• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 13
    • 下载费用:30 金币  

    国家打击重庆时时彩么: 一种扶梯口楼层板上大件物滞留检测方法.pdf

    关 键 词:
    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

    有效性:

    审中

    法律详情: 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 广东省广州市南沙区环市大道南路25号华工大广州产研院变更后权利人: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 广东省广州市南沙区环市大道南路25号华工大广州产研院
    优先权:
    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完整版下载: PDF下载
    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,以及候选滞留物中心点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??捎τ糜诜鎏菁嗫叵低持?,能减少人的看护工作、提高检测的实时性和准确率,很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:通过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中心点坐标信息,并将每帧图像中检测到的候选大件滞留物
    中心点坐标,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:通过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)求当前帧的帧间差分图像
    <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点信息(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,如下所示:
    <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率,增强了该检测方
    法的鲁棒性;
    8)对候选大件滞留物的中心点C(xc,yc)坐标信息,与查询表中的在中心点坐标信息C0
    (x0,y0)进行匹配,情况如下:
    8.1)如果查询表里中心点坐标信息为空,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,并跳出中心点匹配操作,转到上面步骤4),进入
    下一帧图像检测;
    8.2)如果查询表里中心点坐标信息不为空,则进行中心点匹配操作,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为匹配允许偏离阈值范围;
    8.3)如果公式(6)中Match结果为false,则将中心点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”确定为“大件物滞留”,达到报警的要求,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
    用于工作人员移除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、地铁站等公共场所。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
    易造成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:安排人员,定点现场看护。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,来实现智能监控和实时检
    测,不失为一种更为有效的方法。

    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
    板等相对复杂的场合。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站等场所扶梯的顺畅运行。

    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中心点坐标信息,并将每帧图像中检测到的候选大件
    滞留物中心点坐标,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:通过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)求当前帧的帧间差分图像


    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点信息(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,如下所示:


    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中心点C(xc,yc)坐标信息,与查询表中的在中心点坐标信
    息C0(x0,y0)进行匹配,情况如下:

    8.1)如果查询表里中心点坐标信息为空,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,并跳出中心点匹配操作,转到步骤4),进入下
    一帧图像检测。

    8.2)如果查询表里中心点坐标信息不为空,则进行中心点匹配操作,匹配公式如
    下:


    其中,Match为每一帧匹配结果,ε0为匹配允许偏离阈值范围。

    8.3)如果公式(a)中Match结果为false,则将中心点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”确定为“大件物滞留”,达到报警的要求。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
    等待用于工作人员移除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,该解决方案尚未有人研究,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,来实现对“进入视野中后滞留下来”的大件物检测,使得检
    测准确率增加。

    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,降低人工成本,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
    保证商场或地铁站等场所扶梯的顺畅运行。

    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中心点坐标信息,并将每帧图
    像中检测到的候选大件滞留物中心点坐标,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:通过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)求当前帧的帧间差分图像


    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点信息(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,如下所示:


    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率,增强了该检
    测方法的鲁棒性。

    8)对候选大件滞留物的中心点C(xc,yc)坐标信息,与查询表中的在中心点坐标信
    息C0(x0,y0)进行匹配,情况如下:

    8.1)如果查询表里中心点坐标信息为空,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,并跳出中心点匹配操作,转到步骤4),进入下
    一帧图像检测。

    8.2)如果查询表里中心点坐标信息不为空,则进行中心点匹配操作,匹配公式如
    下:


    其中,Match为每一帧匹配结果,ε0为匹配允许偏离阈值范围。

    8.3)如果公式(6)中Match结果为false,则将中心点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”确定为“大件物滞留”,达到报警的要求。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
    等待用于工作人员移除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中慢背景更新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?;し段?。

    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://www.4mum.com.cn/p-6079565.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • 幸运28稳赚方法 新疆时时后三基本走势图 重庆时时单双在线计划 超神大发快三计划软件 幸运飞艇四期必中计划 极速11稳赚挂机模式 河北时时一定牛推荐号 3d独胆王独胆预测专家 内蒙古时时口诀秘籍 北京快乐8稳赚 时时彩后一倍投万能号码 双色球专家杀号定胆 快3和值技巧稳赚 时时缩水软件免费版 快三如何投注稳定 pk10一码投注技巧大全