(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210385147.1 (22)申请日 2022.04.13 (71)申请人 中国电子科技 集团公司第五十八研 究所 地址 214000 江苏省无锡市滨湖区惠河路5 号 (72)发明人 张俊　朱鸿泰　程虎　章琦　吕璐　 (74)专利代理 机构 无锡派尔特知识产权代理事 务所(普通 合伙) 32340 专利代理师 杨立秋 (51)Int.Cl. G06T 7/277(2017.01) G06T 7/73(2017.01) G06V 20/52(2022.01) G06V 40/20(2022.01)H04N 7/18(2006.01) G08B 13/196(2006.01) (54)发明名称 一种基于计算机视觉的智能监控预警方法 及系统 (57)摘要 本发明公开一种基于计算机视觉的智能监 控预警方法及系统， 属于人工智能技术和 智能安 防领域， 通过上位机在监控图像中人工选取禁入 区域ROI_Debar； 对监控图像进行行人检测与跟 踪； 通过检测出的行人位置与运动方向信息， 判 断是否发生入侵行为； 根据检测出的行人位置信 息判断是否发生越界行为； 根据检测出的行人位 置与数量信息判断是否发生聚集行为。 本发明利 用智能检测算法， 对监控图像进行分析处理， 将 以往需要的人工工作代替为无人化智能检测， 减 少安保人员的工作 负荷， 提升监测频率； 此外， 智 能检测算法可作为独立模块， 在不改动园区监控 已有的信息线前提下可大幅度的提高园区监控 系统的状态信息收集能力。 权利要求书2页 说明书4页 附图2页 CN 114663479 A 2022.06.24 CN 114663479 A 1.一种基于计算机 视觉的智能监控预警方法， 其特 征在于， 包括： 通过上位机在监控图像中人工 选取禁入区域ROI_Debar； 对监控图像进行 行人检测与跟踪； 通过检测出的行 人位置与运动方向信息， 判断是否发生入侵行为； 根据检测出的行 人位置信息判断是否发生越界行为； 根据检测出的行 人位置与数量信息判断是否发生聚集行为。 2.如权利要求1所述的基于计算机视觉的智能监控预警方法， 其特征在于， 对监控图像 进行行人检测与跟踪包括以下子步骤： 通过深度学习检测算法YOLO_V3_tiny检测当前帧图像中的行人目标， 使用每个检测目 标的中心点 位置与宽高初始化跟踪器； 通过卡尔曼滤波预测每一个目标在 下一帧的位置和宽高， 同时使用检测算法YOLO_V3_ tiny检测下一帧图像中的目标， 计算每一个经过卡尔曼预测后目标与检测算法YOLO_V3_ tiny检测目标的交并比， 然后通过匈 牙利算法进行目标之间的关联； 对关联上的目标通过检测算法YOLO_V3_tiny检测的结果对卡尔曼的预测值进行修正， 将目标每一帧的位置信息记录 到跟踪器中， 至此一个多目标跟踪流 程结束。 3.如权利要求2所述的基于计算机视觉的智能监控预警方法， 其特征在于， 通过检测出 的行人位置与运动方向信息， 判断是否发生入侵行为包括： 新建两幅与原 始图像一样尺寸、 像素值全为 零的灰度图像； 将其中一幅灰度图像中的禁入区域ROI_Debar的像素设置为25 5， 作为模板图像； 根据检测出来的行人所在区域， 将另一幅灰度图像 中相同区域像素值设置为255， 作为 判定图像； 通过对两幅灰度图像进行与操作， 判定检测目标 是否与禁入区域ROI_Debar发生交集； 判断每一个目标与禁入区域ROI_Debar是否有 交集， 如果没有 交集则不进行入侵判断， 否则进行入侵判断； 当目标与禁入区域ROI_Debar有交集时， 通过跟踪第一次出现的位置判断目标是在禁 入区域ROI_Debar的内部还是外部， 如果第一次出现在内部， 那就判定为没有入侵， 否则判 定为入侵 。 4.如权利要求3所述的基于计算机视觉的智能监控预警方法， 其特征在于， 根据检测出 的行人位置信息判断是否发生越界行为包括： 通过检测算法YOLO_V3_tiny检测每一帧的行人目标， 计算每一个行人所在的矩形框与 界限矩形框之间的交并比， 如果交并比大于k， 则判定为越界行为， k为行人是否越界的阈 值。 5.如权利要求4所述的基于计算机视觉的智能监控预警方法， 其特征在于， 根据检测出 的行人位置与数量信息判断是否发生聚集行为S5包括： 通过检测算法YOLO_V3_tiny检测每一帧的行人目标， 通过横、 纵坐标判断目标的中心 点是否在禁入区域ROI_Debar内部， 如果在内部， 则内部行人数量加一， 计在禁入区域ROI_ Debar内部的行 人总数为P1， 当P1>P2时判定为聚集， 其中P2为行 人是否聚集的阈值。 6.一种基于计算机 视觉的智能监控预警系统， 其特 征在于， 包括： 图像采集及预处 理模块， 用于采集 监控区域图像并进行 预处理操作；权　利　要　求　书 1/2 页 2 CN 114663479 A 2入侵判别模块， 通过深度学习检测算法YOLO_V3_tiny进行行人检测， 将检测结果作为 多目标跟踪器的初始值， 通过是否与禁入 区域ROI_Debar有交集和行人 目标的初始位置判 断是否入侵， 同时根据目标的运动轨 迹也能分析目标的运动趋势； 越界判别模块， 通过计算每一个目标所在的矩形框与界限矩形框之间的交并比， 如果 交并比大于k则判定为越界行为； 聚集判别模块， 计算在禁入区域ROI_Debar内部目标的个数P1， 当P1>P2时判定为聚集 行为， 其中P2为行 人是否聚集的阈值； 报警及显示模块， 将原始图像数据与算法判定的结果通过网络传输给上位机进行显示 和报警。 7.如权利要求6所述的基于计算机视觉的智能监控预警系统， 其特征在于， 所述入侵判 别模块在跟踪过程中用卡尔曼滤波对跟踪目标的运动趋势进 行预测， 使用匈牙利算法进 行 目标之间的关联， 根据关联上 的目标的检测坐标修正卡尔曼 的预测坐标值， 同时记录目标 的运动轨 迹。权　利　要　求　书 2/2 页 3 CN 114663479 A 3