智能視頻監(jiān)控中運(yùn)動目標(biāo)檢測技術(shù)

1、科協(xié)論壇 2007年第 7期 (下 技術(shù)與應(yīng)用法和國標(biāo)法對過氧化值 (I2% 進(jìn)行多次平行測定 , 結(jié)果見表3, 由表中結(jié)果可以看出 , 本方法與國標(biāo)法無顯著差別。表 3本方法與國標(biāo)法比較 (n=56結(jié)論采用可見分光光度法對油脂過氧化值進(jìn)行測定 , 方法簡 便 , 試劑用量少 , 污染小 , 精密度好 , 準(zhǔn)確度高 , 適用于過氧化 值較低的油脂樣品的測定。樣品編號0.07210.1680.03040.04201引言隨著社會安全事件接連不斷地發(fā)生 , 視頻監(jiān)控系統(tǒng)作為 一種安防的有效手段 , 在許多方面得到了廣泛的應(yīng)用。然而 傳統(tǒng)的數(shù)字視頻監(jiān)控系統(tǒng)僅僅提供了視頻的捕獲、存儲、 分 發(fā)等簡單的功

2、能 , 對視頻內(nèi)容只能靠人來判斷 , 不能主動提 供監(jiān)測信息。智能視頻監(jiān)控則能通過自動地、 實時地分析所 監(jiān)控場景的視頻圖像序列來發(fā)現(xiàn)場景中的活動目標(biāo) , 并識別 和跟蹤目標(biāo) , 給出信息反饋以及不正?，F(xiàn)象的警報等。 因此 , 從一個視頻序列中檢測動態(tài)目標(biāo)是視頻監(jiān)控的首要的任務(wù)。 通常 , 背景物體的特征應(yīng)為一段時間固定不變的物體 , 運(yùn)動 物體為移動或短暫出現(xiàn)的物體。 然而 , 在實際環(huán)境中 , 由于背 景圖像 的 動 態(tài) 變 化 , 如 天 氣 、光 照 、 影 子 及 混 亂 干 擾 等 的 影 響 , 運(yùn)動目標(biāo)的檢測成為一項相當(dāng)困難的工作。本文主要討論分析了目前常見的幾種檢測運(yùn)動目標(biāo)的

3、 技術(shù)的特點(diǎn)與不足 , 提出了基于顏色和紋理特征的運(yùn)動目標(biāo) 檢測法。2相關(guān)技術(shù)的分析運(yùn)動目標(biāo)檢測是指通過監(jiān)控畫面識別監(jiān)控區(qū)域的圖像 變化 , 從監(jiān)控場景中將目標(biāo)提取出來。目前運(yùn)動目標(biāo)檢測通 常有背景相減法、 光流法、 時間差分法和不變矩特征檢測法 幾種方法。2.1背景相減法背景相減法是目前運(yùn)動分割中最常用的一種方法 , 它是 利用當(dāng)前圖像與背景圖像的差分來檢測出運(yùn)動區(qū)域的一種 技術(shù) , 在實際運(yùn)用中通常分為學(xué)習(xí)和測試兩個階段。在學(xué)習(xí) 階段 , 研究人員通過收集多張背景圖像來構(gòu)建背景模型 , 在 測試階段 , 用當(dāng)前圖像與背景圖像進(jìn)行點(diǎn)對點(diǎn)的比較來完成 對目標(biāo)的檢測。它一般能夠提供最完全的特征數(shù)

4、據(jù) , 但對于 動態(tài)場景的變化 , 如光照和外來無關(guān)事件的干擾等特別敏 感。最簡單的背景模型是時間平均圖像 , 大部分的研究人員 目前都致力于開發(fā)不同的背景模型 , 以期減少動態(tài)場景變化 對于運(yùn)動分割的影響。如 Stauffer 與 Grimson 對每個像素利 用混合高斯分布建模 , 利用自適應(yīng)的混合高斯背景模型 , 并 利用在線估計來更新模型 , 從而可靠地處理了光照變化、 背 景混亂運(yùn)動的干擾等影響。2.2時間差分時間差分方法是利用前后圖像來進(jìn)行直接相減。 一般的 視頻圖像是三維圖像的二維投影 , 三維圖像發(fā)生變化時其二 維投影圖像也會發(fā)生相應(yīng)的改變。 連續(xù)視頻流的場景具有連 續(xù)性 ,

5、當(dāng)圖像沒運(yùn)動時 , 連續(xù)幀圖像之間變化值很小 , 反之如 有運(yùn)動產(chǎn)生則會引起幀差 , 當(dāng)像素的時間差分大于一個閾 值 , 則判斷為有運(yùn)動目標(biāo)。時間差分運(yùn)動檢測方法對于動態(tài)智能視頻監(jiān)控中運(yùn)動目標(biāo)檢測技術(shù)李露(武漢職業(yè)技術(shù)學(xué)院電信工程學(xué)院 湖北 武漢430074摘 要 本文主要討論分析了目前常見的幾種檢測運(yùn)動目標(biāo)的技術(shù)的特點(diǎn)與不足 , 提出了一種基于顏色和紋理特征的運(yùn)動目標(biāo)檢測法 , 此方法結(jié)合圖像顏色的地區(qū)性影像結(jié)構(gòu) , 可正確地區(qū)分背景的圖像與運(yùn)動目標(biāo)。關(guān)鍵詞運(yùn)動目標(biāo)背景模型圖像紋理 中圖分類號 :TP309文獻(xiàn)標(biāo)識碼 :A文章編號 :1007-3973(2007 07-13-02"

6、"""""""""""""""""""""""""""""""""""""""""""13技術(shù)與應(yīng)用環(huán)境具有較強(qiáng)的自適應(yīng)性 , 但如果區(qū)域比較大 , 而活動目標(biāo) 較小 ,

7、 也會產(chǎn)生誤報。而且一般不能完全提取出所有相關(guān)的 特征像素點(diǎn) , 在運(yùn)動實體內(nèi)部容易產(chǎn)生空洞現(xiàn)象。2.3光流 (Optical Flow 物體與攝像機(jī)之間的任何相對運(yùn)動都將導(dǎo)致視平面上 與空間物體對應(yīng)點(diǎn)發(fā)生變化 , 空間運(yùn)動在視平面上引起的對 應(yīng)運(yùn)動稱為運(yùn)動場。 基于光流方法的運(yùn)動檢測采用了運(yùn)動目 標(biāo)隨時間變化的光流特性 , 通過計算位移向量光流場來初始 化基于輪廓的跟蹤算法 , 從而有效地提取和跟蹤運(yùn)動目標(biāo)。 光流法的優(yōu)點(diǎn)是能夠檢測獨(dú)立運(yùn)動的對象不需要預(yù)先知道 場景的任何信息 , 并且可用于攝像機(jī)運(yùn)動的情況 , 但大多數(shù) 的光流計算方法相當(dāng)復(fù)雜 , 且抗噪性能差 , 除非有特殊的硬 件支持

8、, 否則很難實現(xiàn)實時檢測。2.4不變矩特征檢測法搜索所有可能為目標(biāo)的區(qū)域 , 計算區(qū)域的直方圖不變矩 特征 , 認(rèn)為滿足一定條件且與模板匹配程度最高的區(qū)域為目 標(biāo) 。此算法由于需要進(jìn)行直方圖不變矩的匹配和矩函數(shù)的 求解 , 計算量較前兩種方法大 , 在實時性要求高的環(huán)境不適 用。3基于顏色和紋理特征的運(yùn)動目標(biāo)檢測法本方法利用光學(xué)的成像原理 , 定義了一種相鄰像素點(diǎn)顏 色對比的算法。將相鄰兩點(diǎn)的顏色構(gòu)成相對關(guān)系 , 然后將一 定區(qū)域內(nèi)相鄰點(diǎn)構(gòu)成多種結(jié)構(gòu) , 得到任何一點(diǎn)與其相鄰的顏 色的關(guān)系組合 , 這種顏色構(gòu)成的相對關(guān)系可以有效地反應(yīng)出 圖像之間的紋理關(guān)系。 根據(jù)相鄰兩點(diǎn)的顏色構(gòu)成相對關(guān)系來

9、描述兩像素點(diǎn)關(guān)系 , 相鄰像點(diǎn)顏色對比算法定義如下 :設(shè)定 (x =P 0, P 2, P n 為一組 n+1像素點(diǎn)集合 , 它定 義了哪些像素點(diǎn)被選擇與 x 點(diǎn)在顏色上的構(gòu)成關(guān)系。 根據(jù)一 組 (x , 我們可獲得一組地區(qū)性影像結(jié)構(gòu)值 。 (x 可用來描述 x 相鄰點(diǎn)集合 (x 間所形成的結(jié)構(gòu)關(guān) 系。 如想得到整體結(jié)構(gòu) , 可定義 m(m>=1 組像素點(diǎn)集合 , 從而 得到地區(qū)性影像結(jié)構(gòu)值。然后采用背景相減法或時間差分法來檢測運(yùn)動目標(biāo) , 首 先收集一組背景的 M 張圖像 , 建構(gòu)出高斯混合模型為 :除了建構(gòu)背景模組 外 , 同時要計算得到此點(diǎn)相對于 1, m , 這 m 組地區(qū)性圖像

10、結(jié)構(gòu)值。在檢測階段 , 將先前所 建 構(gòu) 的 背 景 模 組 和 實 際 模 組 S 進(jìn) 行 比 對 , 得 到 相 似 度 LK , 如果此值大于所設(shè)定的 臨 界 值 TH , 則 判 斷 圖 像 為 背 景 像素點(diǎn) , 反之則為目標(biāo)物體像素點(diǎn)。相似度求取方法如下 :最 后 判 斷 影 像 點(diǎn) 為 前 景 物 件 影 像 或 背 景 影 像 的 方 式 為 :當(dāng) D(X=0, 則 X 為背景像素點(diǎn) ; 當(dāng) D(X=1, 則 X 為目標(biāo) 物體像素點(diǎn)。 4結(jié)論運(yùn)動目標(biāo)檢測是數(shù)字視頻監(jiān)控的基礎(chǔ) , 根據(jù)當(dāng)前幀的像 素值與背景模型的偏離程度 , 來判斷該像素是目標(biāo)像素還是 背景像素是一項非常重要且關(guān)鍵的技術(shù)。 本論文提了一種新 的運(yùn)動目標(biāo)提取方法 , 結(jié)合圖像顏色的地區(qū)性影像結(jié)構(gòu) , 可 正確地區(qū)分背景的圖像與運(yùn)動目標(biāo)。參考文獻(xiàn) :3D.Dekel and C.Gatti, “ Video pose tra