基于智能視頻監控的安防系統設計（二）

　　3 智能視頻分析的實(shí)現

　　對視頻圖像的采集、分析工作主要由前端攝像機內置的嵌入式微處理器來(lái)完成。 這種數據處理方式可以使得系統對原始或最接近原始的圖象進(jìn)行分析，第一時(shí)間做出快速而準確的判斷。

　　一個(gè)完整的視頻圖像分析處理過(guò)程需要融合圖像處理技術(shù)、模式識別技術(shù)等多種技術(shù)手段才能達到較好的實(shí)踐效果。 其工作過(guò)程包括圖像的預處理、圖像分割、特征提取和圖像分類(lèi)，工作流程圖如圖3所示。

　　系統的圖像識別設計借鑒運動(dòng)檢測的思路來(lái)實(shí)現：首先根據各坐標的像素值在整個(gè)序列中的統計信息對背景進(jìn)行恢復，如有異常情況，則提取出來(lái);然后再利用統計方法識別該異常情況的所屬類(lèi)別。

　　圖像的識別主要運用幀間變化檢測方法來(lái)實(shí)現，其基本流程分為：

　　(1)圖像預處理，根據圖像的模糊情況采用各類(lèi)特殊技術(shù)來(lái)突出圖像中的某些細節信息并削弱或消除無(wú)關(guān)信息，從而達到增強圖像的整體或局部特征的目的。

　　(2)圖像的背景恢復及異常提取，根據各坐標處像素值在整個(gè)序列中的統計信息對圖像背景進(jìn)行恢復，然后利用當前幀與恢復出來(lái)的背景相減，提取出發(fā)生了異常情況的區域;(3)圖像分類(lèi)，利用當前幀與恢復出來(lái)的靜態(tài)背景相減，提取出所有可能發(fā)生了異常情況的區域。

　　3.1 圖像預處理

　　常見(jiàn)的圖像增強從處理的作用域出發(fā)，可分為空間域和頻率域兩大類(lèi)，其中空間域增強是直接在圖像所在空間中進(jìn)行處理，對圖像的像素灰度值直接進(jìn)行運算處理。 空間域圖像增強技術(shù)可用公式1來(lái)描述：

　　式中：F(x,y)為處理前的圖像，G(x,y)為處理后的圖像，H(x,y)為空間運算函數頻率域圖像增強是將原空間的圖像以某種形式轉換到其他空間，然后利用該轉換空間的特有性質(zhì)進(jìn)行處理，最后再轉換回原空間中。 其過(guò)程可用圖4來(lái)描述：

　　3.2 圖像背景恢復及異常提取

　　視頻序列的幀與幀之間有很強的相關(guān)性，如果只利用單幀信息來(lái)進(jìn)行分析處理，錯誤率很高，當前分析效果較好的方法是聯(lián)合多幀進(jìn)行處理。 基于這一思想，可以根據各個(gè)坐標處像素值在整個(gè)序列中的統計信息對背景進(jìn)行恢復。 文中設計的系統采用靜態(tài)背景恢復進(jìn)行處理：

　　首先，我們將圖像序列定義為B(x,y,i)，其中x,y代表空間坐標，i代表幀數(i=1, …， N)，N為序列總幀數。 視頻幀差CDM反映了相鄰幀之間的灰度變化：

　　式中：閾值T用來(lái)去除噪聲。 對固定的坐標位置(x,y)，CDM(x,y,i)可以表示為幀數i的函數，它記錄了像素點(diǎn)(x,y)沿時(shí)間軸的變化曲線(xiàn)。 可以根據CDM(x,y,i)是否大于零將這條曲線(xiàn)分段，并將其用集合

表示。

　　系統操作步驟具體為：

　　(1)讀出相鄰兩幀數據，進(jìn)行比較，并計算出它們的差值;(2)對得到的兩幀圖像差進(jìn)行二值化處理，將二值化后的圖像在特定的腐蝕窗口條件下進(jìn)行腐蝕處 理，隨后計算出經(jīng)腐蝕處理后的圖像的標準幀間偏移;(3)重復步驟(1)和步驟(2);(4)對每一個(gè)像素點(diǎn)跟蹤最大長(cháng)度設定為0,并記錄其最大長(cháng)度中的 中間幀標號;(5)遍歷整個(gè)序列，跟蹤、記錄下單個(gè)點(diǎn)連續為0的最大長(cháng)度;(6)遍歷整幀圖像，設置背景數據，恢復得到靜態(tài)背景。

　　3.3 圖像分類(lèi)

　　從一個(gè)復雜的場(chǎng)景中提取出目標物體后，為了便于識別，需要對目標物體的尺寸特征、形狀特征等進(jìn)行測量計算。 這些特征必須相對于特定的物體具有一定的穩定性，例如當圖像發(fā)生旋轉、平移時(shí)，物體的面積、周長(cháng)不會(huì )出現明顯變化;當圖像由于目標物體與攝像機距離的不同 而導致攝入的圖像大小不同時(shí)，比例特征不會(huì )發(fā)生改變。 系統可以借助這些較為穩定的特征來(lái)區別不同的物體，從而準確識別進(jìn)入場(chǎng)景的目標。 在本系統中，主要采用面積和比例特征來(lái)區分運動(dòng)對象。

　　系統圖像分類(lèi)采用統計模式識別方法，該方法事先定義了若干的類(lèi)型或范疇，它認為圖像可能包含一個(gè)或多個(gè)物體，并且每個(gè)物體都將屬于某一類(lèi)事先定義的類(lèi)型或范疇.　　其中完成“分類(lèi)”工作的器件是“分類(lèi)器”. 分類(lèi)器的類(lèi)型有許多，比如參數的和非參數的，線(xiàn)性的和非線(xiàn)性的。 本系統設計選擇了線(xiàn)性分類(lèi)器，并利用最小距離分類(lèi)法對物體進(jìn)行辨識分類(lèi)。 該方法是用輸入模式和特征空間作為模板的點(diǎn)之間的距離作為分類(lèi)的準則。 設有m個(gè)類(lèi)別的圖像，其類(lèi)別分別為W1,W2,…，Wm. 現要判斷任一個(gè)給定的圖像是這m個(gè)類(lèi)別中的哪一類(lèi)，則可以通過(guò)提取圖像的特征來(lái)進(jìn)行判斷。

　　當圖像類(lèi)別很多時(shí)，特征一般也較多。 為了分析和分類(lèi)的方便，可用圖像的d(假設圖像有d個(gè)特征)個(gè)特征組成d維空間中的特征向量X來(lái)表示，如果有m個(gè)類(lèi)別，就有m個(gè)這樣的特征向量。

　　因此，從圖像中提取到全部特征后，組成d維向量，采用最小距離分類(lèi)法與樣本庫中的圖像類(lèi)的特征向量進(jìn)行匹配運算，如果其與第i(0

　　4 小 結

　　針對視頻監控領(lǐng)域的發(fā)展現狀和存在的問(wèn)題，基于前人的研究結果和作者多年來(lái)的工作實(shí)踐，文中提出了一種基于智能視頻分析的監控系統設計，從硬件架構和軟件架構上都做了分析說(shuō)明，為監控系統的設計提供了一種新的方法和思路。

　　智能視頻監控技術(shù)的應用前景非常廣大，停車(chē)場(chǎng)、高速路、工廠(chǎng)、軍事基地的安全管理都急需它的幫助，而且伴隨著(zhù)硬件處理能力和軟件分析能力的不斷提高，智能 視頻監控系統的工作效能還將繼續提升，新的功能也將不斷涌現，它必將取代現有的傳統監控，開(kāi)啟安防管理工作新的篇章。