【摘 要】近年來，國內(nèi)和國際反恐形勢嚴峻，對于在公共場合的可疑遺留異物的有效檢測實現(xiàn)越來越迫切。本文通過程序?qū)崿F(xiàn)了一個遺留異物視頻檢測系統(tǒng)，該系統(tǒng)首先通過混合高斯分布模型的方式實時得到檢測區(qū)域的背景圖像，將實時的監(jiān)控圖像和背景圖像進行差分運算獲取二值化斑塊圖像，通過斑塊分析的方法鎖定可以遺留異物潛在目標，最終通過遺留物遺留時間長短進行報警，實現(xiàn)了一個有效的遺留異物視頻檢測系統(tǒng)。

【關(guān)鍵詞】遺留異物 視頻檢測 混合高斯建模

近年來，在全世界范圍內(nèi)很多恐怖分子都利用遺留炸彈背包的方式進行恐怖襲擊，造成大量的無辜平民死傷。阻止和有效發(fā)現(xiàn)這種恐怖襲擊的手段就需要在這些無名炸彈襲擊之前能夠檢測到疑似遺留炸彈背包的存在，因此急需開發(fā)能夠有效檢測到公共場合莫名遺留異物的檢測系統(tǒng)，該系統(tǒng)要求能夠有效地發(fā)現(xiàn)遺留異物從運動到靜止，并且能夠靜置長達一定時間閾值的目標物體。對于這種系統(tǒng)的急迫需求也促使很多科研人員投入到了相應(yīng)算法的設(shè)計與開發(fā)工作中。

1 系統(tǒng)總體架構(gòu)

本文實現(xiàn)的遺留異物視頻檢測系統(tǒng)主要實現(xiàn)目的是能夠檢測被人遺留的景致目標，特別是箱類和背包物品。該系能夠針對監(jiān)控場景內(nèi)的疑似目標快速反應(yīng)并向特定保衛(wèi)人員發(fā)出警告并自動記錄事件相關(guān)信息。該系統(tǒng)的實現(xiàn)不僅能夠大大降低保衛(wèi)人員的安全保衛(wèi)的負擔，而且還允許他們有足夠的時間和信息來進行必要處置，并作出正確決策。該系統(tǒng)能夠應(yīng)用與多種遺留異物檢測場合，例如檢測炸彈背包，鐵路上的障礙物如山體滾落的石頭，柜臺上的遺留包裹等。經(jīng)查閱相關(guān)的技術(shù)資料，本系統(tǒng)確定最終的遺留異物視頻檢測系統(tǒng)的實現(xiàn)流程如圖1所示。該系統(tǒng)首先通過混合高斯分布模型的方式實時得到檢測區(qū)域的背景圖像，將實時的監(jiān)控圖像和背景圖像進行差分運算獲取二值化斑塊圖像，通過斑塊分析的方法鎖定可以遺留異物潛在目標，最終通過遺留物遺留時間長短進行報警，實現(xiàn)了一個有效的遺留異物視頻檢測系統(tǒng)。

2 高斯混合建模

本系統(tǒng)針對檢測算法實現(xiàn)的特點，考慮到遺留物檢測需要長時間觀察遺留異物的斑塊變化，如果選用多幀平均的背景建模方式，遺留異物將很快被更新掉，因此，本系統(tǒng)選擇采用基于混合高斯模型的背景建模方法。

混合高斯模型采用多個高斯分布對每個像素的像素值進行建模。用表示某個像素 1 至t時刻的像素值，用混合高斯模型描述t時刻像素值的概率密度為：

（1）

式中K 表示高斯分布的個數(shù)，表示估計的第i個高斯分布在t時刻的權(quán)重，、分別表示第i 個高斯分布在t 時刻的均值和協(xié)方差矩陣。η 是高斯概率密度函數(shù)。

MOG 模型包含μ、σ和ω三個初始化參數(shù)。采用第一幀圖像每一像素點的像素值作為第一個高斯模型的均值，并對這個高斯模型賦一個較大方差和較小的權(quán)重，而其他的高斯模型將在后面的模型學習中加入。

獲得新的像素值以后，將新像素值和K個高斯分布進行比較，如果滿足：

（2）

被判斷為背景，否則被判斷為前景。

通過參數(shù)更新以后，背景模型的參數(shù)受到了改變，需要從混合高斯模型中估計背景。從統(tǒng)計角度來講，多高斯分布中，具有高權(quán)重和低方差的分布，最有可能是背景像素的分布。因此，MOG 中，對多高斯成分按ω/σ降序排列，然后組成背景模型。

3 差分運算及二值化

本文采用背景差法來獲得前景斑塊。背景差分法的原理就是使用當前監(jiān)控的實時圖像和獲得的背景圖像進行差分運算，然后將差分圖像通過閾值分割的方法得到二值花斑塊圖像。也就是將待觀察圖像和不包含感興趣物體的估計圖像進行比較， 二者的圖像平面中存在明顯差異的區(qū)域， 一般就包含運動物體的位置信息。

4 去噪

檢測視頻經(jīng)過二值化處理過后，得到的背景差分圖中有時候會存在一些隨機小噪聲，并且人物以及包中間可能會出現(xiàn)比較明顯的斷裂和空洞，這些都可能對遺棄物最終的判斷結(jié)果造成比較大的影響。因此要對圖像進行平滑去噪處理。消除噪聲的方法可以選用形態(tài)學中的腐蝕和膨脹技術(shù)。

5 斑塊分析

對于遺棄物的檢測根本上來說是對斑塊的檢測分析以及后續(xù)的判斷。當前的斑塊是由背景建模之后，通過實時更新的背景與前景進行差分之后得到背景差分圖像，再賦予灰度值，并經(jīng)過二值化處理，使得前景內(nèi)運動的目標以白色斑塊來顯示，不動的背景則以黑色顯示，這樣可以清楚地從圖像中分辨出運動物體來。這個功能可以使用OpenCV中的一個函數(shù)來實現(xiàn)，即cvFindContours函數(shù)。

6 判斷報警

要判斷是否為遺棄物可以有一定的標準，比如在某一個地方停留超過多少秒之后的可以視其為遺棄物。在本文對于遺棄物的判斷中也是使用了這一種判別方法，通過算法判定當斑塊在視頻圖像中停留多少幀不變化時，判定為遺棄物，進行框出并報警。圖4為檢測出的遺留物二值化圖像及在判斷報警圖片。

本文在分析了遺留異物檢測的特點后，實現(xiàn)了一個實用的遺留異物視頻檢測系統(tǒng)，該系統(tǒng)可以通過混合高斯分布模型的方式得到檢測區(qū)域的背景圖像，然后將實時的監(jiān)控圖像和背景圖像進行差分運算獲取二值化斑塊圖像，通過去噪處理去除干擾判斷的小噪聲，同時通過斑塊分析的方法鎖定可以遺留異物潛在目標，最終通過遺留物遺留時間長短進行報警，實現(xiàn)遺留異物檢測的功能。

參考文獻：

[1]張魁.視頻序列中遺留物檢測研究[D].太原：太原理工大學，2010.

[2]孔曉東.智能視頻監(jiān)控技術(shù)研究[D].上海：上海交通大學，2008.

[3]李國輝，涂丹，袁見.監(jiān)控視頻運動目標檢測減背景技術(shù)的研 究現(xiàn)狀和展望，中國圖像圖形學報，第11卷，第7期，919-927頁.

[4]湯一平，富吉勇，陳耀宇，基于全方位計算機視覺的遺留物檢測系統(tǒng)，計算機測量與控制，第18卷，第3期，517-519頁。

[5]范俊君，戰(zhàn)蔭偉，一種基于雙背景模型的遺留物檢測方法，計算機系統(tǒng)應(yīng)用，第21卷，第8期，201-205頁。