智能视频监控中运动目标检测技术

1、科协论坛 2007年第 7期 (下 技术与应用法和国标法对过氧化值 (I2% 进行多次平行测定 , 结果见表3, 由表中结果可以看出 , 本方法与国标法无显著差别。表 3本方法与国标法比较 (n=56结论采用可见分光光度法对油脂过氧化值进行测定 , 方法简 便 , 试剂用量少 , 污染小 , 精密度好 , 准确度高 , 适用于过氧化 值较低的油脂样品的测定。样品编号0.07210.1680.03040.04201引言随着社会安全事件接连不断地发生 , 视频监控系统作为 一种安防的有效手段 , 在许多方面得到了广泛的应用。然而 传统的数字视频监控系统仅仅提供了视频的捕获、存储、 分 发等简单的功

2、能 , 对视频内容只能靠人来判断 , 不能主动提 供监测信息。智能视频监控则能通过自动地、 实时地分析所 监控场景的视频图像序列来发现场景中的活动目标 , 并识别 和跟踪目标 , 给出信息反馈以及不正常现象的警报等。 因此 , 从一个视频序列中检测动态目标是视频监控的首要的任务。 通常 , 背景物体的特征应为一段时间固定不变的物体 , 运动 物体为移动或短暂出现的物体。 然而 , 在实际环境中 , 由于背 景图像 的 动 态 变 化 , 如 天 气 、光 照 、 影 子 及 混 乱 干 扰 等 的 影 响 , 运动目标的检测成为一项相当困难的工作。本文主要讨论分析了目前常见的几种检测运动目标的

3、 技术的特点与不足 , 提出了基于颜色和纹理特征的运动目标 检测法。2相关技术的分析运动目标检测是指通过监控画面识别监控区域的图像 变化 , 从监控场景中将目标提取出来。目前运动目标检测通 常有背景相减法、 光流法、 时间差分法和不变矩特征检测法 几种方法。2.1背景相减法背景相减法是目前运动分割中最常用的一种方法 , 它是 利用当前图像与背景图像的差分来检测出运动区域的一种 技术 , 在实际运用中通常分为学习和测试两个阶段。在学习 阶段 , 研究人员通过收集多张背景图像来构建背景模型 , 在 测试阶段 , 用当前图像与背景图像进行点对点的比较来完成 对目标的检测。它一般能够提供最完全的特征数

4、据 , 但对于 动态场景的变化 , 如光照和外来无关事件的干扰等特别敏 感。最简单的背景模型是时间平均图像 , 大部分的研究人员 目前都致力于开发不同的背景模型 , 以期减少动态场景变化 对于运动分割的影响。如 Stauffer 与 Grimson 对每个像素利 用混合高斯分布建模 , 利用自适应的混合高斯背景模型 , 并 利用在线估计来更新模型 , 从而可靠地处理了光照变化、 背 景混乱运动的干扰等影响。2.2时间差分时间差分方法是利用前后图像来进行直接相减。 一般的 视频图像是三维图像的二维投影 , 三维图像发生变化时其二 维投影图像也会发生相应的改变。 连续视频流的场景具有连 续性 ,

5、当图像没运动时 , 连续帧图像之间变化值很小 , 反之如 有运动产生则会引起帧差 , 当像素的时间差分大于一个阈 值 , 则判断为有运动目标。时间差分运动检测方法对于动态智能视频监控中运动目标检测技术李露(武汉职业技术学院电信工程学院 湖北 武汉430074摘 要 本文主要讨论分析了目前常见的几种检测运动目标的技术的特点与不足 , 提出了一种基于颜色和纹理特征的运动目标检测法 , 此方法结合图像颜色的地区性影像结构 , 可正确地区分背景的图像与运动目标。关键词运动目标背景模型图像纹理 中图分类号 :TP309文献标识码 :A文章编号 :1007-3973(2007 07-13-02"

6、"""""""""""""""""""""""""""""""""""""""""""13技术与应用环境具有较强的自适应性 , 但如果区域比较大 , 而活动目标 较小 ,

7、 也会产生误报。而且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。2.3光流 (Optical Flow 物体与摄像机之间的任何相对运动都将导致视平面上 与空间物体对应点发生变化 , 空间运动在视平面上引起的对 应运动称为运动场。 基于光流方法的运动检测采用了运动目 标随时间变化的光流特性 , 通过计算位移向量光流场来初始 化基于轮廓的跟踪算法 , 从而有效地提取和跟踪运动目标。 光流法的优点是能够检测独立运动的对象不需要预先知道 场景的任何信息 , 并且可用于摄像机运动的情况 , 但大多数 的光流计算方法相当复杂 , 且抗噪性能差 , 除非有特殊的硬 件支持

8、, 否则很难实现实时检测。2.4不变矩特征检测法搜索所有可能为目标的区域 , 计算区域的直方图不变矩 特征 , 认为满足一定条件且与模板匹配程度最高的区域为目 标 。此算法由于需要进行直方图不变矩的匹配和矩函数的 求解 , 计算量较前两种方法大 , 在实时性要求高的环境不适 用。3基于颜色和纹理特征的运动目标检测法本方法利用光学的成像原理 , 定义了一种相邻像素点颜 色对比的算法。将相邻两点的颜色构成相对关系 , 然后将一 定区域内相邻点构成多种结构 , 得到任何一点与其相邻的颜 色的关系组合 , 这种颜色构成的相对关系可以有效地反应出 图像之间的纹理关系。 根据相邻两点的颜色构成相对关系来

9、描述两像素点关系 , 相邻像点颜色对比算法定义如下 :设定 (x =P 0, P 2, P n 为一组 n+1像素点集合 , 它定 义了哪些像素点被选择与 x 点在颜色上的构成关系。 根据一 组 (x , 我们可获得一组地区性影像结构值 。 (x 可用来描述 x 相邻点集合 (x 间所形成的结构关 系。 如想得到整体结构 , 可定义 m(m>=1 组像素点集合 , 从而 得到地区性影像结构值。然后采用背景相减法或时间差分法来检测运动目标 , 首 先收集一组背景的 M 张图像 , 建构出高斯混合模型为 :除了建构背景模组 外 , 同时要计算得到此点相对于 1, m , 这 m 组地区性图像

10、结构值。在检测阶段 , 将先前所 建 构 的 背 景 模 组 和 实 际 模 组 S 进 行 比 对 , 得 到 相 似 度 LK , 如果此值大于所设定的 临 界 值 TH , 则 判 断 图 像 为 背 景 像素点 , 反之则为目标物体像素点。相似度求取方法如下 :最 后 判 断 影 像 点 为 前 景 物 件 影 像 或 背 景 影 像 的 方 式 为 :当 D(X=0, 则 X 为背景像素点 ; 当 D(X=1, 则 X 为目标 物体像素点。 4结论运动目标检测是数字视频监控的基础 , 根据当前帧的像 素值与背景模型的偏离程度 , 来判断该像素是目标像素还是 背景像素是一项非常重要且关键的技术。 本论文提了一种新 的运动目标提取方法 , 结合图像颜色的地区性影像结构 , 可 正确地区分背景的图像与运动目标。参考文献 :3D.Dekel and C.Gatti, “ Video pose tra