基于智能視頻監(jiān)控的安防系統(tǒng)設(shè)計（二）

　　3 智能視頻分析的實現(xiàn)

　　對視頻圖像的采集、分析工作主要由前端攝像機(jī)內(nèi)置的嵌入式微處理器來完成。 這種數(shù)據(jù)處理方式可以使得系統(tǒng)對原始或最接近原始的圖象進(jìn)行分析，第一時間做出快速而準(zhǔn)確的判斷。

　　一個完整的視頻圖像分析處理過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(dá)到較好的實踐效果。 其工作過程包括圖像的預(yù)處理、圖像分割、特征提取和圖像分類，工作流程圖如圖3所示。

　　系統(tǒng)的圖像識別設(shè)計借鑒運(yùn)動檢測的思路來實現(xiàn)：首先根據(jù)各坐標(biāo)的像素值在整個序列中的統(tǒng)計信息對背景進(jìn)行恢復(fù)，如有異常情況，則提取出來;然后再利用統(tǒng)計方法識別該異常情況的所屬類別。

　　圖像的識別主要運(yùn)用幀間變化檢測方法來實現(xiàn)，其基本流程分為：

　　(1)圖像預(yù)處理，根據(jù)圖像的模糊情況采用各類特殊技術(shù)來突出圖像中的某些細(xì)節(jié)信息并削弱或消除無關(guān)信息，從而達(dá)到增強(qiáng)圖像的整體或局部特征的目的。

　　(2)圖像的背景恢復(fù)及異常提取，根據(jù)各坐標(biāo)處像素值在整個序列中的統(tǒng)計信息對圖像背景進(jìn)行恢復(fù)，然后利用當(dāng)前幀與恢復(fù)出來的背景相減，提取出發(fā)生了異常情況的區(qū)域;(3)圖像分類，利用當(dāng)前幀與恢復(fù)出來的靜態(tài)背景相減，提取出所有可能發(fā)生了異常情況的區(qū)域。

　　3.1 圖像預(yù)處理

　　常見的圖像增強(qiáng)從處理的作用域出發(fā)，可分為空間域和頻率域兩大類，其中空間域增強(qiáng)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(yùn)算處理。 空間域圖像增強(qiáng)技術(shù)可用公式1來描述：

　　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(yùn)算函數(shù)頻率域圖像增強(qiáng)是將原空間的圖像以某種形式轉(zhuǎn)換到其他空間，然后利用該轉(zhuǎn)換空間的特有性質(zhì)進(jìn)行處理，最后再轉(zhuǎn)換回原空間中。 其過程可用圖4來描述：

　　3.2 圖像背景恢復(fù)及異常提取

　　視頻序列的幀與幀之間有很強(qiáng)的相關(guān)性，如果只利用單幀信息來進(jìn)行分析處理，錯誤率很高，當(dāng)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(jù)各個坐標(biāo)處像素值在整個序列中的統(tǒng)計信息對背景進(jìn)行恢復(fù)。 文中設(shè)計的系統(tǒng)采用靜態(tài)背景恢復(fù)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(biāo)，i代表幀數(shù)(i=1, …， N)，N為序列總幀數(shù)。 視頻幀差CDM反映了相鄰幀之間的灰度變化：

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

表示。

　　系統(tǒng)操作步驟具體為：

　　(1)讀出相鄰兩幀數(shù)據(jù)，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(biāo)準(zhǔn)幀間偏移;(3)重復(fù)步驟(1)和步驟(2);(4)對每一個像素點跟蹤最大長度設(shè)定為0,并記錄其最大長度中的 中間幀標(biāo)號;(5)遍歷整個序列，跟蹤、記錄下單個點連續(xù)為0的最大長度;(6)遍歷整幀圖像，設(shè)置背景數(shù)據(jù)，恢復(fù)得到靜態(tài)背景。

　　3.3 圖像分類

　　從一個復(fù)雜的場景中提取出目標(biāo)物體后，為了便于識別，需要對目標(biāo)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(wěn)定性，例如當(dāng)圖像發(fā)生旋轉(zhuǎn)、平移時，物體的面積、周長不會出現(xiàn)明顯變化;當(dāng)圖像由于目標(biāo)物體與攝像機(jī)距離的不同 而導(dǎo)致攝入的圖像大小不同時，比例特征不會發(fā)生改變。 系統(tǒng)可以借助這些較為穩(wěn)定的特征來區(qū)別不同的物體，從而準(zhǔn)確識別進(jìn)入場景的目標(biāo)。 在本系統(tǒng)中，主要采用面積和比例特征來區(qū)分運(yùn)動對象。

　　系統(tǒng)圖像分類采用統(tǒng)計模式識別方法，該方法事先定義了若干的類型或范疇，它認(rèn)為圖像可能包含一個或多個物體，并且每個物體都將屬于某一類事先定義的類型或范疇.　　其中完成“分類”工作的器件是“分類器”. 分類器的類型有許多，比如參數(shù)的和非參數(shù)的，線性的和非線性的。 本系統(tǒng)設(shè)計選擇了線性分類器，并利用最小距離分類法對物體進(jìn)行辨識分類。 該方法是用輸入模式和特征空間作為模板的點之間的距離作為分類的準(zhǔn)則。 設(shè)有m個類別的圖像，其類別分別為W1,W2,…，Wm. 現(xiàn)要判斷任一個給定的圖像是這m個類別中的哪一類，則可以通過提取圖像的特征來進(jìn)行判斷。

　　當(dāng)圖像類別很多時，特征一般也較多。 為了分析和分類的方便，可用圖像的d(假設(shè)圖像有d個特征)個特征組成d維空間中的特征向量X來表示，如果有m個類別，就有m個這樣的特征向量。

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

　　4 小 結(jié)

　　針對視頻監(jiān)控領(lǐng)域的發(fā)展現(xiàn)狀和存在的問題，基于前人的研究結(jié)果和作者多年來的工作實踐，文中提出了一種基于智能視頻分析的監(jiān)控系統(tǒng)設(shè)計，從硬件架構(gòu)和軟件架構(gòu)上都做了分析說明，為監(jiān)控系統(tǒng)的設(shè)計提供了一種新的方法和思路。

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