靜止背景下的移動(dòng)目標(biāo)視覺(jué)監(jiān)控

高小清　吳健珍

摘 要 視覺(jué)監(jiān)控是研究用機(jī)器代替人對(duì)監(jiān)控視頻進(jìn)行處理并發(fā)現(xiàn)其中存在的異常情況的新興學(xué)科。本文所提出的視覺(jué)監(jiān)控系統(tǒng)采用三幀差分法和邊緣檢測(cè)法相結(jié)合來(lái)檢測(cè)移動(dòng)目標(biāo)，通過(guò)對(duì)視頻幀進(jìn)行邊緣提取，再用三幀差分法對(duì)圖像進(jìn)行處理得到前景目標(biāo)的連續(xù)移動(dòng)幀；采用基于變換域的跟蹤方法對(duì)視頻中的目標(biāo)進(jìn)行跟蹤并可定位顯示人臉。

關(guān)鍵詞 視覺(jué)監(jiān)控 移動(dòng)目標(biāo) 跟蹤 人臉識(shí)別

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A

0 引言

隨著數(shù)字化、網(wǎng)絡(luò)化的不斷發(fā)展，人們的安全防范意識(shí)的不斷提高，視頻監(jiān)控系統(tǒng)已深入到人們的日常生活。傳統(tǒng)的視頻監(jiān)控系統(tǒng)是通過(guò)工作人員對(duì)監(jiān)控視頻的觀看和分析來(lái)發(fā)現(xiàn)其中的危險(xiǎn)信息，這就導(dǎo)致了信息獲取的不及時(shí)，從而無(wú)法及時(shí)地發(fā)現(xiàn)危險(xiǎn)以采取進(jìn)一步的防范措施，導(dǎo)致財(cái)產(chǎn)或人身的安全遭受嚴(yán)重?fù)p失。此外，由于人的生理原因，會(huì)造成對(duì)監(jiān)控視頻的監(jiān)視疏漏，基于此，視覺(jué)監(jiān)控不斷發(fā)展，視覺(jué)監(jiān)控實(shí)現(xiàn)了由機(jī)器來(lái)對(duì)所獲得的視頻進(jìn)行處理，從而可以代替人來(lái)發(fā)現(xiàn)視頻序列中的潛在的危險(xiǎn)，不僅可以做到全天候地進(jìn)行監(jiān)視處理，還能避免因人為的因素造成的漏報(bào)誤報(bào)。

計(jì)算機(jī)視覺(jué)發(fā)展到今天，還沒(méi)有出現(xiàn)哪種萬(wàn)能的檢測(cè)和跟蹤算法對(duì)所有的情況都適用。因此，在實(shí)際應(yīng)用中，對(duì)復(fù)雜的移動(dòng)目標(biāo)進(jìn)行檢測(cè)和跟蹤都具有相當(dāng)?shù)碾y度。本文主要研究基于靜止背景的視頻序列的移動(dòng)目標(biāo)監(jiān)控，主要包括視頻圖像的預(yù)處理，移動(dòng)目標(biāo)的檢測(cè)、分割、識(shí)別、跟蹤、人臉識(shí)別。

本文的視覺(jué)監(jiān)控系統(tǒng)流程圖見(jiàn)圖1。首先獲取視頻序列并對(duì)其進(jìn)行預(yù)處理，再進(jìn)行目標(biāo)區(qū)域的檢測(cè)和目標(biāo)識(shí)別，這些是視覺(jué)監(jiān)控的低級(jí)和中級(jí)處理部分，人臉識(shí)別和跟蹤顯示為視覺(jué)監(jiān)控的高級(jí)部分。

圖1 視覺(jué)監(jiān)控系統(tǒng)工作流程

1 視頻圖像預(yù)處理

在實(shí)際應(yīng)用中，由于監(jiān)控場(chǎng)景中光照、噪聲等方面的影響，使我們所獲得的圖像質(zhì)量不高，這就需要通過(guò)圖像預(yù)處理技術(shù)來(lái)對(duì)視頻圖像進(jìn)行相應(yīng)的處理，達(dá)到抑制噪聲、改善圖像質(zhì)量的目的。

1.1 灰度化

將采集到的彩色圖像序列進(jìn)行灰度處理。

1.2 二值化

本文采用整體閾值法對(duì)視頻圖像進(jìn)行二值化處理，以取得移動(dòng)目標(biāo)。

2 視頻監(jiān)控算法

2.1 移動(dòng)目標(biāo)的檢測(cè)

移動(dòng)檢測(cè)就是檢測(cè)物體的移動(dòng)區(qū)域，它的目的是在輸入的若干圖像序列中搜索到移動(dòng)目標(biāo)的區(qū)域，并確定其位置和尺寸大小等信息。

常用的移動(dòng)目標(biāo)檢測(cè)法有背景減除法、幀間差分法、光流法，本文采用三幀差分法和邊緣檢測(cè)法相結(jié)合的方法來(lái)進(jìn)行移動(dòng)目標(biāo)的檢測(cè)，主要過(guò)程是先用canny算子邊緣檢測(cè)法對(duì)視頻幀進(jìn)行邊緣的提取，再把連續(xù)三幀的視頻幀兩兩相減并與規(guī)定的閾值進(jìn)行比較，根據(jù)與閾值的大小關(guān)系，判斷其為固定背景或是移動(dòng)前景，從而得到移動(dòng)目標(biāo)形狀，達(dá)到檢測(cè)的效果。邊緣檢測(cè)的目的是檢測(cè)并找出圖像中屋頂變化和階躍變化的像素點(diǎn)，把這些像素點(diǎn)連接起來(lái)就構(gòu)成了物體的邊緣，即檢測(cè)出了物體的邊緣。

邊緣檢測(cè)主要包括以下四個(gè)步驟：（1）圖像濾波；（2）圖形加強(qiáng)：增強(qiáng)圖像中灰度的對(duì)比度，突出領(lǐng)域變化顯著地點(diǎn)；（3）圖像檢測(cè)：用幅值閾值判據(jù)確定邊緣點(diǎn)；（4）圖像定位。

檢測(cè)出物體邊緣后再對(duì)其進(jìn)行三幀差分算法的計(jì)算。

三幀差分法的基本原理是先選取視頻圖像序列中連續(xù)的三幀圖像并分別計(jì)算相鄰兩幀的差分圖像，然后將差分圖像通過(guò)選取適當(dāng)?shù)拈撝颠M(jìn)行二值化處理，得到二值化圖像，最后對(duì)每一個(gè)像素點(diǎn)得到的二值圖像進(jìn)行邏輯與運(yùn)算，獲取共同部分，從而獲得移動(dòng)目標(biāo)的輪廓信息。假設(shè)三幀圖像分別為（）、（）和（）， 分別計(jì)算前二幀圖像和后二幀圖像的差值并二值化處理，得到二值化圖像為（）和（），將（）和（）與給定的閾值進(jìn)行比較，若和都大于給定的閾值T，則把中間幀（）作為前景圖像，最終得到移動(dòng)目標(biāo)圖像。閾值T為人工選取值，在對(duì)不同的視頻進(jìn)行處理時(shí)，要設(shè)定不同的T值。原理圖如圖2所示。

與傳統(tǒng)檢測(cè)算法相比，三幀差分法和邊緣檢測(cè)法結(jié)合的檢測(cè)效果更好，主要表現(xiàn)在不會(huì)出現(xiàn)傳統(tǒng)差分法出現(xiàn)的檢測(cè)目標(biāo)的空洞問(wèn)題，也避免了邊緣檢測(cè)法的邊緣不清晰問(wèn)題；相鄰兩幀時(shí)間間隔一般較短，其對(duì)于場(chǎng)景光線變化敏感度不高，適應(yīng)性強(qiáng)，魯棒性好，穩(wěn)定性好，能適應(yīng)場(chǎng)景的小幅度變化；背景不隨著時(shí)間累積，其更新速度較快，相對(duì)易于實(shí)現(xiàn)實(shí)時(shí)監(jiān)控。

2.2 移動(dòng)目標(biāo)跟蹤

本文使用基于變換域的跟蹤方法和基于臉部特征的跟蹤方法來(lái)實(shí)現(xiàn)移動(dòng)目標(biāo)跟蹤。

2.3 人臉檢測(cè)

本文的人臉跟蹤部分主要用到了MATLA 2012B中的Computer Vision System Toolbox（計(jì)算機(jī)視覺(jué)工具箱）的vision.CascadeObjectDetector（）函數(shù)，可以通過(guò)更改括號(hào)內(nèi)的參數(shù)決定某種跟蹤。

圖2 三幀差分法的基本原理圖

3 仿真實(shí)驗(yàn)與分析

本文在MATLA 2012B平臺(tái)上進(jìn)行仿真實(shí)驗(yàn)，對(duì)一段自己拍攝的視頻進(jìn)行測(cè)試，處理速度為每秒15幀，用三幀差分法和邊緣檢測(cè)法相結(jié)合的方法來(lái)對(duì)移動(dòng)目標(biāo)的檢測(cè)，用基于變換域的跟蹤方法對(duì)人體進(jìn)行跟蹤，用基于臉部特征的跟蹤方法進(jìn)行人臉的提取和跟蹤。

仿真結(jié)果見(jiàn)圖3、圖4、圖5。

從仿真結(jié)果可以看出，三幀差分法和邊緣檢測(cè)法相結(jié)合的方法比只用三幀差分法或只用邊緣檢測(cè)法能更好的提取出移動(dòng)目標(biāo)，提取出來(lái)的運(yùn)動(dòng)目標(biāo)輪廓更加清晰，內(nèi)部的空洞比較少，且實(shí)用性強(qiáng)，不僅可以檢測(cè)移動(dòng)人體還可以檢測(cè)任何移動(dòng)物體。跟蹤算法能很好的跟蹤運(yùn)動(dòng)目標(biāo)，并能準(zhǔn)確地標(biāo)出運(yùn)動(dòng)軌跡，識(shí)別精度較高。人臉識(shí)別跟蹤能準(zhǔn)確地識(shí)別視頻中的人臉并進(jìn)行跟蹤。

4 結(jié)論

本文的創(chuàng)新點(diǎn)在于針對(duì)傳統(tǒng)的視頻序列中移動(dòng)目標(biāo)檢測(cè)算法的不足，提出了一種將三幀差分法與邊緣檢測(cè)法相結(jié)合的移動(dòng)物體目標(biāo)的檢測(cè)算法。該方法能適應(yīng)復(fù)雜環(huán)境，有效克服光照對(duì)視頻中移動(dòng)目標(biāo)檢測(cè)的影響，檢測(cè)提取的移動(dòng)目標(biāo)輪廓與實(shí)際物體輪廓相符，且適用性強(qiáng)，不僅可以檢測(cè)跟蹤目標(biāo)人體，還可以檢測(cè)任何移動(dòng)物體。在人臉識(shí)別部分，能較準(zhǔn)確地識(shí)別并提取出人臉。仿真結(jié)果表明該方法準(zhǔn)確高效，適用范圍廣，能應(yīng)用于銀行、高級(jí)辦公樓、超市、交通監(jiān)控等方面，可以有效減少人力物力的投入，獲得比較好的經(jīng)濟(jì)效益。

參考文獻(xiàn)

[1] 趙世喆.基于序列圖像的移動(dòng)目標(biāo)檢測(cè)和跟蹤算法研究[D].北方工業(yè)大學(xué)碩士學(xué)位論文，2006.

[2] 涂虬，許毅平，周曼麗.基于全局最小化活動(dòng)輪廓的多目標(biāo)檢測(cè)跟蹤[J].計(jì)算機(jī)應(yīng)用研究，2010.27（2）：219-220.

[3] 張娟，毛曉波，陳鐵軍.運(yùn)動(dòng)目標(biāo)跟蹤算法煙具綜述[J].計(jì)算機(jī)應(yīng)用研究，2009.26（12）：4407-4410.

[4] 夏永泉，李衛(wèi)麗，甘勇，張素智.智能視頻監(jiān)控中的運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)研究[J].通信技術(shù)，2009.42（6）：3-4.

[5] 吳健珍.控制系統(tǒng)CAD與數(shù)字仿真[M].北京：清華大學(xué)出版社，2014.endprint

摘 要 視覺(jué)監(jiān)控是研究用機(jī)器代替人對(duì)監(jiān)控視頻進(jìn)行處理并發(fā)現(xiàn)其中存在的異常情況的新興學(xué)科。本文所提出的視覺(jué)監(jiān)控系統(tǒng)采用三幀差分法和邊緣檢測(cè)法相結(jié)合來(lái)檢測(cè)移動(dòng)目標(biāo)，通過(guò)對(duì)視頻幀進(jìn)行邊緣提取，再用三幀差分法對(duì)圖像進(jìn)行處理得到前景目標(biāo)的連續(xù)移動(dòng)幀；采用基于變換域的跟蹤方法對(duì)視頻中的目標(biāo)進(jìn)行跟蹤并可定位顯示人臉。

關(guān)鍵詞 視覺(jué)監(jiān)控 移動(dòng)目標(biāo) 跟蹤 人臉識(shí)別

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A

0 引言

隨著數(shù)字化、網(wǎng)絡(luò)化的不斷發(fā)展，人們的安全防范意識(shí)的不斷提高，視頻監(jiān)控系統(tǒng)已深入到人們的日常生活。傳統(tǒng)的視頻監(jiān)控系統(tǒng)是通過(guò)工作人員對(duì)監(jiān)控視頻的觀看和分析來(lái)發(fā)現(xiàn)其中的危險(xiǎn)信息，這就導(dǎo)致了信息獲取的不及時(shí)，從而無(wú)法及時(shí)地發(fā)現(xiàn)危險(xiǎn)以采取進(jìn)一步的防范措施，導(dǎo)致財(cái)產(chǎn)或人身的安全遭受嚴(yán)重?fù)p失。此外，由于人的生理原因，會(huì)造成對(duì)監(jiān)控視頻的監(jiān)視疏漏，基于此，視覺(jué)監(jiān)控不斷發(fā)展，視覺(jué)監(jiān)控實(shí)現(xiàn)了由機(jī)器來(lái)對(duì)所獲得的視頻進(jìn)行處理，從而可以代替人來(lái)發(fā)現(xiàn)視頻序列中的潛在的危險(xiǎn)，不僅可以做到全天候地進(jìn)行監(jiān)視處理，還能避免因人為的因素造成的漏報(bào)誤報(bào)。

計(jì)算機(jī)視覺(jué)發(fā)展到今天，還沒(méi)有出現(xiàn)哪種萬(wàn)能的檢測(cè)和跟蹤算法對(duì)所有的情況都適用。因此，在實(shí)際應(yīng)用中，對(duì)復(fù)雜的移動(dòng)目標(biāo)進(jìn)行檢測(cè)和跟蹤都具有相當(dāng)?shù)碾y度。本文主要研究基于靜止背景的視頻序列的移動(dòng)目標(biāo)監(jiān)控，主要包括視頻圖像的預(yù)處理，移動(dòng)目標(biāo)的檢測(cè)、分割、識(shí)別、跟蹤、人臉識(shí)別。

本文的視覺(jué)監(jiān)控系統(tǒng)流程圖見(jiàn)圖1。首先獲取視頻序列并對(duì)其進(jìn)行預(yù)處理，再進(jìn)行目標(biāo)區(qū)域的檢測(cè)和目標(biāo)識(shí)別，這些是視覺(jué)監(jiān)控的低級(jí)和中級(jí)處理部分，人臉識(shí)別和跟蹤顯示為視覺(jué)監(jiān)控的高級(jí)部分。

圖1 視覺(jué)監(jiān)控系統(tǒng)工作流程

1 視頻圖像預(yù)處理

在實(shí)際應(yīng)用中，由于監(jiān)控場(chǎng)景中光照、噪聲等方面的影響，使我們所獲得的圖像質(zhì)量不高，這就需要通過(guò)圖像預(yù)處理技術(shù)來(lái)對(duì)視頻圖像進(jìn)行相應(yīng)的處理，達(dá)到抑制噪聲、改善圖像質(zhì)量的目的。

1.1 灰度化

將采集到的彩色圖像序列進(jìn)行灰度處理。

1.2 二值化

本文采用整體閾值法對(duì)視頻圖像進(jìn)行二值化處理，以取得移動(dòng)目標(biāo)。

2 視頻監(jiān)控算法

2.1 移動(dòng)目標(biāo)的檢測(cè)

移動(dòng)檢測(cè)就是檢測(cè)物體的移動(dòng)區(qū)域，它的目的是在輸入的若干圖像序列中搜索到移動(dòng)目標(biāo)的區(qū)域，并確定其位置和尺寸大小等信息。

常用的移動(dòng)目標(biāo)檢測(cè)法有背景減除法、幀間差分法、光流法，本文采用三幀差分法和邊緣檢測(cè)法相結(jié)合的方法來(lái)進(jìn)行移動(dòng)目標(biāo)的檢測(cè)，主要過(guò)程是先用canny算子邊緣檢測(cè)法對(duì)視頻幀進(jìn)行邊緣的提取，再把連續(xù)三幀的視頻幀兩兩相減并與規(guī)定的閾值進(jìn)行比較，根據(jù)與閾值的大小關(guān)系，判斷其為固定背景或是移動(dòng)前景，從而得到移動(dòng)目標(biāo)形狀，達(dá)到檢測(cè)的效果。邊緣檢測(cè)的目的是檢測(cè)并找出圖像中屋頂變化和階躍變化的像素點(diǎn)，把這些像素點(diǎn)連接起來(lái)就構(gòu)成了物體的邊緣，即檢測(cè)出了物體的邊緣。

邊緣檢測(cè)主要包括以下四個(gè)步驟：（1）圖像濾波；（2）圖形加強(qiáng)：增強(qiáng)圖像中灰度的對(duì)比度，突出領(lǐng)域變化顯著地點(diǎn)；（3）圖像檢測(cè)：用幅值閾值判據(jù)確定邊緣點(diǎn)；（4）圖像定位。

檢測(cè)出物體邊緣后再對(duì)其進(jìn)行三幀差分算法的計(jì)算。

三幀差分法的基本原理是先選取視頻圖像序列中連續(xù)的三幀圖像并分別計(jì)算相鄰兩幀的差分圖像，然后將差分圖像通過(guò)選取適當(dāng)?shù)拈撝颠M(jìn)行二值化處理，得到二值化圖像，最后對(duì)每一個(gè)像素點(diǎn)得到的二值圖像進(jìn)行邏輯與運(yùn)算，獲取共同部分，從而獲得移動(dòng)目標(biāo)的輪廓信息。假設(shè)三幀圖像分別為（）、（）和（）， 分別計(jì)算前二幀圖像和后二幀圖像的差值并二值化處理，得到二值化圖像為（）和（），將（）和（）與給定的閾值進(jìn)行比較，若和都大于給定的閾值T，則把中間幀（）作為前景圖像，最終得到移動(dòng)目標(biāo)圖像。閾值T為人工選取值，在對(duì)不同的視頻進(jìn)行處理時(shí)，要設(shè)定不同的T值。原理圖如圖2所示。

與傳統(tǒng)檢測(cè)算法相比，三幀差分法和邊緣檢測(cè)法結(jié)合的檢測(cè)效果更好，主要表現(xiàn)在不會(huì)出現(xiàn)傳統(tǒng)差分法出現(xiàn)的檢測(cè)目標(biāo)的空洞問(wèn)題，也避免了邊緣檢測(cè)法的邊緣不清晰問(wèn)題；相鄰兩幀時(shí)間間隔一般較短，其對(duì)于場(chǎng)景光線變化敏感度不高，適應(yīng)性強(qiáng)，魯棒性好，穩(wěn)定性好，能適應(yīng)場(chǎng)景的小幅度變化；背景不隨著時(shí)間累積，其更新速度較快，相對(duì)易于實(shí)現(xiàn)實(shí)時(shí)監(jiān)控。

2.2 移動(dòng)目標(biāo)跟蹤

本文使用基于變換域的跟蹤方法和基于臉部特征的跟蹤方法來(lái)實(shí)現(xiàn)移動(dòng)目標(biāo)跟蹤。

2.3 人臉檢測(cè)

本文的人臉跟蹤部分主要用到了MATLA 2012B中的Computer Vision System Toolbox（計(jì)算機(jī)視覺(jué)工具箱）的vision.CascadeObjectDetector（）函數(shù)，可以通過(guò)更改括號(hào)內(nèi)的參數(shù)決定某種跟蹤。

圖2 三幀差分法的基本原理圖

3 仿真實(shí)驗(yàn)與分析

本文在MATLA 2012B平臺(tái)上進(jìn)行仿真實(shí)驗(yàn)，對(duì)一段自己拍攝的視頻進(jìn)行測(cè)試，處理速度為每秒15幀，用三幀差分法和邊緣檢測(cè)法相結(jié)合的方法來(lái)對(duì)移動(dòng)目標(biāo)的檢測(cè)，用基于變換域的跟蹤方法對(duì)人體進(jìn)行跟蹤，用基于臉部特征的跟蹤方法進(jìn)行人臉的提取和跟蹤。

仿真結(jié)果見(jiàn)圖3、圖4、圖5。

從仿真結(jié)果可以看出，三幀差分法和邊緣檢測(cè)法相結(jié)合的方法比只用三幀差分法或只用邊緣檢測(cè)法能更好的提取出移動(dòng)目標(biāo)，提取出來(lái)的運(yùn)動(dòng)目標(biāo)輪廓更加清晰，內(nèi)部的空洞比較少，且實(shí)用性強(qiáng)，不僅可以檢測(cè)移動(dòng)人體還可以檢測(cè)任何移動(dòng)物體。跟蹤算法能很好的跟蹤運(yùn)動(dòng)目標(biāo)，并能準(zhǔn)確地標(biāo)出運(yùn)動(dòng)軌跡，識(shí)別精度較高。人臉識(shí)別跟蹤能準(zhǔn)確地識(shí)別視頻中的人臉并進(jìn)行跟蹤。

4 結(jié)論

本文的創(chuàng)新點(diǎn)在于針對(duì)傳統(tǒng)的視頻序列中移動(dòng)目標(biāo)檢測(cè)算法的不足，提出了一種將三幀差分法與邊緣檢測(cè)法相結(jié)合的移動(dòng)物體目標(biāo)的檢測(cè)算法。該方法能適應(yīng)復(fù)雜環(huán)境，有效克服光照對(duì)視頻中移動(dòng)目標(biāo)檢測(cè)的影響，檢測(cè)提取的移動(dòng)目標(biāo)輪廓與實(shí)際物體輪廓相符，且適用性強(qiáng)，不僅可以檢測(cè)跟蹤目標(biāo)人體，還可以檢測(cè)任何移動(dòng)物體。在人臉識(shí)別部分，能較準(zhǔn)確地識(shí)別并提取出人臉。仿真結(jié)果表明該方法準(zhǔn)確高效，適用范圍廣，能應(yīng)用于銀行、高級(jí)辦公樓、超市、交通監(jiān)控等方面，可以有效減少人力物力的投入，獲得比較好的經(jīng)濟(jì)效益。

參考文獻(xiàn)

[1] 趙世喆.基于序列圖像的移動(dòng)目標(biāo)檢測(cè)和跟蹤算法研究[D].北方工業(yè)大學(xué)碩士學(xué)位論文，2006.

[2] 涂虬，許毅平，周曼麗.基于全局最小化活動(dòng)輪廓的多目標(biāo)檢測(cè)跟蹤[J].計(jì)算機(jī)應(yīng)用研究，2010.27（2）：219-220.

[3] 張娟，毛曉波，陳鐵軍.運(yùn)動(dòng)目標(biāo)跟蹤算法煙具綜述[J].計(jì)算機(jī)應(yīng)用研究，2009.26（12）：4407-4410.

[4] 夏永泉，李衛(wèi)麗，甘勇，張素智.智能視頻監(jiān)控中的運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)研究[J].通信技術(shù)，2009.42（6）：3-4.

[5] 吳健珍.控制系統(tǒng)CAD與數(shù)字仿真[M].北京：清華大學(xué)出版社，2014.endprint

摘 要 視覺(jué)監(jiān)控是研究用機(jī)器代替人對(duì)監(jiān)控視頻進(jìn)行處理并發(fā)現(xiàn)其中存在的異常情況的新興學(xué)科。本文所提出的視覺(jué)監(jiān)控系統(tǒng)采用三幀差分法和邊緣檢測(cè)法相結(jié)合來(lái)檢測(cè)移動(dòng)目標(biāo)，通過(guò)對(duì)視頻幀進(jìn)行邊緣提取，再用三幀差分法對(duì)圖像進(jìn)行處理得到前景目標(biāo)的連續(xù)移動(dòng)幀；采用基于變換域的跟蹤方法對(duì)視頻中的目標(biāo)進(jìn)行跟蹤并可定位顯示人臉。

關(guān)鍵詞 視覺(jué)監(jiān)控 移動(dòng)目標(biāo) 跟蹤 人臉識(shí)別

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A

0 引言

隨著數(shù)字化、網(wǎng)絡(luò)化的不斷發(fā)展，人們的安全防范意識(shí)的不斷提高，視頻監(jiān)控系統(tǒng)已深入到人們的日常生活。傳統(tǒng)的視頻監(jiān)控系統(tǒng)是通過(guò)工作人員對(duì)監(jiān)控視頻的觀看和分析來(lái)發(fā)現(xiàn)其中的危險(xiǎn)信息，這就導(dǎo)致了信息獲取的不及時(shí)，從而無(wú)法及時(shí)地發(fā)現(xiàn)危險(xiǎn)以采取進(jìn)一步的防范措施，導(dǎo)致財(cái)產(chǎn)或人身的安全遭受嚴(yán)重?fù)p失。此外，由于人的生理原因，會(huì)造成對(duì)監(jiān)控視頻的監(jiān)視疏漏，基于此，視覺(jué)監(jiān)控不斷發(fā)展，視覺(jué)監(jiān)控實(shí)現(xiàn)了由機(jī)器來(lái)對(duì)所獲得的視頻進(jìn)行處理，從而可以代替人來(lái)發(fā)現(xiàn)視頻序列中的潛在的危險(xiǎn)，不僅可以做到全天候地進(jìn)行監(jiān)視處理，還能避免因人為的因素造成的漏報(bào)誤報(bào)。

計(jì)算機(jī)視覺(jué)發(fā)展到今天，還沒(méi)有出現(xiàn)哪種萬(wàn)能的檢測(cè)和跟蹤算法對(duì)所有的情況都適用。因此，在實(shí)際應(yīng)用中，對(duì)復(fù)雜的移動(dòng)目標(biāo)進(jìn)行檢測(cè)和跟蹤都具有相當(dāng)?shù)碾y度。本文主要研究基于靜止背景的視頻序列的移動(dòng)目標(biāo)監(jiān)控，主要包括視頻圖像的預(yù)處理，移動(dòng)目標(biāo)的檢測(cè)、分割、識(shí)別、跟蹤、人臉識(shí)別。

本文的視覺(jué)監(jiān)控系統(tǒng)流程圖見(jiàn)圖1。首先獲取視頻序列并對(duì)其進(jìn)行預(yù)處理，再進(jìn)行目標(biāo)區(qū)域的檢測(cè)和目標(biāo)識(shí)別，這些是視覺(jué)監(jiān)控的低級(jí)和中級(jí)處理部分，人臉識(shí)別和跟蹤顯示為視覺(jué)監(jiān)控的高級(jí)部分。

圖1 視覺(jué)監(jiān)控系統(tǒng)工作流程

1 視頻圖像預(yù)處理

在實(shí)際應(yīng)用中，由于監(jiān)控場(chǎng)景中光照、噪聲等方面的影響，使我們所獲得的圖像質(zhì)量不高，這就需要通過(guò)圖像預(yù)處理技術(shù)來(lái)對(duì)視頻圖像進(jìn)行相應(yīng)的處理，達(dá)到抑制噪聲、改善圖像質(zhì)量的目的。

1.1 灰度化

將采集到的彩色圖像序列進(jìn)行灰度處理。

1.2 二值化

本文采用整體閾值法對(duì)視頻圖像進(jìn)行二值化處理，以取得移動(dòng)目標(biāo)。

2 視頻監(jiān)控算法

2.1 移動(dòng)目標(biāo)的檢測(cè)

移動(dòng)檢測(cè)就是檢測(cè)物體的移動(dòng)區(qū)域，它的目的是在輸入的若干圖像序列中搜索到移動(dòng)目標(biāo)的區(qū)域，并確定其位置和尺寸大小等信息。

常用的移動(dòng)目標(biāo)檢測(cè)法有背景減除法、幀間差分法、光流法，本文采用三幀差分法和邊緣檢測(cè)法相結(jié)合的方法來(lái)進(jìn)行移動(dòng)目標(biāo)的檢測(cè)，主要過(guò)程是先用canny算子邊緣檢測(cè)法對(duì)視頻幀進(jìn)行邊緣的提取，再把連續(xù)三幀的視頻幀兩兩相減并與規(guī)定的閾值進(jìn)行比較，根據(jù)與閾值的大小關(guān)系，判斷其為固定背景或是移動(dòng)前景，從而得到移動(dòng)目標(biāo)形狀，達(dá)到檢測(cè)的效果。邊緣檢測(cè)的目的是檢測(cè)并找出圖像中屋頂變化和階躍變化的像素點(diǎn)，把這些像素點(diǎn)連接起來(lái)就構(gòu)成了物體的邊緣，即檢測(cè)出了物體的邊緣。

邊緣檢測(cè)主要包括以下四個(gè)步驟：（1）圖像濾波；（2）圖形加強(qiáng)：增強(qiáng)圖像中灰度的對(duì)比度，突出領(lǐng)域變化顯著地點(diǎn)；（3）圖像檢測(cè)：用幅值閾值判據(jù)確定邊緣點(diǎn)；（4）圖像定位。

檢測(cè)出物體邊緣后再對(duì)其進(jìn)行三幀差分算法的計(jì)算。

三幀差分法的基本原理是先選取視頻圖像序列中連續(xù)的三幀圖像并分別計(jì)算相鄰兩幀的差分圖像，然后將差分圖像通過(guò)選取適當(dāng)?shù)拈撝颠M(jìn)行二值化處理，得到二值化圖像，最后對(duì)每一個(gè)像素點(diǎn)得到的二值圖像進(jìn)行邏輯與運(yùn)算，獲取共同部分，從而獲得移動(dòng)目標(biāo)的輪廓信息。假設(shè)三幀圖像分別為（）、（）和（）， 分別計(jì)算前二幀圖像和后二幀圖像的差值并二值化處理，得到二值化圖像為（）和（），將（）和（）與給定的閾值進(jìn)行比較，若和都大于給定的閾值T，則把中間幀（）作為前景圖像，最終得到移動(dòng)目標(biāo)圖像。閾值T為人工選取值，在對(duì)不同的視頻進(jìn)行處理時(shí)，要設(shè)定不同的T值。原理圖如圖2所示。

與傳統(tǒng)檢測(cè)算法相比，三幀差分法和邊緣檢測(cè)法結(jié)合的檢測(cè)效果更好，主要表現(xiàn)在不會(huì)出現(xiàn)傳統(tǒng)差分法出現(xiàn)的檢測(cè)目標(biāo)的空洞問(wèn)題，也避免了邊緣檢測(cè)法的邊緣不清晰問(wèn)題；相鄰兩幀時(shí)間間隔一般較短，其對(duì)于場(chǎng)景光線變化敏感度不高，適應(yīng)性強(qiáng)，魯棒性好，穩(wěn)定性好，能適應(yīng)場(chǎng)景的小幅度變化；背景不隨著時(shí)間累積，其更新速度較快，相對(duì)易于實(shí)現(xiàn)實(shí)時(shí)監(jiān)控。

2.2 移動(dòng)目標(biāo)跟蹤

本文使用基于變換域的跟蹤方法和基于臉部特征的跟蹤方法來(lái)實(shí)現(xiàn)移動(dòng)目標(biāo)跟蹤。

2.3 人臉檢測(cè)

本文的人臉跟蹤部分主要用到了MATLA 2012B中的Computer Vision System Toolbox（計(jì)算機(jī)視覺(jué)工具箱）的vision.CascadeObjectDetector（）函數(shù)，可以通過(guò)更改括號(hào)內(nèi)的參數(shù)決定某種跟蹤。

圖2 三幀差分法的基本原理圖

3 仿真實(shí)驗(yàn)與分析

本文在MATLA 2012B平臺(tái)上進(jìn)行仿真實(shí)驗(yàn)，對(duì)一段自己拍攝的視頻進(jìn)行測(cè)試，處理速度為每秒15幀，用三幀差分法和邊緣檢測(cè)法相結(jié)合的方法來(lái)對(duì)移動(dòng)目標(biāo)的檢測(cè)，用基于變換域的跟蹤方法對(duì)人體進(jìn)行跟蹤，用基于臉部特征的跟蹤方法進(jìn)行人臉的提取和跟蹤。

仿真結(jié)果見(jiàn)圖3、圖4、圖5。

從仿真結(jié)果可以看出，三幀差分法和邊緣檢測(cè)法相結(jié)合的方法比只用三幀差分法或只用邊緣檢測(cè)法能更好的提取出移動(dòng)目標(biāo)，提取出來(lái)的運(yùn)動(dòng)目標(biāo)輪廓更加清晰，內(nèi)部的空洞比較少，且實(shí)用性強(qiáng)，不僅可以檢測(cè)移動(dòng)人體還可以檢測(cè)任何移動(dòng)物體。跟蹤算法能很好的跟蹤運(yùn)動(dòng)目標(biāo)，并能準(zhǔn)確地標(biāo)出運(yùn)動(dòng)軌跡，識(shí)別精度較高。人臉識(shí)別跟蹤能準(zhǔn)確地識(shí)別視頻中的人臉并進(jìn)行跟蹤。

4 結(jié)論

本文的創(chuàng)新點(diǎn)在于針對(duì)傳統(tǒng)的視頻序列中移動(dòng)目標(biāo)檢測(cè)算法的不足，提出了一種將三幀差分法與邊緣檢測(cè)法相結(jié)合的移動(dòng)物體目標(biāo)的檢測(cè)算法。該方法能適應(yīng)復(fù)雜環(huán)境，有效克服光照對(duì)視頻中移動(dòng)目標(biāo)檢測(cè)的影響，檢測(cè)提取的移動(dòng)目標(biāo)輪廓與實(shí)際物體輪廓相符，且適用性強(qiáng)，不僅可以檢測(cè)跟蹤目標(biāo)人體，還可以檢測(cè)任何移動(dòng)物體。在人臉識(shí)別部分，能較準(zhǔn)確地識(shí)別并提取出人臉。仿真結(jié)果表明該方法準(zhǔn)確高效，適用范圍廣，能應(yīng)用于銀行、高級(jí)辦公樓、超市、交通監(jiān)控等方面，可以有效減少人力物力的投入，獲得比較好的經(jīng)濟(jì)效益。

參考文獻(xiàn)

[1] 趙世喆.基于序列圖像的移動(dòng)目標(biāo)檢測(cè)和跟蹤算法研究[D].北方工業(yè)大學(xué)碩士學(xué)位論文，2006.

[2] 涂虬，許毅平，周曼麗.基于全局最小化活動(dòng)輪廓的多目標(biāo)檢測(cè)跟蹤[J].計(jì)算機(jī)應(yīng)用研究，2010.27（2）：219-220.

[3] 張娟，毛曉波，陳鐵軍.運(yùn)動(dòng)目標(biāo)跟蹤算法煙具綜述[J].計(jì)算機(jī)應(yīng)用研究，2009.26（12）：4407-4410.

[4] 夏永泉，李衛(wèi)麗，甘勇，張素智.智能視頻監(jiān)控中的運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)研究[J].通信技術(shù)，2009.42（6）：3-4.

[5] 吳健珍.控制系統(tǒng)CAD與數(shù)字仿真[M].北京：清華大學(xué)出版社，2014.endprint