智能视频监控关键技术

　　深圳辉锐天眼科技有限公司

      智能视频监控技术能够可靠地、有效地完成对重要场所的监视保护任务，从而备受人们的关注。智能视频监控系统在银行、交通、军事、商业等部门都得到了非常广泛的应用。随着计算机技术、硬件技术与通信技术的飞速发展，视频监控技术也得到了不断地发展。智能视频监控系统中的运动目标检测与跟踪为智能监控的进一步的分析工作提供了数据支撑。人类获取的各种信息中有大约80%是来自于视觉的。在视觉和人脑的配合下，人类可以实现对极为复杂的运动目标的识别、精确定位与跟踪。计算机视觉就是用各种成像系统代替视觉器官作为输入敏感手段，由计算机完成人类大脑所完成的处理和解释任务，它的最终研究目标就是使计算机能象人一样通过视觉观察和理解世界，具有自主适应环境的能力。

　　作为计算机视觉研究的一个重要方面，智能视频监控以及运动目标检测与跟踪已经成为模式识别、图像处理、计算机视觉等领域的重要课题。智能视频监控在不需要人为干预的情况下，利用计算机视觉和视频分析的方法对摄像机拍录的图像序列进行自动分析，实现动态场景中的目标的检测、识别和跟踪，并在此基础上分析和判断目标的行为。传统的视频监控系统由连接到一套电视监视器上的一个或多个摄像机组成，分布在场景中的摄像头采集到的图像数据送入监控室，再通过人工参与监控的方式来进行监控，在有异常情况发生的时候人工报警。这种方法利用了人眼强大的视觉能力和人脑强大的行为识别和分析能力，能够对场景里异常情况的发生做出精确的判断。但是这种人工监控的方式也存在着明显的缺陷。它需要全天二十四小时的人工监控，这不仅需要投入大量的人力和财力，对于监控人员也是一个很大地挑战。由于工作的单调枯燥，监控人员很难避免由于疲劳引起的“漏警”现象的发生。而当今社会日益流行的智能视频监控系统能够弥补传统视频监控的这一缺陷。它利用计算机来分析采集到的视频数据，监视场景里是否存在异常情况，核心就是利用运动目标的检测与跟踪技术提取出运动目标并跟踪其轨迹，再根据具体的场合应用人工设置的一些场景规则，对目标进行相关的行为分析，达到无人值守智能监控的目的，可以减少人员参与，提高工作效率。智能视频监控技术通常包括运动检测、目标分类和识别、目标跟踪以及行为理解与描述几个部分。其中运动检测和目标分类识别属于低级处理部分，目标跟踪属于中级处理部分，而行为理解和描述则属于高级处理部分。在智能视频监控系统中，运动目标的检测和跟踪是目标行为理解的前提，其性能直接影响监控系统的有效性，是智能视频监控系统的关键组成部分。

　　在本方法实现静止平台下智能视频监控主要划分为以下几个步骤：背景建模与运动目标检测；运动目标分类与跟踪。

　　1 监控场景背景建模

　　1.1 背景建模算法

　　从图像序列中分割出运动区域是许多计算机视觉系统的关键的第一步，运动区域能否准确地分割出来决定了运动检测结果的好坏，直接关系到后续的运动目标识别及跟踪，并影响系统的性能和实用性。在许多场合下，采集图像数据的监控摄像机一般固定某处不动，针对这种静止成像平台下的应用场景，目前主要有三类运动检测的方法：时间差分法（又称序列帧间差分）、背景建模法（又称背景相减）和光流场法。光流场由于算法复杂度高，实现难度大，若没有专门的硬件辅助实现难以应用于实时应用场合。这里主要介绍时间差分法和背景相减法。

　　目前常用的运动目标检测技术分为以下三类[6][7]：

　　1）帧间差分法：利用视频序列中相邻的帧的图像具有连续性的特性，通过计算连续图像序列中的两个或三个相邻帧间的基于像素的时间差分，并且阈值化来提取运动区域的一种方法。

　　2）背景差分法：用当前的帧和背景图像做差分来检测场景中的运动目标的。背景图像是预存的，它可以根据场景的变化不断地进行更新，也是背景差分法的主要影响因素。

　　3）光流法：利用运动目标随着时间变化的光流特征，通过计算光流来检测运动。

　　这三类运动目标检测技术都存在着各自的优缺点。这三类技术的比较如表 2-1所示。帧间差分法的算法复杂度较低，易于实现，而且运算量小。但是它一般不能完全提取出所有相关的特征像素点，在运动实体内部容易产生空洞现象。这会影响到后续的跟踪以及行为分析等的有效性和正确性。

　　背景差分法能够提取出比较完整的运动目标的区域信息。对于室内的场景检测，检测算法相对户外来说容易设计。对于户外的场景，受影响因素较多，如天气变化，太阳光照变化及场景中某些背景的干扰（摇曳的树，池塘表面的水波纹，飘扬的旗帜），要排除这些背景干扰准确检测出场景中的有效运动还是比较复杂的。背景差分中背景模型的建立和更新影响着算法的准确性。

　　光流法能够检测出独立运动的对象，不需要预先知道场景的任何信息，而且在摄像机运动的情况下也可以检测出运动目标。但是大多数的光流法计算过程相当复杂，抗噪性能差。如果没有特别的硬件支持是不能被应用到实时处理中的。

　　表 1-1 运动目标检测技术比较

　　场景中目标的运动势必会在时间轴上使图像数据发生变化，显然我们可以通过检测这种时间上的变化来分析出场景中的运动。原理如下图2-1，虽然时间差分算法简单，也有一些监控场合使用多帧时间差分方法做运动检测。

　　
图2-1  时间差分法原理

　　时间差分法可以选择间隔一帧或多帧图像做图像差分，以相邻两帧做差分为例。设t-1时刻收到的图像为，t时刻收到的图像为，则定义差分图像为：

　　利用图像分割技术选取合适的门限T，对差分图像进行图像二值化分割处理得到运动前景像素：

　　由以上过程可知，时间差分法只需要两幅不同时刻的图像在每个像素点进行简单的像素值相减和判决操作，其复杂度是很低的，而且易于实现，运算量小，速度快，在性能较差的硬件平台也能达到较高的处理效率。此外由于时间差分法做差分的两幅图像时间间隔很短，差分图像受光照条件的影响小，也能够在一定程度上适应动态变化的场景。时间差分法缺点也很明显，它无法完整提取出运动区域，只能检测出运动区域周围的轮廓，当目标运动速度较慢时，如果选取间隔帧数太小，甚至有可能无法检测出目标运动。

　　背景建模法又称背景相减法，即利用当前收到的帧图像与预存的一副背景参考图像做差分来检测场景中运动目标的技术。这类方法的核心是如何建立背景模型以及选择背景模型的随着时间变化的更新策略。算法原理如下图2-2所示：

　　
图2-2  背景相减法原理

　　通过计算出当前收到的帧图像与参考背景图像的差，再对差分图像进行二值分割操作得到场景的运动像素：