進行視頻監(jiān)控的方法及裝置的制造方法
【技術領域】
[0001] 本發(fā)明涉及視頻處理技術，尤其涉及進行視頻監(jiān)控的方法及裝置。
【背景技術】
[0002] 近幾年，數字化網絡監(jiān)控系統(tǒng)已經廣泛的應用到各個領域。特別是針對監(jiān)獄、看守 所、拘留所、戒毒所、少管所、檢察院等機構，視頻監(jiān)控起著更為重要的作用。在送些領域中， 大多系統(tǒng)幾乎做到了無盲點監(jiān)控，但現有的視頻監(jiān)控方案采集視頻數據后，只是如實再將 圖像顯示在電視墻上。面對幾十路甚至上百路的電視墻，監(jiān)控人員往往容易注意力分散，對 于突如其來的入侵、變故等異常事件往往被遺漏，錯過了防患于未然的最佳時機。有時使得 整個監(jiān)控系統(tǒng)成為了事后取證的錄像系統(tǒng)。
[0003] 綜上，現有的視頻監(jiān)控技術只是將圖像顯示在電視墻上，不便于對運動目標作進 一步監(jiān)控。

【發(fā)明內容】

[0004] 本發(fā)明提供了一種進行視頻監(jiān)控的方法，該方法能夠在視頻圖像中的運動目標出 現異常時進行告警。
[0005] 本發(fā)明提供了一種進行視頻監(jiān)控的裝置，該裝置能夠在視頻圖像中的運動目標出 現異常時進行告警。
[0006] -種進行視頻監(jiān)控的方法，該方法包括：
[0007] 采集視頻圖像，確定視頻圖像的深度信息；
[0008] 從視頻圖像中提取運動目標，由深度信息和相機標定信息計算得到運動目標的屬 性信息；
[0009] 判斷計算得到的屬性信息是否滿足設定條件，如果是，則進行告警。
[0010] 一種進行視頻監(jiān)控的裝置，該裝置圖包括像采集單元、深度信息確定單元、運動目 標提取單元、屬性信息確定單元和告警單元；
[0011] 所述圖像采集單元，采集視頻圖像，發(fā)送給所述深度信息確定單元和所述運動目 標提取單元；
[0012] 所述深度信息確定單元，接收來自所述圖像采集單元的視頻圖像，確定視頻圖像 的深度信息，發(fā)送給所述屬性信息確定單元；
[0013] 所述運動目標提取單元，接收來自所述圖像采集單元的視頻圖像，從視頻圖像中 提取運動目標，發(fā)送給所述屬性信息確定單元；
[0014] 所述屬性信息確定單元，由深度信息和相機標定信息計算得到運動目標的屬性信 息，將計算得到的屬性信息發(fā)送給所述告警單元；
[0015] 所述告警單元，判斷計算得到的屬性信息是否滿足設定條件，如果是，則進行告 警。
[0016] 從上述方案可W看出，本發(fā)明中，采集視頻圖像后，確定視頻圖像的深度信息；并 從視頻圖像中提取運動目標，由深度信息和相機標定信息計算得到運動目標的屬性信息； 判斷計算得到的屬性信息是否滿足設定條件，如果是，則進行告警。本發(fā)明基于對視頻圖 像的分析，在運動目標出現異常，滿足關于異常情況的設定條件時便進行告警。送樣，即使 面對幾十路甚上百路的電視墻，對于突如其來的入侵、變故等異常事件時，也能及時進行告 警，抓住了防患于未然的最佳時機；從而，提高了視頻監(jiān)控的效率。
【附圖說明】
[0017] 圖1為本發(fā)明進行視頻監(jiān)控的方法示意性流程圖；
[0018] 圖2為本發(fā)明從視頻圖像中提取運動目標的方法流程圖實例；
[0019] 圖3為本發(fā)明從視頻圖像中提取人體頭部的方法流程圖實例；
[0020] 圖4為本發(fā)明計算運動目標高度信息的方法流程圖實例；
[0021] 圖5為本發(fā)明計算運動目標速度信息的方法流程圖實例；
[0022] 圖6為本發(fā)明計算運動目標運動劇烈程度信息的方法流程圖實例；
[0023] 圖7為本發(fā)明進行視頻監(jiān)控的裝置結構示意圖。
【具體實施方式】
[0024]為使本發(fā)明的目的、技術方案和優(yōu)點更加清楚明白，下面結合實施例和附圖，對本 發(fā)明進一步詳細說明。
[00巧]現有的視頻監(jiān)控方案中，采集視頻數據后，只是如實再將圖像顯示在電視墻上；而 對于畫面出現異常的情況，事發(fā)當時卻容易疏漏。針對該情況，本發(fā)明給出了基于對視頻圖 像的分析，在運動目標出現異常時便進行告警的方案，從而，W提高視頻監(jiān)控的效率。
[0026] 參見圖1，為本發(fā)明進行視頻監(jiān)控的方法示意性流程圖，其包括W下步驟：
[0027] 步驟101，采集視頻圖像，確定視頻圖像的深度信息。
[0028] 深度信息，是反應場景中目標距離相機遠近的信息，深度信息圖中的每個像素值 代表場景中某一點與攝像機之間的距離。
[0029] 計算視頻圖像深度信息可采用現有的多種方式實現，例如基于雙目立體視覺的技 術、基于結構光的技術、基于tof的技術等。其中，基于雙目立體視覺的技術主要采用置于 不同位置的兩個相機對同一場景進行視頻圖像的采集，根據圖像偏差確定視頻圖像中各像 素點所對應目標的深度信息；其他計算深度信息的技術也都是已有方案，送里不多賞述。
[0030] 步驟102,從視頻圖像中提取運動目標，由深度信息和相機標定信息計算得到運動 目標的屬性信息。
[0031] 從視頻圖像提取運動目標的方式有多種，如現有的模式識別方式，該方式將視頻 圖像輸入運動目標檢測算法（比如高斯建模、差分等），獲取運動目標。但現有進行運動目 標提取的實現方案，提取的運動目標會受到光照，陰影等的干擾，其準確度不高。
[0032]為了提高確定的運動目標的準確性，本發(fā)明提供了圖2所有的優(yōu)化方式，其包括 W下步驟：
[0033]步驟201，提取視頻圖像中的運動團塊。
[0034] 該步驟可采用現有進行運動目標提取的方式實現，為初步結果，送里將提取出的 運動對象稱為運動團塊，送些運動團塊可能由兩個W上的運動目標連粘而成，如互相搭著 肩走在一起的兩個人像，或者前后兩個有重合部分的人像，等等。
[0035] 步驟202,對運動團塊化lob)內所有像素點進行離地高度計算，濾除離地高度小 于預設闊值的像素點。
[0036] 獲取一個像素點對應的深度信息，W及相機標定信息，根據一定的幾何運算，便可 得到該像素點所對應實體的離地高度。關于像素點離地高度的具體計算，可參見后續(xù)關于 圖3的記載。
[0037] 所述預設闊值可根據需要設置；例如為保留頭像的預設闊值，此時，按照預設闊值 濾除后，保留關于頭部的像素點。
[0038] 步驟203,將運動團塊內剩下的像素點投影到地平面上，得到剩下各像素點的地面 坐標。
[0039] 已經獲知像素點對應的深度信息，W及相機標定信息，采用簡單的幾何運算，便可 計算出像素點的地面坐標。
[0040] 步驟204,根據各個像素點的地面坐標W及人體的實際尺度信息，對像素點進行聚 類，得到滿足人體尺度的像素點集合，每個集合稱為一個類。
[0041]W頭部為例，本步驟所述人體的實例尺度信息，為標準的人體頭部尺寸。對所有像 素點按照實際尺度進行聚類，得到滿足人體頭部尺寸的像素點集合，該像素點集合為一個 類。若針對人體頭部，則一個類為一個人頭。
[0042] 聚類算法為現有成熟的方案，例如meanshift等算法，送里不過多賞述。
[0043] 步驟205,確定聚類出的各個類在視頻圖像上的坐標范圍，將該坐標范圍確定為運 動目標所在的范圍。
[0044] 圖3示出了W人體頭部為例，采用圖2的流程進行運動目標提取的實例。該實例 中兩個人的圖像有較多重合，采用圖2的優(yōu)化方式，可分別提取出兩個人的頭部目標，為圖 中最右側的兩處虛線標注部分。
[0045] 步驟103,判斷計算得到的屬性信息是否滿足設定條件，如果是，則進行告警。
[0046] 進一步地，可采用等級劃分方式進行報警，包括；確定告警類型所屬的等級；采用 與確定等級對應的報警方式進行報警。
[0047] 與確定等級對應的報警方式例如為：采用圖片彈出方式、聯動聲音方式或聯動聲 光方式等。
[0048]用于進行判斷的屬性信息包含運動目標的屬性，可根據需要確定，例如為高度信 息、速度信息、運動劇烈程度信息等。下面進行舉例說明。
[0049] -、屬性信息包含高度信息：
[0050] 獲知像素點的深度信息和相機標定信息后，采用一定的幾何運算便可得到高度信 息，下面通過圖4的實例進行說明，其包括W下步驟：
[0051] 步驟401，由深度信息和相機標定信息計算運動目標中像素點的相機坐標系