智能视频监控中高效运动目标检测方法研究.pdf

《智能视频监控中高效运动目标检测方法研究.pdf》由会员分享，可在线阅读，更多相关《智能视频监控中高效运动目标检测方法研究.pdf（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第 27 卷 第 4 期2009 年 7 月北京工商大学学报(自然科学版)Journal of Beijing Technology and Business University(Natural Science Edition)Vol?27 No?4Jul.2009?文章编号:1671?1513(2009)04?0034?04智能视频监控中高效运动目标检测方法研究何楠楠,?杜军平(北京邮电大学 计算机学院,智能通信软件与多媒体北京市重点实验室,北京?100876)摘?要:针对智能视频监控中的运动目标检测技术,提出了通过帧间差分法重建背景图像,辅以背景差分法分离当前帧图像中的背景点和运动目标点

2、,然后通过滤除非连续运动目标点来减少误识率的方法.采用自适应背景更新方法,使背景每隔一定的时间间隔更新一次,以达到理想的分割效果.关键词:视频监控;运动目标检测;帧间差分法;自适应背景更新中图分类号:TP273;T S975?8?文献标识码:A收稿日期:2009?02?19基金项目:国家 863计划?新一代高可信网络 重大项目(2008AA01A308);北京市自然科学基金资助项目(4082021);北京市教育委员会共建项目专项资助.作者简介:何楠楠(1982!),男,山东淄博人,硕士研究生,研究方向为计算机应用、人工智能;杜军平(1963!),女,河北保定人,教授,博士,主要从事人工智能、数

3、据挖掘等方面的研究.?运动目标检测是智能视频监控系统的一个重要课题,是各种后续高级处理的基础.其难点在于:图像序列具有复杂性,光线、目标动态的变化使得获取背景图像困难,从而影响了运动物体的正确检测;跟踪过程中当物体运动不确定及当目标遮挡时,如何获得目标的运动轨迹.本文针对这些普遍存在的问题,提出一种快速的运动目标检测方法.每次开始采集图像时,使用帧间差分法重新获取背景图像,重建背景,并采用自适应背景相减分割方法,使背景每隔一定的时间更新一次,以达到理想的分割效果.1?智能视频监控随着社会的发展,人们的活动范围越来越大,面临的突发事件和异常事件也越来越多,如何对重要的公共场所进行全天候、自动、实

4、时地监控,已成为世界各国高度重视的问题.然而,目前大多数用于视频监控领域摄像机的主要作用只是代替人眼记录监控现场的场景,而不是代替人脑主动分析监控现场.有关研究表明,仅依靠监视人员通过监视器墙监控现场,即使是专业操作人员也难以使该监控系统成为真正有效的安全系统.因为只要工作人员专注于电视墙屏幕超过 20 min,绝大部分人员的注意力都会降低至很低的水平.显然,基于人工操作的视频监控已不能适应实际需要,开发新一代智能视频监控系统已成为一个极具挑战性的前沿课题.智能视频监控系统就是在此背景下应运而生的.智能视频监控系统的主要优势在于其智能性.它利用摄像机代替了人眼,用计算机模拟人脑的分析处理能力,

5、代替人来完成监视或控制任务.智能视频监控系统采用计算机视觉、图像处理和模式识别等方法,在几乎不需要人干预的情况下,通过对摄像机拍摄到的图像序列进行自动分析以检测场景中的运动目标,进而进行识别与跟踪,并在此基础上分析和理解目标的行为,必要时做出相应的决策.智能视频监控系统不仅应用于安全防范领域,在交通、军事、金融、工业等领域也有着广泛的应用前景和巨大的经济价值.智能视频监控技术对视频图像中的目标进行自动检测、跟踪和分析,从而使计算机能够过滤掉用户不关心的信息,通过分析理解视频画面中的内容,提供对监控和预警有用的关键信息.智能视频监控流程如图 1.智能视频监控技术虽有了长足的发展,但还存34图 1

6、?视频监控流程在着诸多需要完善的地方1-3.本文对智能视频监控中的关键技术,即运动目标检测方法进行研究.2?运动目标检测方法运动目标检测的目的是从序列图像中将变化区域从背景图像中提取出来,运动区域的有效分割对于目标分类、跟踪和行为理解等后期处理是非常重要的.然而,由于背景图像的动态变化,如天气、光照、影子及混乱干扰等的影响,使得运动检测成为一项相当困难的工作,几种常用的方法有:背景减除、时间差分、光流法、扩展的 EM 算法、能量运动检测、基于数学形态学的场景变化检测等.常用的运动目标检测方法有 3 种:光流法,相邻帧差法,背景减法4-5.2?1?光流法光流是空间运动物体被观测面上的像素点运动产

7、生的瞬间速度场,包含了物体表面结构和动态行为的重要信息.光流由相机运动、场景中的目标运动,或两者的共同运动产生.光流计算方法可分为 3类:基于匹配的、频域的或梯度的方法.光流法的优点是能够检测独立运动的对象,不需要预先知道场景的任何信息,并且可用于摄像机运动的情况,但是由于噪声、多光源、阴影、透明性和遮挡性等,使得计算出的光流场分布不是十分可靠和精确;而且多数光流法计算复杂、耗时多,除非有特殊的硬件支持,否则很难实现实时检测.2?2?相邻帧差法是在运动目标检测中使用得最多的一类算法.基本原理是将前后两帧图像对应图像值相减,在环境亮度变化不大的情况下,如果对应像素值相差很小,可以认为此处景物是静

8、止的.如果图像区域某处的像素值变化很大,可以认为是由图像中运动物体引起.将这些区域标记下来,利用这些标记的像素区域,就可以求出运动目标在图像中的位置.由于目标大小、背景亮度的差别,对差分图像的分割方法也不尽相同;另外,当目标有阴影干扰时要进行特殊处理.相邻帧差运动检测法对于动态环境具有较强的自适应性,鲁棒性较好,能够适应各种动态环境,但不能完全提取出所有相关的特征像素点,这样在运动实体内部容易产生空洞现象.2?3?背景减法背景减法是常用的运动目标检测方法之一.它的基本思想是将输入图像与背景模型进行比较,通过判定灰度等特征的变化,或用直方图等统计信息的变化来判断异常情况的发生和分割运动目标.常用

9、的方式为:直接抽取视频序列中某一幅图像,或计算多幅图像的平均值作为背景.它能够提供最完全的特征数据,但对于动态场景的变化,如光照和外来无关事件的干扰等特别敏感.大多数研究人员都致力于开发不同的背景模型,以期减少动态场景变化对于运动分割的影响.背景减法实现简单,并且能够完整地分割出运动对象,对背景已知的应用情况,背景减法是一种有效的运动对象检测算法.3?运动目标检测实现3?1?问题提出在运动目标检测的实现过程中,需要解决以下3 个问题:1)检测的对象大多是运动的,即检测背景不固定,随移动对象位置的变化而变化,因此需要解决每次进行视频采集时如何获得图像背景6;2)获得背景图像后,以什么方式触发采集

10、设备从视频流序列中采集图像;3)背景会随着光线、天气状况发生改变,前 一刻的背景与此刻的背景会有不同,如果一直使用同一背景,势必会使检测结果出现大的偏差,因此又涉及到背景更新的问题.本文主要围绕如何解决这 3 个问题展开,针对上面 3个问题分别给出了解决方案.图 2 为图像采集的流程.3?2?帧间差分法重建背景通过对视频流中连续两帧图像进行比较,可以发现每幅图像可以分为背景和前景两类区域.背景区域由灰度值变化较小的像素点构成;前景区域由灰度值变化较大的像素点构成,包括运动目标当前所在的区域和原来所在的区域.因此,针对第一个问题,系统检测的背景不固定,随移动对象的位置发生变化,研究提出每次开始采

11、集图像时,使用帧间差分法重新获取背景图像,重建背景.连续取一段时间内的视频图像,将运用帧间差分法 7获得的帧图35第 27 卷 第 4 期?何楠楠等:智能视频监控中高效运动目标检测方法研究图 2?图像采集流程像进行两两相差,区分出每一帧图像中的背景区域和前景区域,将各帧中背景像素点的灰度值取平均值作为背景图像.具体处理过程如下:取某一段时间内的视频序列图像 F1-Fn,设Fk(i,j)和 Fk+1(i,j)为视频序列中相邻的两帧图像(1 k n).运用帧间差分法将这两帧图像进行差分处理,检测出背景像素点.研究采用灰度值进行差分,检测规则如函数:B(i,j)=Fk(i,j),当|Fk(i,j)-

12、Fk+1(i,j)|Tp,则此点为运动目标,否则为背景像素点.该差值图像 D(i,j)经过判断后可生成一个二值图像函数 E(i,j).E(i,j)=1,当 D(i,j)Tp;0,其他.(2)经过上述运算,当前帧中所有属于运动目标的点都被标记为 1,背景点都被标记为 0.运动车辆是一个整体,如果检测区中出现运动对象,则二值化图像中的运动目标点应该是连续的.因此,可以将检测区中出现的非连续改变的运动目标点滤除,以减低系统的误识率.2)滤除检测区中非连续出现的运动目标点弱化非连续出现的点对检测结果的影响,达到滤除非连续出现的运动目标点的目的.具体方法如下:第一步,从检测区的左下角开始,从左到右,从上

13、到下顺序检测二值化图像.设变量 TM的初始值为 1,用它表示整个检测区中目标点出现的情况.第二步,当检测到运动目标点?1 时,继续判断其下一个点是否为?1,若为?1,则令 TM=TM*a;如果不是?1,则检测到下一个?1 时,令 TM=TM/b.第三步,重复第二步,直到检测区检测结束.第四步,设置一个阈值 TN,当 TM TN时,触发图像采集设备抓取图像.其中,a 为检测到连续运动目标点时的加权系数;b 为检测到非连续运动目标点时的加权系数,取36北京工商大学学报(自然科学版)?2009年 7月a b.下面举例说明这种算法与传统的阈值分割法相比的优点.取两个 8#8 的像素块,为背景差分后二值

14、化图像的值.图 3(a)和图 3(b)中运动目标点的数目相同,图3(a)中运动目标点分布不连续.如果使用传统的阈值法,即统计二值化图像中运动目标点的个数来判断,则两幅图像的判断结果相同,此时会产生错误识别,使识别率下降.使用本文提出的方法,TM(a)=a31/b16,TM(b)=a36/b11;通过比较可以看出两者差别很大,不容易出现误判现象.图 3?背景差分后二值化图像的值3?4?自适应的背景更新方法针对提出的第三个问题,背景会随时间发生变化,本文采用自适应背景相减分割方法,使背景每隔一定的时间间隔更新一次,以达到理想的分割效果.基本原理是通过对视频序列的当前背景和当前帧加权平均更新背景.由

15、于当前帧中可能包含前景目标,所以在更新前先要把像素分为前景和背景,然后用当前帧的背景像素修正当前背景8.在公式(2)中,所有对应于前景目标的点,其像素值为 1;其它的像素值为 0.利用该二值函数来决定对哪个图像进行抽样以更新背景.对应于 E(i,j)=0 的像素,即背景像素点,用当前帧的像素来更新背景;对应于 E(i,j)=1 的像素,即前景像素,用当前背景的像素来更新背景,由这两部分合成一个瞬时背景 I(i,j),则再通过瞬时背景和当前背景的加权平均得到更新后的背景函数 H(i,j).H(i,j)=(1-R)I(i,j)+RB(i,j).(3)其中,权值 R 的大小影响了更新的速度.因为若

16、R 的取值不当,则更新后的背景质量不佳,使该背景与将要比较的当前帧中的背景像素相差很大,有可能把当前帧中的背景误判为前景目标;使 I(i,j)中替换的部分增加.因为每帧画面中绝大部分是背景,所以把当前帧作为瞬时背景的基帧,当 E(i,?j)=0 时,保持原像素.当 E(i,j)=1 时,则用当前背景中的相应像素来更新,从而增加了 I(i,j)的运行时间,使更新速度变慢.R 取 0?9 较佳,此时的更新速度对光照的变化不敏感.背景更新后,H(i,j)即作为新的当前背景图像而丢弃原背景图像,后续帧的操作与此类似.4?结?论针对智能视频监控中的运动目标检测,提出了一种比较新颖的方法,首先针对运动对象

17、识别系统在识别背景不固定的情况,提出了以帧间差分法重建背景图像,以背景差分法分离当前帧图像中的背景点和运动目标点,然后通过滤除非连续运动目标点来减少本模块的误识率.同时,针对图像背景会随光照、天气状况等随时发生变化的情况,采用自适应背景相减分割方法,使背景每隔一定的时间间隔更新一次,可达到理想的分割效果.方法可有效运用于智能视频监控中,具有实用价值和应用前景.参考文献:1?HU W M,TAN T N.A survey on visual surveillance ofobject motion and behaviors J.IEEE Transactions onsystems,Man a

18、nd Cybemetics?Part C:Applications andReviews,2004,34(3):334?352.2?王亮,胡卫明,谭铁牛.人运动的视觉分析综述 J.计算机学报,2002,25(3):225?237.3?王素玉,沈兰荪.智能视觉系统技术研究进展 J.中国图像图形学报,2007,12(9):1505?1514.4?方帅.计算机智能视频监控系统关键技术研究 D.沈阳:东北大学,2005.5?纪运红.智能视觉监控系统若干关键技术研究与实现 D.鞍山:辽宁科技大学,2007.6?刘亚,艾海舟,徐光佑.一种基于背景模型的运动目标检测与跟踪算法 J.信息与控制,2002,31

19、(4):315?319.7?边肇祺,张学工.模式识别M.2 版.北京:清华大学出版社,2002.8?朱明旱,罗大庸.基于帧间差分法背景模型的运动物体检测与跟踪 J.计算机测量与控制,2006,14(8):1004?1009.(下转第 51 页)37第 27 卷 第 4 期?何楠楠等:智能视频监控中高效运动目标检测方法研究RESEARCH AND IMPLEMENTATION OF ETHERNETSWITCH SIMULATION SOFTWARESHENG Zheng?shan,?CHEN Yi,?SUN Yue?hong(College of Computer Science and In

20、f ormation Engineering,Beijing Technology and Business University,Beijing 100048,China)Abstract:In order to meet the needs of the laboratory of computer networks,proposes a way thatbased on the Independent R&D switch hardware and simulation of a variety of models switches com?mand for the teaching s

21、ystem switch.This paper describes the structural design of simulation softwareand its work flow,combined with the actual situation,proposes a new symbol table and switch config?uration data of the data structure.Finally,gives a demonstration of simulation software.Key words:switch;command analysis;s

22、imulation;software design;data structure(责任编辑:叶红波)(上接第 37 页)STUDY ON METHOD FOR EFFICIENT MOVING OBJECTDETECTION IN INTELLIGENT VIDEO SURVEILLANCEHE Nan?nan,?DU Jun?ping(Beijing Key Lab of Intelligent Telecommunication Sof tware and Multimedia,School of Computer Science,Beijing University of Posts a

23、nd Telecommunications,Beijing 100876,China)Abstract:For moving object detection in intelligent video surveillance,a method is presented throughconsecutive frames subtraction to reconstruct the background image and separating the background andmoving target of the current frame image.The error rate i

24、s reduced through filtering the unmovingtargets.Self?adaptive updating of background is adopted to update the background at regular intervalsin order to achieve the desirable effects of partition.Key words:video surveillance;moving object detection;consecutive frames subtraction;self?adaptivebackground updating(责任编辑:邓清燕)51第 27 卷 第 4 期?盛峥山等:以太网交换机仿真软件的研究与实现