专利名称：基于视频的起身检测系统的利记博彩app
技术领域：
本发明涉及ー种起身检测系统，特别涉及ー种基于视频的起身检测系统。
背景技术：
在晚上和午休时间，为了避免监控人员特别是重点监控人员(在某些监室存在个别重点监控人员，重点监控人员睡在监室的固定位置)发生突发事件，需要由主控室值班民警查看监控视频，而突发事件往往发生在有监控人员特别是重点监控人员上下床的时段，一般情况下这种事件发生的总时间在总监控时间的比例低于10%。如果全时段监控容易使主控室值班民警产生视觉疲劳，加上监室太多，导致其无法及时发现问题。
发明内容
本发明所要解决的技术问题是提供一种基于视频的起身检测系统，其通过对监控场景中监控人员特别是重点监控人员行为的分析，可以准确的判断出有监控人员上下床的行为，当场景内有监控人员特别是重点监控人员上下床时，其自动对外报警，通知主控室的值班民警，使其能够及时进行处理，杜绝异常情况发生。本发明是通过下述技术方案来解决上述技术问题的一种基于视频的起身检测系统，其特征在于，其包括视频获取模块、视频标定模块、算法分析模块和管理模块，视频获取模块采用摄像机、采集卡和计算机，视频获取模块将采集卡采集摄像机的模拟信号输出到计算机内存，视频标定模块对采集卡采集到的视频数据进行标定，标定出场景中算法分析模块关注的区域，算法分析模块对采集卡采集到的视频数据进行处理，结合视频标定模块标定出的算法分析模块关注区域的位置，通过视频中人员行为的判断检测是否有监控人员上下床，输出结果到管理模块，管理模块根据算法分析模块输出的分析结果进行报警触发的管理。优选地，所述视频标定模块需要用四边形标定场景，四边形上下边对应位置物理上应平行。优选地，所述监控人员是重点监控人员。优选地，所述管理模块包含分级报警功能，重点监控人员上下床时作为ー级报警， 非重点监控人员上下床时作为ニ级报警。优选地，所述视频标定模块需要标定整体区域和重点监控人员所在区域，整体区域需要用四边形来标定，四边形上下边对应位置物理上应平行，重点监控人员所在区域需要用多边形来标定。优选地，所述算法分析模块包括获取视频数据步骤、背景建模步骤、获取运动目标步骤、运动目标单帧特征提取步骤、运动目标跟踪步骤、运动目标轨迹特征判断步骤。优选地，所述背景建模步骤根据像素点的帧差运动统计实现。优选地，所述获取运动目标步骤包括前后帧的帧差提取、帧差图像ニ值化、连通域分析。
优选地，所述运动目标单帧特征提取步骤根据人形特征判断确定运动目标是否是起立的人。优选地，所述运动目标轨迹特征判断步骤包括通过运动目标持续时间过滤持续时间较短的目标，通过运动目标幅度判断过滤幅度偏小的运动、通过人形特征统计判断过滤翻身误报。优选地，所述管理模块的处理流程为如果有监控人员上下床，则管理模块向主控室进行声、光和电模式的报警，值班民警进行及时处理，同时将报警图片和报警视频存入服务器数据库，便于以后用户通过网络界面查询历史记录，井根据历史记录数据生成各种统计报表，便于分析和进行相关的改迸。本发明的积极进步效果在干本发明可准确提取有监控人员特别是重点监控人员上下床的行为并及时报警，整套系统保持长期稳定和高效的运行。本发明有效区分运动目标和非运动目标，通过运动目标持续时间判断、运动目标幅度判断和人形特征判断有效去除监控人员翻身造成的误报，有效提高起身检测系统的准确性。
图I为本发明基于视频的起身检测系统的工作原理图。图2为本发明中视频标定模块对监控人员的工作原理图。图3为本发明中视频标定模块对重点监控人员的工作原理图。图4为本发明中算法分析模块的工作原理图。
具体实施例方式下面结合附图给出本发明较佳实施例，以详细说明本发明的技术方案。如图I所示，本发明基于视频的起身检测系统包括视频获取模块、视频标定模块、 算法分析模块和管理模块。视频获取模块采用摄像机、采集卡和计算机，视频获取模块将采集卡采集摄像机的模拟信号输出到计算机内存。视频标定模块对采集卡采集到的视频数据进行标定，标定出场景(场景为监控的场景或视频内的场景)中算法分析模块关注的区域。 算法分析模块对采集卡采集到的视频数据进行处理，结合视频标定模块标定出的算法分析模块关注区域的位置，通过视频中人员行为的判断检测是否有监控人员特别是重点监控人员上下床，输出结果到管理模块，此模块是整个系统的核心，算法的准确性决定了系统整体运行的效率。管理模块根据算法分析模块输出的分析结果进行报警触发的管理，其处理流程如下如果有监控人员特别是重点监控人员上下床，则管理模块向主控室进行声、光和电模式的报警，值班民警进行及时处理，同时将报警图片和报警视频存入服务器数据库，便于以后用户通过网络界面查询历史记录，井根据历史记录数据生成各种统计报表，便于分析和进行相关的改进。管理模块包含分级报警功能，重点监控人员上下床时作为一级报警，非重点监控人员上下床时作为ニ级报警。视频标定模块对监控人员标定原理如图2所示，虚线为标定的区域，标定的区域主要在大床的附近。视频标定模块需要用四边形标定场景，四边形上下边对应位置物理上应平行。视频标定模块对重点监控人员标定原理如图3所示，需要标定整体区域和重点监控人员所在区域。虚线为标定的整体区域，整体区域需要用四边形标定，四边形上下边对应位置物理上应平行。粗线为标定的重点监控人员所在区域，重点监控人员所在区域需要用多边形来标定。如图4所示，算法分析模块实施的具体步骤如下步骤41、通过算法分析模块的接口获取采集卡采集到的视频数据。步骤42、根据像素点的帧差运动统计进行背景建模，获取当前时刻视频的背景。所述帧差计算用到的公式如下Diffn(i, j) = abs(In(i, j)_In_k(i, j))..........................................公式(I)其中，n为巾贞号，i为行号，j为列号，Diffn为第η巾贞原始的巾贞差结果，In为第η中贞的帧图像，In-k为第n-k帧的帧图像。
I, Diff (ij)> DiffThFD = \n..........................................公式(2)
ηO, Diff {i, j)< DiffTh
Ln其中，FDn为二值化后的帧差结果，DiffTh为帧差阈值。背景更新的公式如下
BG (ij)
IΣ FD {iJ) = O
11k=n-TmTh.................................公式(3)
不更新，Σ FD (/, j) > O
k = η - TmTh其中，BGn(i, j)为位置(i，j)的背景，TmTh为时间阈值，若(i，j)长时间没有帧差变化，则取当前帧数据作为该位置的新背景。步骤43、通过前后帧的帧差提取、帧差图像二值化、连通域分析，获取监室内的运动目标。所述获取监室内的运动目标，先对目标的大小进行判断，远端和近端使用不同的大小阈值，再对目标的位置进行判断，过滤感兴趣区域之外的运动目标。步骤44、运动目标单帧特征提取，如果是监控人员，则根据运动目标的人形特征判断运动目标是否是起立的人。假定运动目标Obj第η帧的判断结果为Obj. Valid[n]，那么
公式如下
fl, 人形特征判断成功八I //1Λ
ObjValid[n] = <..........................................A 式(4 )
Ιο,人形特征判断失败如果是重点监控人员，则根据运动目标位置确定运动目标是否属于重点监控人员所在区域，根据人形特征判断运动目标是否是起立的人。假定运动目标Obj第η帧的人形特征判断结果为Obj. Valid[n]，运动目标Obj第η帧的重点监控人员所在区域判断结果为 Obj. ER [η],那么公式如下=<.......................................公式(41)
O,人形特征判断失败
5
fl,重点监控人员所在区域判断成功八I
Obj.ER[n]= <..............................公式(42)步骤45、通过运动目标跟踪，获取运动目标的轨迹状态。如果是监控人员，则运动目标的轨迹状态包括目标存在的时间Obj. During,运动幅度Obj. MoveExtent,人形特征统计结果 Obj. Valid。如果是重点监控人员，则所述运动目标的轨迹状态包括目标存在的时间Obj. During、运动幅度Obj. MoveExtent,人形特征统计结果Obj. Valid,重点监控人员所在区域判断结果Ob. jER。步骤46、运动目标轨迹特征判断，如果是监控人员，则其包括通过运动目标持续时间过滤持续时间较短的目标，运动目标幅度判断过滤幅度偏小的运动，通过人形特征统计判断过滤翻身误报，输出结果。ObjVal id [η]所述运动目标轨迹特征判断可用下述公式表示
I, Obj.During > DuringTh，M^Obi.MoveExtent > MoveExtentTh ObjWrnStatus = < 且Σ ObjValid\n\ > Obj.During x ValidRatioTh· · ·公式(5 )
0,其它情况其中，Obj. WmStatus为运动目标Obj的报警状态，DuringTh为持续时间阈值， MoveExtentTh为运动幅度阈值，ValidRatioTh为运动目标Obj符合人形特征的总巾贞数在 Obj. During中的比例阈值。如果是重点监控人员，则其包括通过运动目标持续时间过滤持续时间较短的目标，通过运动目标幅度判断过滤幅度偏小的运动、通过人形特征统计判断过滤翻身误报、通过重点监控人员所在区域的统计结果确定运动目标是否是重点人员。所述运动目标轨迹特
征判断可用下述公式表示
1,Obj.During > DuringTh，M^ObjMoveExtent > MoveExtentTh 且ObjValid[n] > Obj.During x ValidRatioTh
Obj .WrnStatus
…公式(6)
且〉；Obj.ER[n] > Obj.During x ERRatioTh
, 其它情况其中，Obj. WrnStatus为运动目标Obj的报警状态，DuringTh为持续时间阈值， MoveExtentTh为运动幅度阈值，ValidRatioTh为运动目标Obj符合人形特征的总巾贞数在 Obj. During中的比例阈值，ERRatioTh为运动目标Obj在重点监控人员所在区域的总帧数在Obj. During中的比例阈值。虽然以上描述了本发明的具体实施方式
，但是本领域的技术人员应当理解，这些仅是举例说明，在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改。因此，本发明的保护范围由所附权利要求书限定。
权利要求
1.一种基于视频的起身检测系统，其特征在于，其包括视频获取模块、视频标定模块、 算法分析模块和管理模块，视频获取模块采用摄像机、采集卡和计算机，视频获取模块将采集卡采集摄像机的模拟信号输出到计算机内存，视频标定模块对采集卡采集到的视频数据进行标定，标定出场景中算法分析模块关注的区域，算法分析模块对采集卡采集到的视频数据进行处理，结合视频标定模块标定出的算法分析模块关注区域的位置，通过视频中人员行为的判断检测是否有监控人员上下床，输出结果到管理模块，管理模块根据算法分析模块输出的分析结果进行报警触发的管理。
2.如权利要求I所述的基于视频的起身检测系统，其特征在于，所述视频标定模块需要用四边形标定场景，四边形上下边对应位置物理上应平行。
3.如权利要求I所述的基于视频的起身检测系统，其特征在于，所述监控人员是重点监控人员。
4.如权利要求3所述的基于视频的起身检测系统，其特征在干，所述管理模块包含分级报警功能，重点监控人员上下床时作为一级报警，非重点监控人员上下床时作为ニ级报m目O
5.如权利要求3所述的基于视频的起身检测系统，其特征在干，所述视频标定模块需要标定整体区域和重点监控人员所在区域，整体区域需要用四边形来标定，四边形上下边对应位置物理上应平行，重点监控人员所在区域需要用多边形来标定。
6.如权利要求3所述的基于视频的起身检测系统，其特征在于，所述算法分析模块包括获取视频数据步骤、背景建模步骤、获取运动目标步骤、运动目标单帧特征提取步骤、运动目标跟踪步骤、运动目标轨迹特征判断步骤。
7.如权利要求3所述的基于视频的起身检测系统，其特征在于，所述背景建模步骤根据像素点的帧差运动统计实现。
8.如权利要求3所述的基于视频的起身检测系统，其特征在于，所述获取运动目标步骤包括前后帧的帧差提取、帧差图像ニ值化、连通域分析。
9.如权利要求3所述的基于视频的起身检测系统，其特征在于，所述运动目标的单帧特征提取步骤根据人形特征判断确定运动目标是否是起立的人。
10.如权利要求3所述的基于视频的起身检测系统，其特征在于，所述运动目标轨迹特征判断步骤包括通过运动目标持续时间过滤持续时间较短的目标，通过运动目标幅度判断过滤幅度偏小的运动、通过人形特征统计判断过滤翻身误报。
11.如权利要求3所述的基于视频的起身检测系统，其特征在于，所述管理模块的处理流程为如果有监控人员上下床，则管理模块向主控室进行声、光和电模式的报警，值班民警进行及时处理，同时将报警图片和报警视频存入服务器数据库，便于以后用户通过网络界面查询历史记录，井根据历史记录数据生成各种统计报表，便于分析和进行相关的改迸。
全文摘要
本发明公开了一种基于视频的起身检测系统，其包括视频获取模块、视频标定模块、算法分析模块和管理模块，视频获取模块采用摄像机、采集卡和计算机，视频获取模块将采集卡采集摄像机的模拟信号输出到计算机内存，视频标定模块对采集卡采集到的视频数据进行标定，标定出场景中算法分析模块关注的区域，算法分析模块对采集卡采集到的视频数据进行处理，结合视频标定模块标定出的算法分析模块关注区域的位置，通过视频中人员行为的判断检测是否有监控人员上下床，输出结果到管理模块，管理模块根据算法分析模块输出的分析结果进行报警触发的管理。本发明通过对监控场景中人员行为的分析，可以准确的判断出有监控人员上下床的行为并加以报警。
文档编号G08B21/00GK102610054SQ201110021979
公开日2012年7月25日 申请日期2011年1月19日 优先权日2011年1月19日
发明者何海峰, 刘福新, 潘今一 申请人:上海弘视通信技术有限公司