【摘要】本文主要論述了運動目標的陰影檢測、多目標跟蹤、克服遮擋目標的方法以及多視角下監(jiān)控目標的相互傳遞。首先，對運動目標的陰影光照和顏色特征進行分析探討，改進原有的檢測辦法；其次，探討研究先利用目標的特點，辨別運動狀態(tài)，再處理不同跟蹤里的不同狀態(tài)達到跟蹤多目標；再次，構建符合目標顏色的模型，運用顏色的特點克服對目標的遮擋。最后，分析多視角的監(jiān)控系統(tǒng)應用需求，設計智能監(jiān)控框架，研究一種新型的多視角的監(jiān)控跟蹤辦法，實現(xiàn)不同視角的信息傳遞。

【關鍵詞】智能視頻監(jiān)控；多目標跟蹤；多視角監(jiān)控

1.引言

當今時代，隨著網(wǎng)絡的快速發(fā)展與人們生活水平迅速提高，視頻監(jiān)控越來越受到人們青睞。視頻監(jiān)控具有直觀和方便的兩大優(yōu)點，智能監(jiān)控系統(tǒng)可以使企業(yè)大幅度減少管理人員和提高人們工作的效率。智能視頻監(jiān)控可以實時的檢測現(xiàn)實場景，得到相應的視頻數(shù)據(jù)，使人們可以通過監(jiān)控跟蹤運動目標，了解目標的運動情況，為監(jiān)控管理人員提供準確有效的視頻信息。它能自動提取出檢測的目標，對目標進行有效跟蹤。

2.智能視頻監(jiān)控下的多目標檢測應用的現(xiàn)狀及存在的問題

從應用領域角度看，它被廣泛應用于各行各業(yè)，諸如檔案室、資料室、銀行等重要地點的監(jiān)視；從功能角度上看，它常被人們應用在對安全的防范、對信息的獲取及對調度的指揮工作等；尤其交通領域用處非常多，它可以遠程監(jiān)控高速收費管理處躲避收費、交通違章等現(xiàn)象。視頻監(jiān)控完全符合未來信息產業(yè)的發(fā)展需求，蘊含巨大的經濟效益，因此，一直是信息產業(yè)所重視的熱門產品。尤其是近幾年，伴隨經濟和技術的發(fā)展，對監(jiān)視的有效性、精準性有了更高的要求。這些要求可以大概分為兩方面：一方面是人們要求監(jiān)控系統(tǒng)可監(jiān)測的范圍更廣，已經由原來的只是用于安全監(jiān)控向生產監(jiān)控和管理檢查的方向發(fā)展。

同時，要求視頻系統(tǒng)可以監(jiān)測更大的面積與更遠的距離。另一方面因為監(jiān)控系統(tǒng)被逐漸用于管理，所以它需要符合管理的實際需要，要能與網(wǎng)絡相結合，要壓縮和存儲大量的視頻內容，為管理人員帶來方便。智能監(jiān)控系統(tǒng)的中心工作就是分析處理運動目標的各種圖像，通過檢測目標、跟蹤目標、識別目標，有效分析運動目標。之所以要對目標進行檢測，是要在圖像中把不同變化區(qū)域內的背景圖像分離出來，有效分離運動區(qū)域才能對后續(xù)的目標分類，但是背景圖像時常變化，它會受到天氣、其他物體影子和光照等影響，使檢測工作有一定難度。常用的檢測辦法主要是背景減除法、運動能量法、差分時間法和光流方法。背景減除法對場景變化特別敏感，容易受外來事件的干擾；差分時間法常常不能將目標的所有特質都提取出來，容易產生漏洞現(xiàn)象；光流方法對光流的計算過程很復雜，同時抗噪聲能力差，不能很好地處理視頻流；運動能量法對現(xiàn)象的分離準確性不高，很難實現(xiàn)。圖1是一個典型的智能監(jiān)控系統(tǒng)示意圖。

3.分析運動目標的陰影光照和顏色特征，有效檢測目標

對目標的檢測是對目標進行識別和對事件檢測的基礎，是整個監(jiān)控系統(tǒng)重要組成的一部分，通過觀察序列圖像是否變化來確定是否有目標出現(xiàn)。常見的物體檢測方法大概有四種，背景差法、運動的能量法、計算光流法和幀差法。對其他三種方法相比，背景差法提供的數(shù)據(jù)更完整，如果光照的變化有規(guī)律，檢測的效果一般都比較理想。實際監(jiān)控中，因為運動對象常相互遮擋和光照偶爾不均，致使時常產生陰影。運動對象和陰影都有可感知性和運動特性，因此，陰影難免被劃為前景點，嚴重影響到分離與提取運動對象。特別是當多個目標都在同一場景時，會大大降低多個目標跟蹤的可靠性，所以，為提高多目標的跟蹤可靠性需要對目標提取更精準，要想辦法排出陰影的影響。根據(jù)目標所處場景不同，本文采取背景估計方法，在場景的背景變化時，取得目前運動像素點，像素里點含有運動目標、背景的噪聲和運動的陰影，先排除陰影，再運用濾波法去除里面的噪聲，連同余下的像素點，使他們并到一個運動區(qū)域內，再提取分析區(qū)域內的特點，得到目標信息。排除陰影需要先檢測陰影，陰影一旦被覆蓋，顏色就會加深，可以充分利用顏色的變化來辨別運動陰影與運動目標。許多的實驗證明，在陰影覆蓋像素點后，像素點的飽和度與色度的變化都很小，目標對背景色度和亮度的影響并沒有規(guī)律性，比較隨機，而與目標的顏色相關聯(lián)，所以，根據(jù)陰影的亮度變化特性與色度變化特性，可以十分容易地將它和目標區(qū)分開來。

4.多目標跟蹤的實現(xiàn)

要分析多目標的運動狀態(tài)，對不同狀態(tài)實行不同的跟蹤方法，有效提高跟蹤的性能。卡爾曼濾波與矩形跟蹤法是常見的跟蹤方法?？柭鼮V波通過建立目標的運動模型和運動軌跡，判斷目標的下一位置，根據(jù)位置特征進行跟蹤，這種方法的準確度隨著模型的準確度而變化。矩形跟蹤運用運動時獲得的矩形特征完成對目標的跟蹤。它適用于簡單的情況下判斷目標的產生和消失，但無法進行深入的分析，也就不能進行穩(wěn)定跟蹤。因為多目標圖像在空間領域和時間領域都變化的特性不同，以往用于單視角的卡爾曼濾波法和矩形跟蹤法都不能滿足多目標同時處于運動場景時的跟蹤，如果充分利用兩種方法的優(yōu)點，將它們有效結合，分離目標位置、面積等特征，通過構建特征識別矩陣分析目標運動狀態(tài)，再對不同狀態(tài)實施相應的跟蹤辦法。多目標跟蹤一直是智能監(jiān)控的難點，首先，因為在多個目標都存在運動時，目標之間相互產生干擾，嚴重影響區(qū)域檢測的精度；其次，在時間上它們相互關聯(lián)，多目標間有可能有對應的因果關系，大大增加復雜度；再次，多個目標在同一時刻運動時，必須采用和運動狀態(tài)相對應的提取處理辦法。所以，多目標跟蹤不僅和運動分離精度有關系，也和目標特征選擇、狀態(tài)分析緊密相連。要實現(xiàn)對目標各種運動狀態(tài)的實時監(jiān)測，包括新目標出現(xiàn)時、目標保留在場景內但沒有與其他目標相互干擾、目標出現(xiàn)分裂現(xiàn)象、目標出現(xiàn)融合現(xiàn)象以及目標突然消失，幫助我們了解場景內多樣運動的信息。構建特征辨識矩陣，充分利用目標的特征與目前目標所處的區(qū)域特點構建新矩陣，利用矩形跟蹤法判別目標是否產生、是否消失，注意分析目標特征，預判目標狀態(tài)空間，判斷目標的運動狀態(tài)。判斷目標所處狀態(tài)，將目標分為新目標、目標奮力、目標的融合與目標的消失，當新目標出現(xiàn)時，立刻構建新目標的信息，預測它的形心位置；當目標出現(xiàn)分裂時，分析產生分裂的原因，跟蹤分裂；當不同目標出現(xiàn)相互融合時，對融合后的目標進行融合處理；當跟蹤的目標消失時，首先判斷是否真消失，如果真消失，再刪除原有的數(shù)據(jù)信息。

圖2是目標由于遮擋而暫時分裂的情況。圖中目標分裂時，其外接矩形沒有明顯的擴張，目標面積的增長減慢，且分裂塊合并后的形心與原目標匹配，因此系統(tǒng)判斷其處于遮擋狀態(tài)，并給出了正確的跟蹤結果。

5.運用顏色的特點克服對目標的遮擋

在系統(tǒng)監(jiān)控過程中，目標一旦被遮擋，如果不能及時做好被遮擋目標的標記和提供多的數(shù)據(jù)信息，會造成系統(tǒng)不能正常辨別目標的行為，大大降低監(jiān)控的可靠性。特征辨識矩陣能判斷目標是否被遮擋，如果是被靜止物所檔，會出現(xiàn)臨時消失，這時可運用目標之前的運動數(shù)據(jù)來預測現(xiàn)在的運動情況，在目標再次出現(xiàn)結束被遮擋時，系統(tǒng)將自動更新回到正常跟蹤的狀態(tài)。多個目標相互遮擋時，系統(tǒng)依次記錄每個目標被遮擋前的最后圖像，結束遮擋后，但利用模板匹配之前的圖像標記，并不能很好地展現(xiàn)遮擋過程中的運動。所以，有效獲得遮擋信息和相對位置非常關鍵。用顏色的特點來克服目標遮擋，顏色作為目標圖像重要特征之一，對分析目標特性具有重要作用。亮度、飽和度和色調是顏色的最基本屬性。場景內目標的顏色在正常光照下可以被準確感知，即使目標運動，顏色根據(jù)時間產生的變化也很緩慢，可以說目標顏色基本不變。區(qū)域塊彼此的顏色約束和位置約束都達到顏色特征需要的標準，取得目標顏色組成后還遠遠不夠，實際的跟蹤過程還需要每個目標區(qū)別于其他目標的特點。當新目標出現(xiàn)時，系統(tǒng)自動對它進行連通性分析，找出顏色特征模型，分割顏色塊；當目標被遮擋時，把跟蹤遮擋目標轉為是跟蹤顏色塊。通過建立顏色塊的時間關聯(lián)，機械顏色塊的持續(xù)跟蹤，目標位置完全可以根據(jù)部分顏色塊所體現(xiàn)，顏色塊的大小及位置有效反映目標相對位置，根據(jù)跟蹤顏色塊判斷目標和運動區(qū)的聯(lián)系，進而得到目標位置和遮擋情況，保持被遮擋時的特征。

6.分析多視角的監(jiān)控系統(tǒng)

智能監(jiān)控系統(tǒng)里，單視角系統(tǒng)有著片面性的特點，因此需要多個單視角共同實現(xiàn)。近幾年，多攝像機共同工作產生監(jiān)控越來越多出現(xiàn)在各種場景，這種多個攝像機構成的網(wǎng)絡結構中的每個機器都能獨立跟蹤，系統(tǒng)處理中心對每個機器里的有用信息融合，實現(xiàn)智能監(jiān)控。多臺攝像機進行多視角的監(jiān)控絕非簡單的獨立監(jiān)控，而是各臺間相互協(xié)調工作。運用多個攝像機進行多視角跟蹤，將空間場景構建成三維坐標，多臺攝像機協(xié)同跟蹤，通過相互交換信息，使系統(tǒng)對場景的未知度降低，提升容錯率，即便在某個視角或多個視角產生錯誤跟蹤時，系統(tǒng)仍然可以正常運行。

7.結束語

智能視頻監(jiān)控能夠現(xiàn)實復雜場景中對運動目標的識別和跟蹤，檢測場景事件和判斷危險事件的發(fā)生，因此，應加大對多目標跟蹤技術的研究工作，提高視頻監(jiān)控系統(tǒng)的智能化水平，改善監(jiān)控系統(tǒng)的精準度，為社會的經濟發(fā)展和社會治安貢獻一份力量。

參考文獻

[1]袁國武.智能視頻監(jiān)控中的運動目標檢測和跟蹤算法研究[D].云南大學，2012.

[2]江浩.基于多目標識別與跟蹤技術的視頻監(jiān)控應用[J].中國公共安全（綜合版），2012（14）.

[3]潘美蓮，劉志強.城市安全與應急保障管理智能視頻監(jiān)控系統(tǒng)的應用探討[J].電腦知識與技術，2013（30）.

[4]陳媛媛，郭淑琴，陸俊杰，張標標.基于視頻處理的行人檢測系統(tǒng)[J].杭州電子科技大學學報，2014（01）.

[5]王加梁.基于計算機技術的智能視頻監(jiān)控系統(tǒng)探討[J].電子測試，2013（07）.

[6]於時才，張文香，龔仁彬.智能視頻監(jiān)控中的一種快速運動目標檢測方法[J].蘭州理工大學學報，2012（02）.

作者簡介：郭勇（1980—），男，壯族，廣西南寧人，通信工程師，廣西壯族自治區(qū)公安廳科技信息化處副科長（正科級），研究方向：通信工程。