陶國云

摘 要 在視頻監(jiān)控智能分析序列中，運動目標檢測正處于行業(yè)應用的前沿和發(fā)展方向，其在智能視頻監(jiān)控過程中發(fā)揮了舉足輕重的作用。筆者根據(jù)工作研究實踐，對智能視頻監(jiān)控運動目標檢測技術(shù)進行了簡要的闡述。

關(guān)鍵詞 智能視頻監(jiān)控；運動目標檢測技術(shù)

中圖分類號：TN941 文獻標識碼：A 文章編號：1671-7597（2014）03-0160-02

智能視頻的監(jiān)控指的是：不需要人為干預的情況下，利用視頻、數(shù)字圖像處理，分析相關(guān)的技術(shù)，對視頻中的活動或者監(jiān)控中實時、現(xiàn)在的目標，進行跟蹤與檢測，可對異常的情況，及時做出的反應效果；又可滿足日常的監(jiān)控工作。運動目標的檢測是：用計算方法的視頻以及數(shù)字圖像的處理，運動目標的區(qū)域，提取出來的。運動目標，視覺技術(shù)分析的第一個步驟是對運動目標的檢測、后續(xù)運動的目標跟蹤、分類、行為分析理解等；作為后續(xù)處理及分析的前提。隨著科技的不斷發(fā)展，社會上一系列安全事件頻繁發(fā)生，視頻監(jiān)控系統(tǒng)無疑是一種安全防范的手段，在諸多方面取得了廣泛應用。然而，傳統(tǒng)的模擬和數(shù)字視頻監(jiān)控系統(tǒng)只提供了一個簡單的視頻捕捉、傳輸、存儲、再現(xiàn)等功能。對視頻中的內(nèi)容也只能靠人為判定，不能主動的向監(jiān)控者提供監(jiān)測信息。屬于視頻圖像序列內(nèi)的智能視頻監(jiān)控是從中自動對監(jiān)控目標場景進行實時同步分析，并且跟蹤與識別其目標，把信息反饋出來和異?，F(xiàn)象的警報等。所以，在動態(tài)目標檢測是視頻監(jiān)控中的視頻序列的首要任務(wù)。一般背景物體的特性應在一段時間內(nèi)固定的物體，活動物體應該為移動或短時間出現(xiàn)的物體。但是在現(xiàn)實中，由于背景圖像的動態(tài)變化所帶來的諸多影響，運動目標檢測是一個非常困難的工作。

1 運動目標的檢測

1.1 運動目標的檢測是什么

運動目標檢測是指：變化區(qū)域中的部分圖像，從背景圖像序列中被提取出來，使之成為一個有意義的實體。運動目標的檢測是智能監(jiān)控中一個基礎(chǔ)但很關(guān)鍵的部分，是實現(xiàn)運動目標跟蹤、在識別與事件監(jiān)測的前提下，運動目標的分割、精確檢測都會影響到運動目標的分類及跟蹤；而目標檢測的好壞將決定后續(xù)處理的效果。

1.2 視頻監(jiān)控系統(tǒng)中運動目標檢測流程

1.2.1 視頻監(jiān)控體系的硬件是怎樣構(gòu)成的

如今已分為，實時監(jiān)控系統(tǒng)和非實時監(jiān)控系統(tǒng)。實時監(jiān)控系統(tǒng)就是：把攝像頭裝在，需監(jiān)控的場所中合適的位置，隨時監(jiān)控該場景的景象，將其傳輸?shù)奖O(jiān)控中心，監(jiān)控中心再對信號進行分析、判斷，由于實時的監(jiān)控系統(tǒng)其對計算機的信息處理速度要求高，故而其不能兼顧準確性、實時性，所以實際的行業(yè)應用還是無法得到大范圍推廣。非實時視頻監(jiān)控系統(tǒng)是指對已經(jīng)存在的“過去時”的視頻進行分析和判斷，是目前視頻監(jiān)控實際應用中的常用方法。

1.2.2 視頻監(jiān)控系統(tǒng)的處理流程是怎樣的

不管是非實時的還是實時的視頻監(jiān)控系統(tǒng)，其關(guān)鍵所在都是計算機對視頻的處理。視頻監(jiān)控系統(tǒng)對視頻的處理流程主要有5個部分：1）獲取序列圖；2）圖像的預處理；3）目標分割的提取；4）目標的匹配跟蹤；5）目標的行為分析。對視頻進行處理的時，整個系統(tǒng)之基石是如何處理噪聲，處理了噪聲后，將運動目標從圖像中找到，提取出運動目標的信息，然后，計算機通過原目標信息，與提取出運動目標的信息對比，最終，得到目標的真實信息，對運動目標進行檢測。

2 運動目標檢測技術(shù)

作為計算機視覺領(lǐng)域中，一項很重要而又很高效的研究方向——運動目標檢測。人們一直都在對運動目標檢測技術(shù)進行研究，希望可以研究出一種適應所有普遍場景的運動目標檢測技術(shù)，不過因為有著復雜、多樣的監(jiān)控背景的運動目標，可用于各行業(yè)各類監(jiān)控場景的運動目標檢測技術(shù)還能大范圍得到應用和推廣。當前只能根據(jù)特定的場景和特定少量的運動目標進行智能分析，需要利用不同的檢測方法來進行運動目標檢測。目前，常用的運動目標檢測技術(shù)有以下幾種。

2.1 光流法

光流是指：空間運動著的物體，被觀測面上像素點運動的時候，產(chǎn)生瞬時的速度場，其攜帶的信息有：動態(tài)行為及物體表面的結(jié)構(gòu)等。給圖像中各個像素點，一個速度矢量就形成了一個圖像運動場；其運動時用投影將三維物體上的點對應圖像上的點，根據(jù)各個像素點、動態(tài)分析和速度矢量計算。這便是光流法檢測運動目標的基本原理。光流計算法由：基于頻域的、匹配的及梯度的光流計算法所組成。

2.1.1 基于頻域的光流計算法

基于頻域的光流計算法是利用速度可調(diào)的濾波組輸出頻率或相應的信息，可以獲得高精度的初始光流估計；但其計算非常復雜也很難進行可靠性的評價。

2.1.2 基于匹配的光流計算法

基于匹配的光流計算法又分為基于特征和區(qū)域兩種方法。前者是通過對目標的主要特征進行實時監(jiān)控，不斷進行定位和跟蹤，對大目標的運動和亮度變化的監(jiān)測具有較好的效果，但由于光流的稀疏性使得對特征的提取和匹配難度較大，精確度不高?；趨^(qū)域的方法是指：通過對相似區(qū)域進行的定位以及位移計算光流，此法在視頻編碼中有著上佳效果；不過光流稠密性的計算上仍然存在問題。

2.1.3 基于梯度的光流計算法

基于梯度的光流計算法是利用圖像序列的時空微分來計算光流，它的計算方法簡單，而且在早期的試驗中取得較好的效果，因此目前在廣泛的研究中，但由于在選擇計算光流時需要的可調(diào)參數(shù)的人工選取和可靠性評價因子上比較困難，即使基于梯度的計算方法雖然在光流估計上取得好的實驗效果，但在利用其對目標進行檢測與自動跟蹤上仍存在問題。

基于光流場，分析的運動目標之檢測方法是根據(jù)：各個光流矢量中所包含的各個像素之動態(tài)的信息，精確的計算出運動目標之速度，且還能檢測出，運動目標運動。不過噪聲會影響到光流矢量。所以光流不是單一的，且此法采用的是計算量很大的求解計算，要實時檢測運動目標，需有特殊的硬件支持。所以其多適用于目標運動速度和圖像噪聲均較小的場合。endprint

2.2 背景差值的方法

背景差值的方法是指：常用的運動目標檢測法，運用于靜態(tài)背景下的運動目標檢測。背景差值法的原理是將前幀圖像和已有的背景模型圖像做差，得到的不同部分就作為運動目標的信息。此法的基礎(chǔ)是構(gòu)造背景模型，常用的背景建模算法是高斯背景建模算法，而且這種算法還可以進行實時更新。背景差值法的優(yōu)點是可以提取出運動目標的完整信息；但視頻監(jiān)控中的場景是真實的場景，會受到很多外在因素環(huán)節(jié)的影響，比如天氣影響、以及噪聲影響等等，這些因素都會影響到運動目標的信息提取，有時甚至會被當成運動目標的信息被提取出來，所以當使用此法時需二次處理才能適用于視頻監(jiān)控系統(tǒng)當中，從而確能保證檢測的效果。

2.3 幀間差分法

幀間差分法是通過對連續(xù)兩幀或多幀的視頻圖像進行相減來得到差分圖像，在差分圖像上檢測運動變化的區(qū)域，再用區(qū)域上的灰度信息恢復之前的運動目標。此法是，在運動目標的檢測中，用得最多的算法之一。計算簡單、檢測目標速度快、自適應性較強、易于實現(xiàn)，是幀間差分法，在檢測運動目標中的優(yōu)點。但缺點是不能檢測到完整的目標，不能對目標進行深入分析和識別，增加后續(xù)處理的難度，容易空洞運動實體內(nèi)部所產(chǎn)生的現(xiàn)象。

2.4 運動的能量法

運動的能量法是指：把連續(xù)圖像看成三維空間并計算空時梯度。運動的對象經(jīng)過的位置像素空時梯度的一致性越高，梯度的能量就越大；因此可用來檢測運動目標。此法可以突出相同方向運動的對象，從而有效消除振動、非需的像素點，適合于復雜監(jiān)控環(huán)境。不過此法不能準確分割對象，方法非常復雜，實現(xiàn)難度很大。

2.5 人工的神經(jīng)網(wǎng)絡(luò)

當前，在運動目標的檢測中，基于發(fā)展很快的是人工神經(jīng)網(wǎng)絡(luò)的方法，這種方法通過將每幀圖像分成圖像塊，預處理圖像塊后將影像投到線性濾波器組，得到圖像模式，再把圖像分類，最后判斷運動目標是哪個圖像模式中的，這種方法可以識別出尺度和旋轉(zhuǎn)變形的目標，獲得的效果較好。

3 結(jié)束語

智能視頻監(jiān)控中的運動目標檢測是智能視頻監(jiān)控技術(shù)中的一項核心技術(shù)，而隨著社會生活和生產(chǎn)的進步和發(fā)展，人們對視頻監(jiān)控將會提出更高的要求，智能視頻監(jiān)控將會在人們的生產(chǎn)和生活中運用的越來越廣泛，作為核心技術(shù)之一的運動目標檢測技術(shù)將會得到越來越多的關(guān)注。因此，應加強對運動目標檢測技術(shù)的研究和運用，促進其技術(shù)的完善和發(fā)展，從而推動智能視頻監(jiān)控的廣泛運用，推動社會和諧和生活品質(zhì)的提高。

參考文獻

[1]張正友，馬頌德.計算機視覺[M].北京：科學出版社，2001：53-59.

[2]代科學，李國輝，涂丹，袁見.監(jiān)控視頻運動目標檢測背景技術(shù)的究現(xiàn)狀和展望[J].中國圖像圖形學報，2006，11（7）：919，927.

[3]李宏，楊延梧，任樸舟，等.基于光流技術(shù)的復雜背景下運動目標跟蹤[J].光電工程，2006（10）：13-17.

[4]萬衛(wèi)兵，霍宏，趙宇明.智能視頻監(jiān)控中目標檢測與識別[M].上海：上海交通大學出版社，2009.

[5]王麗娟.基于OpenCV與混合高斯建模的運動目標檢測[J].電子測試，2009（9）：86-90.

[6]金克瓊.視頻監(jiān)控中運動目標檢測與跟蹤的研究[D].武漢：武漢理工大學，2010.endprint