一種基于異常事件檢測的智能視頻監(jiān)控系統(tǒng)

胡輝，黃思博，胡松，蔡映雪，陳伽，蔡昭權(quán)

（惠州學(xué)院，惠州 516007)

一種基于異常事件檢測的智能視頻監(jiān)控系統(tǒng)

胡輝，黃思博，胡松，蔡映雪，陳伽，蔡昭權(quán)

（惠州學(xué)院，惠州 516007)

針對傳統(tǒng)安防視頻監(jiān)控系統(tǒng)數(shù)據(jù)存儲空間龐大，異常事件或行為等有用的視頻信息人工查找困難等難題，結(jié)合常見的應(yīng)用場景，在綜合運用數(shù)字圖像處理理論、目標(biāo)跟蹤算法、神經(jīng)網(wǎng)絡(luò)理論、數(shù)據(jù)分類算法等手段的基礎(chǔ)上，設(shè)計一種適用于多狀態(tài)異常事件檢測的視頻分析方法，解決融合圖像特征和背景建模的目標(biāo)檢測、目標(biāo)跟蹤優(yōu)化和異常事件辨識分類的關(guān)鍵技術(shù)難題，最后得到一種基于異常事件檢測的智能視頻監(jiān)控系統(tǒng)。

異常事件檢測；目標(biāo)跟蹤；視頻監(jiān)控系統(tǒng)

0 引言

隨著社會文明的發(fā)展，為確保保護目標(biāo)免受犯罪手段的影響，出現(xiàn)了一種依賴人為的物理防范措施——安防系統(tǒng)。在二十一世紀(jì)的今天，安防系統(tǒng)的涵義也引申到了通過一些技術(shù)手段監(jiān)控和保存犯罪證據(jù)的視頻監(jiān)控系統(tǒng)[1]。

得益于先進的網(wǎng)絡(luò)技術(shù)，美國是最早在視頻監(jiān)控系統(tǒng)方面開展研究的國家，卡梅隆大學(xué)、麻省理工學(xué)院以及DARPA（Defense Advanced Research Projects A-gency）等高等院校和機構(gòu)共同推進VSAM（Video Surveillance and Monitoring）[2]項目，旨在利用傳感器技術(shù)對真實場景中的移動目標(biāo)進行動態(tài)監(jiān)控，降低人力費用的同時也保障了人身安全。后來DARPA陸續(xù)開展了AVS（Airborne Video Surveillance）[3]項目和HID（Human Identification ata Distance）[4]項目，研究方向為利用光學(xué)和紅外線設(shè)備進行目標(biāo)監(jiān)控以及聯(lián)動監(jiān)控，使其能夠進行遠距離的人體檢測和步態(tài)跟蹤。

在我國，眾多985、211等高校聯(lián)合科研機構(gòu)也正在對生物特征檢測以及視頻動態(tài)檢測等領(lǐng)域發(fā)起沖擊，其中中科院自動化研究所模式識別國家重點實驗室譚鐵牛教授做出了大量的貢獻[5]。

1 智能視頻監(jiān)控技術(shù)

智能視頻監(jiān)控技術(shù)指的是可以通過視頻監(jiān)控檢測并跟蹤異常事件發(fā)生過程中被檢測出來的運動目標(biāo)的視頻監(jiān)控技術(shù)，智能視頻監(jiān)控技術(shù)研究如下：

（1）在運動目標(biāo)檢測方面，可通過光流法、幀間差法、背景差法等方法實現(xiàn)，基本原理均為檢測監(jiān)控場景中隨著時間的推移，通過檢測視頻監(jiān)控畫面前后變化來確定異常事件的發(fā)生和運動目標(biāo)的檢測標(biāo)記。

（2）在運動目標(biāo)跟蹤方面，可以采用多種跟蹤算法，如基于特征檢測的運動目標(biāo)跟蹤算法[6]、基于運動目標(biāo)輪廓特征的匹配方法[7]、基于位置預(yù)測和運動估計的目標(biāo)跟蹤算法等，基本原理均在視頻畫面中動態(tài)勾勒運動目標(biāo)的輪廓，通過特征檢測預(yù)測運動位置的變化，判斷跟蹤目標(biāo)的運動規(guī)則。

（3）在異常事件和行為的分類方面，也創(chuàng)新性的提出了特征模型匹配、判別式模型、狀態(tài)空間模型等方法。

通常任何單一的視頻監(jiān)控技術(shù)都存在不可忽視的缺陷，檢測結(jié)果較為片面，只有把這些智能視頻監(jiān)控技術(shù)綜合起來，通過多種途徑對視頻監(jiān)控畫面進行識別和建模分析，才能更為準(zhǔn)確地檢測出應(yīng)用場景中的異常事件以及運動目標(biāo)。

圖1 運動目標(biāo)跟蹤示意圖

2 系統(tǒng)原理

（1）基于異常事件的檢測方法要對視頻監(jiān)控畫面進行檢測，發(fā)現(xiàn)異常事件發(fā)生過程中視頻畫面的變化特征，這就需要對視頻畫面的常態(tài)背景進行建模，即構(gòu)建自適應(yīng)的背景圖像模型，使得該模型可以作為理論標(biāo)準(zhǔn)用以跟實時的視頻圖像進行校對，然后通過設(shè)計的檢測算法在校對過程中前后兩幀進行差分計算并加以閾值處理，快速捕捉圖像變化區(qū)域的像素點，將描述變化區(qū)域輪廓的一系列像素點組合起來作為特征并給予標(biāo)記。

（2）在（1）中被標(biāo)記的圖像變化區(qū)域可能是一個運動目標(biāo)的整體，也可能只是運動目標(biāo)的一部分，因此需要在（1）的基礎(chǔ)上通過設(shè)計的識別算法將被標(biāo)記的一個或多個圖像變化區(qū)域有機結(jié)合起來，形成一種可識別的行為，跟自有的已定義的行為語義進行比對，確認(rèn)該行為是否為正常行為，若該行為未被定義，則設(shè)為預(yù)警級別的行為。

圖2 運動區(qū)域像素標(biāo)記示意圖

（3）設(shè)計多攝像頭多角度聯(lián)合檢測機制，將從不同角度捕捉到的標(biāo)記行為融合到一起，通過構(gòu)建運動目標(biāo)的立體模型并還原運動目標(biāo)的行為，利用目標(biāo)跟蹤算法對立體模型進一步判別運動目標(biāo)的行為，最終確定該行為的性質(zhì)。

（4）將異常行為作為樣本保存到行為定義庫中，并通過目標(biāo)跟蹤機制持續(xù)跟蹤運動目標(biāo)的行為，聯(lián)動其他區(qū)域的攝像頭多維度監(jiān)控運動目標(biāo)的行動路線，保存運動目標(biāo)異常行為的視頻畫面作為證據(jù)，同時在后臺中向管理員發(fā)出警報。

圖3 檢測流程

3 系統(tǒng)實現(xiàn)

（1）圖像處理模塊。首先采集視頻圖像在時間軸上的關(guān)系序列，并分析監(jiān)控場景的變化模式，利用卡爾曼濾波器通過動態(tài)建模的方式對背景圖像進行實時更新，然后將當(dāng)前視頻圖像和監(jiān)控場景動態(tài)構(gòu)建的模型進行校對，結(jié)合相鄰兩幀的差分計算、形態(tài)學(xué)處理以及二值化運算，采用閾值化機制達到對運動目標(biāo)的檢測。圖像處理模塊的結(jié)果將提交到圖像特征提取模塊進行運動目標(biāo)的特征提取，并處理行為識別模塊中由于行為定義所產(chǎn)生的冗余圖像差。

（2）圖像特征提取模塊。將圖像處理模塊提供的圖像差異結(jié)果中多個分離目標(biāo)的大致輪廓提取出來，聯(lián)合多個運動目標(biāo)的局部輪廓，匯聚成運動目標(biāo)的整體輪廓，去除圖像中因環(huán)境變化等外部因素造成的圖像模糊部分以及因攝像頭分辨率低帶來的無法識別部分，最終得到相對準(zhǔn)確的運動目標(biāo)的圖像特征。提取出來的圖像特征將被傳遞到行為識別模塊，作為行為識別的素材。

圖4 圖像輪廓提取效果圖

（3）行為識別模塊。將圖像特征提取模塊提交的圖像特征按照時間順序序列化，在相對清晰的運動目標(biāo)特征的基礎(chǔ)上，利用基于位置預(yù)測和運動估計的目標(biāo)跟蹤方法，從一系列的圖像特征中抽象出一個具有速度和加速度的運動目標(biāo)，使得運動目標(biāo)更加形象化，通過這一更為具體形象的運動目標(biāo)與訓(xùn)練樣本模型進行相似度匹配，若匹配成功則行為識別成功，若匹配失敗，則將該運動模型登記，返回運動模型和冗余的圖像差至圖像處理模塊，進一步修輯視頻圖像使得運動目標(biāo)的行為更容易被辨認(rèn)。在反復(fù)的匹配識別、反饋處理的過程中成功識別行為或更新行為模型庫。

（4）多攝像機協(xié)作模塊。通過設(shè)計的多攝像機協(xié)作機制，協(xié)調(diào)多部攝像機針對可視范圍內(nèi)已識別的異常行為進行跟蹤，多角度記錄異常行為的發(fā)生經(jīng)過，并形成行動路線，預(yù)測行為的移動方向，調(diào)配相鄰區(qū)域的攝像機提前做好跟蹤準(zhǔn)備，保證異常行為被完整記錄。

（5）后臺管理模塊?？晒芾磉B接到智能視頻監(jiān)控系統(tǒng)的攝像機，并可以分屏顯示多攝像機的實時視頻畫面；可管理從視頻圖像中提取出來的圖像特征以及行為識別圖像；可智能化控制多攝像機持續(xù)跟蹤已發(fā)現(xiàn)的異常行為；可單個或打包下載圖像或任意時間段內(nèi)的監(jiān)控視頻；可依賴權(quán)限分級管理智能視頻監(jiān)控系統(tǒng)的用戶。

圖5 行為識別效果圖

圖6 智能視頻監(jiān)控系統(tǒng)結(jié)構(gòu)圖

4 結(jié)語

本文通過基于異常事件檢測的智能視頻監(jiān)控技術(shù)進行研究，提出了一種基于異常事件檢測的智能視頻監(jiān)控系統(tǒng)，依靠自主研發(fā)的圖像建模、圖像特征特區(qū)、行為識別等算法，完成異常事件的檢測及報警，為智能安防提供了一種可靠的實現(xiàn)方案。

[1]余雷，許宏科，胡欣.基于物聯(lián)網(wǎng)的遠程視頻監(jiān)控系統(tǒng)設(shè)計[J].計算機技術(shù)與發(fā)展，2016，26(4):139-143.

[2]Lipton A，Kanade T，F(xiàn)ujiyoshi H，et al.A System for Video Surveillance and Monitoring[M].Pittsburg:Carnegie Mellon University，the Robotics Institute，2000.

[3]Kumar R，Sawhney H，Samarasekera S，et al.Aerial Video Surveillance and Exploitation[J].Proceedings of the IEEE，2001，89(10): 1518-1539.

[4]Collins R T，Gross R，Shi J.Silhouette-Based Human Identification from Bodyshape Andgait[C].Automatic Face and Gesture Recognition，2002.Proceedings.Fifth IEEE International Conference on.IEEE，2002:366-371.

[5]Hu W，Zhou X，Hu M，et al.Occlusion Reasoning for Tracking Multiple People[J].Circuits and Systems for Video Technology，IEEETransactions on，2009，19(1):114-121.

[6]Shu G，Dehghan A，Oreifej O，et cl.Part-Based Multiple-Person Tracking with PartialOcclusion Handling[C].Proceedings of IEEE Conference on Computer Vision and Pattern Recognition，2012：1815-1821.

[7]Roh MC，Kim TY，Park JH，et al.Accurate Object Contour Tracking Based on Boundary Edge Selection[J].Pattern Recognition，2007，40(3).931-943.

Design of the Intelligent Video Surveillance System Based on Abnormal Events Detection

HU Hui，HUANG Si-bo，HU Song，CAI Ying-xue，CHEN Jia，CAI Zhao-quan

（Huizhou University，Huizhou 516007）

For the problems of large data storage space of traditional security video surveillance system,and difficult to find other unusual events or behavior useful video information artificial,combines the common application scenarios,integrates the use of digital image processing theory,target tracking algorithms,neural networks,data means classification algorithm based on the design of a multi-state suitable for detecting abnormal event video analysis method,to solve the fused image features and background modeling target detection,target tracking and optimization abnormal event identification key technical problems of classification,and gets the intelligent video surveillance system based on abnormal events detection.

Detection of Abnormal Events;Target Tracking;Video Surveillance System

1007-1423（2017）04-0030-04

10.3969/j.issn.1007-1423.2017.04.07

胡輝（1979-），女，江蘇鹽城人，碩士，講師，研究方向為計算機軟件

黃思博（1984-），男，廣東人，碩士，工程師，研究方向為智能信息處理

胡松（1985-），女，河北秦皇島人，碩士，講師，研究方向為信息系統(tǒng)和信息管理

蔡映雪（1983-），女，廣東汕尾人，本科，研究方向為計算機軟件

陳伽（1979-），男，廣東惠東人，碩士，研究方向為計算機軟件和計算機網(wǎng)絡(luò)

蔡昭權(quán)（1970-），男，廣東陸豐人，碩士，教授，研究方向為計算機網(wǎng)絡(luò)、智能計算、數(shù)據(jù)庫

2016-12-06

2017-01-23

廣東省普通高校青年創(chuàng)新人才類項目（No.2015B010002002）、惠州市科技計劃項目（No.2015B010002002）