智能視頻監(jiān)控關(guān)鍵技術(shù)分析

肖沁雨

（北京郵電大學(xué)，北京 100876）

0 引言

在計(jì)算機(jī)強(qiáng)大的數(shù)據(jù)處理功能幫助下，智能視頻監(jiān)控系統(tǒng)(IVS)能高速分析計(jì)算視頻圖像中的海量數(shù)據(jù)，并對于其中關(guān)鍵信息進(jìn)行自動(dòng)的分析和提取工作，這樣就可以對于不同目標(biāo)對象進(jìn)行識別，把用戶不關(guān)心的數(shù)據(jù)過濾掉。同時(shí)在自動(dòng)識別不同目標(biāo)對象時(shí)候，還能夠發(fā)現(xiàn)系統(tǒng)中的異常情況，輔以適當(dāng)?shù)姆治龊兔枋觯M(jìn)行最快方式的報(bào)警處理，這樣還能有效幫助相關(guān)人員進(jìn)行危機(jī)處理。所以有人曾這樣形象的描述智能視頻監(jiān)控系統(tǒng)：“智能視頻監(jiān)控系統(tǒng)就是對傳統(tǒng)的只有眼睛的視頻監(jiān)控系統(tǒng)裝上大腦，使其具有更為強(qiáng)大的自動(dòng)分析判斷的能力，從而實(shí)現(xiàn)其真正的智能化的功能和作用”[1,2]。本文主要針對智能視頻監(jiān)控技術(shù)中的運(yùn)動(dòng)目標(biāo)的跟蹤，還有運(yùn)動(dòng)目標(biāo)的檢測相關(guān)技術(shù)進(jìn)行重點(diǎn)分析。

1 運(yùn)動(dòng)目標(biāo)檢測和提取

將運(yùn)動(dòng)目標(biāo)從視頻序列背景中提取出來就是運(yùn)動(dòng)目標(biāo)檢測的最為主要目的，其作為智能視頻監(jiān)控中處理的首先工作來說，其基礎(chǔ)作用十分重要，結(jié)果直接影響到智能視頻監(jiān)控技術(shù)的相關(guān)后續(xù)處理工作[3]。

1.1 背景差分法

對于背景差分法來說，運(yùn)動(dòng)目標(biāo)的獲得則是通過視頻圖像與背景圖像相比較。盡管該方法思路比較簡單，但是純背景在現(xiàn)實(shí)生活中的所獲得的視頻幀序列往往難以得到。這樣，背景從原始的視頻幀序列中獲取，即在運(yùn)動(dòng)目標(biāo)檢測之前進(jìn)行背景建模就十分重要。對于背景差分法來說，盡管思想比較簡單，但是背景模型的建立則是一個(gè)難點(diǎn)。運(yùn)動(dòng)目標(biāo)能被完整的分割開來，但是當(dāng)存在遮擋和陰影等復(fù)雜背景的情況或者動(dòng)態(tài)背景的時(shí)候，這樣實(shí)時(shí)性方法比較差。所以說，這方法針對面積不大的目標(biāo)，主要在靜態(tài)或準(zhǔn)靜態(tài)背景下比較適用。

1.2 相鄰幀間差分法

所謂的相鄰幀間差分法，就是視頻圖像序列差分法，相鄰的兩、三幀圖像亮度差能夠使得視頻圖像序列中的運(yùn)動(dòng)目標(biāo)特性表現(xiàn)出來，這樣就可以對于運(yùn)動(dòng)目標(biāo)進(jìn)行確定。該方法思想也非常簡單，實(shí)現(xiàn)起來較為容易。對于動(dòng)態(tài)變化場景來說，實(shí)時(shí)性一般較好，但有時(shí)對于運(yùn)動(dòng)目標(biāo)的所有像素的提取來說，可能存在一定的困難，這樣情況在背景顏色與運(yùn)動(dòng)目標(biāo)顏色相差不大時(shí)，尤為明顯，因?yàn)楹苡锌赡艹霈F(xiàn)陰影干擾，以及相關(guān)的“漏檢”現(xiàn)場，誤將背景檢測作為運(yùn)動(dòng)目標(biāo)的部分。這種方法主要是按照靜態(tài)背景條件下，目標(biāo)運(yùn)動(dòng)稍快較為適用，同時(shí)要求不高的圖像分割精度。

1.3 光流法

光流(Optical Flow)計(jì)算技術(shù)就是，當(dāng)運(yùn)動(dòng)目標(biāo)在場景中運(yùn)動(dòng)時(shí)，其在視頻圖像中對應(yīng)的像素點(diǎn)的亮度也在運(yùn)動(dòng)，而這種視頻圖像中各個(gè)像素點(diǎn)所表現(xiàn)出來的亮度模式的運(yùn)動(dòng)就被稱之為光流?？梢姽饬骷缺憩F(xiàn)出了視頻圖像中的亮度變化，同時(shí)也包含了運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)信息，因此根據(jù)光流法所表達(dá)出的圖像的這些變化信息，我們可充分的利用其作為運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)檢測。根據(jù)光流的定義，可以進(jìn)一步的引入光流場的定義，根據(jù)所賦予的每個(gè)像素點(diǎn)的瞬時(shí)速度矢量，使得運(yùn)動(dòng)目標(biāo)在運(yùn)動(dòng)過程中形成了一個(gè)二維的瞬時(shí)速度場，這個(gè)瞬時(shí)速度場，即就是運(yùn)動(dòng)場景中視頻圖像各個(gè)像素點(diǎn)所形成的三維速度矢量的平面投影。因此在運(yùn)動(dòng)的某一瞬間，我們可以得到視頻圖像中各個(gè)像素點(diǎn)與三維空間物體中各點(diǎn)的一一對應(yīng)關(guān)系，由此可見，光流也包含了運(yùn)動(dòng)場景中三維空間物體的豐富信息。下面動(dòng)態(tài)分析視頻圖像，按照各個(gè)像素點(diǎn)在視頻圖像中的光流矢量特征。當(dāng)運(yùn)動(dòng)目標(biāo)不存在視頻圖像中，在整個(gè)視頻圖像區(qū)域中，光流矢量是連續(xù)變化的；而當(dāng)運(yùn)動(dòng)目標(biāo)存在于視頻圖像中時(shí)，對于運(yùn)動(dòng)目標(biāo)和背景圖像來說，相對運(yùn)動(dòng)情況往往存在，這就是造成鄰域背景與動(dòng)目標(biāo)所形成的速度矢量不同原因，也就從而能夠有效檢測運(yùn)動(dòng)目標(biāo)及其位置。

針對光流法特點(diǎn)，場景中的任何信息不需要提前知道，也能檢測出獨(dú)立運(yùn)動(dòng)目標(biāo)。對于動(dòng)態(tài)背景較為適用，一方面圖像的三維結(jié)構(gòu)豐富的信息能夠攜帶，另外一方面還具有運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)信息。但是計(jì)算量大、容易受到噪聲影響則是光流法的缺點(diǎn)。當(dāng)實(shí)施實(shí)時(shí)檢測時(shí)候，還必須應(yīng)該借助硬件才能實(shí)現(xiàn)，因而在應(yīng)用在運(yùn)動(dòng)目標(biāo)檢測精度要求比較高的情況下。

2 運(yùn)動(dòng)目標(biāo)描述

對于跟蹤過程中的運(yùn)動(dòng)目標(biāo)、還有視頻圖像序列中檢測到的運(yùn)動(dòng)目標(biāo)進(jìn)行相關(guān)分析研究，需要利用一種方法在盡量減少冗余信息的前提下，進(jìn)行表示的工作就是目標(biāo)描述。運(yùn)動(dòng)目標(biāo)跟蹤的算法分類與其緊密相關(guān)，這是因?yàn)閳D形描述法不同，往往影響目標(biāo)跟蹤算法的不同，外輪廓描述法，矩形框描述法，點(diǎn)描述法，區(qū)域描述法還有基于圖像的描述法是集中常見的描述方法。

3 運(yùn)動(dòng)目標(biāo)跟蹤

可以通過不同的特征值，同一運(yùn)動(dòng)目標(biāo)的不同視頻幀的視頻圖像序列可以相互關(guān)聯(lián)起來，運(yùn)動(dòng)軌跡得以計(jì)算出來。所以可以看出，同種或者某種特征相似的元素集合可以在視頻序列圖像中找到，這就完成了目標(biāo)跟蹤，同時(shí)，特征模板的提取則極大影響到了匹配算法的準(zhǔn)確性。圖1為目標(biāo)跟蹤坐標(biāo)示意圖，我們看一下利用直觀的圖形方法定義運(yùn)動(dòng)目標(biāo)的跟蹤問題。

圖 1 目標(biāo)跟蹤坐標(biāo)示意圖

在圖1中，二維圖像從位置1(Xn-1，Yn-1，Tn-1)移動(dòng)到位置2(Xn，Yn，Tn)，定義位移矢量為(ΔXn，ΔYn)。則對于相鄰兩幀視頻圖像來說，物體表面上的各點(diǎn)相應(yīng)的位移稱為視差。所以，運(yùn)動(dòng)目標(biāo)的跟蹤就可以看作是目標(biāo)的視差，并通過建立與運(yùn)動(dòng)目標(biāo)一一對應(yīng)關(guān)系在連續(xù)的視頻序列中。

跟蹤過程的兩個(gè)重要指標(biāo)是可靠性和精確度。對于不同的運(yùn)動(dòng)狀態(tài)，不同的跟蹤算法針對運(yùn)動(dòng)目標(biāo)跟蹤被采用。比如，動(dòng)機(jī)性不強(qiáng)的較小面積的跟蹤目標(biāo)來說，一般為了提高精度而采用濾波跟蹤方法；而具有一定面積的跟蹤目標(biāo)，且距離較近時(shí)，具有較大的抖動(dòng)時(shí)，為了保證跟蹤目標(biāo)的穩(wěn)定性和精確性，一般采用匹配跟蹤方法和窗口質(zhì)心跟蹤運(yùn)動(dòng)目標(biāo)的特征信息來進(jìn)行跟蹤，考慮運(yùn)動(dòng)目標(biāo)跟蹤算法時(shí)，則不用考慮運(yùn)動(dòng)目標(biāo)的整體特性。在相應(yīng)的特征集合被搜索到，運(yùn)動(dòng)目標(biāo)跟蹤成功，不僅大大減少了運(yùn)算量，同時(shí)還具有較強(qiáng)的抗干擾能力，這是因?yàn)椴蛔冃魏涂垢蓴_性則為選取的特征，這也是大部分基于特征的目標(biāo)跟蹤算法的特點(diǎn)。其中，基于紋理特征的跟蹤，基于運(yùn)動(dòng)特征的跟蹤，基于顏色特征的跟蹤和基于形狀特征的跟蹤等是常見的集中基于特征方法，但是在實(shí)際的算法中，為了達(dá)到更好的效果，往往是幾種方法的綜合使用。

可以看出，運(yùn)動(dòng)目標(biāo)的跟蹤問題可以按照以下三個(gè)步驟進(jìn)行：第一，特征選取，顯著特征從圖像中進(jìn)行選??；第二，特征集合的對應(yīng)關(guān)系在視頻序列中找到，完成特征匹配，還要對其進(jìn)行相關(guān)一定分析處理；第三，計(jì)算相關(guān)的運(yùn)動(dòng)信息。

4 運(yùn)動(dòng)目標(biāo)識別

從視頻圖像序列中按照一定的技術(shù)方法，對于輸入的圖像序列進(jìn)行處理，然后進(jìn)行提取和識別處理，這樣就完成了運(yùn)動(dòng)目標(biāo)識別工作。一般來所，運(yùn)動(dòng)目標(biāo)識別分為有形運(yùn)動(dòng)目標(biāo)識別和空間點(diǎn)的運(yùn)動(dòng)目標(biāo)識別，他們的區(qū)分依據(jù)就是相機(jī)中成像的大小在識別目標(biāo)由遠(yuǎn)及近移動(dòng)過程中的變化。

基于一致樣本的前提下進(jìn)行的判決，首先需要得到感興趣目標(biāo)和背景的部分樣本，建立相應(yīng)的識別模型。目前，關(guān)于目標(biāo)識別領(lǐng)域中出現(xiàn)的各種的目標(biāo)識別算法，這些算法各具特點(diǎn)，一般包括基于知識的自動(dòng)目標(biāo)識別方法、經(jīng)典的統(tǒng)計(jì)模式識別方法、基于多傳感器信息融合技術(shù)的自動(dòng)目標(biāo)識別方法、基于模型的自動(dòng)目標(biāo)識別方法以及基于統(tǒng)計(jì)學(xué)習(xí)的自動(dòng)目標(biāo)識別方法等等。

運(yùn)動(dòng)目標(biāo)識別與跟蹤系統(tǒng)只需要對于目標(biāo)的類型進(jìn)行判斷，而不需要了解圖像中更多的細(xì)節(jié)問題，所以這里統(tǒng)計(jì)識別方法一般就是指提到的基于目標(biāo)跟蹤的識別方法。

5 運(yùn)動(dòng)目標(biāo)行為分析

強(qiáng)調(diào)智能視頻監(jiān)控中智能化，主要體現(xiàn)在運(yùn)動(dòng)目標(biāo)行為分析作用更加突出，一方面運(yùn)動(dòng)目標(biāo)檢測提取和跟蹤相關(guān)諸多大量數(shù)據(jù)運(yùn)算可以實(shí)現(xiàn)，另外一方面，體現(xiàn)出監(jiān)控系統(tǒng)的人性思考特點(diǎn)，可以經(jīng)過自主的，不加外人干涉而自動(dòng)對于運(yùn)動(dòng)目標(biāo)進(jìn)行分析并處理，這樣就能有體現(xiàn)整個(gè)監(jiān)控系統(tǒng)的智能化特點(diǎn)。

比如，在了解人的行為包括跳、走、跑、躺、跳等等行為后，車的行為主要包括碰撞和車輛加速等等，這樣針對某視頻序列中的運(yùn)動(dòng)目標(biāo)為人和車進(jìn)行運(yùn)動(dòng)目標(biāo)識別可以分析得到上述結(jié)論。其中，智能化能夠認(rèn)為是為監(jiān)控系統(tǒng)的告警提供有效的數(shù)據(jù)基礎(chǔ)，運(yùn)動(dòng)目標(biāo)識別的基礎(chǔ)上進(jìn)行運(yùn)動(dòng)目標(biāo)的行為分析。

目前，主要是在特定場景下的運(yùn)動(dòng)目標(biāo)行為分析工作，一般來說，已知場景中發(fā)生的所有行為，或者已知所有相關(guān)的行為模式，并且這種行為模式的訓(xùn)練往往需要大量的樣本。但是在實(shí)際情況下，往往要事先獲得監(jiān)控場景中的所有目標(biāo)行為模型和大量訓(xùn)練樣本具有很大難度，所以說，一種自適應(yīng)的行為分析模型的學(xué)習(xí)方法就顯得格外重要。

6 結(jié)束語

本文針對智能視頻監(jiān)控系統(tǒng)中關(guān)鍵技術(shù)進(jìn)行分析，主要包括運(yùn)動(dòng)目標(biāo)的描述、運(yùn)動(dòng)目標(biāo)的跟蹤、運(yùn)動(dòng)目標(biāo)的檢測、運(yùn)動(dòng)目標(biāo)的識別以及運(yùn)動(dòng)目標(biāo)的行為分析，分析而來整個(gè)智能化監(jiān)控系統(tǒng)的特點(diǎn)，一定程度上分析了目標(biāo)檢測與目標(biāo)跟蹤的常用方法和算法，對于今后開展智能視頻監(jiān)控發(fā)展具有一定幫助。

[1]韓曉冰,王瑋明.基于軟交換的井下視頻監(jiān)控系統(tǒng)[J].制造業(yè)自動(dòng)化,2011,33(2).

[2]王鵬,朱秀昌.智能視頻監(jiān)控中滯留物與人的關(guān)聯(lián)分析算法[J].電視技術(shù),2011,35(3).

[3]李鵬飛,陳朝武,李曉峰.智能視頻算法評估綜述[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2010,22(2).