平码五不中公式规律
  • / 13

一种扶梯口楼层板上大件物滞留检测方法.pdf

关 键 ?#21097;?/dt>
一种 扶梯 楼层 大件 滞留 检测 方法
  专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
摘要
申请专利号:

CN201611113828.3

申请日:

2016.12.07

公开号:

CN106683077A

公开日:

2017.05.17

当前法律状态:

实审

?#34892;?#24615;:

审中

法?#19978;?#24773;: 专利申请权的转移IPC(主分类):G06T 7/00登记生效日:20180209变更事项:申请人变更前权利人:华南理工大学变更后权利人:日立电梯(广州)自动扶梯有限公司变更事项:地址变更前权利人:511458 广东省广州?#24515;?#27801;区环市大道?#19979;?5号华工大广州产?#24615;?#21464;更后权利人:510660 广东省广州市高新技术产业开发区科学城科林路1号之一|||实质审查的生效IPC(主分类):G06T 7/00申请日:20161207|||公开
IPC分类号: G06T7/00(2017.01)I; G06T7/136(2017.01)I; G06T7/194(2017.01)I 主分类号: G06T7/00
申请人: 华南理工大学
发明人: 田联房; 李董董; 杜启亮
地址: 511458 广东省广州?#24515;?#27801;区环市大道?#19979;?5号华工大广州产?#24615;?/td>
优?#28909;ǎ?/td>
专利代理机构: 广州市华学知识产权代理有限公司 44245 代理人: 罗观祥
PDF完整版?#30053;兀?/td> PDF?#30053;?/a>
法律状态
申请(专利)号:

CN201611113828.3

授权公告号:

||||||

法律状态公告日:

2018.03.06|||2017.06.09|||2017.05.17

法律状态类型:

专利申请权、专利权的转移|||实质审查的生效|||公开

摘要

本发明公开了一种扶梯口楼层板上大件物滞留检测方法,该方法基于Surendra背景更新,采用新颖的快、慢背景差分策略,包括初始化背景和查询表;对视频图像的灰度化,减少检测耗时;基于Surendra背景更新的快、慢背景更新策略,采用快、慢两种更新速度系数α1、α2,分别得到快、慢两种背景对快、慢背景图像进行差分操作;结合二值化阈值、形态学运算,以及候选滞留物?#34892;?#28857;坐标与查询表的匹配,最后利用帧数自加器N和累计帧数阈值Thresh4之间的比较,进行最终的大件物滞留判断。本发明公开的方法,可以很好的实现对“进入视野中后滞留下来”的大件物的检测。可应用于扶梯监控系统中,能减少人的看护工作、提高检测的实时性和准确?#21097;?#24456;好的保证扶梯的顺畅运行。

权利要求书

1.一种扶梯口楼层板上大件物滞留的检测方法,其特征在于,包括以下步骤:
1)视频图像采集?#21644;?#36807;固定在天花板上垂直楼层板向下拍摄的3600可旋转半球摄像头
获取的;
2)初始化背景和查询表
采用视频图像第1帧I0作为初始背景分别是快、慢两种初始背景;所述查询表用
于存储检测到的大件滞留物的?#34892;?#28857;坐标信息,并将每帧图像中检测到的候选大件滞留物
?#34892;?#28857;坐标,与查询表中的信息进行匹配,以确认是否为同一目标;
3)对采集到的视频图像进行灰度化处理,以减少算法的耗时,如下:
I(x,y)=Gray(Image(x,y))
其中,Image(x,y)是原始采集到的图像,I(x,y)是经灰度化后的图像;
4)基于Surendra背景更新的快、慢背景更新策略
利用Surendra背景更新算法的核心思想?#21644;?#36807;帧差法找到有物体运动的区域,对运动
区域内的背景保持不变,而非运动区域的背景用当前帧进行替换和更新;同时,选取快、慢
两种更新速度的系数α1、α2,分别得到快、慢两种背景具体如下:
4.1)将视频图像第1帧I0作为初始背景
4.2)选取阈值T,迭代次数初始化为m=1,最大迭代次数为M;
4.3)求当前帧的帧间差?#28382;?#20687;
<mrow> <mi>D</mi> <mi>B</mi> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mn>1</mn> <mo>,</mo> <mo>|</mo> <msub> <mi>I</mi> <mi>j</mi> </msub> <mo>-</mo> <msub> <mi>I</mi> <mrow> <mi>j</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>|</mo> <mo>&GreaterEqual;</mo> <mi>T</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mn>0</mn> <mo>,</mo> <mo>|</mo> <msub> <mi>I</mi> <mi>j</mi> </msub> <mo>-</mo> <msub> <mi>I</mi> <mrow> <mi>j</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>|</mo> <mo>&lt;</mo> <mi>T</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>
其中,Ij、Ij-1分别为当前帧和上一帧图像;
4.4)将二值图像DB更新快、慢背景图像
<mrow> <msubsup> <mi>B</mi> <mi>j</mi> <mi>f</mi> </msubsup> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msubsup> <mi>B</mi> <mrow> <mi>j</mi> <mo>-</mo> <mn>1</mn> </mrow> <mi>f</mi> </msubsup> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>D</mi> <mi>B</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <mn>1</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>&alpha;</mi> <mn>1</mn> </msub> <msub> <mi>I</mi> <mi>j</mi> </msub> <mo>+</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <msub> <mi>&alpha;</mi> <mn>1</mn> </msub> <mo>)</mo> </mrow> <msubsup> <mi>B</mi> <mrow> <mi>j</mi> <mo>-</mo> <mn>1</mn> </mrow> <mi>f</mi> </msubsup> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>D</mi> <mi>B</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <mn>0</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <msubsup> <mi>B</mi> <mi>j</mi> <mi>s</mi> </msubsup> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msubsup> <mi>B</mi> <mrow> <mi>j</mi> <mo>-</mo> <mn>1</mn> </mrow> <mi>f</mi> </msubsup> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>D</mi> <mi>B</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <mn>1</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>&alpha;</mi> <mn>2</mn> </msub> <msub> <mi>I</mi> <mi>j</mi> </msub> <mo>+</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <msub> <mi>&alpha;</mi> <mn>2</mn> </msub> <mo>)</mo> </mrow> <msubsup> <mi>B</mi> <mrow> <mi>j</mi> <mo>-</mo> <mn>1</mn> </mrow> <mi>f</mi> </msubsup> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>D</mi> <mi>B</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <mn>0</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow>
式中,α1、α2分别是快、慢两种更新系数,均为在[0,1]范围内的阈值常量,且α1>α2,
分别为快背景、慢背景图像,Ij为输入的当前帧图像;
4.5)迭代次数m加1,返回步骤4.3),当m=M时,迭代结束;
5)对快、慢背景图像进行差分操作,并结合二值化阈值Thresh1,得
到滞留物检测结果Rj(x,y),具体如下:
<mrow> <msub> <mi>R</mi> <mi>j</mi> </msub> <mrow> <mo>(</mo> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mn>255</mn> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mo>|</mo> <msubsup> <mi>B</mi> <mi>j</mi> <mi>f</mi> </msubsup> <mrow> <mo>(</mo> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> <mo>)</mo> </mrow> <mo>-</mo> <msubsup> <mi>B</mi> <mi>j</mi> <mi>s</mi> </msubsup> <mrow> <mo>(</mo> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> <mo>)</mo> </mrow> <mo>|</mo> <mo>&GreaterEqual;</mo> <mi>T</mi> <mi>h</mi> <mi>r</mi> <mi>e</mi> <mi>s</mi> <mi>h</mi> <mn>1</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mn>0</mn> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mo>|</mo> <msubsup> <mi>B</mi> <mi>j</mi> <mi>f</mi> </msubsup> <mrow> <mo>(</mo> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> <mo>)</mo> </mrow> <mo>-</mo> <msubsup> <mi>B</mi> <mi>j</mi> <mi>s</mi> </msubsup> <mrow> <mo>(</mo> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> <mo>)</mo> </mrow> <mo>|</mo> <mo>&lt;</mo> <mi>T</mi> <mi>h</mi> <mi>r</mi> <mi>e</mi> <mi>s</mi> <mi>h</mi> <mn>1</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>
6)对上述滞留物检测结果Rj进行形态学处理,先进行腐蚀运算、接着进行膨胀运算,其
中采用disk结构元素进行腐蚀膨胀运算;
7)设置两个连通域面积阈值Thresh2和Thresh3,对Rj中面积大小在[Thresh2,Thresh3]
范围内的连通域进行矩形分割,并记录矩形框的对角?#38408;?#24687;(x1,y1)、(x2,y2),用于求取检
测到的候选大件滞留物的?#34892;?#28857;C(xc,yc)坐标信息,如?#28388;?#31034;:
<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>x</mi> <mi>c</mi> </msub> <mo>=</mo> <mfrac> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mn>1</mn> </msub> <mo>+</mo> <msub> <mi>x</mi> <mn>2</mn> </msub> <mo>)</mo> </mrow> <mn>2</mn> </mfrac> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>y</mi> <mi>c</mi> </msub> <mo>=</mo> <mfrac> <mrow> <mo>(</mo> <msub> <mi>y</mi> <mn>1</mn> </msub> <mo>+</mo> <msub> <mi>y</mi> <mn>2</mn> </msub> <mo>)</mo> </mrow> <mn>2</mn> </mfrac> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>
上述中Thresh2和Thresh3的选取,是为了避免非大件滞留物的干扰,以及防止外界光
照突然变化而带来的误检操作;其中面积区间下限是避免非大件滞留物的检测干扰,对未
达到一定体积的检测目标视作非大件滞留物,而面积区间的上限则是在一定程度上,避免
因监控场景中,外界光照的突然变化而引起的误检测为“整个监控区域”的大件滞留物误的
存在;利用面积阈值判断,在一定程度上提高了该检测方法的检测准确?#21097;?#22686;强了该检测方
法的鲁棒性;
8)对候选大件滞留物的?#34892;?#28857;C(xc,yc)坐标信息,与查询表中的在?#34892;?#28857;坐标信息C0
(x0,y0)进行匹配,情况如下:
8.1)如果查询表里?#34892;?#28857;坐标信息为空,则将C(xc,yc)坐标信息更新到查询表C0(x0,
y0),将用于阈值判断的帧数自加器N清零,并跳出?#34892;?#28857;匹配操作,转到上面步骤4),进入
下一帧图像检测;
8.2)如果查询表里?#34892;?#28857;坐标信息不为空,则进行?#34892;?#28857;匹配操作,匹配公式如下:
<mrow> <mi>M</mi> <mi>a</mi> <mi>t</mi> <mi>c</mi> <mi>h</mi> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>t</mi> <mi>r</mi> <mi>u</mi> <mi>e</mi> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mo>|</mo> <msub> <mi>x</mi> <mn>0</mn> </msub> <mo>-</mo> <msub> <mi>x</mi> <mi>c</mi> </msub> <mo>|</mo> <mo>&le;</mo> <msub> <mi>&epsiv;</mi> <mn>0</mn> </msub> <mi>A</mi> <mi>N</mi> <mi>D</mi> <mo>|</mo> <msub> <mi>y</mi> <mn>0</mn> </msub> <mo>-</mo> <msub> <mi>y</mi> <mi>c</mi> </msub> <mo>|</mo> <mo>&le;</mo> <msub> <mi>&epsiv;</mi> <mn>0</mn> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>f</mi> <mi>a</mi> <mi>l</mi> <mi>s</mi> <mi>e</mi> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>o</mi> <mi>t</mi> <mi>h</mi> <mi>e</mi> <mi>r</mi> <mi>s</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>6</mn> <mo>)</mo> </mrow> </mrow>
其中,Match为每一帧匹配结果,ε0为匹配?#24066;?#20559;离阈值范围;
8.3)如果公式(6)中Match结果为false,则将?#34892;?#28857;C(xc,yc)坐标信息更新到查询表C0
(x0,y0),将用于阈值判断的帧数自加器N清零,转到上面步骤4),进入下一帧图像检测;
8.4)如果公式(6)中Match结果为true,则将用于阈值判断的帧数自加器N加1,转到下
面步骤9);
9)设置累计帧数阈值Thresh4,用于判断帧数自加器N是否达到阈值上限,是否达到将
“候选大件滞留物?#27604;?#23450;为“大件物滞留?#20445;?#36798;到报警的要求,即
<mrow> <mi>Re</mi> <mi>s</mi> <mi>u</mi> <mi>l</mi> <mi>t</mi> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>t</mi> <mi>r</mi> <mi>u</mi> <mi>e</mi> <mo>,</mo> <mi>N</mi> <mo>&GreaterEqual;</mo> <mi>T</mi> <mi>h</mi> <mi>r</mi> <mi>e</mi> <mi>s</mi> <mi>h</mi> <mn>4</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>f</mi> <mi>a</mi> <mi>l</mi> <mi>s</mi> <mi>e</mi> <mo>,</mo> <mi>N</mi> <mo>&lt;</mo> <mi>T</mi> <mi>h</mi> <mi>r</mi> <mi>e</mi> <mi>s</mi> <mi>h</mi> <mn>4</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>7</mn> <mo>)</mo> </mrow> </mrow>
式中,Result结果代表是否进行“大件物滞留”报警;
①如果Result为false,转到上面步骤4),进入下一帧图像检测;
②如果Result为true,则进行“大件物滞留”报警提醒,并将帧数自加器N清零,在等待
用于工作人?#24065;?#38500;大件滞留物所需时间t后,转到上面步骤2),重新进入下一次的“大件物
滞留”报警检测系统中;
至此,即可实现对扶梯口楼层板上大件物滞留的智能检测。

说明书

一种扶梯口楼层板上大件物滞留检测方法

技术领域

本发明涉及扶梯安全监控以及图像处理的技术领域,尤其是指一种扶梯口楼层板
上大件物滞留检测方法。

背景技术

随着我国经济的快速发展,以及人们对快捷生活方式的不断追求,使得扶梯的应
用越来越普及,尤其是大型商场、地铁?#38236;?#20844;共场所。但是,在扶梯给我们生活带来便捷的
同时,一些影响扶梯载客顺畅的问题也值得我们关注,像扶梯口楼层板上的大件物滞留,容
?#33258;?#25104;扶梯载客不顺畅现象,因此对扶梯口处进行实时的大件物滞留检测,就显得很有必
要。

针对上述问题,目前的常见应对方法:安排人?#20445;?#23450;点现场看护。但这种方法存在
人力成本高、很难保证实时性等弊端。因此,利用图像处理知识,?#35789;迪种?#33021;监控和实时检
测,不失为一种更为?#34892;?#30340;方法。

目前,基于图像处理知识来进行物品滞留检测的应用研究,存在实时性不好、检测
准确率不足等问题,同时,物品滞留检测的应用场景也比较局限,没有涉及到像扶梯口楼层
板?#35748;?#23545;复杂的场合。本发明基于扶梯口楼层板应用场景,对扶梯口楼层板处大件物滞留
进行异常检测,提出一种基于Surendra背景更新的新的检测方法,能快速、高效的检测出乘
客将大件物品滞留在监控区域的行为,进而发出“大件物滞留”报警,提醒工作人员及时的
移开大件滞留物,保证扶梯的顺畅工作。

发明内容

本发明的目的在于克服现有技术的缺点与不足,提供一种新的扶梯口楼层板上大
件物滞留检测方法,该方法基于Surendra背景更新的快慢背景差分策略,实现对扶梯口楼
层板上大件物滞留的智能检测,可以应用于扶梯监控系统中,配合扶梯控制器通讯,可以减
少人的看护工作,很好的保证商场或地铁?#38236;?#22330;所扶梯的顺畅运行。

为实现上述目的,本发明所提供的技术方案为:一种扶梯口楼层板上大件物滞留
检测方法,该方法基于Surendra背景更新的快慢背景差分策略,包括以下步骤:

1)视频图像采集,具体是通过固定在天花板上垂直楼层板向下拍摄的360°可旋转
半球摄像头获取的;

2)初始化背景和查询表

采用视频图像第1帧I0作为初始背景分别是快、慢两种初始背景,所述查
询表用于存储检测到的大件滞留物的?#34892;?#28857;坐标信息,并将每帧图像中检测到的候选大件
滞留物?#34892;?#28857;坐标,与查询表中的信息进行匹配,以确认是否为同一目标;

3)对采集到的视频图像进行灰度化处理,以减少算法的耗时,如下:

I(x,y)=Gray(Image(x,y))

其中,Image(x,y)是原始采集到的图像,I(x,y)是经灰度化后的图像;

4)基于Surendra背景更新的快、慢背景更新策略

利用Surendra背景更新算法的核心思想?#21644;?#36807;帧差法找到有物体运动的区域,对
运动区域内的背景保持不变,而非运动区域的背景用当前帧进行替换和更新。同时,选取
快、慢两种更新速度的系数α1、α2,分别得到快、慢两种背景具体如下:

4.1)将视频图像第1帧I0作为初始背景

4.2)选取阈值T,迭代次数初始化为m=1,最大迭代次数为M;

4.3)求当前帧的帧间差?#28382;?#20687;


其中,Ij、Ij-1分别为当前帧和上一帧图像;

4.4)将二值图像DB更新快、慢背景图像



式中,α1、α2分别是快、慢两种更新系数,均在[0,1]范围内,且α1>α2,阈值常量,
分别为快背景、慢背景图像,Ij为输入的当前帧图像;

4.5)迭代次数m加1,返回步骤4.3),当m=M时,迭代结束。

5)对快、慢背景图像进行差分操作,并结合二值化阈值
Thresh1,得到滞留物检测结果Rj(x,y),具体如下:


6)对上述滞留物检测结果Rj进行形态学处理,先进行腐蚀运算、接着进行膨胀运
算,其中采用disk结构元素进行腐蚀膨胀运算。

7)设置两个连通域面积阈值Thresh2和Thresh3,对Rj中面积大小在[Thresh2,
Thresh3]范围内的连通域进行矩形分割,并记录矩形框的对角?#38408;?#24687;(x1,y1)、(x2,y2),用
于求取检测到的候选大件滞留物的?#34892;?#28857;C(xc,yc)坐标信息,如?#28388;?#31034;:


上述中Thresh2和Thresh3的选取,是为了避免非大件滞留物的干扰,以及防止外
界光照突然变化而带来的误检操作。

8)对候选大件滞留物的?#34892;?#28857;C(xc,yc)坐标信息,与查询表中的在?#34892;?#28857;坐标信
息C0(x0,y0)进行匹配,情况如下:

8.1)如果查询表里?#34892;?#28857;坐标信息为空,则将C(xc,yc)坐标信息更新到查询表C0
(x0,y0),将用于阈值判断的帧数自加器N清零,并跳出?#34892;?#28857;匹配操作,转到步骤4),进入下
一帧图像检测。

8.2)如果查询表里?#34892;?#28857;坐标信息不为空,则进行?#34892;?#28857;匹配操作,匹配公式如
下:


其中,Match为每一帧匹配结果,ε0为匹配?#24066;?#20559;离阈值范围。

8.3)如果公式(a)中Match结果为false,则将?#34892;?#28857;C(xc,yc)坐标信息更新到查询
表C0(x0,y0),将用于阈值判断的帧数自加器N清零,转到步骤4),进入下一帧图像检测。

8.4)如果公式(a)中Match结果为true,则将用于阈值判断的帧数自加器N加1,转
到步骤9)。

9)设置累计帧数阈值Thresh4,用于判断帧数自加器N是否达到阈值上限,是否达
到将“候选大件滞留物?#27604;?#23450;为“大件物滞留?#20445;?#36798;到报警的要求。即


式中,Result结果代表是否进行“大件物滞留”报警。

①如果Result为false,转到步骤4),进入下一帧图像检测。

②如果Result为true,则进行“大件物滞留”报警提醒,并将帧数自加器N清零,在
等待用于工作人?#24065;?#38500;大件滞留物所需时间t后,转到步骤2),重新进入下一次的“大件物
滞留”报警检测系统中。

本发明与现有技术相比,具有如下优点与有益效果:

1、运用图像处理和机器视觉知识,来进行对扶梯口楼层板上大件物滞留的的智能
检测,该解决方?#24178;形?#26377;人研究,足够新颖。

2、提出的基于Surendra背景更新的快慢背景差分策略的检测方法,因为是对部分
背景进行更新学习,所以可以在一定程度上提高背景更新速度,提升检测时效性;充分利用
快慢背景更新学习速度的不同,?#35789;?#29616;对“进入视野中后滞留下来”的大件物检测,使得检
测准确?#35797;?#21152;。

3、应用于扶梯监控系统中,配合扶梯控制器通讯,很好的减少了扶梯运行的人工
看护任务,?#26723;?#20154;工成本,并做到对扶梯口楼层板上大件物滞留检测的实时性,可以很好的
保证商场或地铁?#38236;?#22330;所扶梯的顺畅运行。

4、可扩展性,本发明阐述的方法是针对视野中只出现一个大件滞留物的情况,如
果想检测多个滞留物的情况,只需对查询表进行适当调整即可。

附图说明

图1为本发明的检测方法整体流程图。其中Surendra快背景更新B1即文中
Surendra快背景更新B2即文中

图2为本发明的检测方法中摄像头安装示意图。

图3为从扶梯侧看摄像头的示意图。

图4为本发明检测方法的检测过程及检测效果图。其中视频行为是“乘客携带大件
物进入楼层板,然后将大件物滞留在楼层板上后离开”。

具体实施方式

下面结合具体实施例对本发明作进一步说明。

本实施例提供的扶梯口楼层板上大件物滞留的检测方法,基于Surendra背景更
新,采用快慢背景差分策略,实现对扶梯口楼层板上大件物滞留的智能检测,如图1所示,包
括以下步骤:

1)视频图像采集

如图2和图3所示,具体是通过固定在天花板上垂直楼层板向下拍摄的360°可旋转
半球摄像头1获取的,天花板2用于安装固定摄像头1,扶梯口楼层板3是摄像头1的拍摄对
象,用于对扶梯口楼层板进行监控,4为模拟大件滞留物。摄像头1距离扶梯口楼层板3高度,
优选4米。

2)初始化背景和查询表,其中采用视频图像第1帧I0作为初始背景分别是
快、慢两种初始背景,查询表用于存储检测到的大件滞留物的?#34892;?#28857;坐标信息,并将每帧图
像中检测到的候选大件滞留物?#34892;?#28857;坐标,与查询表中的信息进行匹配,以确认是否为同
一目标;

3)对采集到的视频图像进行灰度化处理,以减少算法的耗时,如下:

I(x,y)=Gray(Image(x,y))

其中,Image(x,y)是原始采集到的图像,I(x,y)是经灰度化后的图像;

4)基于Surendra背景更新的快、慢背景更新策略

利用Surendra背景更新算法的核心思想?#21644;?#36807;帧差法找到有物体运动的区域,对
运动区域内的背景保持不变,而非运动区域的背景用当前帧进行替换和更新。同时,选取
快、慢两种更新速度的系数α1、α2,分别得到快、慢两种背景具体如下:

4.1)将视频图像第1帧I0作为初始背景

4.2)选取阈值T,迭代次数初始化为m=1,最大迭代次数为M;

4.3)求当前帧的帧间差?#28382;?#20687;


其中,Ij、Ij-1分别为当前帧和上一帧图像;

4.4)将二值图像DB更新快、慢背景图像



式中,α1、α2分别是快、慢两种更新系数,均为在[0,1]范围内的阈值常量,且α1>
α2,本实施例的应用场景,α1在[0.8,0.9]范围,α2在[0.1,0.2]范围内,分
别为快背景、慢背景图像,Ij为输入的当前帧图像;

4.5)迭代次数m加1,返回步骤4.3),当m=M时,迭代结束。

5)对快、慢背景图像进行差分操作,并结合二值化阈值
Thresh1,此处选取Thresh1=0.1得到滞留物检测结果Rj(x,y),具体如下:


6)对上述滞留物检测结果Rj进行形态学处理,先进行腐蚀运算、接着进行膨胀运
算,本发明采用disk结构元素进行腐蚀膨胀运算。

7)设置两个连通域面积阈值Thresh2和Thresh3,本实施例中分别取值为输入帧图
像大小的1/20和1/5,对Rj中面积大小在[Thresh2,Thresh3]范围内的连通域进行矩形分
割,并记录矩形框的对角?#38408;?#24687;(x1,y1)、(x2,y2),用于求取检测到的候选大件滞留物的中
心点C(xc,yc)坐标信息,如?#28388;?#31034;:


上述中Thresh2和Thresh3的选取,是为了避免非大件滞留物的干扰,以及防止外
界光照突然变化而带来的误检操作。其中面积区间下限是避免非大件滞留物的检测干扰,
对未达到一定体积的检测目标视作非大件滞留物,而面积区间的上限则是在一定程度上,
避免因监控场景中,外界光照的突然变化而引起的误检测为“整个监控区域”的大件滞留物
误的存在。利用面积阈值判断,在一定程度上提高了该检测方法的检测准确?#21097;?#22686;强了该检
测方法的鲁棒性。

8)对候选大件滞留物的?#34892;?#28857;C(xc,yc)坐标信息,与查询表中的在?#34892;?#28857;坐标信
息C0(x0,y0)进行匹配,情况如下:

8.1)如果查询表里?#34892;?#28857;坐标信息为空,则将C(xc,yc)坐标信息更新到查询表C0
(x0,y0),将用于阈值判断的帧数自加器N清零,并跳出?#34892;?#28857;匹配操作,转到步骤4),进入下
一帧图像检测。

8.2)如果查询表里?#34892;?#28857;坐标信息不为空,则进行?#34892;?#28857;匹配操作,匹配公式如
下:


其中,Match为每一帧匹配结果,ε0为匹配?#24066;?#20559;离阈值范围。

8.3)如果公式(6)中Match结果为false,则将?#34892;?#28857;C(xc,yc)坐标信息更新到查询
表C0(x0,y0),将用于阈值判断的帧数自加器N清零,转到4),进入下一帧图像检测。

8.4)如果公式(6)中Match结果为true,则将用于阈值判断的帧数自加器N加1,转
到步骤9)。

9)设置累计帧数阈值Thresh4,用于判断帧数自加器N是否达到阈值上限,是否达
到将“候选大件滞留物?#27604;?#23450;为“大件物滞留?#20445;?#36798;到报警的要求。即


式中,摄像机帧率为25帧/s的情况下,帧数阈值Thresh4优选50帧,Result结果代
表是否进行“大件物滞留”报警。

①如果Result为false,转到步骤4),进入下一帧图像检测。

②如果Result为true,则进行“大件物滞留”报警提醒,并将帧数自加器N清零,在
等待用于工作人?#24065;?#38500;大件滞留物所需时间t后,转到步骤2),重新进入下一次的“大件物
滞留”报警检测系统中。

至此,即可实现对扶梯口楼层板上大件物滞留的智能检测。

利用上述检测方法,完成对大件物滞留的检测,检测效果如图4所示。图中乘客行
为是“携带大件物进入楼层板,然后将大件物滞留在楼层板上后离开”。根据Surendra背景
更新思想,由于乘客处在运动状态,所以其对背景的变化没有影响,而其携带的大件物则由
运动状态变为静止状态,快背景更新将其学习进入背景,如图4中快背景更新B1,慢背景更
新则在一定时间内依旧近似为无大件物的背景状态,如图4?#26032;?#32972;景更新B2。二者做差分,
并结合6)形态学处理,完成对大件物滞留的检测,如图4中大件物滞留检测结果。

以上所述实施例只为本发明之较佳实施例,并非以此限制本发明的实施范围,故
凡依本发明之形状、原理所作的变化,均应涵盖在本发明的保护范围内。

关于本文
本文标题:一种扶梯口楼层板上大件物滞留检测方法.pdf
链接地址:http://www.pqiex.tw/p-6079565.html

[email protected] 2017-2018 zhuanlichaxun.net网?#26223;?#26435;所有
经营许可证编号:粤ICP备17046363号-1 
 


平码五不中公式规律 双色球32元复式 双色球投注大奖(组图) 云南十一选五开奖走势图 亲朋游戏中心官方网站 下载 双色球的中奖规则 湖北11选5 股票融资费率 七乐彩走势图怎么看 蓝洞棋牌最新网站 希洪竞技官方网站