一种面向智能视频监控的系统原型.pdf
计算机科学吻一种面向智能视频监控的系统原型付亮亮李旭伟四大学计算机学院成都摘要提出一种集成监控区域地图具有行为分析和异常行为预警功能的面向智能视频监控的系统原型,分析了系统的软件架构和处理流程,重氛探讨了实时视频处理模块的重要实现技术,并对系统的硬件架构进行了设计。关键词,系统架构,实时视频 处理引言与相关研究是计算机视觉、模式识别、机器学习等多学科交叉的极富挑战性的前沿研究领域,也是当前国际性的热点研究技术。特别是恐怖事件后,国际恐怖活动日益猖撅,对国家重要部门和敏感的公共场合进行全天候的实时自动监控,已成为世界各国高度重视的问题,系统成为解决该问题的有效途径的特点和优势在于将传统视频监控的被动监视模式转变为计算机的主动监控模式,即系统在现有的数字视频监控系统中融合基于计算机视觉方法的自动视频分析和处理技术,利用计算机强大的数据处理功能,在算法的支持下对视频序列进行实时的目标分割、分类、行为分析等分析处理,为监控提取关键的信息,从而减轻监控人员长时间观察监控屏幕的工作负担,避免漏报和错报的出现,又可及时检测出异常目标和行为,警告监控人员关注相关的区域,实现了安全防范的功用。国内外对系统的研究已经取得一定的进展,等提出一种基于强学习方法的混合架构的模型,能够检测出复杂事件。丫心等进行了面向强健和智能的具有数据融合和事件识别功能的视频监控系统的架构研究,介绍了硬件和软件架构的设计思想和实现技术。吕金刚阁等对系统的应用以及发展方向进行了研究。本文提出一种具有行为分析和异常行为预警功能的系统原型,系统在对视频图像序列动态场景进行实时运动目标检测、分割、分类、跟踪、行为分析等处理的基础上,配合系统动态加载的监视区域地图,实现异常行为的检测、预警以及监视设备与监控区域信息的实时互动系统软件架构系统框架分析图所示的层结构,自底向顶为数据库管理层、数据库层、数据库访问层、系统处理层和表示层。系统操作界面面面预誉信 息处理理系系统墓本管理理理理理理理理理理理理理理目目目目标跟殊殊殊目标分制制目标跟睐通用数姆库访问引攀,目标跟睐通用数据库访问引攀攀攀数数据备份与恢复复复数据签本管理理图系统总体框架模型图数据库管理层从提高监控数据库的安全性和数据恢复能力出发,采取相应的数据库备份和恢复策略,通过完善的备份和恢复过程,保障监控系统数据库的完整性和有效性。数据库层。用于系统实时监控数据的存储,分别创建了以下支持系统处理的数据库。高质视频数据库,用于存储采用基于对象识别编码模式的州田摊压缩编码标准的实时视频数据。侧面轮廓数据库,存储系统处理层目标分类模块所需的离线实验数据,包括典型特的轮廓距离信号和所在的类信息。行为数据库存储非常规和异常行为信息,如开始时间、所属区域、结束时间等,并存储异常行为的实时视频数据。预警数据库存储预警的开始时间、结束时间、所属区域、操作状态等信息 监控设备与区域数据库,存储监控设备和区域的基本、关联信息数据库访问层在系统处理层和数据库层之间起承付亮亮硕士研究生,研究方向为计算机网络与信息系统、图像处理李旭伟硕士,副教授,硕士生导师,研究方向为计算机网络与信息系统、实时软件工程、图像处理上启下的作用。通用数据库访问引擎作为三层的体系结构,由通用数据库访问对象和通用数据库访问接口以及中间业务层三层组成。其中位于的底层,它完全封装了对数据库的访问,用于实际完成对数据库的所有访问操作。位于最上层,为系统处理层访问数据库提供了简洁的、统一的通用接口和通道,保证处理层访问数据库的效率和通用性。系统处理层。该层由系统视频实时处理和系统基本管理两部分组成,实时处理部分的模块功能和重要实现技术将在第部分论述。系统基本管理部分由监控系统的整体管理、基本数据管理和监控区域地图管理个单元组成。信息表示层。由的显示终端和视频源组成,显示终端即系统监控人员的管理平台。平台界面分两个区域,区域一为实时图像处理区,显示由核心处理单元实时的监控画面和预警信息区域二为监控位置与操作区,动态加载监控地图或平面图,用于实时显示监控设备的工作状态、所属监控区域的位置、与区域同步的预警信息,实现区域二控设备位置、工作状态、预警信息与区域一的相应监控界面的联动,从局部和整体动态地向监控人员提供监控信息视频源进人处理层的视频流采用基于对象识别编码模式的摊编码压缩标准,可以保证图像良好的清晰度,同时,高效的压缩性也将节省系统的存储空间和网络带宽系统总体流程异常行为识别和预替是该系统的主要 目的,目标的分割、分类、跟踪是实现上述目的的前端处理,行为分析和分类是异常为后端处理。图描述了系统视频流实时处理流程。摄像机的视频数据流采用滩编码存人高质视频数据库,同时采用一种综合投影、增亮点、“影子”的检测和移除方法的减背景差方法对场景中的静态和动态目标进行实时分割,提取完整可靠的 目标信息目标被分割后,借助于离线建立的侧面轮廓数据库,系统采用基于目标轮廓相似性的方法计算目标轮廓与库轮廓距离信号的距离,对分割出的 目标进行分类,分类结果为人、车辆、其他中之一。同时,借助于构造的动态行为分类器对行为进行分析和预测,判断发生异常行为的概率,如果概率值超过系统设定的某一个闹值,系统将以声音或图形方式发出预警,并实时存储异常行为和预警信息否则继续进行目标跟踪和行为的分析。目目标分类类目目标跟踪踪异异常行为预誉誉图系统视频流实时处理流程视频分析处理图给出了系统的视频实时处理部分的模块衔接图,包括运动目标分割、目标分类、运动目标跟踪、行为分析与异常行为预警等四个模块。运运运运运运运运动目标跟踪踪踪目标分类类类运动目标分割割行行为分析析析析析析析析析析析析析析析析析析析析析析析析异异常行为预誉誉异异常行为与预誉信息存储储储储储储储储储储储储储储预预预预预预预预预预预预预预预誉数据据据行为数据据图模块衔接图,运动目标分割减背景方法是一种有效的运动目标分割技术,该方法可以较完整地提取出目标信息,为获得较好的分割效果,提高可靠性和实时性,需要对背景帧进行动态刷新,同时消除摄像机白色噪声、增亮区域、投影等的干扰,因此系统采用一种适应性的合同投影、增亮点、“影子”的检测和移除方法的背景差算法,在三色空间里,通过选择基于一定闭值的运动的像素,产生主运动掩模区在中进行阴影和增亮点的检测,通过从到获取图像彩色控件的转换,获得阴影区和高亮区二进制掩模区域,将和从加 吐里减去得到运动区域州压笠。通过一个形态学的开放算子以及一个使用封闭的结构元素将噪声从每一个掩模区域里删除。为了消除分剑斑块内部的“空洞”,采用填充运动掩模区域获取的前景区域的方法。分割成的斑块随后通过一个区域闹值过滤,小的区域图目标分割实验效果图将被认 为成噪 音并 从运 动掩模 区域里 删除一 些被检 测的 目定 的特 征性能 而且还 能够 减弱部 分遮 挡的 干扰均值偏 移标可能 错误 的来 自于背景 目标 的位移 的影子在这 种情况算 法的运 动 目 标 跟踪算 法是在 基于颜 色直 方图分 布的基 础上下 为 了适应 一致 的背景模 型需 要在运 动掩模 区域 中删除 这利用无 参估计 的优化 方法定 位 目标 适 用于 任意场 景下 的目些 影 子区 域 最后将背 景图像 在和彩 色控件 中标 跟踪同时也 适用于 目标 的无遮挡 和部分 遮挡 的情况适应更新被分 割的区 域的 背景像 素里 分类 为影 子 的被调 整性较强将颜 色直方 图法和 均值 平移算 法结 合可 避免全 局为实 际的图 像纯度为使 涉及 到的图像 适应 轻微的 发光度 变穷举搜 索 提 高了 目 标 匹配定 位和跟 踪的 效率化 将 保持 的像素 点通过 一个 无限 的滤波 器更 新图为 基无 参数的 目标 跟踪 算法彩色 方法 图以 图像于上 述方法 的目标 分割 实验效 果图的彩色 信息为 特征跟 踪 目标跟 踪过程 中将 目标灰 度直 方图运动 目标分 类作为特 征进行 帧与帧 之间 的目标匹 配 匹 配的相 似度以典型 的视频场 景包 括大量 多变的 目标如人 车 辆 动 物系数来 测量算 法中利 用滤波器 对运 动 目其他 物体等 但多 数情况 下关 注的 重点是 人和 车辆为了 使标在图 像中的 位置进 预测 不仅 有效解 决了 目标 的暂时 遮挡目标 被准确 地分类 可采 取衡量 目标相 似性 的方法川 基本 思问题而且可 以缩小 模式匹 配的搜 索范围 提高处 理速度作想是通过 大量的 离线实 验获得 轮廓数 据 建 立类轮 廓模板 数为一种 无参数 运动跟 踪算法 该方 法具有 计算量 小抗局 部遮据库将 目标分割 图像 中检测 提取 的目标 轮廓 与已经 被标 志等优点跟踪 效果如 图 所 示的类 轮廓模 板数据 库的 每一个 轮廓进 行匹配比较 完成后两个被 比较 的轮廓 间距离 最小的 所对应 的类轮 廓模板 所在 的类就是 目标所 在的 类通过从 不同 的目标 场景 中提取 多个 样本 轮廓模 板数 据并将 提取 的轮廓 存人 类轮 廓模 板数 据库 进行 不同类 别的 标定考虑到 分类方 法基于 目标 的相似 性数据 库中的 目标轮 廓应具 有不 同类型 的代表 性姿 势特 征 在 分类 阶段不 使用 未加 工格式 的轮廓 信息而 是比 较转化 所得的 轮廓距 离信号 因图跟踪效果图犯奢为了 找到 目标的类 型 丁将灸 与轮 廓数 据里 所有类器 在训练 的过程 中 借 助于最 大期望 算法对 大量离 线被 观的 物体类 型的轮 廓进行 比较 假设 轮廓 数据库 中的 任意 的物察的 跟踪数 据进行 处理产生行 为模型然而 从大量 训练 数体轮 廓类 型为若升则必 满足据集 中产生 分类器 模型 不仅耗 费大 量的计 算时 间 而 且无 法钻在 轮廓数 据库进行 调整 和智能 的学习 同时 训 练数据 集的 规模和质 量也 将运 动目标 跟踪影响 分类器 测量 的健壮性 和准确 度该模 块实现 对运动 目标 的实 时跟踪提供 目标 的运 动轨动态 的分类器 可以 满足最优 分类 器 该 分类器 不仅 可迹进行 目标定 位为下 一步 的目标行 为分 析提供 可靠的 数据以快 速地 自学习 和行为 分类而且可 以预 测异 常行为 的发 生来 源 利 用目标 可区分 和稳定 的特 征 选择 恰当 的匹配算 法进行 预警 基本思 想是匹 配一个 模式 的 目标应该 属于 各自 的在序 列图 像中搜 索与 目标模 板最 为相 似的图 像的 位置进行时 间片上 的一个 图像结 点处 理的数 据主 要是 目标的 运动 轨目 标 定位迹的 时间和 空间 信息 以及 其他 的面 积和周 长等 属性 信息直方 图匹配 法 是 比较 有效 的跟踪 方法 该方 法依 据的行为 模型 以一个动 态的 结构合 并正 态分布 扩大并触 发重 盛是颜 色信 息不 仅可以 排除 目标外部 形状 变化的影 响保 持稳结点 进行 自身调整通过 将新 的结点 加人 模型 该分 类器 能
