張騰云，荊 濤，霍 炎

（北京交通大學(xué)電子信息工程學(xué)院，北京100044）

目前，鐵路安全監(jiān)控與管理都是以被動(dòng)方式運(yùn)作的，無法在事前主動(dòng)偵測事件以防止威脅事件發(fā)生。智能視頻入侵檢測技術(shù)借助計(jì)算機(jī)強(qiáng)大的數(shù)據(jù)處理功能，對視頻畫面中的海量數(shù)據(jù)進(jìn)行高速分析，過濾掉用戶不關(guān)心的信息，僅僅為監(jiān)控者提供有用的關(guān)鍵信息。智能視頻入侵檢測以數(shù)字化、網(wǎng)絡(luò)化視頻監(jiān)控為基礎(chǔ)，是一種更高端的視頻入侵檢測應(yīng)用[1]。

智能視頻入侵檢測技術(shù)其研究工作涉及模式識(shí)別、圖像與視頻處理、計(jì)算機(jī)視覺、人工智能、認(rèn)知科學(xué)等多個(gè)信息學(xué)科知識(shí)。智能視頻入侵檢測系統(tǒng)通過攝像頭捕獲場景的視頻數(shù)據(jù)，通過對數(shù)據(jù)的自動(dòng)分析獲取場景信息并采取相應(yīng)措施，其最終目標(biāo)是用攝像頭代替人眼，計(jì)算機(jī)代替人腦。其一般過程包含：動(dòng)/靜態(tài)場景建模、運(yùn)動(dòng)檢測、物體分類識(shí)別、目標(biāo)跟蹤、理解和描述行為、人和車輛的識(shí)別、多攝像頭信息融合、圖像視頻檢索等。

1 智能視頻入侵檢測系統(tǒng)結(jié)構(gòu)

在傳統(tǒng)監(jiān)控系統(tǒng)中，動(dòng)/靜態(tài)場景建模、運(yùn)動(dòng)檢測之類的基礎(chǔ)應(yīng)用已經(jīng)比較成熟[2]，但智能視頻入侵檢測系統(tǒng)的核心是：物體分類識(shí)別、目標(biāo)跟蹤、理解和描述行為。只有真正做到了這些功能，才能實(shí)現(xiàn)最終用攝像頭代替人眼，計(jì)算機(jī)代替人腦的目標(biāo)[3]。

該系統(tǒng)實(shí)時(shí)分析監(jiān)控區(qū)域內(nèi)的視頻圖像，發(fā)現(xiàn)入侵目標(biāo)后，分割入侵目標(biāo)并存儲(chǔ)，同時(shí)發(fā)出報(bào)警信號(hào)，最終實(shí)現(xiàn)對入侵目標(biāo)的實(shí)時(shí)檢測與異常報(bào)警。

圖1 智能視頻入侵檢測系統(tǒng)框圖

智能視頻入侵檢測系統(tǒng)框圖如圖1。該系統(tǒng)運(yùn)行狀態(tài)分為：正常監(jiān)控狀態(tài)和入侵報(bào)警監(jiān)控狀態(tài)。正常監(jiān)控狀態(tài)下只實(shí)時(shí)分析監(jiān)控區(qū)域，入侵報(bào)警監(jiān)控狀態(tài)下不但實(shí)時(shí)分析監(jiān)控區(qū)域，而且發(fā)出報(bào)警信息，并存儲(chǔ)監(jiān)控視頻。圖1中虛線框圖部分完成對監(jiān)控視頻的實(shí)時(shí)分析和入侵目標(biāo)的檢測和分割處理。

圖像（前端）采集：是安裝在現(xiàn)場的設(shè)備，包括攝像機(jī)、視頻光端機(jī)。主要任務(wù)是對現(xiàn)場進(jìn)行實(shí)時(shí)視頻數(shù)據(jù)采集，通過光纖傳輸，將現(xiàn)場圖像傳到視頻處理分析部分。

視頻（智能）分析處理：設(shè)備包括視頻服務(wù)器（數(shù)字編碼/智能分析）和現(xiàn)場數(shù)據(jù)處理工控機(jī)。對前端采集的視頻進(jìn)行分析，主要是入侵檢測和目標(biāo)分割與跟蹤，設(shè)定特定的規(guī)則判斷現(xiàn)場的緊急情況程度，根據(jù)情況上報(bào)或報(bào)警，同時(shí)可對現(xiàn)場視頻錄像。

信息上傳：在指揮中心配置綜合視頻監(jiān)控平臺(tái)，可以實(shí)時(shí)顯示前端報(bào)警信息、現(xiàn)場實(shí)時(shí)圖像等信息，并根據(jù)入侵信息發(fā)出告警信息。

2 入侵檢測

2.1 運(yùn)動(dòng)目標(biāo)檢測

視頻入侵檢測，是通過分析視頻圖像，檢測是否有運(yùn)動(dòng)目標(biāo)（人或落石）入侵監(jiān)控區(qū)域，如圖2中檢測到工人入侵，并根據(jù)檢測結(jié)果做出應(yīng)對措施。檢測入侵目標(biāo)的準(zhǔn)確性及能否分割出入侵目標(biāo)，對后續(xù)的應(yīng)對措施起到?jīng)Q定性的影響，且直接關(guān)系到視頻的編碼傳輸效率。因此，檢測運(yùn)動(dòng)目標(biāo)的精確度就顯得尤為重要。

本文綜合了常用的視頻目標(biāo)分割中基于連續(xù)幀差和背景幀差2種方法，通過當(dāng)前幀、前一幀的參考背景和前一幀的圖像內(nèi)容3幅圖像信息，首先計(jì)算前后2幀的差分值，根據(jù)亮度補(bǔ)償，更新參考背景，利用背景幀差分檢測運(yùn)動(dòng)的入侵目標(biāo)，比較連續(xù)k幀的參考背景確定是背景變化還是目標(biāo)入侵。這種方法避免了由于外界非入侵因素（如光照變化）等情況導(dǎo)致的對入侵目標(biāo)的誤檢和漏檢，保證系統(tǒng)檢測的準(zhǔn)確性和魯棒性。

2.2 初始參考背景的生成與更新

圖2 入侵檢測圖例

考慮到在區(qū)域監(jiān)控時(shí)，基于背景幀差的目標(biāo)分割方法，要得到一個(gè)純背景幀圖像而不包含任何入侵目標(biāo)，某些情況下是很難實(shí)現(xiàn)的。綜合了連續(xù)幀差與靜態(tài)區(qū)域分割2種方法：（1）對運(yùn)動(dòng)區(qū)域的大致位置進(jìn)行定位。（2）利用鄰近平均插值對運(yùn)動(dòng)區(qū)域進(jìn)行處理，獲得初始參考背景。（3）對初始參考背景的色彩和亮度信息進(jìn)行自適應(yīng)調(diào)節(jié)得到當(dāng)前幀的參考背景，實(shí)現(xiàn)參考背景的更新。

假設(shè)當(dāng)前幀為I0，I0的前一幀為I-1。首先在亮度空間內(nèi)，利用分水嶺算法對前一幀圖像I-1進(jìn)行區(qū)域分割，然后在色度空間內(nèi)分析這些區(qū)域，合并具有相同顏色距離的區(qū)域，這樣便可得到I-1的靜態(tài)分割區(qū)域。通常情況下，入侵目標(biāo)具有相同或相近的灰度或顏色特征，因而分割后的入侵目標(biāo)基本位于圖像中同一分割區(qū)域內(nèi)。設(shè)分割后的區(qū)域?yàn)镾i（i=1, 2, …），將當(dāng)前幀與前一幀求差分：

若公式（1）中差分的絕對值|difI|>0，則認(rèn)為是圖像的運(yùn)動(dòng)部分。將差分圖像difI與分割圖像相比較，若|difI|>0的像素點(diǎn)在某個(gè)區(qū)域Sj(j∈i)中的個(gè)數(shù)大于閾值T0，即該區(qū)域中超過T0的像素點(diǎn)是運(yùn)動(dòng)的，可以認(rèn)為區(qū)域Sj是運(yùn)動(dòng)區(qū)域。

將圖像I-1分成3像素×3像素大小的塊，遍歷每一個(gè)塊，若某塊中部分像素位于運(yùn)動(dòng)區(qū)域內(nèi)，則用該塊內(nèi)的其余像素的均值替代這些像素；若某塊所有像素點(diǎn)都位于運(yùn)動(dòng)區(qū)域內(nèi)，則用該塊上邊和左邊的塊中所有像素的平均值替代該塊中的9個(gè)像素值；若某塊中所有像素均不在運(yùn)動(dòng)區(qū)域內(nèi)，則該塊像素值不變。這樣得到初始參考背景幀。

當(dāng)進(jìn)行背景更新時(shí)，同樣利用公式（1）定位運(yùn)動(dòng)區(qū)域。在亮度空間內(nèi)，將2個(gè)相鄰幀都分成3像素×3像素大小的塊，比較背景區(qū)域中對應(yīng)塊的亮度平均值，用比值α對前一幀的參考背景進(jìn)行更新，便可得到當(dāng)前幀的參考背景。如果背景信息有變化，則比較連續(xù)k幀的參考背景，確定是背景變化還是目標(biāo)入侵。通過比較連續(xù)k幀的參考背景，如果發(fā)現(xiàn)同一位置都檢測到有新的物體存在或原有物體丟失，則認(rèn)為是背景信息有變化（如背景物體發(fā)生了移入、移出），那么后續(xù)的幀中便使用背景信息變化后的背景。

2.3 入侵檢測與目標(biāo)分割

在得到當(dāng)前幀的參考背景后，分別將當(dāng)前幀與其參考背景在RGB 3個(gè)顏色通道進(jìn)行差分，其差分結(jié)果difi（i=R, G, B）的變化主要由2方面因素引起：監(jiān)控場景內(nèi)的物體運(yùn)動(dòng)和隨機(jī)噪聲。對3個(gè)顏色通道的差分圖像分別設(shè)置一個(gè)閾值，利用公式（2）式對差分圖像進(jìn)行二值化處理。

其中，Ti是多次實(shí)驗(yàn)統(tǒng)計(jì)值。將difi≥Ti（i=R,G, B）的像素點(diǎn)設(shè)為入侵目標(biāo)點(diǎn)，difi≤Ti（i=R,G, B）的像素點(diǎn)認(rèn)為是背景像素點(diǎn)，入侵點(diǎn)和背景點(diǎn)像素設(shè)置如公式（2）。

在確定入侵點(diǎn)和背景點(diǎn)后，接下來需要得到精確的入侵目標(biāo)。由于存在隨機(jī)噪聲，公式（2）得到的二值化結(jié)果會(huì)存在噪聲點(diǎn)或區(qū)域，因此要對其進(jìn)行形態(tài)學(xué)處理，得到準(zhǔn)確的入侵目標(biāo)。利用形態(tài)學(xué)處理的腐蝕和膨脹操作，腐蝕去除噪聲點(diǎn)和小區(qū)域，膨脹填充入侵目標(biāo)，然后計(jì)算處理后的區(qū)域面積S。若S≥Th（設(shè)定的閾值），則認(rèn)為監(jiān)控區(qū)域異常，可能存在入侵，系統(tǒng)進(jìn)入報(bào)警監(jiān)控狀態(tài)，觸發(fā)相應(yīng)的聲光、電話報(bào)警等入侵報(bào)警裝置，并錄像存儲(chǔ)監(jiān)控視頻；否則，則認(rèn)為監(jiān)控區(qū)域無異常，系統(tǒng)保持正常監(jiān)控狀態(tài)。

當(dāng)檢測到監(jiān)控區(qū)域異常時(shí)，需要存儲(chǔ)相應(yīng)的視頻信息并對入侵目標(biāo)編碼傳輸，因此需要分割出入侵目標(biāo)。首先將得到的入侵區(qū)域和當(dāng)前幀相比較，將當(dāng)前幀中與入侵區(qū)域位置以外的所有像素設(shè)為0，這樣便得到了完整的入侵目標(biāo)。

智能視頻入侵檢測系統(tǒng)具有變被動(dòng)為主動(dòng)、24 h×7全天候可靠監(jiān)控、有效利用視頻資源，減少存儲(chǔ)成本，節(jié)約人力資源、適應(yīng)性強(qiáng)、提高響應(yīng)速度、提高報(bào)警精確度等優(yōu)勢。

3 神朔鐵路的實(shí)現(xiàn)及優(yōu)勢

通過智能入侵檢測系統(tǒng)數(shù)據(jù)的接入，實(shí)現(xiàn)對神塑鐵路神木北車站和蛇口峁隧道的智能視頻監(jiān)控和報(bào)警功能。異物入侵報(bào)警監(jiān)控狀態(tài)實(shí)現(xiàn)自動(dòng)觸發(fā)相應(yīng)的報(bào)警裝置并記錄監(jiān)控圖像和報(bào)警功能。神朔鐵路公司目前在重要道口、大橋、隧道等重點(diǎn)部位都安排有保安或者值班人員24 h值守，在這些重要地點(diǎn)應(yīng)用了智能視頻分析系統(tǒng)后，可以減少人員或完全實(shí)現(xiàn)無人值守，減少人員成本，提高勞動(dòng)效率，減少人員在惡劣環(huán)境下的勞動(dòng)強(qiáng)度，并且可以在地圖中記錄報(bào)警點(diǎn)以便后續(xù)查詢和重點(diǎn)關(guān)注，如圖3。

圖3 地圖報(bào)警點(diǎn)設(shè)置與查詢

智能視頻分析系統(tǒng)是從現(xiàn)實(shí)出發(fā)，根據(jù)重點(diǎn)監(jiān)測部位的結(jié)構(gòu)特點(diǎn)、運(yùn)營環(huán)境、氣象地質(zhì)條件設(shè)立的智能監(jiān)測系統(tǒng)，系統(tǒng)能夠深入分析神朔鐵路安全運(yùn)行的需求，并且及時(shí)處理行車的安全隱患，預(yù)防和監(jiān)控行車過程中發(fā)生的災(zāi)害事故，控制災(zāi)害事故的發(fā)展從而減少事故損失，為行車指揮、設(shè)備維修、應(yīng)急救援等決策提供技術(shù)支持，最大限度地保證運(yùn)輸安全。

4 結(jié)束語

本文提出了一種智能視頻入侵檢測系統(tǒng)，并在神朔鐵路上設(shè)計(jì)實(shí)現(xiàn)。該系統(tǒng)為工務(wù)部門的管理人員提供了現(xiàn)場安全生產(chǎn)的科學(xué)依據(jù)，管理人員可以根據(jù)監(jiān)測數(shù)據(jù)合理地安排工作，既避免了盲目施工的浪費(fèi)，又可以保證安全行車。

[1] 陳興杰，許勁松. 基于視頻的入侵檢測研究[J] . 微計(jì)算機(jī)信息，2010，26（4-3）：193-194.

[2] 李益民，黃曉芳. 一種多區(qū)域視頻監(jiān)控入侵檢測報(bào)警方法的研究[J] . 電子設(shè)計(jì)工程，2010，18（12）：146-148.

[3] Zujun Yu, Research on Intrusion Clearance Detection System for High-Speed Railway based on Binocular Stereo Vision[J] .2011 IEEE International Conference on Service Operations,Logistics, and Informatics (SOLI), 532 - 536.