檢測打架行為的方法技術

本發明專利技術提供了一種檢測打架行為的方法，包括：檢測每幀圖像中的人體輪廓及衣領輪廓；確定到圖像中任意兩個人體輪廓之間的距離小于第一閾值，則分別檢測圖像中每個人衣領與頭部之間的位置關系；如果其中一個人的衣領與頭部之間的位置關系的變化大于閾值，則確定出現打架行為。本發明專利技術的方法，通過任意兩個人體輪廓之間的距離、以及人體的衣領和頭部的位置關系確定打架過程，不需要用戶用眼睛檢測，減少了打架現象被不能被及時發現的情況。

【技術實現步驟摘要】

本專利技術涉及安防領域，具體而言，涉及一種。
技術介紹
目前在安防領域中，通過攝像頭檢測當前區域內的事件，例如檢測當前區域內的活動的人或動物等。現有的檢測技術只能拍攝圖像的內容，不能對圖像的內容做進一步的分析。當圖像中出現人員有打架現象，用戶只能通過眼睛觀察判斷后才能確定，如果當時沒有看到，則這些行為會被忽略。
技術實現思路
本專利技術旨在提供一種，以解決上述圖像中出現的打架現象被忽略的問題。在本專利技術的實施例中，提供了一種，包括檢測每幀圖像中的人體輪廓及衣領輪廓；確定到圖像中任意兩個人體輪廓之間的距離小于第一閾值，則分別檢測圖像中每個人衣領與頭部之間的位置關系；如果其中一個人的衣領與頭部之間的位置關系的變化大于閾值，則確定出現打架行為。本專利技術的方法，通過任意兩個人體輪廓之間的距離、以及人體頭部和衣領的位置關系確定打架過程，不需要用戶用眼睛檢測，減少了打架現象被不能被及時發現的情況。附圖說明此處所說明的附圖用來提供對本專利技術的進一步理解，構成本申請的一部分，本專利技術的示意性實施例及其說明用于解釋本專利技術，并不構成對本專利技術的不當限定。在附圖中圖1示出了實施例的流程圖；圖2示出了實施例中檢測過程的流程圖；圖3示出了實施例中的背景圖像；圖4示出了實施例中的當前圖像；圖5示出了實施例中差分圖像；圖6示出了實施例中選擇輪廓點的示意圖；圖7示出了實施例中得到的輪廓的示意圖；圖8示出了實施例分類器分離的人體輪廓和周圍其它物體圖像的示意圖；圖9示出了實施例中腐蝕過程的示意圖；圖10示出了實施例中膨脹過程的示意圖。具體實施例方式下面將參考附圖并結合實施例，來詳細說明本專利技術。參見圖1，實施例中的步驟包括:Sll:檢測每幀圖像中的人體輪廓及衣領輪廓；S12:確定到圖像中任意兩個人體輪廓之間的距離小于第一閾值，則分別檢測圖像中每個人衣領與頭部之間的位置關系；第一閾值可按照像素點的數量設置，也可按照比例確定，例如:距離為框住人體輪廓的最小矩形寬度的1.3-1.7倍。可防止誤報的同時達到70%以上的正確識別的最佳效果。S13:如果其中一個人的衣領與頭部之間的位置關系的變化大于閾值，則確定出現打架行為。實施例中的方法，通過任意兩個人體輪廓之間的距離、以及人體的頭部和衣領的位置關系確定打架過程，不需要用戶用眼睛檢測，減少了打架現象被不能被及時發現的情況。優選地，參見圖2，實施例中的所述檢測的過程包括:S21:將當前幀的圖像二值化，得到差分圖像；取圖3所示的彩色上一幀圖像作為背景圖像，從圖4所示的第二幀彩色圖像開始，將當前圖像與背景圖像簡單相減取絕對值并二`值化得到圖5所示的差分圖像一d(i，j)。每一幀圖像與背景圖像在彩色的三個通道上做差分。對每個像素點，如果在這三個通道上的差分結果的最大值大于某一閾值，則將這點的值在灰度圖像上賦值為255。否則賦值為O。 d(i n = {= <￡ 、，刀-1=1(其它)S22:逐行掃描所述差分圖像中的像素點，如果掃描到的像素點為白色像素點，則根據相鄰像素點的灰度，遍歷到由多個白色像素點構成的封閉區域的輪廓；可采用基于連通性的邊界跟蹤算法，獲得提取整個圖像序列中行人的輪廓。把輪廓以點序列的形式存儲。輪廓線上點，與其相鄰點的灰度值有一定的跳躍，故通過灰度值的對比，就可以將這些點提取出來。參見圖6，為了簡單，去掉了圖像邊框上所有象素點，每個被提取的象素點A，與其周圍的8個點作比較，當某點周圍8個參考點有一個不都與之相同時，這個點就是輪廓點。邊界跟蹤算法先選擇一起始點s e S。，然后沿順時針或逆時針利用連通性跟蹤邊界直到回到起始點。已知像素P，q e S，如果存在一條從P到q的路徑，且路徑上的全部像素都包含在S中，則稱P與q是連通的。如圖7所示的在差分圖像上得到的像素點。連通性(connectivity)是等價關系.對屬于S的任意三個像素p、q和r,有下列性質:I)像素P與P本身連通(自反性).2)如果P與q連通,則q與P連通(互換性).3)如果P與q連通且q與r連通,則P與r連通(傳遞性).S23:確定包含所述封閉區域的輪廓的邊界像素點的最小外接矩形；對于查找出的輪廓點序列，計算這個序列中所有點在水平和豎直方向上的最小值和最大值Xmax，Ymin, Xmax, Ymax。則外接矩形的左上角坐標和寬高為(Xmin，Ymin),Width=Xmax-Xmin+1, he ight=Ymax-Ymin+1。S24:采用訓練集識別所述最小外接矩形內的人體輪廓、及最小外接矩形內衣領輪廓。對外接矩形區域基于梯度直方圖特征HOG的支持向量機的分類器SVM進行人體輪廓檢測。該分類器可訓練出一個分類平面，如圖8所示，將能將輸入圖像中的人體圖像和非人體圖像區分開。使用支持向量機法進行人體檢測的過程如下:I)訓練:選取合適的核函數，k (xi, xj)。2)最小化 I w I ,在 ω j (w.x「b) ^ 1-1, i 的條件下。 3)只存儲非零的Cii和相應的Xi (它們是支持向量)。4)將圖像按一定比例縮放到不同尺度，在每一個尺度下使用64*128大小的窗口掃描圖像。然后再對每個窗口下的圖像進行分類。5)分類:對于模式X，用支持向量Xi和相應的權重^計算判別函數式本文檔來自技高網...

【技術保護點】
一種檢測打架行為的方法，其特征在于，包括：檢測每幀圖像中的人體輪廓及衣領輪廓；確定到圖像中任意兩個人體輪廓之間的距離小于第一閾值，則分別檢測圖像中每個人衣領與頭部之間的位置關系；如果其中一個人的衣領與頭部之間的位置關系的變化大于第二閾值，則確定出現打架行為。

【技術特征摘要】
1.一種檢測打架行為的方法，其特征在于，包括: 檢測每幀圖像中的人體輪廓及衣領輪廓； 確定到圖像中任意兩個人體輪廓之間的距離小于第一閾值，則分別檢測圖像中每個人衣領與頭部之間的位置關系； 如果其中一個人的衣領與頭部之間的位置關系的變化大于第二閾值，則確定出現打架行為。2.根據權利要求1所述的方法，其特征在于，所述檢測的過程包括: 將當前幀的圖像與上一幀圖像相減的絕對值二值化，得到差分圖像； 逐行掃描所述差分圖像中的像素點，如果掃描到的像素點為白色像素點，則根據相鄰像素點的灰度，遍歷到由多個白色像素點構成的封閉區域的輪廓； 確定包含所述封閉區域的輪廓的邊界像素點的最小外接矩形； 采用訓練集識別所述最小外接矩形內的人體輪廓、及最小外接矩形內衣領輪廓。3.根據權利要求2所述的方法，其特征在于，還包括:對所述差分圖像執行形態學運算，將運算的結果執行后續操作。4.根據權利要求2所述的方法，其特`征在于，所述識別最小外接矩形內的人體輪廓包括: 對外接矩形區域基于梯度直方圖特征HOG的支持向量機的分類器SVM進行人體輪廓、及衣領輪廓檢測。5.根據權利要求2所述的方法，其特征在于，所述確定出現打架行為的過程包括: 檢測到人體輪廓的外接矩形左上角坐標為(X，y)，衣領輪廓的外接矩形的左上角坐標為(X’，y’)，人體所在矩形的高為h，當6.根據權利要求1所述的方法，其特征在于，所述檢測每幀圖像中的每個人體輪廓及衣領輪廓之后，還包括: 與相鄰的上一幀圖像中距離最近的人體輪廓進行比較，確定是否為同一個人體輪廓； 如果是，則更新該人體輪廓的移動軌...

【專利技術屬性】
技術研發人員：劉忠軒，楊宇，
申請(專利權)人：信幀電子技術北京有限公司，
類型：發明
國別省市：