智能視頻監(jiān)控中運動目標檢測技術

1、科協(xié)論壇 2007年第 7期 (下 技術與應用法和國標法對過氧化值 (I2% 進行多次平行測定 , 結果見表3, 由表中結果可以看出 , 本方法與國標法無顯著差別。表 3本方法與國標法比較 (n=56結論采用可見分光光度法對油脂過氧化值進行測定 , 方法簡 便 , 試劑用量少 , 污染小 , 精密度好 , 準確度高 , 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用。然而 傳統(tǒng)的數字視頻監(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 , 并識別 和跟蹤目標 , 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)目標是視頻監(jiān)控的首要的任務。 通常 , 背景物體的特征應為一段時間固定不變的物體 , 運動 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 , 運動目標的檢測成為一項相當困難的工作。本文主要討論分析了目前常見的幾種檢測運動目標的

3、 技術的特點與不足 , 提出了基于顏色和紋理特征的運動目標 檢測法。2相關技術的分析運動目標檢測是指通過監(jiān)控畫面識別監(jiān)控區(qū)域的圖像 變化 , 從監(jiān)控場景中將目標提取出來。目前運動目標檢測通 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動分割中最常用的一種方法 , 它是 利用當前圖像與背景圖像的差分來檢測出運動區(qū)域的一種 技術 , 在實際運用中通常分為學習和測試兩個階段。在學習 階段 , 研究人員通過收集多張背景圖像來構建背景模型 , 在 測試階段 , 用當前圖像與背景圖像進行點對點的比較來完成 對目標的檢測。它一般能夠提供最完全的特征數

4、據 , 但對于 動態(tài)場景的變化 , 如光照和外來無關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)生相應的改變。 連續(xù)視頻流的場景具有連 續(xù)性 ,

5、當圖像沒運動時 , 連續(xù)幀圖像之間變化值很小 , 反之如 有運動產生則會引起幀差 , 當像素的時間差分大于一個閾 值 , 則判斷為有運動目標。時間差分運動檢測方法對于動態(tài)智能視頻監(jiān)控中運動目標檢測技術李露(武漢職業(yè)技術學院電信工程學院 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動目標的技術的特點與不足 , 提出了一種基于顏色和紋理特征的運動目標檢測法 , 此方法結合圖像顏色的地區(qū)性影像結構 , 可正確地區(qū)分背景的圖像與運動目標。關鍵詞運動目標背景模型圖像紋理 中圖分類號 :TP309文獻標識碼 :A文章編號 :1007-3973(2007 07-13-02"

6、"""""""""""""""""""""""""""""""""""""""""""13技術與應用環(huán)境具有較強的自適應性 , 但如果區(qū)域比較大 , 而活動目標 較小 ,

7、 也會產生誤報。而且一般不能完全提取出所有相關的 特征像素點 , 在運動實體內部容易產生空洞現(xiàn)象。2.3光流 (Optical Flow 物體與攝像機之間的任何相對運動都將導致視平面上 與空間物體對應點發(fā)生變化 , 空間運動在視平面上引起的對 應運動稱為運動場。 基于光流方法的運動檢測采用了運動目 標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動目標。 光流法的優(yōu)點是能夠檢測獨立運動的對象不需要預先知道 場景的任何信息 , 并且可用于攝像機運動的情況 , 但大多數 的光流計算方法相當復雜 , 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的區(qū)域 , 計算區(qū)域的直方圖不變矩 特征 , 認為滿足一定條件且與模板匹配程度最高的區(qū)域為目 標 。此算法由于需要進行直方圖不變矩的匹配和矩函數的 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動目標檢測法本方法利用光學的成像原理 , 定義了一種相鄰像素點顏 色對比的算法。將相鄰兩點的顏色構成相對關系 , 然后將一 定區(qū)域內相鄰點構成多種結構 , 得到任何一點與其相鄰的顏 色的關系組合 , 這種顏色構成的相對關系可以有效地反應出 圖像之間的紋理關系。 根據相鄰兩點的顏色構成相對關系來

9、描述兩像素點關系 , 相鄰像點顏色對比算法定義如下 :設定 (x =P 0, P 2, P n 為一組 n+1像素點集合 , 它定 義了哪些像素點被選擇與 x 點在顏色上的構成關系。 根據一 組 (x , 我們可獲得一組地區(qū)性影像結構值 。 (x 可用來描述 x 相鄰點集合 (x 間所形成的結構關 系。 如想得到整體結構 , 可定義 m(m>=1 組像素點集合 , 從而 得到地區(qū)性影像結構值。然后采用背景相減法或時間差分法來檢測運動目標 , 首 先收集一組背景的 M 張圖像 , 建構出高斯混合模型為 :除了建構背景模組 外 , 同時要計算得到此點相對于 1, m , 這 m 組地區(qū)性圖像

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