实时区域入侵检测方法

1.一种实时区域入侵检测方法，包括以下步骤：
⑴根据视频帧数据建立监控场景并实时更新监控场景；
⑵使用运动检测算法得到运动目标；
⑶使用目标跟踪算法对运动目标进行跟踪，得到运动目标的位置坐标；
⑷使用区域检测算法对运动目标进行入侵判断；
其特征在于：步骤⑷所使用的区域检测算法包括如下步骤：
①对监控场景中的全区域进行全区域掩蔽处理；
②对掩蔽区域和警戒区域进行分类标记并获取警戒区域状态的敏感参数，具体方法如下：
A、输入欲标记多边形区域的顶点数及其顶点像素点坐标；
B、通过计算所有多边形顶点坐标中垂直坐标的最大值和最小值来确定需标记警戒区域垂直方向范围，将其作为扫描线的处理范围；
C、对处理范围内的每条扫描线建立如下结构的有序边表：
(x,1/k,ymax,next)
其中：x为像素点水平坐标，k为该边斜率，ymax为最大垂直坐标，next为指向的下一个结点；
D、对处理范围内的每条扫描线，重复下列步骤：
a、使用有序边表建立当前扫描线的有效边表，其建立方法为：建立一个与有序边表结构相同的有效边表，将该有效边表置为空，然后将第一个不空的有序表中的边与有效边表进行合并，从而形成当前扫描线的有效边表；
b、从有效边表中依次取出一对交点，将该对交点内的警戒区域状态的敏感参数设置为
1，从而获得警戒区域状态的敏感参数；
c、通过增加交点的水平坐标值和删除不再相交边的方法为下一条扫描线更新有效边表；
d、重新排列有效边表；
③以运动目标所在区域空间位置状态的敏感参数作为目标入侵的判断依据，如果运动目标所在区域空间位置状态的敏感参数等于警戒区域空间状态的敏感参数则表示有目标入侵，从而实现实时区域入侵检测功能。
2.根据权利要求1所述的实时区域入侵检测方法，其特征在于：步骤①对监控场景中的全区域进行全区域掩蔽处理的方法为：建立一幅与监控场景全区域图像大小相同的图像，并将该图像的对应像素点设置为0。
3.根据权利要求1所述的实时区域入侵检测方法，其特征在于：步骤⑶对处理范围内的每条扫描线建立有序边表的方法包括如下步骤：
⑴构建一个纵向链表，该纵向链表的长度为多边形所占有的最大扫描线数；
⑵将每条边的信息链入与该边最小垂直坐标相对应的纵向结点处；
⑶将每条边的数据形成一个纵向结点；
⑷在同一纵向链表的纵向结点中，每条边按纵向坐标最小时的水平坐标值由小到大排序，如果纵向坐标最小时的水平坐标值相等，则按照该边斜率的倒数由小到大排序。

实时区域入侵检测方法\n技术领域\n[0001] 本发明属于视频监控领域，尤其是一种实时区域入侵检测方法。\n背景技术\n[0002] 随着智能监控技术的不断发展和图像处理技术的日益成熟，采用人工进行可疑目标监控的方法已经远远不能满足实际需要。目前，以人工智能和视频分析等技术为主的智能安防系统在一定程度上弥补了人工方法不足的问题。智能安防系统优势在于保安人员无需实地巡逻，便可以通过监控系统传回的视频获得现场的实际情况能够迅速地做出决策，因此有着广阔的发展空间和巨大的潜在市场。现有的区域检测方法主要采用警戒区域入侵检测、区域人流统计、区域人群密度检测技术，其中，警戒区域入侵检测是指对闯入警戒区域的目标进行识别，区域人流统计是指对某段时间内某一区域的进出人流进行统计，区域人群密度检测是指对某一区域内的目标进行统计。它们主要是利用图像处理的方法，在现实场景中自动检测目标入侵，使计算机具有某种理解和分析视频的能力，从而对目标入侵进行报警或者对入侵进行统计满足某一条件时报警。上述区域检测方法，一般都是基于运动目标与警戒区域之间复杂的判断来实现的，即使对于简单的矩形区域，也需要大量的判断，其存在的问题是：这些方法计算量大，思想复杂，尤其对于像凹多边形区域，效率较低。\n发明内容\n[0003] 本发明的目的在于克服现有技术的不足，提供一种计算方法简单、处理速度快、效率高的实时区域入侵检测方法。\n[0004] 本发明解决其技术问题是采取以下技术方案实现的：\n[0005] 一种实时区域入侵检测方法，包括以下步骤：\n[0006] (1)根据视频帧数据建立监控场景并实时更新监控场景；\n[0007] (2)使用运动检测算法得到运动目标；\n[0008] (3)使用目标跟踪算法对运动目标进行跟踪，得到运动目标的位置坐标；\n[0009] (4)使用区域检测算法对运动目标进行入侵判断，该区域检测算法包括如下步骤：\n[0010] ①对监控场景中的全区域进行全区域掩蔽处理；\n[0011] ②对掩蔽区域和警戒区域进行分类标记并获取警戒区域状态的敏感参数；\n[0012] ③以运动目标所在区域空间位置状态的敏感参数作为目标入侵的判断依据，如果运动目标所在区域空间位置状态的敏感参数等于警戒区域空间状态的敏感参数则表示有目标入侵，从而实现实时区域入侵检测功能。\n[0013] 而且，步骤①对监控场景中的全区域进行全区域掩蔽处理的方法为：建立一幅与监控场景全区域图像大小相同的图像，并将该图像的对应像素点设置为0。\n[0014] 而且，步骤②对掩蔽区域和警戒区域进行分类标记并获取警戒区域状态的敏感参数的计算方法为：\n[0015] (1)输入欲标记多边形区域的顶点数及其顶点像素点坐标；\n[0016] (2)通过计算所有多边形顶点坐标中垂直坐标的最大值和最小值来确定需标记警戒区域垂直方向范围，将其作为扫描线的处理范围；\n[0017] (3)对处理范围内的每条扫描线建立如下结构的有序边表：\n[0018] (x，1/k，ymax，next)\n[0019] 其中：x为像素点水平坐标，k为该边斜率，ymax为最大垂直坐标，next为指向的下一个结点；\n[0020] (4)对处理范围内的每条扫描线，重复下列步骤：\n[0021] ①使用有序边表建立当前扫描线的有效边表，其建立方法为：建立一个与有序边表结构相同的有效边表，将该有效边表置为空，然后将第一个不空的有序表中的边与有效边表进行合并，从而形成当前扫描线的有效边表；\n[0022] ②从有效边表中依次取出一对交点，将该对交点内的警戒区域状态的敏感参数设置为1，从而获得警戒区域状态的敏感参数；\n[0023] ③通过增加交点的水平坐标值和删除不再相交边的方法为下一条扫描线更新有效边表；\n[0024] ④重新排列有效边表。\n[0025] 而且，步骤(3)对处理范围内的每条扫描线建立有序边表的方法包括如下步骤：\n[0026] (1)构建一个纵向链表，该纵向链表的长度为多边形所占有的最大扫描线数；\n[0027] (2)将每条边的信息链入与该边最小垂直坐标相对应的纵向结点处；\n[0028] (3)将每条边的数据形成一个纵向结点；\n[0029] (4)在同一纵向链表的纵向结点中，每条边按纵向坐标最小时的水平坐标值由小到大排序，如果纵向坐标最小时的水平坐标值相等，则按照该边斜率的倒数由小到大排序。\n[0030] 本发明的优点和积极效果是：\n[0031] 1、本发明使用区域分类标记的方法对监控场景中的区域空间位置进行分类标记来获得警戒区域状态的敏感参数，并以运动目标所在区域空间位置的敏感参数为依据来判断目标入侵与否，大大减少了判断的次数和复杂度，其构思简单、易于实现，对于任意多边形(凸、凹多边形)区域都具有良好的健壮性，提高了处理速度，并且有很高的执行效率。\n[0032] 2、本发明通过开辟一块图像数据大小的内存，可以使警戒区域的分类标记独立于图像数据本身，由于警戒区域的分类标记并不是直接针对图像数据，因此对于警戒区域的分类标记只需执行一次，只要警戒区域不改变，就无需更新警戒区域的分类标记，只有在警戒区域设定或者改变时才获得该警戒区域状态的敏感参数，因此大大提高了算法效率。\n[0033] 3、本发明设计合理，使用区域分类标记的方法实现了实时区域入侵检测功能，其构思简单、易于实现，提高了处理速度和执行效率，可适应于任意多边形(凸、凹多边形)区域的实时监测区域。\n附图说明\n[0034] 图1是本实时区域入侵检测方法的处理流程示意图；\n[0035] 图2是本发明实施例的流程示意图；\n[0036] 图3是本发明所使用区域多边形的边表结构示意图；\n[0037] 图4是本发明在进行边缩短的两种策略示意图。\n具体实施方式\n[0038] 以下结合附图对本发明实施例做进一步详述：\n[0039] 一种实时区域入侵检测方法，如图1所示，包括以下步骤：\n[0040] (1)根据视频帧数据建立监控场景并实时更新监控场景；\n[0041] (2)使用运动检测算法得到运动目标；\n[0042] (3)使用目标跟踪算法对运动目标进行跟踪，得到运动目标的位置坐标；\n[0043] (4)使用区域检测算法对运动目标进行入侵判断，该区域检测算法包括如下步骤：\n[0044] ①对监控场景中的全区域进行全区域掩蔽处理；\n[0045] ②对掩蔽区域和警戒区域进行分类标记并获取警戒区域状态的敏感参数；\n[0046] ③以运动目标所在区域空间位置状态的敏感参数作为目标入侵的判断依据，如果运动目标所在区域空间位置状态的敏感参数等于警戒区域空间状态的敏感参数则表示有目标入侵，从而实现实时区域入侵检测功能。\n[0047] 下面以图2所示，具体说明区域检测算法的实现方法：\n[0048] 步骤201，建立一幅与监控场景全区域图像大小相同的图像，并将该图像的对应像素点设置为0，实现对监控场景中的全区域进行全区域掩蔽处理：\n[0049] MR(x，y)＝0，\n[0050] (x，y)＝{(xi，yi)|i＝1，2…N}\n[0051] 其中，MR(x，y)为区域状态的敏感参数，x为像素点水平坐标，y是像素点垂直坐标，N为像素点总数，\n[0052] 步骤202，输入欲标记多边形区域的顶点数及其顶点像素点坐标。\n[0053] 步骤203，通过计算所有多边形顶点坐标中垂直坐标(y)的最大值和最小值来确定需标记警戒区域垂直方向范围，将其作为扫描线的处理范围；\n[0054] 步骤204，对处理范围内的每条扫描线建立有序边表，边表是指由表结点代表多边形的边所构造的链表，该表结点内容包括：该扫描线与该边的初始交点的像素点水平坐标x(即较低端点的x值)，该边斜率的倒数1/k，以及该边的最大垂直坐标ymax，指向下一个结点的next：\n[0055] (x，1/k，ymax，next)\n[0056] 该有序变边表的构造过程如下：\n[0057] (1)构建一个纵向链表，该纵向链表的长度为多边形所占有的最大扫描线数，纵向链表的每个结点，称为一个扫描线桶，则对应多边形覆盖的每一条扫描线，如图3所示；\n[0058] (2)将每条边的信息链入与该边最小垂直坐标(ymin)相对应的纵向结点(扫描线桶)处，即如果某边的较低端点为ymin，则该边就放在相应的扫描线桶中；\n[0059] (3)将每条边的数据形成一个纵向结点(扫描线桶)；\n[0060] (4)在同一纵向链表的纵向结点中，每条边按纵向坐标最小时的水平坐标值x|ymin(y最小时的x值)由小到大排序，如果纵向坐标最小时的水平坐标值相等，则按照该边斜率的倒数(1/k)由小到大排序。\n[0061] 在构建有序边表时，为了解决当扫描线与多边形的顶点相交时，交点计为1个时的问题(2个或0个时本算法不存在问题)，可以将多边形的某些边缩短以分离那些应计为\n1个交点的顶点，例如可以按指定的顺时针方向处理整个多边形边界上的非水平边。在处理每条边时进行检测以确定该边与下一条非水平边是否有单调递增或单调递减的端点y值，即是否存在某条边的ymax等于另一条边的ymin，假如有，可将ymax的边缩短以保证通过连接两条边的公共顶点的扫描线仅有一个交点生成，即将ymax更新为ymax-1。当然也可将ymin的边缩短，即将ymin更新为ymin+1，但这种方式需要计算出相应的x|ymin+1后在参加桶式排序，如图4给出的两种缩短边的策略，其中(a)为原图，(b)为ymax缩小示意图，(c)为ymin缩小示意图。\n[0062] 步骤205，对处理范围内的每条水平扫描线，重复下列步骤：\n[0063] ①使用有序边表建立当前扫描线的有效边表，有效边表的结构和有序边表相同，有效边表存储的是与当前扫描线相交的边。有效边表的建立方法为：建立一个与有序边表结构相同的有效边表，将该有效边表置为空，然后将第一个不空的有序表中的边与有效边表进行合并，从而形成当前扫描线的有效边表；\n[0064] ②从有效边表中依次取出一对交点(x1，y)，(x2，y)，将该对交点内的警戒区域状态的敏感参数设置为1，从而获得警戒区域状态的敏感参数：\n[0065] MR(x，y)＝1，(x1＜x＜x2，y表示当前水平扫描线垂直坐标)\n[0066] ③通过增加交点的水平坐标值和删除不再相交边的方法为下一条扫描线更新有效边表，即增加交点的x值和删除不再相交的边来更新有效边表。\n[0067] 对于下一条扫描线，将x(x为当前水平扫描线与边的交点的水平坐标)更新为x+1/k，同时合并有序边表中下一条扫描线对应桶中的边，按次序插入到有效边表中，并且删除y＝ymax的边，形成新的有效边表。\n[0068] ④重新排列有效边表。\n[0069] 步骤206，以运动目标所在区域空间位置状态的敏感参数作为目标入侵的判断依据，如果运动目标所在区域空间位置状态的敏感参数等于警戒区域空间状态的敏感参数则表示有目标入侵，即判断运动目标所在区域空间位置坐标的敏感参数，如果等于1，则表示入侵：\n[0070] \n[0071] 其中，当Q为1时，意味着运动目标所在区域空间位置状态的敏感参数与警戒区域状态的敏感参数匹配上，表示目标入侵，为0未入侵。\n[0072] 上述实施例充分说明了本发明提出使用区域分类标记的思想对监控场景中区域的空间位置进行分类标记来获得区域状态的敏感参数，并以运动目标所在区域空间位置的敏感参数为依据来判断目标入侵与否的思想是完全正确，并可以具体实现的。通过实施例的测试结果，也说明了应用本发明实现区域检测的效果是完全可以满足实际监控场景要求的，并且尤为重要的是具有很好的执行效率。\n[0073] 需要强调的是，本发明所述的实施例是说明性的，而不是限定性的，因此本发明并不限于具体实施方式中所述的实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。