MOG2算法在區(qū)域入侵檢測的應(yīng)用

朱松

摘 要： 隨著視頻監(jiān)控技術(shù)的發(fā)展，視頻監(jiān)控更加高清化、網(wǎng)絡(luò)化、智能化，同時，安防領(lǐng)域中也對視頻監(jiān)控提出更多要求。監(jiān)控系統(tǒng)能夠?qū)ΡO(jiān)控視頻進(jìn)行分析，具有對視頻中的人物檢測或者預(yù)警等功能，這樣在減少人力、物力資源的投入，同時也能提高監(jiān)控的質(zhì)量以及效率。本文提出用MOG2算法檢測區(qū)域是否存在異常，以便給予警示，提醒工作人員幫忙等，對于提高人們生活安全具有重要意義。

關(guān)鍵詞： MOG2算法;視頻監(jiān)控;區(qū)域入侵

1 原理與算法

視頻中一個像素點(diǎn)的像素值大小是隨機(jī)的、不確定的，對于每一個像素點(diǎn)的像素值大小可以使用高斯混合模型（MOG2）來預(yù)測和解釋。MOG2算法對視頻信息中的每一個像素點(diǎn)都建立了模型，模型中像素點(diǎn)的大小是多個不同權(quán)值的高斯分布疊加，模型中每個像素點(diǎn)的高斯分布越多，則每個運(yùn)動像素點(diǎn)建立的背景模型就更加接近實(shí)景。模型中首先選取了若干幀作為背景幀，分析背景幀的像素分布，并統(tǒng)計像素信息作為背景。模型建立完畢后，對新的畫面使用背景幀的統(tǒng)計差分信息完成新畫面像素點(diǎn)的前景背景分類。

2 模型構(gòu)建與算法分析

2.1 圖像降噪

視頻成像系統(tǒng)中不可避免的存在各式各樣的干擾噪聲，光線、焦距、帶寬、硬件接口、軟件編解碼等。噪聲的產(chǎn)生總是和圖像的成像過程緊密相連，可能在傳輸中亦或者是量化過程中。噪聲的常見形式可分為一下幾種：

1）加性噪聲。 f（x，y）=g（x，y）+n（x，y） （1）

加性噪聲與原始視頻信號呈加法關(guān)系，無論視頻信號是否存在，該噪聲都存在。加性噪聲可能產(chǎn)生于視頻畫面的采集、傳輸、處理過程，或是視頻采集系統(tǒng)接收到自然界存在的信號等。

2）乘性噪聲。 f（x，y）=g（x，y）+n（x，y）g（x，y） （2）

乘性噪聲與原始視頻信號呈乘法關(guān)系，其產(chǎn)生原因是由于信道的不理想。信號的傳輸過程中要經(jīng)過傳輸信道，當(dāng)信道參數(shù)不理想時，乘性噪聲就存在，所以乘性噪聲隨著信號的存在而存在，當(dāng)信號傳輸完畢，不占用信道時，乘性噪聲就會消失。

3）量化噪聲。量化噪聲總是在數(shù)字系統(tǒng)中，這是數(shù)字系統(tǒng)本身所決定的。在自然界的信號中多是模擬信號，但是計算機(jī)的存儲方式?jīng)Q定其只能處理數(shù)字信息，所以為了盡可能的模擬、存儲、處理自然界的信號，系統(tǒng)采集到的模擬信號送到量化器（A/D轉(zhuǎn)換器）編碼成數(shù)字信號，每個數(shù)字代表一次采樣所獲得的信號瞬間值。量化時，信號的量化級在完成模數(shù)轉(zhuǎn)換的同時也帶來了量化噪聲，盡管不能全面獲取自然界的模擬信號，但是數(shù)字化的信號有利于信號的傳輸和處理，也不可避免的帶來量化噪聲。

2.2 圖像灰度化

多通道的彩色圖像轉(zhuǎn)化為單通道的灰度圖像就是圖像的灰度化。在計算機(jī)的圖像存儲結(jié)構(gòu)中，為了表達(dá)圖像的顏色信息，圖像以三基色的形式存儲在計算機(jī)內(nèi)。視覺中人類看到的彩色的數(shù)字圖像是三種顏色分量圖像的疊加，三種顏色分量R、G、B，取值為0-255?；叶葓D像是單通道的圖像，其像素點(diǎn)的變化范圍只有255種，因此彩色圖像轉(zhuǎn)化為灰度圖像可以極大的減少后續(xù)處理過程的計算量。

常見的圖像灰度化算法有以下幾種

1）分量法。將三通道中RGB三基色的數(shù)值大小作為灰度圖像的灰度值大小，根據(jù)應(yīng)用或者算法的設(shè)置選取一個數(shù)值作為灰度圖像的灰度值。f1（i，j）=R（i，j） f2（i，j）=G（i，j） f3（i，j）=B（i，j）其中fk（i，j）（k=1，2，3）為轉(zhuǎn)換后的灰度圖像在（i，j）處的灰度值。

2）最大值法。將三通道中RGB三基色的數(shù)值最大的作為灰度圖像的灰度值大?。篺（i，j）=max（R（i，j），G（i，j），B（i，j））

3）加權(quán)平均法。三通道的顏色數(shù)值根據(jù)不同的權(quán)值進(jìn)行加權(quán)平均。人眼對不同得顏色敏感程度不一，對RGB三通道數(shù)值進(jìn)行加權(quán)平均能得到較合理的灰度圖像。

2.3 OTSU大津法

數(shù)字圖像可分為前景部分和背景部分，其分類依據(jù)可以按照雙目視覺中景物的遠(yuǎn)近，亦或者是單目視覺中圖像的灰度特性。在利用圖像的灰度特性進(jìn)行前景、背景提取算法中，大津法根據(jù)前景和背景之間的類間方差大小來分類。方差是數(shù)據(jù)分布均與度好壞的體現(xiàn)，方差大數(shù)據(jù)分布不均與，方差小數(shù)據(jù)分布均勻，而類間方差最大化就是前景和背景的顏色數(shù)值大小最大化，就是錯分概率最小化的體現(xiàn)。

算法步驟如下：1）遍歷灰度化圖像，統(tǒng)計數(shù)字圖像中每個像素的個數(shù)。2）計算每一個像素占整幅圖像像素的概率分布。3）計算每一個當(dāng)前像素下的類間方差大小。4）尋找最大的類間方差并得出最大類間方差下的像素值大小。

2.4 構(gòu)建高斯模型

將背景模型影響幀數(shù)設(shè)置為500幀，模型匹配閾值為OTSU大津法獲得的最佳背景切割閾值，陰影檢測設(shè)置為True。模型算法流程如下圖1所示：

3 結(jié)果分析

從圖2中可以看出高斯模型檢測效果較好，物體的輪廓比較完整，而且背景中噪聲較小，檢測背景較為干凈?？傮w上來說，基于OTSU和混合高斯背景建模檢測效果達(dá)到了預(yù)期的檢測目的，可監(jiān)控視頻范圍內(nèi)的移動物體，行人和移動的車輛均可以檢測。

通過視頻監(jiān)控設(shè)備拍攝的圖像進(jìn)行圖像預(yù)處理，降噪和灰度化，過每一幀的畫面做最佳切割閾值判斷，最后使用混合高斯建模分析視頻素材。安防領(lǐng)域是視頻監(jiān)控領(lǐng)域中重要的組成部分，處理得到的圖像信息對于安防領(lǐng)域具有重要意義。

參考文獻(xiàn)：

[1]張超，吳小培，周建英，等.基于改進(jìn)高斯混合建模和短時穩(wěn)定度的運(yùn)動目標(biāo)檢測算法[J].電子與信息學(xué)報，2012，34（10）：2402-2408.

[2]謝雙云，王芳，田建艷，等.融合高斯混合建模和圖像?；呢i只目標(biāo)檢測[J].黑龍江畜牧獸醫(yī)，2016（1）：29-32.