圖。

具體實施方式

下面結合附圖進一步詳細描述本發(fā)明的技術方案，但本發(fā)明的保護范圍不局限于以下所述。

如圖1所示，一種智慧金睛識別人員聚集打斗報警方法，包括以下步驟：

S1.利用雙目圖像采集模塊在監(jiān)控區(qū)域中實時采集人員動作的視頻圖像信息；

S2.對視頻圖像信息進行分析，獲取監(jiān)控區(qū)域內的人員數目和各個人員的運動軌跡；

S3.根據監(jiān)控區(qū)域內的人員數目判斷是否有人員聚集行為：

（1）如果監(jiān)控區(qū)域內有人員聚集行為，進入步驟S4；

（2）如果監(jiān)控區(qū)域內沒有人員聚集行為，返回步驟S1；

S4.根據各個人員的運動軌跡，判斷是否有人員倒地行為：

（1）如果監(jiān)控區(qū)域內有人員倒地行為，進入步驟S5；

（2）如果監(jiān)控區(qū)域內沒有人員倒地行為，返回步驟S1；

S5.根據倒地人員運動軌跡和各個人員運動軌跡之間的距離判讀是否有打斗行為：

（1）如果有打斗行為，生成報警信號并進行聚集打斗報警；

（2）如果沒有打斗行為，返回步驟S1。

所述的雙目圖像采集模塊包括二維攝像頭和三維視覺傳感器。

所述的步驟S1包括以下子步驟：

S11.利用二維攝像頭采集監(jiān)控區(qū)域二維圖像信息；

S12.利用三維視覺傳感器同時采集監(jiān)控區(qū)域的三維圖像信息（即監(jiān)控區(qū)域的三維場景信息）；

故由雙目圖像采集模塊的二維攝像頭和三維視覺傳感器即可獲得具有立體視覺的視頻圖像。

所述的步驟S2包括以下子步驟：

S21.采用目標檢測算法檢測并獲取進入監(jiān)控區(qū)域內的目標在視頻圖像中占據的像素點集合；

S22.根據所述的像素點集合，采用目標提取算法獲取進入監(jiān)控區(qū)域內的目標在視頻圖像中的位置及尺寸；

S23.根據從視頻圖像中提取的目標，采用有效目標特征識別算法，識別出視頻圖像中的有效目標的數量及色彩紋理特征，每個有效目標對應監(jiān)控區(qū)域中的一個人員，有效目標數量即監(jiān)控區(qū)域的人員數目；

S24.根據所述的有效目標，采用目標運動跟蹤算法，獲取各個有效目標在視頻圖像中的運動軌跡，即各個人員在視頻圖像中的運動軌跡。

現有的視頻圖像分析方法中， 用于檢測及獲取所有目標在視頻圖像中占據的像素點集合的目標檢測算法主要有背景減除類算法、時間差分類算法、光流類算法；

背景減除類算法的基本原理是利用背景的參數模型來近似背景圖像的像素值， 將當前幀與背景圖像進行差分比較實現對運動區(qū)域的檢測， 其中區(qū)別較大的像素區(qū)域被認為是運動區(qū)域， 而區(qū)別較小的像素區(qū)域被認為是背景區(qū)域；

步驟S3中，所采用的目標檢測算法是背景減除類算法中的高斯混合背景算法，該算法為現有技術，該算法的基本原理是：在視頻圖像中，目標與背景之間存在著灰度差異，視頻圖像的灰度直方圖會呈現與背景、目標一一對應的多峰，將視頻圖像的灰度直方圖多峰特性視為多個高斯分布的疊加，即可實現視頻圖像中的背景與目標的分割。

所述的步驟：所述的步驟S22包括以下子步驟：

S221.利用區(qū)域生長法獲取所述的像素點集合的生長區(qū)域；

具體來說，以獲取的像素點集合中的各個像素點為種子像素點，并以這些像素點的灰度值作為數學期望值建立生長區(qū)域高斯分布；

將各種子像素點周圍鄰域中符合生長區(qū)域高斯分布的各像素點作為生長點分別合并到各種子像素點所在的區(qū)域中，再將各生長點作為新的種子像素點，重復本步驟至沒有新的生長點出現，即可獲取像素點集合的生長區(qū)域，進而得到進入監(jiān)控區(qū)域內的各個目標在視頻圖像中的位置。

S222.采用K均值特征聚類法獲取進入監(jiān)控區(qū)域內的各個目標在視頻圖像中的尺寸。

具體來說，采用 K 均值特征聚類法，選取各生長區(qū)域的均值點作為聚類中心，計算各個樣本到聚類中心的距離，把各個樣本歸到離它最近的那個聚類中心所在的類，并根據計算形成的每一個聚類的數據對象平均值，得到新的聚類中心，重復本步驟至相鄰兩次得到的聚類中心沒有變化，則表明樣本調整結束，聚類準則函數已經收斂，即可得到進入監(jiān)控區(qū)域內的各個目標在視頻圖像中的尺寸。

所述的步驟S24包括以下子步驟：

S241.采用光流法計算各個有效目標的瞬時位移；

S242.使用卡爾曼濾波器校正所得的目標運動量并根據各個有效目標的瞬時位移累計，獲得各個有效目標的運動軌跡。

所述的步驟S3包括：將監(jiān)控區(qū)域內的人員數目與預設的數量閾值比較，如果監(jiān)控區(qū)域的人員數目大于預設的數量閾值，則判定有人員聚集行為；如果監(jiān)控區(qū)域的人員數目不大于預設的數量閾值，則判定沒有人員聚集行為。

所述的步驟S4包括：將各個人員在視頻圖像中的運動軌跡和預設的倒地軌跡相比較：

（1）如果存在與倒地軌跡相同的運動軌跡，將該運動軌跡對應的人員標記為倒地人員，并判定有倒地行為；

（2）如果不存在與倒地軌跡相同的運動軌跡，則判定沒有倒地行為。

所述的步驟S5包括以下子步驟：

S51.將各個人員（除倒地人員外）的運動軌跡與倒地人員運動軌跡比較，檢測各個人員離倒地人員最近的距離值；

S52.將各個距離值與預設閾值相比較，判斷是否存在低于預設閾值的距離值，若不存在，則認為沒有打斗行為；若存在，則認為有打斗行為。

一種智慧金睛識別人員聚集打斗報警裝置，包括

雙目圖像采集模塊，用于實時采集人員動作的視頻圖像信息；

圖像分析模塊，用于根據采集到的視頻圖像進行分析，監(jiān)控區(qū)域內的人員數目和各個人員的運動軌跡；

人員聚集判斷模塊，用于判斷是否有人員聚集行為；

倒地判斷模塊，用于判斷是否有人員倒地行為；

打斗判斷模塊，用于判斷是否有打斗行為；

報警模塊，用于在識別到人員聚集打斗行為時，進行報警。

通過監(jiān)控區(qū)域的人員數量、各個人員的運動軌跡、以及運動軌跡之間的最小距離判斷是否發(fā)生聚集打斗行為，在發(fā)生聚集打斗行為時進行報警，以便于安防人員及時采取應對措施，降低了安全隱患。

以上實施例僅用以說明本發(fā)明的技術方案而非限制，盡管參照較佳實施例對本發(fā)明進行了詳細說明，本領域的普通技術人員應當理解，可以對本發(fā)明的技術方案進行修改或者等同替換，而不脫離本發(fā)明技術方案的宗旨和范圍，其均應涵蓋在本發(fā)明的權利要求范圍當中。