基于运动目标检测的智能视频监控技术

Ｉ数字技术　应用研究　理便于之后的进一步运算。用ＯｐｅｎＣＶ内置函数可较快实施对视频　地获得准确的运动行人目标。在控制台显示“监控范围内有人进入”　帧的抓取动作，抓取帧之后对当前图像进行预处理，预处理包括对　字样，达到监控报警功能。　图像色彩空间处理和格式处理等，色彩空间变换本文采用ＲＧＢ色彩　２．２算法分析　空间的图像转变为灰度图像，此方法能提高运算效率。格式变化处　背景减法实现比较简单，并且能够完整地检测出运动行人目　理即将图像格式转化为适合运算的矩阵格式。对数据进行时域及空　标，对背景已知的应用情况很适合，且对运动行人运动缓慢的情况　域滤波以消除噪声，设ｋ为帧数，（ｘ，ｙ）为像素坐标，用事先定义好的　仍然有效。相对于帧间差算法对风吹树叶动等干扰项及视频噪声有　图像序列或实时监测得到的图像序列对每个像素进行统计，得到背　更强抗干扰能力，且实时性强，对设备要求不高，内存空间占用不　景模型ＢＫ（ｘ，Ｙ）；本文算法将第一帧作为初始背景，此处用ＢＫ（ｘ，Ｙ）　大，可见该算法在时间和空间上都具有较大优势。　表示，对每一帧图像ＦＫ（ｘ，ｙ）和已建立的背景模型ＢＫ（ｘ，ｙ）做差分运　根据算法特点，该算法无法实现多人交叉行走时将目标准确分　算，判断差分后的像素值与给定阈值的大小关系，见公式（１－１），若差　离到以人为单位，会出现单个红框框选多人的现象，从而对目标大　分得到的差值大于原始设定阈值，则可判定像素为前景目标，将像　小及数量存在不够准确的可能。此类情况需通过更细致的特征提取　素二值化为１，如小于该阈值，则判断为背景像素，完成此步骤可以　算法来解决。　对检测到的目标进行前景提取。　ｒ　１前景目标ｉｆ（ｉＦｋ（ｘ，ｙ）一Ｂｋ（ｘ　ｙ）；　Ｔ（Ｔｈｒｅｓｈｏｌ　ｄ　Ｖａ１ｕｅ））　３实验结果　ｉ）ｋ（ｘ，ｙ）＝＿ｊ　（１—１）　本文采用多人同时行走的视频来验证算法，程序运行在Ｉｍｅｌ　１　０背景像素０ｔｈｅｒｗｉ　ｓｅ　２．５０ＧＨｚ的ＣＰＵ上。为保证检测过程具普遍性，图片截取单人和多　（２）Ｓｔｅｐ２：图像增强。完成检测步骤后，系统对得到的当前图像　人同时运动的图像帧。图１为背景减后分割完成的一帧图像。图２为　进行直方图均衡化，目的为了增强图像的对比度，直方图均衡化是　经过运动目标检测并得到判断的监控系统输出图像，监控结果为两　图像增强的一个良好的方法，之后用阈值将其分割，达到二值化效　个红框锁定的运动行人目标，右侧人物较好地保留了其准确轮廓。　果，此过程是传统检测方法中至关重要的一步。之后再对得到图像　不过该算法在对多行人交叉运动是检测会因为左侧二人运动　进行中值滤波，以消除微小噪声干扰（此处采用中值滤波的方法因其　像素有交叉而将二人视为一个目标。如对算法要求较高，希望更准　效果相对其他滤波器更理想）。中值滤波的原理为：首先将当前像素　确地检测每一个行人目标，并对每一个单人进行区分和跟踪，则需　周围邻域的像素值由小到大进行排列，获取排列的中间值作为该像　要进一步深入研究更细化的识别算法。　素的像素值。之后对前景图像进行先腐蚀，再膨胀的增强方法以获　在系统检测出运动行人时，控制台会提醒操作者有行人进入，　取较完整无噪声的前景目标，对前景目标进行进一步增强。　（３）Ｓｔｅｐ　３：背景模型更新。在监控系统长时间工作的情况下，视　如图３。　频中的场景背景不会始终不变，系统有必要在一定时间间隔内对已　４结语　经建立的背景模型进行更新，从而保证监控系统的鲁棒性。对于本　本文使用传统背景减法进行目标检测，并在此基础上采用了更　文所适用的静态场景而言，运动目标和自然场景的变化速度不同，　新频率更快的自适应背景更新算法更新背景，通过此方式与每一帧　自然场景变化是一种缓慢变化，以光线变化为主。可以通过低通滤　得到差值图像并进行前景提取。实验结果显示，此算法能够较为准　波等方法来减少一些运动较快的像素对背景更新过程产生的干扰，　确地对仓库、苗圃等固定场景下的背景模型进行更新，对于背景的　滤波器可以放行的大多是变换缓慢的光照变化等，这种过滤方式也　树叶、风吹草动引起的噪声、光线变换以及不符合行人目标宽高比　会使得新的背景得到正确的更新。我们采用此法来更新背景，本方　例的干扰目标有很好的辨别能力，光线较暗时检测能力强于人眼。　法所使用ＯｐｅｎＣＶ函数库中的ｃｖＲｕｎｎｉｎｇＡｖｇ函数来进行背景更　能够得出较为令人满意的实验结果，可以有效地检测出运动目标。　新，以适应光线变化，理想地分割出目标。该方法利用视频图像每一　实验结果显示了自适应背景更新法应用于运动目标检测的有效性　帧与截止前一帧检测时得到的背景的加权平均来进行对背景的更　和相对优越性。但系统有自身的缺点，对不同速度的运动目标适应　新，需不断地对背景图像Ｂｉ进行更新操作，适度地选择更新方法，是　力不够强，且对多行人交叉行走情况下的目标检测不够十分准确。　本文探讨的重点之一，其目的是未来实现运动目标检测背景更新过　参考文献　程的自适应性，其中涉及参数（７－（０，１），表示的是背景更新计算过程　中当前帧图像所占的权值，ａ取值越大，背景模型被当前帧影响比　［１］张学贺，张学东．基于ＯｐｅｎＣＶ的运动目标检测与跟踪．辽宁科技大　率越大，差分更为灵敏。经测试，发现不同于之前对ｏ【较小的设置，　学学报，２０１　０。３３（５）：４９０—４９４．　当将参数ａ取值０．７ｍｒ能够实现视频中行人检测与跟踪，在此参数　［２］陈文会，张晶，樊养余．一种基于背景减法和帧差法的运动目标检　测算法．电子设计工程，２０１　３，２１（３）．　设置下，背景更新时当前帧所占比例较大，在不同视频中对速度中　等及较快的行人运动也可进行良好的检测，降低因目标非法行人目　［３］徐方明，视频图像中的运动目标检测算法研究．南京邮电大学，硕　标运动过快而导致的漏检等现象的概率。　士毕业论文．２０１　０．　（４）Ｓｔｅｐ　４：利用形态学处理和连通性分析等手段对得到的运动　［４］高飞，蒋建国。安红新，齐美彬．一种快速运动目标检测算法．合肥工　目标进行后处理，去除不属于真实运动目标的干扰像素，在原视频　业大学学报（自然科学版）２０１２，３５（２）．　中分别用两种颜色勾勒运动目标内轮廓及外轮廓。并根据检测到的　［５］胡炜炜，李树广，吴舟舟．序列图像的自适应背景提取及车型分类　目标长宽比等信息对非行人的干扰项运动目标进行排除，对同一帧　［Ｊ］．计算机工程与应用，２００７，４３（１　２）：２３９－２４２．　内检测到的运动目标进行筛选。且当运动目标像素个数大于某临界　［６］杨会峰，曹洁，帅立国．一种改进的运动目标检测方法．计算机工程　值时，认定为行人运动目标走动。经过反复试验，得出结论：在将像　与应用。２０１　２．４８（２０）：２０６－２１　０．　素数目临界值取３５左右时达到的效果较为理想，可基本排除干扰选　［７］杜向龙，伍健荣，邢涛．一种改进的基于背景抽取的运动目标检测　项。最后，用２像素宽度的红色矩形对目标进行框选。从而较为直观　算法．计算机测量与控制，２０１　１．