智能视频监控关键技术

　　对于室内的运动目标检测，因为场景的环境变化较小，影响因素少，检测算法相对户外来说易于设计一些。对于户外的场景，受影响因素较多，如一年四季天气变化，一天中太阳光照变化及场景中某些多模态背景的干扰（摇曳的树，池塘表面的水波纹，飘扬的旗帜），要排除这些干扰背景准确检测出场景中的有效运动还是比较复杂的。目前大部分实现的监控系统都使用了背景建模的算法来分割运动区域，并通过一些图像处理的技术对后期的检测结果图像进行处理，提取出场景中我们感兴趣的目标。目前常用的背景建模算法有高斯混合模型[7]（Gaussian Mixture Model）和码书模型（CodeBook Model）等。本章重点研究了混合高斯背景建模算法。

　　1.2 混合高斯背景建模

　　在静止成像平台下，背景建模（背景相减）是运动目标检测最常用的方法。背景相减法的核心在于生成一副场景的参考图像，并能自动更新。

　　Stauffer等[7]提出的混合高斯模型作为一种像素级建模的算法，能够适应背景重复性运动和照明缓慢变化，取得了较大的成功。我们本节看一下混合高斯背景建模的基本原理。

　　混合高斯模型算法对场景中每个像素点值的分布维护了一个概率密度函数，将场景中每个特定的像素点的值用若干个（一般取3~5个）高斯分布去拟合，每个高斯分布具有自己的权重，因此它能处理多模态背景分布的情况。另一方面，混合高斯模型是参数化的，模型的参数会自适应更新，而且不用缓存过去的视频帧。在算法处理的过程中，随着新图像的到来，我们去更新每个像素点各个高斯分布的权重、均值和方差。

　　在时刻t，某特定像素点像素值为的概率是：

　　这里K代表我们取的分布的个数，它由我们硬件计算能力和可用的内存决定，取值小运算量小计算速度快，但难以去拟合背景的多模分布；取值大则计算耗时太大。目前，现有的系统大都取值为3~5。是在时刻t第n个高斯模型分量的权重，是高斯概率密度函数：

　　这里和是t时刻第n个高斯模型分量的均值和方差。

　　在线估计中，每个新到来的像素值与它对应的K个高斯分布去匹配。如果在某个分布的倍的标准差内，即：

　　我们认为匹配上了该分布。我们称为偏差系数。对匹配上的模型分量，它的参数按以下等式更新：

　　这里和分别是模型分量权重学习率和模型参数学习率，由用户定义。

　　如果当前新到来的像素值和该像素点的任何一个高斯模型分量都未匹配上，我们将以当前观测值为均值，给定一个较大值为初始方差和一个初始较低的权重来构造一个新的模型来替换当前置信度（定义为）最低的模型分量。剩余的模型分量保持原来的均值方差不变，但它们的权重按以下等式衰减：

　　为了确定是否为前景运动像素，我们先按照模型置信度（）对该像素点的K个高斯模型分量进行排序，排序靠前的分量有较低的方差和较高的权重，它们能很好地反映背景的特性。我们选取前面的B个分布作为背景模型，B的取值满足以下准则：

　　这里T是背景的度量比例阈值，根据场景情况具体调整，一般取值0.7左右。如果匹配上这B个分布中任何一个分布，我们认为当前为背景像素，否则为前景运动像素。以上的原理很容易就可以扩展到处理多通道图像数据。

　　

图1-1背景训练过程（混合高斯算法）

　　1.3 目标前景二值图像形态学处理

　　经过前面的运动检测与阴影抑制，我们可以得到一副前景二值图像。因为视频图像的噪声和轻微抖动无法避免，而且混合高斯背景建模算法作为一种像素级的算法，目标与背景之间颜色和灰度相似的情况也时有发生，最后得到的二值图像里前景区域不一定是完整的运动对象，往往有许多孤立的噪声白点、孤立的小区域和小间隙。因此必须对前景图像进行后处理，消除噪声并连接空洞，便于后期通过标记统计目标参数。

　　目前一般使用数学形态学的方法来处理前景图像。数学形态学有膨胀、腐蚀、开/闭运算四个基本操作。

　　1.4.1  二值图像膨胀

　　膨胀算符为，图像X与结构元素B膨胀定义如下：

　　其中是结构元素B关于原点对称的映射。X被B膨胀的结果由所有位移x后并能击中图像X的所有像素点的集合构成，也就是说和A至少有一个像素是重叠的，示意图如图2-3：

　　

图1-4 图像膨胀操作示意图

　　上图中X是我们要处理的图像，B是结构元，又称刷子，是一副比较小的图像。对于任意一个在上图中阴影部分的点a， 击中X，所以X经过结构元B膨胀后的结果就是上图阴影部分，包括了原来X的所有范围以及X周围的一圈，这也是这一操作得名的原因。

　　1.4.2  二值图像腐蚀

　　腐蚀运算可以看做膨胀运算的对偶运算，运算符为，定义如下：

　　腐蚀运算即结构单元B位移x后得到，若在X的范围之内，我们记下这个点x，所有满足上述条件的x点的集合构成了X被B腐蚀的结果，示意图如下图2-4：

　　图1-5 图像腐蚀操作示意图

　　X是我们要处理的图像，B是结构元，可以看到对于任意一个在阴影部分的点x都有 包含于X，所以阴影部分就是X被B腐蚀的结果。阴影部分只是在X的范围之内的一个部分，就像X的周围被剥掉了一些，这也是腐蚀得名的原因。

　　1.4.3  二值图像开操作

　　开/闭运算其实是膨胀和腐蚀操作的组合[21]。将腐蚀和膨胀级联使用，给定目标图像X和结构元素B，X对B的开运算定义为：