基于特征匹配跟蹤的視頻監(jiān)控裝置及其方法
【專利摘要】本發(fā)明公開了一種基于特征匹配跟蹤的視頻監(jiān)控裝置及其方法。本發(fā)明首先將需要監(jiān)控的區(qū)域安裝上高清攝像頭覆蓋整個區(qū)域，多攝像頭之間是相互連接的，并且統(tǒng)一接到一個交換機上，形成一個監(jiān)控網(wǎng)，使它們之間的視頻數(shù)據(jù)可以相互傳輸。當(dāng)有人員進入監(jiān)控區(qū)域內(nèi)，利用HOG算法進行視頻流的實時檢測，將HOG檢測到的目標(biāo)進行編號，為每個運動目標(biāo)建立唯一的身份標(biāo)識和定位；對此時視頻中的各個目標(biāo)提取特征并進行行為分析，判斷該目標(biāo)行為是否正常，若行為正常，則說明該人不存在安全隱患；若行為不正常，控制警報裝置發(fā)出提示警告，提示安保人員注意觀察。此時安保人員就可以在監(jiān)視畫面中對此人進行跟蹤觀察其行為并及時作出處理，避免不良事件的發(fā)生。
【專利說明】
基于特征匹配跟蹤的視頻監(jiān)控裝置及其方法
技術(shù)領(lǐng)域
[0001]本發(fā)明屬于視頻監(jiān)控領(lǐng)域，具體涉及一種基于特征匹配跟蹤的視頻監(jiān)控裝置及其方法。
【背景技術(shù)】
[0002]隨著現(xiàn)在社會安全隱患的增多，人們對安全性要求的提高以及經(jīng)濟條件的改善，公共安全的需求也日益增長。目前在很多公共場所都裝有相應(yīng)的安全防范系統(tǒng)，而視頻監(jiān)控是安全防范系統(tǒng)的重要組成部分，它是一種安全防范能力較強的綜合系統(tǒng)。視頻監(jiān)控以其直觀、準(zhǔn)確、及時和信息內(nèi)容豐富而廣泛應(yīng)用于許多場合，特別是一些高檔住宅小區(qū)、商場、銀行等。為了提高安全性，這些場所除了設(shè)有很多安保人員進行巡邏，還安裝了大量的監(jiān)控攝像頭覆蓋整個范圍。但是隨著攝像頭安裝數(shù)量的日益增多，以及公共安全需求的提高，監(jiān)控系統(tǒng)采用的傳統(tǒng)的人工的視頻監(jiān)控方式已經(jīng)遠遠不能滿足需要。近年來，隨著計算機、網(wǎng)絡(luò)以及圖像處理、傳輸技術(shù)的飛速發(fā)展，視頻監(jiān)控技術(shù)也有了長足的發(fā)展，但是目前還沒有一個比較完備的智能監(jiān)控系統(tǒng)，多數(shù)是人工的監(jiān)視方式，但是在攝像頭比較多和連續(xù)監(jiān)控的情況下，人工進行監(jiān)控不一定能及時的發(fā)現(xiàn)問題，很多案件的發(fā)生造成的損害可能都是事后由監(jiān)控回放去查出涉案人。這種監(jiān)控的不實時性存在較大的安全缺陷，而且在眾多的攝像頭，龐大的監(jiān)控網(wǎng)絡(luò)下，瞬間就會產(chǎn)生海量視頻數(shù)據(jù)，如何才能從這些海量數(shù)據(jù)中高效地提取出有用的信息，就成為智能視頻監(jiān)控技術(shù)要解決的問題.

【發(fā)明內(nèi)容】

[0003]本發(fā)明的目的解決現(xiàn)有技術(shù)中存在的問題，并提供一種基于特征匹配跟蹤的視頻監(jiān)控裝置。本發(fā)明的智能視頻監(jiān)控裝置用于讓計算機代替人的大腦，讓攝像頭代替人的眼睛，并結(jié)合先進的視頻處理技術(shù)讓計算機智能地分析從攝像頭中獲取的圖像序列，對被監(jiān)控場景中的內(nèi)容進行理解、分析，實現(xiàn)對異常行為的自動預(yù)警和報警。
[0004]智能監(jiān)控最核心的部分是基于計算機視覺的視頻內(nèi)容理解技術(shù)，通過對原始視頻圖像經(jīng)過背景建模、目標(biāo)檢測與識別、定位、目標(biāo)跟蹤等一系列算法分析，進而分析其中的目標(biāo)行為以及事件，找出人們所關(guān)心的異常行為，然后按照預(yù)先設(shè)定的安全規(guī)則，及時發(fā)出報警信號。
[0005]本發(fā)明所采用的技術(shù)方案如下:
[0006]—種基于特征匹配跟蹤的視頻監(jiān)控裝置，包括前端設(shè)備、傳輸設(shè)備、處理/控制設(shè)備、顯示/記錄設(shè)備和警報裝置;所述的前端設(shè)備用于采集監(jiān)控區(qū)域的圖像，并通過傳輸設(shè)備將數(shù)據(jù)發(fā)送給處理/控制設(shè)備，以對視頻中的各個目標(biāo)提取特征并進行行為分析;所述的顯示/記錄設(shè)備用于顯示并記錄監(jiān)控區(qū)域圖像;所述的警報裝置用于在處理/控制設(shè)備控制下發(fā)出警報信息。
[0007]作為優(yōu)選，所述的前端設(shè)備包括若干個攝像頭，不同攝像頭之間通過交換機形成監(jiān)控網(wǎng)，攝像機之間的數(shù)據(jù)可以互相傳輸。
[0008]作為優(yōu)選，所述的處理/控制設(shè)備包括依次相連的交換機、視頻分配器、行為分析模塊、硬盤錄像機、服務(wù)器和控制電腦，所述的前端設(shè)備與交換機相連。
[0009]作為進一步優(yōu)選，所述的顯示/記錄設(shè)備包括切換矩陣、控制鍵盤和電視墻，所述的視頻分配器與切換矩陣相連，控制鍵盤和電視墻分別連接于切換矩陣上。
[0010]作為進一步優(yōu)選，所述的處理/控制設(shè)備的行為分析模塊中包括檢測模塊、跟蹤模塊、多攝像機交接和特征匹配模塊;檢測模塊采用的是GHJ下的HOG算法對目標(biāo)全局范圍的檢測和特征提取;跟蹤模塊用于對目標(biāo)的跟蹤和判斷跟蹤目標(biāo)是否丟失;對于跟蹤正常和跟蹤丟失兩種情況下，由多攝像機交接和特征匹配模塊重新找到目標(biāo)，繼續(xù)對其進行跟蹤。[0011 ]本發(fā)明的另一目的在于提供一種基于特征匹配跟蹤的視頻監(jiān)控方法，步驟如下:
[0012]S1:利用多個攝像頭覆蓋整個監(jiān)控區(qū)域，多攝像頭之間相互連接，并且它們都統(tǒng)一接到一個交換機上，形成一個監(jiān)控網(wǎng)，使它們之間的視頻數(shù)據(jù)可以相互傳輸；
[0013]S2:當(dāng)有人員進入監(jiān)控區(qū)域內(nèi)，利用HOG算法進行視頻流的實時檢測，將HOG檢測到的目標(biāo)進行編號，為每個運動目標(biāo)建立唯一的身份標(biāo)識和定位;對此時視頻中的各個目標(biāo)提取特征并進行行為分析，判斷該目標(biāo)行為是否正常，若行為正常，則說明該人不存在安全隱患;若行為不正常，控制警報裝置發(fā)出提示警告，提示安保人員注意觀察該目標(biāo)。
[0014]作為優(yōu)選，當(dāng)目標(biāo)跟蹤丟失時啟動多攝像頭目標(biāo)跟蹤:在多攝像機組成的監(jiān)控網(wǎng)中，利用之前為每個運動目標(biāo)建立唯一的身份標(biāo)識，找到與之前目標(biāo)特征匹配成功的目標(biāo)，從而對目標(biāo)進行全局的持續(xù)跟蹤，當(dāng)跟蹤目標(biāo)離開某一攝像頭監(jiān)視區(qū)域進入下一個攝像頭區(qū)域時，將存儲前一個攝像頭提取的目標(biāo)特征并傳輸給其他攝像頭，實現(xiàn)多攝像機之間數(shù)據(jù)的交接;然后通過目標(biāo)檢測和多攝像機下的特征匹配重新找到目標(biāo)，繼續(xù)對其進行跟蹤。
[0015]作為優(yōu)選，所述的步驟S2中，實時檢測采用基于GPU下的HOG算法，對監(jiān)控范圍進行區(qū)域檢測，將每一幀檢測到的目標(biāo)都進行統(tǒng)一標(biāo)號，標(biāo)號方式有兩種:一是當(dāng)沒有發(fā)現(xiàn)可疑人員時，沒有運行跟蹤功能，標(biāo)號規(guī)則是每檢測一幀則標(biāo)號會更新;二是當(dāng)發(fā)現(xiàn)可疑人員需要跟蹤目標(biāo)時，一旦啟動跟蹤功能，則檢測到的所有目標(biāo)標(biāo)號固定，如果此時再有目標(biāo)進入小區(qū)，標(biāo)號的序號采用累加方式，當(dāng)已標(biāo)號的目標(biāo)離開小區(qū)，此人的標(biāo)號在沒結(jié)束之前的跟蹤功能之前標(biāo)號也不會有新目標(biāo)取代，而是空著此標(biāo)號，而只對新進入的目標(biāo)繼續(xù)標(biāo)號。
[0016]作為優(yōu)選，所述的監(jiān)控網(wǎng)中，多個攝像頭之間相互聯(lián)系并同時工作，當(dāng)查找某一目標(biāo)時，通過監(jiān)控人員操作運行控制命令對每個攝像頭進行控制，調(diào)取任意監(jiān)控畫面，多個攝像頭的視頻數(shù)據(jù)可進行相互傳輸;多個攝像頭的目標(biāo)匹配采用快速魯棒特征算法作為圖像匹配的特征提取算法，提高特征提取的速度，結(jié)合改進的隨機抽樣一致性算法;所述的隨機抽樣一致性算法的具體做法是將所有特征匹配的點對按照它們相似度的高低進行一個排序，匹配點對的相似程度越高則越可能是正確模型的內(nèi)點，然后利用這個內(nèi)點的數(shù)據(jù)來確定模型的參數(shù)，經(jīng)過多次對比驗證將內(nèi)點數(shù)目最大的對應(yīng)模型參數(shù)作為最佳的匹配點對。
[0017]作為優(yōu)選，所述的警報裝置根據(jù)預(yù)設(shè)的安全規(guī)則，當(dāng)行為分析模塊分析目標(biāo)行為達到此安全規(guī)則的閾值時，會發(fā)出警報提示。
[0018]本發(fā)明有別于傳統(tǒng)視頻監(jiān)控系統(tǒng)，其最大的優(yōu)勢是能自動地全天候進行實時分析并對異常行為進行報警，徹底改變了以往完全由安保人員對監(jiān)控畫面進行監(jiān)視和分析的模式；同時，智能監(jiān)控技術(shù)將一般性的監(jiān)控系統(tǒng)的事后分析監(jiān)控內(nèi)容變成了視頻流的實時事中分析和預(yù)警，不僅能識別可疑行為，還能在安全威脅發(fā)生之前提示安保人員關(guān)注相關(guān)監(jiān)控畫面并提前做好準(zhǔn)備，從而提高反應(yīng)速度，減輕人的負擔(dān)，達到用電腦來輔助人腦的目的。
【附圖說明】
[0019]圖1是一種基于特征匹配跟蹤的視頻監(jiān)控裝置連接示意圖；
[0020]圖2是一種基于特征匹配跟蹤的視頻監(jiān)控方法處理流程圖；
[0021 ]圖3是在目標(biāo)跟蹤情況下的一個處理方案流程圖。
【具體實施方式】
[0022]下面結(jié)合附圖和【具體實施方式】對本發(fā)明做進一步闡述和說明。本發(fā)明中各個實施方式的技術(shù)特征在沒有相互沖突的前提下，均可進行相應(yīng)組合。
[0023]如圖1所示，一種基于特征匹配跟蹤的視頻監(jiān)控裝置，包括前端設(shè)備、傳輸設(shè)備、處理/控制設(shè)備、顯示/記錄設(shè)備和警報裝置。所述的前端設(shè)備用于采集監(jiān)控區(qū)域的圖像，并通過傳輸設(shè)備將數(shù)據(jù)發(fā)送給處理/控制設(shè)備，以對視頻中的各個目標(biāo)提取特征并進行行為分析;所述的顯示/記錄設(shè)備用于顯示并記錄監(jiān)控區(qū)域圖像;所述的警報裝置用于在處理/控制設(shè)備控制下發(fā)出警報信息。
[0024]上述裝置可采用多種實現(xiàn)形式，本實施例中給出一種優(yōu)選方式。
[0025]前端設(shè)備包括若干個攝像頭，不同攝像頭之間通過交換機形成監(jiān)控網(wǎng)，攝像機之間的數(shù)據(jù)可以互相傳輸。處理/控制設(shè)備包括依次相連的交換機、視頻分配器、行為分析模塊、硬盤錄像機、服務(wù)器和控制電腦，前端設(shè)備與交換機相連。顯示/記錄設(shè)備包括切換矩陣、控制鍵盤和電視墻，視頻分配器與切換矩陣相連，控制鍵盤和電視墻分別連接于切換矩陣上。處理/控制設(shè)備的行為分析模塊中包括檢測模塊、跟蹤模塊、多攝像機交接和特征匹配模塊;檢測模塊采用的是GPU下的HOG算法對目標(biāo)全局范圍的檢測和特征提取;跟蹤模塊用于對目標(biāo)的跟蹤和判斷跟蹤目標(biāo)是否丟失;對于跟蹤正常和跟蹤丟失兩種情況下，由多攝像機交接和特征匹配模塊重新找到目標(biāo)，繼續(xù)對其進行跟蹤。目標(biāo)異常行為分析達到安全規(guī)則閾值情況下的警報設(shè)置。
[0026]基于上述裝置的一種基于特征匹配跟蹤的視頻監(jiān)控方法，步驟如下:
[0027]S1:首先將需要監(jiān)控的區(qū)域安裝上高清攝像頭覆蓋整個區(qū)域，多攝像頭之間是相互連接的，并且它們都統(tǒng)一接到一個交換機上，形成一個監(jiān)控網(wǎng)，使它們之間的視頻數(shù)據(jù)可以相互傳輸。
[0028]S2:當(dāng)有人員進入監(jiān)控區(qū)域內(nèi)，利用HOG算法進行視頻流的實時檢測，將HOG檢測到的目標(biāo)進行編號，為每個運動目標(biāo)建立唯一的身份標(biāo)識和定位;對此時視頻中的各個目標(biāo)提取特征并進行行為分析，判斷該目標(biāo)行為是否正常，若行為正常，則說明該人不存在安全隱患；若行為不正常，控制警報裝置發(fā)出提示警告，提示安保人員注意觀察該目標(biāo)。此時安保人員就可以在監(jiān)視畫面中對此人進行跟蹤觀察其行為并及時作出處理，避免不良事件的發(fā)生。
[0029]當(dāng)目標(biāo)跟蹤丟失時將啟動多攝像頭目標(biāo)跟蹤方案，在多攝像機監(jiān)控網(wǎng)絡(luò)下利用之前為每個運動目標(biāo)建立唯一的身份標(biāo)識，找到與之前目標(biāo)特征匹配成功的目標(biāo)，從而對目標(biāo)進行全局的持續(xù)跟蹤。當(dāng)跟蹤目標(biāo)離開某一攝像頭監(jiān)視區(qū)域進入下一個攝像頭區(qū)域時，則之前攝像頭提取的目標(biāo)特征會被存儲起來并傳輸給其他攝像頭，實現(xiàn)多攝像機之間數(shù)據(jù)的交接，然后通過目標(biāo)檢測和多攝像機下的特征匹配重新找到目標(biāo)，繼續(xù)對其進行跟蹤。為了使多攝像機下的畫面能實時觀察，通過監(jiān)控室的顯示/記錄設(shè)備可以對顯示畫面進行操作，本設(shè)計采用的是電視墻，可以根據(jù)需要將監(jiān)控畫面顯示于電視墻上，而且當(dāng)有多個可疑人員進去監(jiān)視范圍時，也可以通過多個控制電腦同時進行行為分析、特征匹配、跟蹤和警報。
[0030]以下是對本發(fā)明中的視頻處理部分的各個模塊進行詳細介紹:
[0031 ]檢測模塊:檢測算法米用基于GPU下的HOG算法，米用GI3U可以提尚檢測的速度，基本能滿足實時視頻處理，對監(jiān)控范圍進行區(qū)域檢測，將每一幀檢測到的目標(biāo)都進行統(tǒng)一標(biāo)號，標(biāo)號方式有兩種，一是當(dāng)沒有發(fā)現(xiàn)可疑人員時，沒有運行跟蹤功能，所以標(biāo)號規(guī)則是每檢測一幀則標(biāo)號會更新;二是當(dāng)發(fā)現(xiàn)可疑人員需要跟蹤目標(biāo)時，為了使目標(biāo)在之后的多相機跟蹤之間有統(tǒng)一的標(biāo)號，所以一旦啟動跟蹤功能，則檢測到的所有人員統(tǒng)一標(biāo)號，如果此時再有目標(biāo)進入小區(qū)，標(biāo)號的序號采用累加方式，當(dāng)有些目標(biāo)離開小區(qū)，此人的標(biāo)號在沒結(jié)束之前的跟蹤功能之前標(biāo)號也不會有新目標(biāo)取代，而是空著此標(biāo)號，而只對新進入的目標(biāo)繼續(xù)標(biāo)號。
[0032]跟蹤模塊:跟蹤算法采用的是核化相關(guān)濾波器(Kernel ized Correlat1nFilters,KCF)算法結(jié)合顏色直方圖和Kalman算法的方法。由于KCF進行跟蹤的速度快，可以達到30幀/秒的速度，能實現(xiàn)實時跟蹤，而Kalman算法可以對目標(biāo)的運動軌跡作出預(yù)測，預(yù)測出目標(biāo)的下一個位置，能有效解決跟蹤丟失問題，顏色直方圖的作用就是輔助跟蹤，結(jié)合目標(biāo)特征然后輔佐目標(biāo)顏色直方圖的特征，會使特征匹配更精確，目標(biāo)的匹配正確率大大提高。此跟蹤方法在光照，部分遮擋，光線變化等多數(shù)復(fù)雜情況下可以解決跟蹤丟失問題。
[0033]本發(fā)明的核心在于行為分析模塊，該模塊中包括檢測模塊、跟蹤模塊、多攝像機交接和特征匹配等子模塊。下面對該模塊做詳細說明。
[0034]特征匹配:特征匹配模塊是在跟蹤環(huán)節(jié)中有使用，一是在目標(biāo)跟蹤環(huán)境復(fù)雜的情況下一旦目標(biāo)跟蹤丟失，則需要在全局范圍進行檢測搜索目標(biāo)，將目標(biāo)在最初攝像頭出現(xiàn)時提取的特征存儲并傳輸給其他攝像頭，所以此時將對全局監(jiān)控檢測的人員進行多攝像機下的特征匹配，找出目標(biāo)。二是當(dāng)目標(biāo)從一個攝像頭的監(jiān)控區(qū)域離開進入到另一個攝像頭的監(jiān)控區(qū)域時，如果此時我們需要繼續(xù)跟蹤觀察其行為，那么就需要將目標(biāo)之前提取的特征轉(zhuǎn)發(fā)給其他攝像頭，在進行特征匹配后找出目標(biāo)。
[0035]多攝像機之間的交接:監(jiān)控區(qū)域中安裝的所有攝像頭之間是相互聯(lián)系的，它們同時工作。當(dāng)查找某一目標(biāo)時，可以通過監(jiān)控人員操作運行控制命令對每個攝像頭進行控制，調(diào)取任意監(jiān)控畫面，多個攝像機的視頻數(shù)據(jù)是可以進行相互傳輸?shù)摹６鄶z像機的目標(biāo)匹配采用快速魯棒特征(Speed-up robust features，SURF)算法作為圖像匹配的特征提取算法，提高特征提取的速度，結(jié)合改進的隨機抽樣一致性(Progressive Sample Consensus，PR0SAC)算法，簡化匹配運算，提高匹配速度。SURF特征點檢測的主要過程分為特征點提取和生成特征SURF描述向量。PROSAC算法的具體做法是將所有特征匹配的點對按照它們相似度的高低進行一個排序，匹配點對的相似程度越高則越可能是正確模型的內(nèi)點，然后就利用這個內(nèi)點的數(shù)據(jù)來確定模型的參數(shù)。經(jīng)過多次對比驗證將內(nèi)點數(shù)目最大的對應(yīng)模型參數(shù)作為最佳的匹配點對。
[0036]警報模塊:是對檢測的目標(biāo)的行為分析、理解后發(fā)現(xiàn)可疑時警報提示有可疑人員，這種警報是事先給警報系統(tǒng)設(shè)置好的一些安全規(guī)則，當(dāng)分析目標(biāo)行為達到此安全規(guī)則的閾值才會發(fā)出警報提示。
[0037]以上所述的實施例只是本發(fā)明的一種較佳的方案，然其并非用以限制本發(fā)明。有關(guān)技術(shù)領(lǐng)域的普通技術(shù)人員，在不脫離本發(fā)明的精神和范圍的情況下，還可以做出各種變化和變型。因此凡采取等同替換或等效變換的方式所獲得的技術(shù)方案，均落在本發(fā)明的保護范圍內(nèi)。
【主權(quán)項】
1.一種基于特征匹配跟蹤的視頻監(jiān)控裝置，其特征在于，包括前端設(shè)備、傳輸設(shè)備、處理/控制設(shè)備、顯示/記錄設(shè)備和警報裝置;所述的前端設(shè)備用于采集監(jiān)控區(qū)域的圖像，并通過傳輸設(shè)備將數(shù)據(jù)發(fā)送給處理/控制設(shè)備，以對視頻中的各個目標(biāo)提取特征并進行行為分析;所述的顯示/記錄設(shè)備用于顯示并記錄監(jiān)控區(qū)域圖像;所述的警報裝置用于在處理/控制設(shè)備控制下發(fā)出警報信息。2.如權(quán)利要求1所述的基于特征匹配跟蹤的視頻監(jiān)控裝置，其特征在于，所述的前端設(shè)備包括若干個攝像頭，不同攝像頭之間通過交換機形成監(jiān)控網(wǎng)，攝像頭之間的數(shù)據(jù)可以互相傳輸。3.如權(quán)利要求1所述的基于特征匹配跟蹤的視頻監(jiān)控裝置，其特征在于，所述的處理/控制設(shè)備包括依次相連的交換機、視頻分配器、行為分析模塊、硬盤錄像機、服務(wù)器和控制電腦，所述的前端設(shè)備與交換機相連。4.如權(quán)利要求3所述的基于特征匹配跟蹤的視頻監(jiān)控裝置，其特征在于，所述的顯示/記錄設(shè)備包括切換矩陣、控制鍵盤和電視墻，所述的視頻分配器與切換矩陣相連，控制鍵盤和電視墻分別連接于切換矩陣上。5.如權(quán)利要求3所述的基于特征匹配跟蹤的視頻監(jiān)控裝置，其特征在于，所述的處理/控制設(shè)備的行為分析模塊中包括檢測模塊、跟蹤模塊、多攝像機交接和特征匹配模塊;檢測模塊采用的是GHJ下的HOG算法對目標(biāo)全局范圍的檢測和特征提取;跟蹤模塊用于對目標(biāo)的跟蹤和判斷跟蹤目標(biāo)是否丟失;對于跟蹤正常和跟蹤丟失兩種情況下，由多攝像機交接和特征匹配模塊重新找到目標(biāo)，繼續(xù)對其進行跟蹤。6.一種基于特征匹配跟蹤的視頻監(jiān)控方法，其特征在于，步驟如下: S1:利用多個攝像頭覆蓋整個監(jiān)控區(qū)域，多攝像頭之間相互連接，并且它們都統(tǒng)一接到一個交換機上，形成一個監(jiān)控網(wǎng)，使它們之間的視頻數(shù)據(jù)可以相互傳輸； S2:當(dāng)有人員進入監(jiān)控區(qū)域內(nèi)，利用HOG算法進行視頻流的實時檢測，將HOG檢測到的目標(biāo)進行編號，為每個運動目標(biāo)建立唯一的身份標(biāo)識和定位;對此時視頻中的各個目標(biāo)提取特征并進行行為分析，判斷該目標(biāo)行為是否正常，若行為正常，則說明該人不存在安全隱患;若行為不正常，控制警報裝置發(fā)出提示警告，提示安保人員注意觀察該目標(biāo)。7.如權(quán)利要求6所述的基于特征匹配跟蹤的視頻監(jiān)控方法，其特征在于，當(dāng)目標(biāo)跟蹤丟失時啟動多攝像頭目標(biāo)跟蹤:在多攝像機組成的監(jiān)控網(wǎng)中，利用之前為每個運動目標(biāo)建立唯一的身份標(biāo)識，找到與之前目標(biāo)特征匹配成功的目標(biāo)，從而對目標(biāo)進行全局的持續(xù)跟蹤，當(dāng)跟蹤目標(biāo)離開某一攝像頭監(jiān)視區(qū)域進入下一個攝像頭區(qū)域時，將存儲前一個攝像頭提取的目標(biāo)特征并傳輸給其他攝像頭，實現(xiàn)多攝像機之間數(shù)據(jù)的交接;然后通過目標(biāo)檢測和多攝像機下的特征匹配重新找到目標(biāo)，繼續(xù)對其進行跟蹤。8.如權(quán)利要求6所述的基于特征匹配跟蹤的視頻監(jiān)控方法，其特征在于，所述的步驟S2中，實時檢測采用基于GPU下的HOG算法，對監(jiān)控范圍進行區(qū)域檢測，將每一幀檢測到的目標(biāo)都進行統(tǒng)一標(biāo)號，標(biāo)號方式有兩種:一是當(dāng)沒有發(fā)現(xiàn)可疑人員時，沒有運行跟蹤功能，標(biāo)號規(guī)則是每檢測一幀則標(biāo)號會更新;二是當(dāng)發(fā)現(xiàn)可疑人員需要跟蹤目標(biāo)時，一旦啟動跟蹤功能，則檢測到的所有目標(biāo)標(biāo)號固定，如果此時再有目標(biāo)進入小區(qū)，標(biāo)號的序號采用累加方式，當(dāng)已標(biāo)號的目標(biāo)離開小區(qū)，此人的標(biāo)號在沒結(jié)束之前的跟蹤功能之前標(biāo)號也不會有新目標(biāo)取代，而是空著此標(biāo)號，而只對新進入的目標(biāo)繼續(xù)標(biāo)號。9.如權(quán)利要求6所述的基于特征匹配跟蹤的視頻監(jiān)控方法，其特征在于，所述的監(jiān)控網(wǎng)中，多個攝像頭之間相互聯(lián)系并同時工作，當(dāng)查找某一目標(biāo)時，通過監(jiān)控人員操作運行控制命令對每個攝像頭進行控制，調(diào)取任意監(jiān)控畫面，多個攝像機的視頻數(shù)據(jù)可進行相互傳輸；多個攝像頭的目標(biāo)匹配采用快速魯棒特征算法作為圖像匹配的特征提取算法，提高特征提取的速度，結(jié)合改進的隨機抽樣一致性算法;所述的改進的隨機抽樣一致性算法的具體做法是將所有特征匹配的點對按照它們相似度的高低進行一個排序，匹配點對的相似程度越高則越可能是正確模型的內(nèi)點，然后利用這個內(nèi)點的數(shù)據(jù)來確定模型的參數(shù)，經(jīng)過多次對比驗證將內(nèi)點數(shù)目最大的對應(yīng)模型參數(shù)作為最佳的匹配點對。10.如權(quán)利要求6所述的基于特征匹配跟蹤的視頻監(jiān)控方法，其特征在于，所述的警報裝置根據(jù)預(yù)設(shè)的安全規(guī)則，當(dāng)行為分析模塊分析目標(biāo)行為達到此安全規(guī)則的閾值時，會發(fā)出警報提示。
【文檔編號】G06K9/46GK105915847SQ201610283461
【公開日】2016年8月31日
【申請日】2016年4月29日
【發(fā)明人】包曉安, 詹秀娟, 桂江生, 張俊為, 王強
【申請人】浙江理工大學(xué)