淺析智能視頻監(jiān)控中目標(biāo)檢測與跟蹤技術(shù)

姚江

摘 ?要：隨著科學(xué)技術(shù)的發(fā)展，人工智能也逐漸應(yīng)用到各領(lǐng)域中。其中，智能視頻監(jiān)控技術(shù)對于安防來說意義重大。運動目標(biāo)檢測與跟蹤是智能視頻監(jiān)控中一個重要研究方向，應(yīng)用價值非常大。運動目標(biāo)檢測與跟蹤指的是在運動場景中的檢測，即監(jiān)控設(shè)備隨著檢測目標(biāo)的運動而做出相應(yīng)的位置變化，從而使得獲取的目標(biāo)特征更加明顯，目標(biāo)檢測與跟蹤的結(jié)果更為準(zhǔn)確。基于此，本文首先介紹了VSAM系統(tǒng)，然后闡明了一個運動目標(biāo)檢測的方法——幀間差分法，對智能視頻監(jiān)控中目標(biāo)檢測與跟蹤技術(shù)的發(fā)展有重要意義。

關(guān)鍵詞：智能視頻監(jiān)控;目標(biāo)檢測;VSAM系統(tǒng);幀間差分法

1.引言

近年來隨著數(shù)字化、智能化和網(wǎng)絡(luò)化的發(fā)展趨勢不斷增強，視頻監(jiān)控技術(shù)越來越發(fā)達(dá)[1]。全球經(jīng)濟(jì)和科學(xué)技術(shù)的飛速發(fā)展為智能視頻監(jiān)控技術(shù)的發(fā)展提供了有力保障[2]。智能視頻監(jiān)控技術(shù)已經(jīng)成為國內(nèi)外專家學(xué)者競相研究的熱點課題，大大推動了其在軍事、交通、安防等領(lǐng)域的應(yīng)用[3]。運動目標(biāo)檢測和跟蹤技術(shù)是智能視頻監(jiān)控的核心，其算法質(zhì)量直接決定了檢測結(jié)果的準(zhǔn)確性與穩(wěn)定性。

2. VSAM系統(tǒng)

1997至1999年間，美國研制出了VSAM系統(tǒng)，該系統(tǒng)的推出為視頻監(jiān)控提供了極大便利。美國多個研究中心與著名大學(xué)在美國當(dāng)局的支持下開發(fā)了這一自動視頻理解技術(shù)，希望能夠?qū)⑵鋸V泛應(yīng)用于戰(zhàn)爭等危險場合的監(jiān)控。VSAM系統(tǒng)在研制時使用了三維建模技術(shù)，并將地理信息輸入其中，所以一旦檢測跟蹤到目標(biāo)的位置，操控人員就能在地理信息界面上進(jìn)行相應(yīng)操作。該系統(tǒng)運用了大量多類型的傳感器，如紅外微波報警探測器和溫度探測器等，能夠在多種環(huán)境條件下全方位準(zhǔn)確晝夜監(jiān)控。另外，該系統(tǒng)還設(shè)置了人性化的操作界面方便操控人員進(jìn)行標(biāo)記與觀察，使得智能監(jiān)控與人工操作合理結(jié)合，大幅度提高檢測準(zhǔn)確性。該系統(tǒng)還能用于機載航空監(jiān)控，自動對準(zhǔn)鎖定地面目標(biāo)實施實時監(jiān)控，且不需要人工頻繁操作，節(jié)省了大量人力資源。通過架設(shè)在高處旋轉(zhuǎn)云臺的多個攝像機，能夠多角度全方位的進(jìn)行視頻監(jiān)控。系統(tǒng)運作過程中，首先對背景圖像進(jìn)行有規(guī)律地初始化，然后根據(jù)特征區(qū)域法，對監(jiān)控視頻做處理，將實際攝錄的視頻與對應(yīng)區(qū)域的背景進(jìn)行匹配，再減除背景以檢測運動目標(biāo)。由于檢測結(jié)果的準(zhǔn)確性直接由算法決定，而傳統(tǒng)的卡爾曼濾波只能解決單峰問題，所以VSAM系統(tǒng)在研制時拓展了卡爾曼濾波思想，更新了目標(biāo)模板相關(guān)匹配的算法，從而實現(xiàn)了精準(zhǔn)檢測跟蹤。

3. 幀間差分法

智能視頻監(jiān)控得以發(fā)展依靠于運動目標(biāo)的檢測，運動目標(biāo)檢測是智能視頻監(jiān)控能夠定位、識別并跟蹤目標(biāo)的前提。運動目標(biāo)檢測的基本方法包括以下幾個：光流法、背景差分法以及幀間差分法。其中幀間差分法是用來檢測運動目標(biāo)的最常用的一類算法。所謂幀間差分法，顧名思義就是根據(jù)兩幀圖像之間的差異進(jìn)行判斷。具體操作時，對一個區(qū)域的前后兩幀圖像進(jìn)行對應(yīng)像素點的灰度值減差，基于環(huán)境亮度基本不變的前提，如果相減后得到的灰度值差異很小，則說明該區(qū)域在相應(yīng)時間是靜止的;反之，倘若結(jié)果差異很大，則說明在那段時間該區(qū)域有物體運動。然后標(biāo)記好灰度值變化較大的區(qū)域，根據(jù)其找出運動目標(biāo)的具體位置，對其進(jìn)行跟蹤。

幀間差分法雖能識別出運動目標(biāo)的位置，但是在精準(zhǔn)度和實效性方面還有所不足，所以在實際應(yīng)用中還需要采取輔助方法來實現(xiàn)目標(biāo)的識別匹配。由于智能視頻監(jiān)控中攝像機是隨著目標(biāo)運動而有相應(yīng)的位置變化的，所以前后兩幀圖像會發(fā)生平移。雖然這兩幀圖像的背景幾乎沒什么不一樣，但是因為有平移存在，所以還是會對結(jié)果產(chǎn)生影響。由于實際背景圖是三維圖像，而監(jiān)控視頻中反映出的是二維圖像，所以不能將平移視作絕對平移，因而也就沒辦法計算平移量。但是歸根結(jié)底，誤差的產(chǎn)生來源于攝像機的運動，雖然我們沒辦法計算平移量，卻可以根據(jù)攝像機的運動參數(shù)來粗略估計每一像素點的平移量。若要精準(zhǔn)檢測，必須要先消除背景運動帶來的影響，也就是要對每幀圖像作運動補償。

運用圖像塊匹配法，可以消除背景運動的影響，從而直接確定運動目標(biāo)在監(jiān)控視頻圖像中的具體位置。圖像塊匹配法就是把一幀圖像分為一定數(shù)量的小塊來和另一幀圖像進(jìn)行匹配來提高視頻監(jiān)控系統(tǒng)的健壯性。比如說，可以把一幀 1024×1024的圖像分為 12×12 的塊，然后再對前一幀圖像進(jìn)行匹配。常用最小絕對差、最小均方誤差以及歸一化互相關(guān)函數(shù)等準(zhǔn)則進(jìn)行匹配。因為最小均方誤差以及歸一化互相關(guān)函數(shù)計算比較復(fù)雜，所以在實際運算中并不常用，多采用最小絕對差匹配準(zhǔn)則。在最小絕對差基礎(chǔ)上又出現(xiàn)了求和絕對誤差準(zhǔn)則，這一準(zhǔn)則是對最小絕對差的改良，去除了并不必要的除法步驟，計算更簡單方便。

綜合圖像塊匹配法的幀間差分法思路簡單清晰。先把后一幀圖像分為12×12 的小塊，利用每一小塊進(jìn)行匹配?；趦?yōu)化假設(shè)，計算出求和絕對差最小的小塊，將它作為背景圖像在對應(yīng)方向上的移動距離，從而對該幀圖像做出運動補償。消除了背景運動影響后的圖像就能夠直接拿來作幀間差分，這樣就能更為準(zhǔn)確地檢測出運動目標(biāo)。而針對于沒有背景運動的情況，則能夠直接通過幀間差分法確定。檢測出運動目標(biāo)后，還能夠?qū)崿F(xiàn)運動目標(biāo)的識別與自動跟蹤。運用內(nèi)外波門法進(jìn)行跟蹤，先通過外波門確定大致區(qū)域，再由內(nèi)波門進(jìn)行進(jìn)一步的識別與鎖定。

還可以通過Harris角點檢測算法進(jìn)行背景運動補償。首先對前后兩幀圖像提取特征點，然后再大致對每一特征點進(jìn)行簡單匹配，接著再利用RANSAC魯棒估計算法篩選提取的特征點，最后通過這些篩選完的特征點運動矢量集合估算整體的運動矢量，最終完成背景圖運動補償。運用累積幀差法，可以對汽車、坦克、卡車等獨立運動進(jìn)行檢測，然后利用數(shù)字圖像形態(tài)學(xué)操作，去除檢測結(jié)果的噪聲從而獲取目標(biāo)的大致區(qū)域，接著利用幾何活動輪廓的水平集方法，對獲取到的目標(biāo)輪廓進(jìn)行獲取，最終利用相關(guān)方法實現(xiàn)運動目標(biāo)的識別與跟蹤。

4.結(jié)語

傳統(tǒng)的監(jiān)控技術(shù)監(jiān)控方法單一，很難捕捉到運動目標(biāo)的相關(guān)信息，且需耗費大量人力資源對監(jiān)控視頻進(jìn)行篩查，不僅工作繁瑣，效率也非常低。而智能視頻監(jiān)控技術(shù)能夠應(yīng)用到多種場合，對運動目標(biāo)進(jìn)行全方位的監(jiān)控與實時跟蹤，不僅節(jié)省了大量人力物力，且檢測結(jié)果也準(zhǔn)確可靠?，F(xiàn)有的監(jiān)控設(shè)備在實際應(yīng)用中有諸多限制，但是如果配備上相應(yīng)的智能系統(tǒng)，就能廣泛應(yīng)用到各個領(lǐng)域。隨著未來人工智能的進(jìn)一步發(fā)展與應(yīng)用，智能視頻監(jiān)控技術(shù)會得到進(jìn)一步推廣，其對運動目標(biāo)的檢測與跟蹤也會得到更多應(yīng)用。

參考文獻(xiàn)

[1] ?唐慧娟，李軍民. 智能視頻監(jiān)控中的運動目標(biāo)檢測研究[J]. 科技創(chuàng)新與應(yīng)用，2016（12）：41-41.

[2] ?練琳. 基于幀差法與圖像塊匹配方法的運動目標(biāo)檢測與跟蹤[J]. 科技致富向?qū)В?011（27）：56-56.

[3] ?劉瑩，張久東，周衛(wèi)紅. Harris角點檢測算法的優(yōu)化研究[J]. 云南民族大學(xué)學(xué)報自然科學(xué)版，2011，20（2）：136-138.