本发明工公开了一种基于门运动状态的监控方法及系统，其中方法包括：利用OpenCV对门进行检测，获得门的特征点；记录所述特征点在视频帧i相对门初始状态的第一参数；记录所述特征点在门运动后的视频帧i+1相对门初始状态的第二参数；对比分析所述第一参数及所述第二参数，确定门的位置在预定的时间间隔内重复上述步骤，判断门的运动状态。通过上述方式，本发明可实现门是由关闭到开启或由开启到关闭的运动过程，并对整个过程实现动态检测，实用性高。
基于门运动状态的监控方法及系统
技术领域
[0001] 本发明涉及智能家居领域，尤其是涉及一种基于门运动状态的监控方法及系统。
背景技术
[0002] 目前智能家居市场上消费者接受程度最高的无疑是安防系统，一套完整的安防系统包括视频监控、报警系统和可视对讲。而报警系统在整个安防系统中又起到了至关重要的作用，利用安防监控摄像头监视可疑区域，并对区域内的可疑入侵进行报警，达到保护主人财产的目的。
[0003] 近年来，得益于计算机技术的不断发展，以及计算机性能的不断提高，使得通过视频监控的方式来检测入侵的方法得到了极大的改善。申请公布日为2014.08.13，申请公布号为CN 103986906 A的专利《基于监控视频的开关门检测方法》中，提供了一种利用特征直线与背景模型中门缝的水平位置的匹配来判断门的开关状态，该方法只能判断门是关闭的还是开启，并不能判断门由关闭到开启的运动过程。
发明内容
[0004] 本发明所要解决的技术问题是：提供一种基于门运动状态的监控方法及系统，可判断门是由关闭到开启或由开启到关闭的运动过程，监视人进出的动作，达到安防监控的目的，并在门未关好时，提醒报警，方便实用。
[0005] 为了解决上述技术问题，本发明采用的技术方案为：提供基于门运动状态的监控方法，包括：
[0006] 利用OpenCV对门进行检测，获得门的特征点；
[0007] 记录所述特征点在视频帧i相对门初始状态的第一参数；
[0008] 记录所述特征点在门运动后的视频帧i+1相对门初始状态的第二参数，i为大于0的自然数；
[0009] 对比分析所述第一参数及所述第二参数，确定门的位置；
[0010] 在预定的时间间隔内重复上述步骤，判断门的运动状态。
[0011] 其中，利用OpenCV对门进行检测，获得门的特征点的步骤具体为：
[0012] 通过摄像头捕获待检测视频帧，利用OpenCV检测门边缘轮廓的特征；
[0013] 匹配门边缘轮廓的特征与门的基本特征，获得待检测视频帧上对应的门的特征点。
[0014] 其中，设置门的完全关闭状态为门的初始状态，记录所述特征点在门在视频帧i相对初始状态的旋转角度为所述第一参数，记录所述特征点在门在视频帧i+1相对初始状态的旋转角度为所述第二参数。
[0015] 其中，通过公式：Δθ＝β(i+1)-β(i)，判断门的运动状态；其中，[0016] β(i)为特征点在视频帧i相对初始状态的旋转角度即第一参数；β(i+1)为特征点在视频帧i+1相对初始状态的旋转角度即第二参数；其中，
[0017] 当Δθ＞0时，表示门处于正在开的运动状态；
[0018] 当Δθ＜0时，表示门处于正在关的运动状态。
[0019] 其中，设置门的完全关闭状态为门的初始状态，记录所述特征点在视频帧i相对初始状态的距离值为所述第一参数，记录所述特征点在视频帧i+1相对初始状态的距离值为所述第二参数。
[0020] 其中，通过公式：ΔX＝X2-X1判断门的运动状态；其中，
[0021] X1为门平移前相对初始状态的的距离值即第一参数；X2为门平移后相对初始状态的距离值即第二参数；则
[0022] 当ΔX＞0时，表示门处于正在开的运动状态；
[0023] 当ΔX＜0时，表示门处于正在关的运动状态。
[0024] 本发明还提供一种基于门运动状态的监控系统，包括：
[0025] 获取模块，用于利用OpenCV对门进行检测，获取门的特征点；
[0026] 记录模块，用于记录门在视频帧i相对初始状态的第一参数，以及记录门在视频帧i+1相对初始状态的第二参数；
[0027] 分析模块，用于对比分析所述第一参数及所述第二参数，判断门的位置；
[0028] 显示模块，在预定的时间间隔判断门的运动状态后，显示门的开/关状态其中，所述系统还包括：
[0029] 所述获取模块包括摄像单元和匹配单元，所述摄像单元通过摄像头捕获待检测视频帧，利用OpenCV检测门边缘轮廓的特征；
[0030] 所述匹配单元用于匹配门边缘轮廓的特征与门的基本特征，获得待检测视频帧上对应的门的特征点。
[0031] 其中，所述系统还包括：设置模块，用于设置门的完全关闭状态为门的初始状态；
[0032] 所述记录模块包括旋转第一参数模块和旋转第二参数模块，所述旋转第一参数模块用于记录所述特征点在门在视频帧i相对初始状态的旋转角度为第一参数，所述旋转第二参数模块用于记录所述特征点在门在视频帧i+1相对初始状态的旋转角度为第二参数；
[0033] 所述分析模块包括：通过公式：Δθ＝β(i+1)-β(i)，判断门的运动状态；其中，[0034] β(i)为特征点在视频帧i相对初始状态的旋转角度；β(i+1)为特征点在视频帧i+1相对初始状态的旋转角度；其中，
[0035] 当Δθ＞0时，表示门处于正在开的运动状态；
[0036] 当Δθ＜0时，表示门处于正在关的运动状态。
[0037] 其中，所述记录模块包括平移第一参数模块和平移第二参数模块，所述平移第一参数模块用于记录所述特征点在视频帧i相对初始状态的距离值为第一参数，所述平移第二参数模块用于记录所述特征点在视频帧i+1相对初始状态的距离值为第二参数；
[0038] 所述分析模块包括：通过公式：ΔX＝X2-X1判断门的运动状态；其中，[0039] X1为门平移前相对初始状态的的距离值；X2为门平移后相对初始状态的距离值；则
[0040] 当ΔX＞0时，表示门处于正在开的运动状态；
[0041] 当ΔX＜0时，表示门处于正在关的运动状态。
[0042] 本发明的有益效果在于：相比于现有技术中简单的判断门的开启或关闭的时刻，本发明通过计算机视觉和几何变换法来计算门的开启角度，通过检测在不同视频帧上开启角度或水平位移的变换，从而达到检测门是由关闭到开启或由开启到关闭的运动过程，以及是处于关闭和开启之间的某个时刻，对整个过程实现动态检测。
附图说明
[0043] 图1为本发明方法实施例一的流程示意图；
[0044] 图2为本发明方法实施例二的流程示意图；
[0045] 图3为本发明方法实施例三的流程示意图；
[0046] 图4为本发明系统实施例四的结构示意图；
[0047] 图5为本发明系统实施例五的结构示意图；
[0048] 图6为本发明具体实施例中旋转门示意图；
[0049] 图7为本发明系统实施例中旋转门几何计算辅助示意图；
[0050] 图8为本发明具体实施例中推拉门示意图。
具体实施方式
[0051] 为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。
[0052] 本发明最关键的构思在于:对于旋转门来说，门在开关过程中的任何一个时刻的状态，都是相对于门在初始状态时围绕门轴旋转一个角度的几何变换而得到。所以门在打开的某个角度β，就是门相对与门轴旋转β角度时的状态，门在任何时刻的状态都会对应于一个旋转角度，通过判断旋转角度的变换，可以判断门的运动状态。对于推拉门，变换操作为几何平移变换。
[0053] 请参照图1，本发明实施例一提供一种基于门运动状态的监控方法，包括如下步骤：
[0054] S110：利用OpenCV对门进行检测，获得门的特征点；
[0055] S120：记录所述特征点在视频帧i相对门初始状态的第一参数；
[0056] S130：记录所述特征点在门运动后的视频帧i+1相对门初始状态的第二参数，i为大于0的自然数；
[0057] S140：对比分析所述第一参数及所述第二参数，确定门的位置；
[0058] S150：在预定的时间间隔内重复上述步骤，判断门的运动状态。
[0059] 这里，OpenCV是开源计算机视觉库，OpenCV的全称是Open Source Computer Vision Library。OpenCV是一个基于(开源)发行的跨平台计算机视觉库，实现了图像处理和计算机视觉方面的很多通用算法。门在运动时，需要记录前后两个时刻的参数，如角度位移参数，或水平位移参数等，经过对比，确定门的开/关，并且需要多次测量，进行判定。由于不同场合下，门的开/关速度不同，因此在实际操作中，需要人为的设定一个时间间隔，该时间间隔可根据需要设为1分钟、2分钟、1秒、2秒甚至是微秒、毫秒级的。
[0060] 从上述描述可知，本发明的实施例一的有益效果在于：相对现有技术，本发明实施例一通过计算机视觉技术获取门的特征点，并记录该特征点在门运动时的前后参数，在判断参数变化时，可获得门在不同时刻的位置，通过重复上述步骤，可判断出在预定的时间间隔门的运动状态，整个过程均是动态检测。
[0061] 其中，如图2所示，本发明方法实施例二在利用OpenCV对门进行检测，获得门的特征点的步骤之前，还包括步骤S100：设置门的完全关闭状态为门的初始状态。
[0062] 通常地，设置门在其极端状态下为初始状态，如门在其完全关闭状态为初始状态，这样设置后，则门只要发生了运动，都可以有对应的运动后的参数可供检测，记录，操作上具备可比性，也为本发明判断门的运动状态提供依据。
[0063] 可选地，如图3所示，在本发明实施例一的基础上，本发明方法实施例三中利用OpenCV对门进行检测，获得门的特征点的步骤具体为：
[0064] 步骤S111：通过摄像头捕获待检测视频帧，利用OpenCV检测门边缘轮廓的特征；
[0065] 步骤S112：匹配门边缘轮廓的特征与门的基本特征，获得待检测视频帧上对应的门的特征点。
[0066] 利用OpenCV对门进行边缘检测，若为旋转门，则可对平行门转动轴的一侧线条进行边缘检测，而得到门的边缘轮廓特征，该特征作为门的基本特征；若为推拉门，可检测与门运动方向垂直的两侧轮廓上的线条。
[0067] 具体操作时，可通过摄像头捕获待检测视频帧，匹配得到当前视频帧上的门的特征点与基本状态上门的特征点相对应。而在所检测的线条上的点均可作为门的特征点。而摄像头的安装位置可根据所要选择的门的特征点能被方便获取的地方。比如可选择门被检测一侧的角点作为门的特征点，而摄像头可置于与该角点平行的位置，这样检测出的门的运动状态误差较小。
[0068] 其中，当门为旋转门时，记录所述特征点在视频帧i相对初始状态的旋转角度为所述第一参数，记录所述特征点在视频帧i+1相对初始状态的旋转角度为所述第二参数。
[0069] 在上述获得的参数后，通过公式：Δθ＝β(i+1)-β(i)，判断门的运动状态；其中，β(i)为特征点在视频帧i相对初始状态的旋转角度即第一参数；β(i+1)为特征点在视频帧i+1相对初始状态的旋转角度即第二参数；其中，
[0070] 当Δθ＞0时，表示门处于正在开的运动状态；
[0071] 当Δθ＜0时，表示门处于正在关的运动状态。
[0072] 其中，当门为推拉门时，记录所述特征点在视频帧i相对初始状态的距离值为所述第一参数，记录所述特征点在视频帧i+1相对初始状态的距离值为所述第二参数。
[0073] 同理，可通过公式：ΔX＝X2-X1判断门的运动状态；其中，X1为门在视频帧i相对初始状态的距离值的第一参数；X2为门在视频帧i+1相对初始状态的的距离值的第二参数；其中，当ΔX＞0时，表示门处于正在开的运动状态；当ΔX＜0时，表示门处于正在关的运动状态。
[0074] 无论对于旋转门或推拉门，在计算机运行速度足够快的情况下，本领域技术人员是可实时计算每一视频帧上所述特征点相对门初始状态的旋转角度或平移距离，这里一个参数就可以判断门的打开程度，即门的位置。通过实时计算这些旋转角度或平移距离，并比较前后两次的旋转角度或平移距离的变换来判断门的开/关过程。
[0075] 区别于现有技术，本发明通过检测不同时刻的门上特征点的位移变化，如角度变化或距离变化，获得不同的参数值，比较参数值间的差值，可获得门在不同时刻的位置，并进行多组的检测，可判断在预定时刻内门的运动状态，其操作上简便，并实现了对整个运动状态的动态检测。
[0076] 其中，如图4所示，本发明系统实施例四还对应提供一种基于门运动状态的监控系统100，包括：
[0077] 获取模块110，用于利用OpenCV对门进行检测，获取门的特征点；
[0078] 记录模块120，用于记录门在视频帧i相对初始状态的第一参数，以及记录门在视频帧i+1相对初始状态的第二参数；
[0079] 分析模块130，用于对比分析所述第一参数及所述第二参数，判断门的位置；
[0080] 显示模块140，在预定的时间间隔判断门的运动状态后，显示门的开/关状态。
[0081] 如图5所示，本发明系统实施例五的所述系统100中，所述获取模块110包括摄像单元111和匹配单元112；
[0082] 所述摄像单元111通过摄像头捕获待检测视频帧，利用OpenCV检测门边缘轮廓的特征；
[0083] 所述匹配单元112用于匹配门边缘轮廓的特征与门的基本特征，获得待检测视频帧上对应的门的特征点
[0084] 所述系统100还包括：设置模块150，用于设置门的初始状态，通常把门完全关闭的状态设为门的初始状态。
[0085] 其中根据门的类别，如旋转门或平移门，所述记录模块120还可进一步包括旋转第一参数模块和旋转第二参数模块(图中未视出)，平移第一参数模块和平移第二参数模块(图中未视出)。上述参数模块用于分别记录门在视频帧i或视频帧i+1相对初始状态的位移值；若为旋转门，则位移值为其旋转角度；若为推拉门，则位移值为其平移距离值。
[0086] 图6至图8是本发明所述方法及系统具体实施例。
[0087] 以旋转门为例，参照图6、图7，假定门在T0时刻是关闭着的，到了T1时刻门打开到某个位置，实际上相当于门围绕门轴旋转了一个角度，门上的一个点(x,y,z)对应的旋转到了(x’,y’,z)的位置。
[0088] 以门关闭时的状态为初始状态，门的左下角为原点O，门轴为Z轴，门的下边缘为X轴，垂直于门的方向为Y轴，开门的过程相当于门围绕门轴旋转。在旋转的过程中，z坐标不变，问题转换为二维坐标(x,y)的旋转问题。
[0089] 设A点旋转前的角度为δ，则旋转到C点后角度为δ+β
[0090] 求O，A两点的距离：|OA|＝y/sin(δ)＝x/cos(δ)
[0091] 求O，B两点的距离：|OB|＝y’/sin(δ+β)＝x’/cos(δ+β)
[0092] 由三角函数两角和差公式知：
[0093] sin(δ+β)＝sin(δ)cos(β)+cos(δ)sin(β)
[0094] cos(δ+β)＝cos(δ)cos(β)-sin(δ)sin(β)
[0095] 显然|OA|＝|OB|，设|OA|＝R，则
[0096] x＝|OA|*cos(δ)＝R*cos(δ)
[0097] y＝|OA|*sin(δ)＝R*sin(δ)
[0098] x’＝|OB|*cos(δ+β)＝R*cos(δ+β)
[0099] ＝R*cos(δ)cos(β)-R*sin(δ)sin(β)
[0100] ＝xcos(β)-ysin(β)
[0101] y’＝|OB|*sin(δ+β)＝R*sin(δ+β)
[0102] ＝R*sin(δ)cos(β)+R*cos(δ)sin(β)
[0103] ＝ycos(β)+xsin(β)
[0104] 即旋转后的坐标(x’,y’)只与旋转前的坐标(x,y)及旋转的角度β有关。
[0105] 这里说明了门上点可以由门关闭时对应的点通过绕门轴旋转得到，本发明里我们需要计算(x’,y’)和(x,y)的夹角，由公式
[0106] x＝R*cos(δ)，y＝R*sin(δ)
[0107] x’＝R*cos(β)，y’＝R*sin(β)
[0108] 则δ＝arccos(x/R)＝arcsin(y/R)
[0109] β＝arccos(x’/R)＝arcsin(y’/R)
[0110] 得到(x’,y’)和(x,y)的夹角为β-δ＝arccos(x’/R)-arccos(x/R)。
[0111] 从上述推导公式可知，角度的计算可以只选择一维变量，如X坐标或Y坐标来进行。具体在操作时，可根据视角或易于用户操作性来选择计算的参考坐标。
[0112] 则假定(x，y)为T0时刻门关闭时的边缘轮廓基本特征上的特征点，由于设置门的完全关闭状态为其初始状态，此时δ角度应为0，(x’，y’)为T1时刻检测到的门边缘轮廓上匹配于(x，y)的特征点，那么门的旋转角度为：
[0113] θ＝β-δ＝β-0＝arccos(x’/R)
[0114] 通过不断的捕获和检测视频帧，可以得到一系列的旋转角度，通过分析旋转角度的变换，可以得到门的状态变换。如果旋转角度由小变大，说明门由关闭到开启，如果旋转角度由大变小，说明门由开启到关闭。
[0115] 其中，θ＝β-δ，只是配合图7推导旋转公式，并且本具体实施例是以门关闭时的状态为其初始状态(如图6所示)，即δ＝0；在实际中，针对不同的情况，视频帧i有一个相对于其初始状态的旋转角度β(i)，视频帧i+1也有一个相对于其初始状态的旋转角度β(i+1)，根据Δθ＝β(i+1)-β(i)判断门角度的变化，以此来判断门是开启还是关闭的过程。应当理解的是，这里的β(i)、β(i+1)并非图7中的A、B点的角度，图7只说明了旋转角度只与β有关，在图6中A点对应了门关闭上的点。
[0116] 而门在运动时，x的变化与y的变化为同向的，即当y出现数值增大时，x的值也随之增大，当y出现数值减小时，x的值也随之减小，而由于视角的原因，x轴方向的变化比y轴方向的变化更加明显，因此在一个优选的实施例中，选用对x轴方向的检测，其操作性更强，因此在一个可选方法中，若无需精确定量判断门的运动状态时，仅可通过测量门的一维变量就可实现判断门的运动状态，其可同样可实现上述技术效果，而此时的摄像头可只需检测特征点的一维变量即可。但在实际操作时，因为Y轴方向与视觉方向一致，在门开关过程中，y值表现为前后的移动，而X轴与视觉的方向垂直，在门开关过程中，x值表现为左右的移动，变化更加明显。
[0117] 而图8为水平推拉门具体实施例，如图所示，门在T0时刻的一个特征点(x,y)到了T1时刻移动到了(x’,y’)，可以知道门的移动距离为x'-x，通过判断门的移动距离的变换，就可以检测出门的运动状态的变换，此处不再赘述。
[0118] 以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。
