外围边界建模方法、智能监控方法及装置

摘要

本发明涉及一种外围边界建模方法、智能监控方法及装置。本发明的技术方案是：该建模方法：对图像做边缘检测，得到二值化的边缘检测结果；对边缘检测结果的二值化图像进行膨胀操作；遍历经膨胀的二值化图像中的点，以P(x，y)表示图像中的点(x，y)的像素值，若在同一x下满足以下条件P(x，y)＝255则记录当前坐标(x，y)，作为边界点，结束当前循环，同时继续判断下一个点x+1对应的y值是否符合上述条件；若相邻x位置存在边界点，而当前x位置不存在边界点，则当前x位置获取前一位置得到的边缘信息；将记录的的数据(x，y)对应写入map映射表中，其中x为key值，y为对应的value值，完成对外围边界建模。本发明适用于楼宇智能监控领域。

说明书

技术领域

本发明涉及一种外围边界建模方法、智能监控方法及装置。适用于楼宇智能监控领域。

背景技术

随着生活水平的不断发展及社会的快速进步，如果把中国的房地产市场比作一个水池，过去十年这个水池的水位持续快速上升，也就是说中国的住房存量大幅增长。

随着小区及高层楼宇的不断增长，各种危害性问题不断出现，例如高空抛物等，需要对楼宇进行24小时监管分析，由于目前楼宇中安全事件发生地多为高层，而且屡见不鲜、屡禁不止。因此，智能楼宇发展成为目前的研究热点，采用计算机视觉对楼宇监控画面进行分析处理，解决人力无法24小时持续监控的问题，降低人力成本。

在监控视频中，楼面可能只占据整个画面的其中一部分，如果对整个画面进行分析，计算量较大，此时，将楼面部分检测出并进行标注，即可降低计算压力，同时可以降低楼面外部环境对智能分析带来的干扰，提高分析准确性。

以高空抛物为例，需要对当前监控画面进行分析，此时，楼宇的外围检测就尤为重要，定位出楼宇的外围范围后，可以仅对楼宇范围进行计算法分析，可以有效降低计算范围，减少计算量。

边缘检测是根据图像中属性的显著变化，通过一阶或二阶导数的变化情况来识别出图像的边界，通常将边界定位在梯度最大的方向。边缘检测可以剔除认为不相关的信息，保留图像重要的结构属性，在许多图像处理的应用中边缘都起着非常重要的作用。然而，自然图像的边缘并不总是理想的阶梯边缘，相反，它们通常会受到一个或多个下面所列因素的影响：1、有限场景深度带来的聚焦模糊；2、非零半径光源产生的阴影带来的半影模糊；3、光滑物体边缘的阴影；4、物体边缘附近的局部镜面反射或者漫反射。常用的边缘检测算子包括Roberts、Prewitt、Sobel、Canny等，这些边缘检测算子的目的就是找到图像中亮度剧烈变化的像素点构成的集合。

目前，边缘检测算法较多，但是在针对楼宇边缘检测时，现有的边缘检测算法可以得到图像中的所有边缘，并没有考虑到楼宇表面的特殊性，楼面中包含的窗户等边缘明显的区域，在边缘检测时，由于该类区域同样属于亮度剧烈变化且特征较为明显的区域，可以被检测出边缘，但是在智能楼宇技术中，窗户等区域带来的边缘信息属于无用信息，只有界定出楼宇的最外围边界，才能有效的降低智能检测的计算量，确定出楼面的所有边界并不能有效的定义检测范围，无法实现降低计算量。

发明内容

本发明要解决的技术问题是：针对上述存在的问题，提供一种外围边界建模方法、智能监控方法及装置。

本发明所采用的技术方案是：一种外围边界建模方法，其特征在于：

对图像做边缘检测，得到二值化的边缘检测结果；

对边缘检测结果的二值化图像进行膨胀操作；

遍历经膨胀的二值化图像中的点，以P(x，y)表示图像中的点(x，y)的像素值，若在同一x下满足以下条件

P(x，y)＝255

则记录当前坐标(x，y)，作为边界点，结束当前循环，同时继续判断下一个点x+1对应的y值是否符合上述条件；其中width为图像的宽度，height为图像的高度；

若相邻x位置存在边界点，而当前x位置不存在边界点，则当前x位置获取前一位置得到的边缘信息；

将记录的的数据(x，y)对应写入map映射表中，其中x为key值，y为对应的value值，完成对外围边界建模。

所述若相邻x位置存在记录的边界点，而当前x位置不存在边界点，则当前x位置获取前一位置得到的边缘信息，包括：

若当前x位置满足以下条件

且当前位置经遍历没有得到对应的边界点，将(x

一种存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现所述外围边界建模方法的步骤。

一种智能监控方法，其特征在于：

获取监控视频中的视频帧；

判断当前帧是否为初始帧，若为初始帧，则通过权利要求1或2所述的外围边界建模方法得到外围边界信息，并保存；若不是初始帧，获取保存的外围边界信息；

通过外围边界信息判断视频帧中目标事件是否发生在外围边界范围内，若是，则进行后续智能计算；若不是，则无需进行后续智能计算。

通过对采集视频帧编号分析确定当前帧是否为初始帧。

一种存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现所述的智能监控方法的步骤。

一种智能监控设备，具有处理器和存储器，存储器上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现所述的智能监控方法的步骤。

还具有用于摄取监控视频的视频拍摄模块。

本发明的有益效果是：本发明基于边缘检测结果提出一种分析计算得到的边界信息点是否为外围边界的方法，可完整检测到外围的边界，成功消除内部噪点带来的影响。

本发明在监控视频初始帧进行检测外围边界建模，在摄像头不移动的前提下，后续帧直接使用初始帧的边界建模结果，不再重复计算，降低计算量。

本发明根据外围边界信息判断检测目标是否出现在外围边界范围内，完成目标筛选，降低后续智能计算的计算量。

附图说明

图1为实施例中智能监控方法的流程图。

图2为实施例中边缘检测示意图。

图3为实施例中外围边界检测结果示意图。

具体实施方式

本实施例为一种楼宇智能监控方法，包括以下步骤(见图1)：

获取楼宇监控视频中的视频帧；

判断当前帧是否为初始帧，若为初始帧，则通过外围边界建模方法得到楼宇的外围边界信息，并保存；若不是初始帧，获取保存的外围边界信息；本例通过对采集视频帧编号分析确定当前帧是否为初始帧，根据不同的结果，对当前图像做相对应的处理；

通过外围边界信息判断视频帧中目标事件是否发生在外围边界范围内，若是，则进行后续智能计算；若不是，则无需进行后续智能计算。

本实施例中外围边界建模方法包括以下步骤：

对楼宇监控视频中的初始帧做边缘检测，以得到丰富完整的图像边缘检测结果。可以选择常用的边缘检测算子，本例以Sobel算子为例，该算子为离散性差分算子，给出两个方向x、y上的卷积核，用来运算图像亮度函数的灰度之近似值，认为灰度值变化剧烈的地方就是边缘。图2为Sobel算子检测结果图，针对楼宇外观来讲，窗户等会对检测造成影响。虽然该算子可以得到完整详细的边缘信息，但在定位楼宇外围边界时，窗户等带来的边缘检测结果属于无用的检测信息。

在得到二值化的边缘检测结果之后，为了使最终得到的边界连续完整，对得到的二值化图片进行膨胀操作，即对图像中的白色部分(边缘部分)进行膨胀，经膨胀得到的图像中拥有比原图更大的高亮区域，消除噪点，将检测结果二值图像中不连贯的部分连接起来。

得到经膨胀的边缘检测二值化图像结果之后，遍历图像中的点，以P(x，y)表示图像中点(x，y)的像素值，在边缘检测结果的二值化图像中，像素值只有0或255两种，其中0代表黑色，255代表白色，边缘点像素点为255，其中x表示横坐标，y表示纵坐标，从图像的左上角或右上角开始遍历，若在同一x下满足

P(x，y)＝255

则记录当前坐标(x，y)，结束当前循环，同时继续判断下一个点x+1对应的y值是否符合上述条件。当对应多个y时，选择最小的y值，即选择图像中最外围的边界点，作为当前x对应的边界点；同时该算法不考虑外围边界为竖直的情况，因为当边界为竖直直线时，不存在检测的区域，则边界的确定方法没有意义。

为防止边缘检测结果图像中出现不连续的问题，分析相邻x位置是否存在边缘点，如果相邻存在，当前x位置不存在边缘点，则获取前一位置得到的边缘信息，以保证图像边缘检测结果的完整性。即，若当前判断x位置满足以下条件

且当前位置经过遍历没有得到对应的边界点，将(x

本实施例中判断视频帧中目标事件是否发生在外围边界范围内的方法包括：

得到外围边界信息的map映射表之后，在进行智能楼宇检测时，可通过映射表判断当前事件是否发生在楼宇范围内，以高空抛物事件为例，检测算法将监测得到的结果用矩形框标出，即在图像中用矩形框标出抛物位置，假如得到抛物位置信息为(x，y，width，height)，其中x，y为抛物检测框左上角坐标信息，width为抛物检测结果矩形框的宽，height为抛物检测结果矩形框的高(此处的检测框指算法检测到的目标位置信息，以抛物检测为例，当有抛物事件发生时，算法检测并在画面中用矩形框将抛物标出，则此矩形框即为检测框)，则通过以下公式判断得到的检测结果是否在楼宇范围内

其中value

本实施例还提供一种智能监控设备，具有视频拍摄模块(监控摄像头)、处理器和存储器，存储器上存储有计算机程序，视频拍摄模块用于摄取被监控楼宇的监控视频，计算机程序被处理器执行时实现本实施例智能监控方法的步骤。

本实施例将充分结合边缘检测技术、边缘位置分析技术以及检测位置判决技术等，以边缘检测结果为基础，提出一种检测楼宇完整外围边界的边界定位方法，该方法首先通过分析视频起始帧边缘检测结果，判断出有效的楼宇边界，定位出有效的计算范围，后续帧可以通过得到的边界定位结果，分析当前帧中智能检测结果是否在楼宇范围之内。该方法通过定位出有效的计算范围，不仅降低智能计算量，同时，通过定位边界，可以有效去除楼宇之外环境对智能计算结果带来的影响，提高计算准确性。