一种基于自学习的入侵检测方法及装置制造方法及图纸

本发明专利技术涉及视频监控技术领域，尤其涉及一种基于自学习的入侵检测方法及装置，方法包括：基于多帧图片中相同位置像素的集合，构建环境色块，将目标图片与所述环境色块进行像素差集处理，以获得物体色块，进而提取所述物体色块的分类特征，依据预设分类规则对所述分类特征进行归类，获得分类结果；依据所述分类结果进行入侵判定，获得入侵检测结果

【技术实现步骤摘要】
一种基于自学习的入侵检测方法及装置


[0001]本专利技术涉及视频监控
，尤其涉及一种基于自学习的入侵检测方法及装置
。

技术介绍

[0002]在图像通信领域，摄像头为我们的生活环境的安防等方方面面提供了十分重要的帮助，安装有安防摄像头的场所，发生犯罪或是事故后，总能够通过摄像头拍摄的画面中寻找到蛛丝马迹以还原现场
。
入侵检测是一种应用于视频监控系统中的技术，用于检测在特定区域内发生的未经授权的活动或事件
。
通常，这些区域可以是建筑物
、
车库
、
办公室或其他安全敏感区域
。
入侵检测可识别例如高空抛物
、
突破警戒线
、
越过围栏
、
进入禁止区域等行为
。
[0003]目前，相关技术的摄像头大致可以分为两类
。
一类为普通摄像头，没有算法和规则加成，出现犯罪或者事故后，仅支持事后查看和回溯；另一类为监控摄像头，支持对抓拍到的图片或视频实时报警，然而此类摄像头往往需要厂商复杂编码，使用者往往需要进行专业培训设置摄像头报警规则或者参数，而且一旦摄像头使用场景变化或者有其它报警需求就需要返厂进行新的算法编码
。
[0004]可见，现有的进行入侵检测的安防监控摄像头仍然存在需要复杂的编码规则和报警不准确不及时的问题
。

技术实现思路

[0005]本专利技术提供一种基于自学习的入侵检测方法及装置，用以解决现有技术中进行入侵检测的安防监控摄像头需要复杂编码配置和依赖于场景的问题，基于自学习的入侵检测方法实现不局限于使用场景且使用简便的事故快速检测和报警
。
[0006]本专利技术提供一种基于自学习的入侵检测方法，其特征在于，包括：
[0007]基于多帧图片中相同位置像素的集合，构建环境色块；
[0008]将目标图片与所述环境色块进行像素差集处理，以获得物体色块，其中，所述物体色块为像素差集中相邻像素点的集合生成的物体图片中的孤岛；
[0009]提取所述物体色块的分类特征，依据预设分类规则对所述分类特征进行归类，获得分类结果；
[0010]依据所述分类结果进行入侵判定，获得入侵检测结果
。
[0011]进一步的，包括在获得入侵检测结果之后包括步骤：
[0012]若所述分类结果的入侵检测结果为属于区域入侵，则生成报警信息；
[0013]若所述分类结果的入侵检测结果为不属于区域入侵，则将所述物体色块对应的分类特征存入误报数据库
。
[0014]进一步的，对所述报警信息对应的物体色块进行入侵判定确认，获得判定确认结果；
[0015]依据所述判定确认结果对所述物体色块对应的分类特征和预设分类规则进行更新；
[0016]若所述判定确认结果为区域入侵属实，则将所述物体色块加入所述分类结果对应的图像数据库；并依据所述分类结果对应的分类规则对所述预设分类规则进行更新；
[0017]若所述判定确认结果为区域入侵不属实，则将所述物体色块存入误报数据库
。
[0018]进一步的，所述基于多帧图片中相同位置像素的集合，构建环境色块包括步骤：
[0019]获取多帧图片进行模糊化处理获得图片像素集合；
[0020]对比所述图片像素集合中每一张图片的像素点，获得环境像素集；
[0021]所述获得环境像素集包括：将图片像素集合中相同像素的位置信息进行记录并截取，生成环境像素集；
[0022]基于所述环境像素集，生成图片获得环境色块
。
[0023]进一步的，所述模糊化处理包括：
[0024]将每
n*n
个像素合并成一个目标像素，所述目标像素的
rgb
值分别为
n*n
个像素
rgb
的算术平均值
。
[0025]进一步的，所述获得物体色块包括步骤：
[0026]对目标图片的像素点集和所述环境色块的像素点集进行差集运算获得物体像素点集；其中，所述物体像素点集为像素差集中的一个或多个不重合的像素点集；
[0027]基于物体像素点集生成图片的物体色块
。
[0028]进一步的，所述分类特征包括：
[0029]位置信息
、
大小信息
、
颜色信息以及数量信息
。
[0030]第二方面，本专利技术还提供一种基于自学习的入侵检测装置，其特征在于，包括：环境图像处理模块，用于基于多帧图片中相同位置像素的集合，构建环境色块；
[0031]物体图像处理模块，用于将目标图片与所述环境色块进行像素差集处理，以获得物体色块，所述物体色块为像素差集中相邻像素点的集合生成的物体图片中的孤岛；
[0032]图片分类模块，用于提取所述物体色块的分类特征，依据预设分类规则对所述分类特征进行归类，获得分类结果；
[0033]入侵判定模块，用于依据所述分类结果进行入侵判定，获得入侵检测结果
。
[0034]第三方面，本专利技术提供一种电子设备，包括存储器
、
处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如上述任一种所述自学习入侵检测方法的步骤
。
[0035]第四方面，本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述自学习入侵检测方法的步骤
。
[0036]本专利技术提供的自学习入侵检测方法及装置，通过获取多帧图片进行相似度对比，以获得环境色块，在将目标图片与环境色块进行像素差集处理，以获得物体色块，进而通过提取物体色块的分类特征，依据预设分类规则对分类特征进行归类，获得分类结果，然后依据依据分类结果进行入侵判定，获得入侵检测结果
。
大大提高了区域入侵检测的灵活性和精确度
。
[0037]本专利技术通过对报警信息对应的物体色块进行入侵判定确认，也即是对报警信息的真实性进行进一步验证后，可以减少报警信息的误报率，提高报警信息的可靠性，并通过对
该物体色块分类结果对应的分类规则对预设分类规则进行实时更新，使得报警信息根据反馈实现实时的调整和优化，进一步提高报警信息的可靠性和准确性
。
从而有效地解决现有进行入侵检测的安防监控摄像头需要复杂的编码规则和报警不准确不及时的问题，使用门槛极低，不需要复杂培训
。
附图说明
[0038]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图
。
[0039本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于自学习的入侵检测方法，其特征在于，包括：基于多帧图片中相同位置像素的集合，构建环境色块；将目标图片与所述环境色块进行像素差集处理，以获得物体色块，其中，所述物体色块为像素差集中相邻像素点的集合生成的物体图片中的孤岛；提取所述物体色块的分类特征，依据预设分类规则对所述分类特征进行归类，获得分类结果；依据所述分类结果进行入侵判定，获得入侵检测结果
。2.
根据权利要求1所述的自学习入侵检测方法，其特征在于，包括在获得入侵检测结果之后包括步骤：若所述分类结果的入侵检测结果为属于区域入侵，则生成报警信息；若所述分类结果的入侵检测结果为不属于区域入侵，则将所述物体色块对应的分类特征存入误报数据库
。3.
根据权利要求2所述的自学习入侵检测方法，其特征在于，还包括：对所述报警信息对应的物体色块进行入侵判定确认，获得判定确认结果；依据所述判定确认结果对所述物体色块对应的分类特征和预设分类规则进行更新；若所述判定确认结果为区域入侵属实，则将所述物体色块加入所述分类结果对应的图像数据库；并依据所述分类结果对应的分类规则对所述预设分类规则进行更新；若所述判定确认结果为区域入侵不属实，则将所述物体色块存入误报数据库
。4.
根据权利要求1所述的自学习入侵检测方法，其特征在于，所述基于多帧图片中相同位置像素的集合，构建环境色块包括步骤：获取多帧图片进行模糊化处理获得图片像素集合；对比所述图片像素集合中每一张图片的像素点，获得环境像素集；所述获得环境像素集包括：将图片像素集合中相同像素的位置信息进行记录并截取，生成环境像素集；基于所述环境像素集，生成图片获得环境色块
。5.
根据权利要求4所述的自学习入侵检测方法，其特征在于，所述模糊化处理包括：将每
n*n

【专利技术属性】
技术研发人员：张坤，朱用功，李浩，
申请(专利权)人：武汉虹信技术服务有限责任公司，
类型：发明
国别省市：