圖像處理在數(shù)字視頻監(jiān)控系統(tǒng)中的應用

1、數(shù)字圖像處理技術(shù)在數(shù)字監(jiān)控中的應用1.概述數(shù)字圖像處理技術(shù)在數(shù)字監(jiān)控中的應用，最主要表達在基于圖像處理的自動報警功能。自動報警功能是基于數(shù)字圖像處理的數(shù)字監(jiān)控 系統(tǒng)的關(guān)鍵局部，它直接關(guān)系到整個系統(tǒng)的信息化水平和自動監(jiān)控報 警的準確率?；趫D像處理主要是對圖像內(nèi)容進行檢測， 提取出適合 報警的特征，其流程如圖5所示。包括的關(guān)鍵技術(shù)有：圖像截取、圖 像預處理、背景更新、目標檢測、特征提取、特征識別等。巒基于酚處理的自動報警流盤2圖像截取系統(tǒng)通過多路視頻采集器將監(jiān)控現(xiàn)場信息采集到控制中心，然后定時截取位圖圖像，用做后續(xù)目標檢測和分析的原始圖像。 位圖由像素組成，特別適合圖像處理。假設每路圖像的幀數(shù)為

2、25幀/s，那么根本可以到達實時監(jiān)控的效果。3. 圖像增強視頻序列經(jīng)過編碼、解碼 、傳輸后，由于受到多種因素的影 響，往往會使接收到的圖像與原始圖像之間產(chǎn)生某種差異，造成圖 像質(zhì)量降低或退化，圖像模糊不清等。經(jīng) H .2 6 4解碼后得到的圖像，由于去除了幀內(nèi)、幀間的冗余，局部區(qū)域出現(xiàn)塊效應，如地板、 墻面和人的衣服等，視頻播放時偶爾有閃動。圖像質(zhì)量的下降，除了 進一步優(yōu)化編碼器中幀內(nèi)、幀間預測模式的算法以外，還可以采用圖 像處理的方式，改善人們感興趣的信息。對于數(shù)字視頻監(jiān)控系統(tǒng)來說， 引起圖像失真的主要原因有監(jiān)控環(huán)境中的噪聲、編碼過程中產(chǎn)生的塊效應等。針對這些原因采取有效，可以通過圖像處理的

3、方法改善圖 像的質(zhì)量。如通過增強比照度的方法來看清圖像的細節(jié)；運用平滑技術(shù)減少塊效應對圖像清晰度的影響；使用微分運算突出邊界或其他 變化局部等。3.1圖像銳化在圖像識別中，需要有邊緣鮮明的圖像，即圖像銳化。圖像中的邊緣 像素都是亮度變化較大的地方，從數(shù)學觀點來看，檢查圖像某區(qū)域內(nèi) 灰度的變化大小就是微分的概念。圖像函數(shù)在某處的微分值大，說明 像素值的變化率大， 邊緣明顯； 反之，微分值小， 表示像素值變 化率小，邊緣不明顯甚至模糊。當微分值為0時，表示像素值無變 化。圖像銳化中最常用的方法是梯度運算。 梯度運算法包括R o b e r ts算子、S o b e l算子和 P r e w i t

4、 t算子等，S o b e l算子對噪聲 十分敏感R o b e r ts算子的魯棒性比擬好。由于監(jiān)控系統(tǒng)圖像中摻雜著大量的噪聲，因此采用 R o b e rt s算子的圖像銳化方法。si misS2 72O*B3 MS =35 Bt圖3、4是采用R o b e rt s算子對圖1視頻圖像的處理，圖3是閾值取3 5時的R o b e rt s算子邊緣檢測結(jié)果，圖4的閾值為5。圖4的 中心圖像亂成一片， 無法確認有效信息，就是因為閾值的選取不當， 將不是邊緣的像素誤當作邊緣的結(jié)果，沒有到達銳化的目的，所以閾值 的選取是十分重要的。3.2鄰域平均法平滑濾波對圖像的低頻分量進行增強，同時可以削弱圖像

5、的高頻分量，因此一般用于消除圖像中的隨機噪聲 ，從而起到圖像平滑的作用。 圖像鄰域平均法的平滑效果與所用的鄰域像素個數(shù)有關(guān)，像素越多， 那么圖像的模糊程度越大。鄰域平均法包括：簡單平均法、閾值平均法,K一近鄰平均法和鄰域加權(quán)平均法等。采用對y分量對圖像進行鄰域加權(quán)平均法平滑處理，對圖像邊緣像素點沒有進行處理。圖1是視頻監(jiān)控序列的背景圖像，圖5是處理前的直方圖，圖6是進行鄰域加權(quán)平均法處理后的直方圖統(tǒng)計結(jié)果， 從圖5、6中可以看到，Y分量的值從0 2 5 5變化為2 0 2 5 5, 縮小了變化范圍，直方圖外圍曲線更加平滑，毛刺減少，缺點是圖像 的邊界，輪廓更加模糊。4. 背景更新目標檢測的前提

6、是前景幀圖像如圖 2與背景幀圖像如圖1 做差。所謂背景幀圖像，通常是由監(jiān)控現(xiàn)場固定的設備組成如圖1。當然，背景也不是一成不變的。例如，監(jiān)控現(xiàn)場環(huán)境，在白天與晚 上，由于光線的影響，背景是不同的。背景更新技術(shù)就是為了得到最 新的背景幀圖像。目前，背景更新算法有很多，本文選用簡單且效果 不錯的Adaptive Median Filter AMF 算法。它是一種遞歸迭代算 法，由非遞歸算法Median Filter改良而來。AMF算法的根本思想是， 假設新輸入的圖像幀的像素值比預估計的背景圖像中的對應位置的像 素值要大，那么估計背景圖像的像素值加 1;反之，如果比對應位置的 像素值要小，那么減1.5

7、. 運動目標檢測平安監(jiān)控是數(shù)字視頻監(jiān)控的重要任務，運動目標檢測能及時發(fā)現(xiàn)異常運動目標，報警提醒監(jiān)控人員，是實現(xiàn)平安監(jiān)控的重要手段之一。 運動 目標檢測的準確與否對后續(xù)步驟中的跟蹤和識別會產(chǎn)生重要的 影響。5. 1幀間差分法幀間差分法通過對視頻圖像序列相鄰兩幀作差分運算以獲取運動目 標的輪廓，魯棒性較好，攝像頭靜止和運動的情況下都能使用。與背景差分法 不同的是，由于用來差分的兩幀圖像時間間隔很短 大約 等于視頻幀率的倒數(shù)，即使背景圖像受噪聲等外部因素干擾， 背 景圖像也不會產(chǎn)生太大的影響。在監(jiān)控系統(tǒng)中，當攝像頭靜止時，采 集到的背景圖像一般變化不大；當有物體出現(xiàn)或運動時，圖像中的像素值發(fā)生比擬大

8、的改變，因此通過幀間像素值相減的方式， 判斷是否有異物入侵， 并通過二值化該灰度差分值來提取運動信息。團7幀間差分法檢測到的運動目標圖2是視頻序列的第72幀圖像，圖7是采用幀間差分法檢測到的運動目標，圖7中可以看到，除了檢測到的運動物體以外，還有許多 雜質(zhì)“黑點，這些雜質(zhì)“黑點就是由于背景圖像受物體運動引 起的光線變化等的影響， 兩幀圖像之間產(chǎn)生了殘差數(shù)據(jù) ，從而誤 認為是運動點造成的。5.2改良的幀間差分法視頻監(jiān)控系統(tǒng)中運動物體識別的重點區(qū)域是 “門周圍等 敏感域，識別、 檢測出“門的位置，及時發(fā) 現(xiàn)“門周圍像素 的變化，是監(jiān)控系統(tǒng)圖像處理的關(guān)鍵之一。 對此采用對圖像中不同區(qū) 域設置不同權(quán)值

9、的方法進行運動目標檢測。在監(jiān)控系統(tǒng)中，應該對最為敏感的、已檢測出的“門區(qū)域塊設置比擬大的權(quán)值，其他區(qū)域設置比擬小的權(quán)值。 在這種方法中， 最關(guān)鍵的是權(quán)值的選取。權(quán)值不能太大，微小放大的同時， 也會放大噪音等干擾點的變化，權(quán)值太大，會將某些干擾點誤認為運動物體； 權(quán)值太小，就會等同于上述經(jīng)典算法。圖8 改良算法后楡測到的運勒物體為了和經(jīng)典幀間差分算法相比擬，同樣選取7 2幀和7 3幀，并假設在7 2幀和7 3幀之間運動目標進入“門區(qū)。與圖7相比，圖 8物體的輪廓圖更加完整，但運動物體周圍的雜質(zhì)點增多。從監(jiān)控系 統(tǒng)平安檢測角度來說， 這個效果是可以接受的。因此，在敏感區(qū)域采用加權(quán)值的方法，在一定程

10、度上改善了視頻監(jiān)控圖像中靜止背景下 的運動目標檢測的效率。6特征提取移動目標在二值圖上以白色斑塊形式表達，因此，斑塊信 息就是移動目標的微觀信息，可以通過斑塊分析算法獲取斑塊信息， 從而提取移動目標的特征。在四連通環(huán)境下對斑塊進行分析。所謂四連通，是指一個象素 點的上下左右方向四個緊鄰的點與這個點是相鄰關(guān)系，而左上、左下、右上、右下四個點與這個點不屬于相鄰關(guān)系。斑塊信息越豐富，檢測 和跟蹤就越精確。本文主要采用感染算法進行斑塊分析。感染算法主要是由主掃描和子 掃描兩局部組成，詳細流程圖如圖11所示：團11感熬算法流程7.特征識別報警知識庫是系統(tǒng)在進行報警識別時專用的一個知識庫，它是自 動報警不可缺少的。報警知識庫是在系統(tǒng)自動監(jiān)控過程中逐步建立起 來的，并不斷得到補充的。知識庫中有多個知識元，例如移動目標的 面積、位置、周長等，這些知識元的初始化可以由用戶設定，隨后可 在日積月累的監(jiān)控過程中，通過自學習逐步更新，找到一個最正確值。報警特征識別，就是將上一步提取的移動目標特征與報警知識庫 中知識元的值進行比對，如果到達了報警的要求，即發(fā)出報警消息。 其實質(zhì)就是用提取的目標特征與知識庫進行匹配的一個過程。系統(tǒng)定義如果連續(xù)有兩次相鄰幀圖像的移動目標特征與報警知識庫匹配成 功，那么啟動自動報警功能，通知管理員。8.總結(jié)針對數(shù)字