一种基于视频的场地占用识别方法技术

本发明专利技术涉及智能安防技术领域，公开了一种基于视频的场地占用识别方法，包括如下步骤：步骤一、在没有发生占用的情况下采集一帧图像，利用单目深度估计算法，估计场景的深度图像，得到视频图像中每一个像素对应的场景深度d0(x,y)；步骤二、在系统监测过程中，对任意时刻采集的视频图像，利用单目深度估计算法，估计深度图像d。本发明专利技术提出的场地占用识别方法，可以对场景中的物体占用进行有效地识别，特别是可以有效地解决传统占用识别算法在场景外观发生改变或者被遮挡时产生的误识别问题，有效地减少误报风险；并且对占用物的类别无任何限制，可以对不固定类别的物体占用进行识别。可以对不固定类别的物体占用进行识别。可以对不固定类别的物体占用进行识别。

【技术实现步骤摘要】
一种基于视频的场地占用识别方法


[0001]本专利技术涉及智能安防
，尤其涉及一种基于视频的场地占用识别方法。

技术介绍

[0002]根据国家有关规定，公共场所的某些区域比如消防通道，场馆出入口，交通道路等，不能有物品和人员长时间停留占用，以避免发生事故或灾害；为了对这些区域的占用情况进行自动检测识别，本专利技术提供了一个基于视频分析的技术方案。
[0003]传统的基于视频的场地占用检测算法主要采用背景建模和变化检测算法，这类算法主要通过从视频数据估计出视频背景图像，通过将实时采集的视频图像与背景图像进行对比，计算出有变化的区域，将该变化的区域识别为占用区域。
[0004]另一种基于视频的占用检测算法，采用目前比较成熟的目标检测技术，对视频图像中的一些固定类别的目标(比如车辆、行人)等进行检测和定位，然后根据这些目标在指定区域出现的时间长短来判定是否为占用行为。
[0005]传统的基于视频的场地占用检测算法主要采用背景建模和变化检测算法，这类算法面临两个问题：
[0006]1、无法区分通道表观的变化与被占用导致的图像变化。比如路面积水产生的路面的图像区域发生明显变化，但是这种变化不是因为路面被占用导致的,传统的背景减除方法无法区分。
[0007]2、无法区分虚假遮挡和真实占用。由于透视投影的影响，通道的图像区域内可能被其它物体遮挡，但是实际未被占用，传统算法无法区分这种情况。
[0008]基于目标检测方法则存在以下缺点：
[0009]1、目前的目标检测算法使用有监督机器学习(主要是深度学习)技术，使用大量样本训练目标检测模型，一旦模型训练好，该模型所能检测的目标种类就固定不变。对在训练样本中没有出现的物体无法识别，因此不能识别任意物体占用的情况。
[0010]2、目标检测算法输出的是目标在图像平面上的区域，由于透视投影效果，这个图像区域不能直接变换为场地坐标，不能准确判断物体是否确实出现在不可占用区域内部，因此容易出现误判。

技术实现思路

[0011]为解决
技术介绍
中所提出的技术问题，本专利技术提供一种基于视频的场地占用识别方法。
[0012]本专利技术采用以下技术方案实现：一种基于视频的场地占用识别方法，包括如下步骤：
[0013]步骤一、在没有发生占用的情况下采集一帧图像，利用单目深度估计算法，估计场景的深度图像，得到视频图像中每一个像素对应的场景深度d0(x,y)；
[0014]步骤二、在系统监测过程中，对任意时刻采集的视频图像，利用单目深度估计算
法，估计深度图像d；
[0015]步骤三、利用d0,d计算出全图内深度发生变化的像素，得到深度发生变化的区域Ω；
[0016]步骤四、利用连通区检测算法检测出Ω中的每一个连通区域，筛选出与用户指定的不可占用区域R有重叠的连通区域，得到Ω
i
,i＝1...,k，Ω
i
表示第i个连通区域；
[0017]步骤五、对每一个连通区域Ω
i
，计算它的边界像素集合ω
i
；
[0018]步骤六、对每一个连通区域Ω
i
，根据ω
i
中的每一个像素(u，v)及其在R
‑
Ω
i
中的相邻像素(u',v')的深度差值，判断该像素(u,v)对应的三维空间点是否与区域R对应的物理空间相连，当t＜ξ时，判为相连，此时Ω
i
对应的物理空间占用了R对应的物理空间，ξ是一个经验参数。
[0019]步骤七、当Ω
i
对应的物理空间占用了R对应的物理空间，则将Ω
i
中所有像素均记为被占用状态；
[0020]步骤八、若R中某个超过用户给定面积的连通区域，连续被占用的时间超过用户给定的阈值，则判定该区域被非法占用。
[0021]可选地，所述步骤三中的区域Ω利用如下公式计算，Ω＝{(u,v):|d0(u,v)
‑
d(u,v)|＞τ}，τ是一个经验参数。
[0022]可选地，所述步骤六中的深度差值为t＝|d(u，v)
‑
d(u'，v
’
)|。
[0023]相比现有技术，本专利技术的有益效果在于：
[0024]本专利技术提出的场地占用识别方法，可以对场景中的物体占用进行有效地识别，特别是可以有效地解决传统占用识别算法在场景外观发生改变或者被遮挡时产生的误识别问题，有效地减少误报风险；并且对占用物的类别无任何限制，可以对不固定类别的物体占用进行识别。
附图说明
[0025]图1为本专利技术实施例中任意时刻采集到的一帧图像；
[0026]图2为本专利技术实施例中根据单目深度估计算法得到的深度图；
[0027]图3为图2的深度图参照没有占用时的深度图做差分分割，得到的深度变化区域；
[0028]图4为本专利技术实施例中基于每一个连通区域中的边界像素集合的每一个像素(u，v)及其在R
‑
Ω
i
中的相邻像素(u',v')的深度差值所得；
[0029]图5为图4中的深度差值图中连通区域中的边界像素集合的每一个像素(u，v)对应的深度差值小于某阈值的子集，表示此区域与地面连通。
[0030]图6为图4中的深度差值图中连通区域中的边界像素集合的每一个像素(u，v)对应的深度差值大于某阈值的子集，表示此区域与地面不连通。
具体实施方式
[0031]下面，结合附图以及具体实施方式，对本专利技术做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
[0032]实施例：
[0033]请结合图1，本实施例以户外停车位边上停放电瓶车时为例进行说明
[0034]首先，参照图1，在任意时刻采集一帧图像，图中黑色线段所标区域为不可占用区域R。
[0035]利用单目深度估计算法，计算其深度图，根据深度图和未占用时的参照深度图可以得到不可占用区域R内的深度变化；具体参照图2。其中，单目深度估计算法为dense
‑
prediction
‑
transformer(DPT)算法，DPT算法是以ViT为主干架构，是一种基于transformer的encoder
‑
decoder结构的密集预测结构，可用来进行单目深度估计任务。
[0036]将上述深度图与参照深度图做差分分割，得到深度变化区域，如图3所示。白色部分表示深度发生变化的区域Ω
i
，本例中只有一个连通区域；
[0037]根据每一个连通区域中的边界像素集合的每一个像素(u，v)及其在R
‑
Ω
i
中的相邻像素(u',v')的深度差值t＝|d(u，v)
‑
d(u'，v
’
)|，得到结果如图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视频的场地占用识别方法，其特征在于，包括如下步骤：步骤一、在没有发生占用的情况下采集一帧图像，利用单目深度估计算法，估计场景的深度图像，得到视频图像中每一个像素对应的场景深度d0(x,y)；步骤二、在系统监测过程中，对任意时刻采集的视频图像，利用单目深度估计算法，估计深度图像d；步骤三、利用d0,d计算出全图内深度发生变化的像素，得到深度发生变化的区域Ω；步骤四、利用连通区检测算法检测出Ω中的每一个连通区域，筛选出与用户指定的不可占用区域R有重叠的连通区域，得到Ω
i
,i＝1...,k，Ω
i
表示第i个连通区域；步骤五、对每一个连通区域Ω
i
，计算它的边界像素集合ω
i
；步骤六、对每一个连通区域Ω
i
，根据ω
i
中的每一个像素(u，v)及其在R
‑
Ω
i
...

【专利技术属性】
技术研发人员：王文中，史登辉，伍健，张一航，张兴驰，方希悦，
申请(专利权)人：安徽大学，
类型：发明
国别省市：