混乱场景的监控方法及装置制造方法及图纸

本发明专利技术公开了一种混乱场景的监控方法及装置，以能够监控图像获取设备获取的图像中是否出现混乱场景，以及在出现混乱场景时及时通知用户。该方法包括在图像摄取设备摄取的图像中检测目标拥挤区域；将检测到的目标拥挤区域划分为图像块；以及确定划分出的各个图像块的运动矢量；根据确定出的各个图像块的运动矢量，确定目标拥挤区域中是否出现混乱场景；以及在确定出现混乱场景时，发出图像摄取设备摄取的图像中出现混乱的通知。

【技术实现步骤摘要】

本专利技术涉及图像处理
，尤其涉及一种混乱场景的监控方法及装置。
技术介绍
广场、超市、车站、步行街等人员流动较大的地方，在节假日等特殊时期，往往会发 生人员非常拥挤的状况，严重混乱时甚至会导致踩踏等严重事故，造成巨大的损失。为了能 够避免上述事故的发生，现有技术通常在人员流动较大的地方安装摄像头等实时图像获取 设备，并把获取到的图像显示在集中监控室的监控器上，监控人员可以通过监控器来获知 上述地方的状况。然而，监控人员通常同时面对着十几台甚至几十台监控器，需要在许多监 控器上频繁地切换视野，很难同时顾及到所有监控器上同时出现的图像，因此很容易错过 或者忽略其中部分监控器中出现的严重拥挤情况。并且，监控人员需要长时间集中精力关 注所有监控器，会导致感觉疲惫。现有技术并没有提供一种能够监控图像中是否出现混乱场景，以及在出现混乱场 景时及时通知监控人员的技术方案，使相关人员能够及时做出反应，采取制止措施减少损失。
技术实现思路
本专利技术实施例提供一种混乱场景的监控方法及装置，以能够监控图像获取设备获 取的图像中是否出现混乱场景，以及在出现混乱场景时及时通知用户。本专利技术实施例提供的技术方案如下一种混乱场景的监控方法，包括在图像摄取设备摄取的图像中检测目标拥挤区 域；将检测到的目标拥挤区域划分为图像块；以及确定划分出的各个图像块的运动矢量； 根据确定出的各个图像块的运动矢量，确定目标拥挤区域中是否出现混乱场景；以及在确 定出现混乱场景时，发出图像摄取设备摄取的图像中出现混乱的通知。一种混乱场景的监控装置，包括检测单元，用于在图像摄取设备摄取的图像中检测目标拥挤区域；划分单元，用于将检测单元检测到的目标拥挤区域划分为图像块；第一确定单元，用于确定划分单元划分出的各个图像块的运动矢量；第二确定单元，用于根据第一确定单元确定出的各个图像块的运动矢量，确定目 标拥挤区域中是否出现混乱场景；通知单元，用于在第二确定单元确定出现混乱场景时，发出图像摄取设备摄取的 图像中出现混乱的通知。本专利技术实施例通过在图像摄取设备摄取的图像中检测出目标拥挤区域，将检测到 的目标拥挤区域划分为图像块，并确定划分出的各个图像块的运动矢量，根据确定出的各 个图像块的运动矢量，来确定目标拥挤区域中是否出现混乱场景；在确定出现混乱场景时， 通知监控人员，提供了能够监控图像中是否出现混乱场景，以及在出现混乱场景时及时通知监控人员的可行技术方案。 附图说明图1为本专利技术实施例的主要实现原理流程图；图2为本专利技术实施例中摄像头等图像摄取设备摄取到的待检测图像；图3为本专利技术实施例中从图像摄取设备摄取到的图像中确定出拥挤区域的流程 图；图4为本专利技术实施例为从待检测图像中确定出的人体头部图像的示意图；图5为本专利技术实施例确定出的拥挤区域在待检测图像中的位置示意图；图6A为本专利技术实施例中对人员拥挤区域进行分块的示意图；图6B为本专利技术实施例中确定图像块运动矢量的示意图；图7为本专利技术实施例中提出的混乱场景的监控装置的结构示意图；图8为本专利技术实施例中检测单元的结构示意图；图9为本专利技术实施例中第二确定单元的结构示意图。具体实施例方式现有技术采用人工观察监视器的监控方法，存在容易错过或者忽略其中部分监控 器中出现的严重拥挤情况的问题。本专利技术实施例通过首先从图像获取设备获取的图像中 检测出人员拥挤区域，并进一步根据拥挤区域中各部分的运动矢量来确定是否出现了混乱 场景，解决了现有技术无法从图像获取设备获取的图像中检测出混乱场景并通知用户的问 题，提供了可行的技术方案。下面结合各个附图对本专利技术实施例技术方案的主要实现原理具体实施方式及其 对应能够达到的有益效果进行详细的阐述。本专利技术实施例以人体头部图像为例来介绍本发 明提出的混乱场景的监控方法，本专利技术实施例提出的方法同样适用于监测其他目标(例如 汽车、动物等)是否出现混乱场景。请参照附图1，本专利技术实施例的主要实现原理流程如下步骤101，基于数据挖掘领域中的分类器和聚类方法，以及第一预定阈值，从图像 获取设备获取到的待检测图像中确定出人员拥挤区域；步骤102，将步骤101获得的人员拥挤区域划分为预定尺寸的图像块，并基于块基 运动估计方法，确定出各个图像块的运动矢量；步骤103，基于步骤102确定出的各个图像块的运动矢量，确定拥挤区域中是否出 现了混乱场景；步骤104，在步骤103确定出所述拥挤区域中出现混乱场景时，通知用户。下面将依据本专利技术上述专利技术原理，详细介绍一个实施例来对本专利技术方法的主要实 现原理进行详细的阐述和说明。请参照附图2，为摄像头等图像摄取设备摄取到的待检测图像。基于数据挖掘领域 中的分类方法和聚类方法，以及第一预定阈值，从图像摄取设备摄取到的图像中确定出拥 挤区域，具体过程请参照附图3 步骤301，首先从待检测图像中检测出人体预定部位所在的位置，本实施例以头部5为例来进行介绍。以预定比例对待检测图像进行连续放缩，然后以预定尺寸的窗口和位移 步长对放缩后得到的系列图像进行遍历。在遍历过程中，利用预先根据大量的头部图像样 本和非头部图像的样本训练出的二类分类器判别每次位移后预定尺寸窗口所确定的图像 区域是否为人体头部图像。据此，请参照附图4，可以获得待检测图像中所有检测出的人体 头部的位置、尺寸等信息。为了提高头部图像检测的准确性，在获得附图4所示的待检测图 像中人体头部的位置、尺寸等信息后，还可以结合人体头部固有特征(例如耳朵、头发等特 征)对检测到的人体头部的图像进行进一步分析，分别为各个人体头部图像计算对应的相 似度，筛选出相似度高的人体头部图像作为检测出的待检测图像中的人体头部图像。步骤302，利用基于数据挖掘领域中的k-means方法等聚类分析方法，根据上述步 骤301从待检测图像中检测出的人体头部所在的位置信息，从待检测图像中获取备选拥挤 区域。k-means方法的主要工作原理如下从待检测图像中的η个人体头部图像中选择出 k(k < η)个作为初始聚类中心；分别确定所有n-k个剩余人体头部图像中的每个人体头 部图像与上述每个初始聚类中心之间的距离，把各个剩余人体头部图像分配给初始聚类中 心中与该人体头部距离最短的聚类中心，然后计算加入新的人体头部图像后每个聚类的均 值(该聚类中各个人体头部图像与作为初始聚类中心的人体头部图像之间的距离的平均 值)，重复上述过程直到各个聚类的标准测度函数(通常将该聚类中的各个人体头部与作 为初始聚类中心的人体头部之间的距离的方差作为标准测度函数)收敛为止。将各个聚类 所在的边界矩形图像区域作为备选拥挤区域。步骤303，将步骤302中获取的备选拥挤区域中包含的人体头部图像的数目大于 第一预定阈值(例如，在本实施例中第一预定阈值为3)的备选拥挤区域作为确定出的拥挤 区域，请参照附图5，为拥挤区域在待检测图像中的位置示意图。请参照附图6A，为对上述获取的人员拥挤区域进行分块的示意图。根据预定尺寸 (例如8像素*8像素)的窗口，对上述获得的人员拥挤区域进行分块处理，并确定每个图像 块的运动矢量。下面以确定附图5A中的待检测图像中的图像块A的运动矢量为例来介绍 确定每个图像块运动矢量的具体过程请参照附图6B，以上述预定尺寸对参考帧(例如相对于待检测图像而言的前一帧 图像本文档来自技高网...

【技术保护点】
一种混乱场景的监控方法，其特征在于，包括：在图像摄取设备摄取的图像中检测目标拥挤区域；将检测到的目标拥挤区域划分为图像块；以及确定划分出的各个图像块的运动矢量；根据确定出的各个图像块的运动矢量，确定目标拥挤区域中是否出现混乱场景；以及在确定出现混乱场景时，发出图像摄取设备摄取的图像中出现混乱的通知。

【技术特征摘要】

【专利技术属性】
技术研发人员：高飞，黄英，卢晓鹏，
申请(专利权)人：北京中星微电子有限公司，
类型：发明
国别省市：11