【摘要】本文主要論述了運動目標(biāo)的陰影檢測、多目標(biāo)跟蹤、克服遮擋目標(biāo)的方法以及多視角下監(jiān)控目標(biāo)的相互傳遞。首先，對運動目標(biāo)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(biāo)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(biāo)；再次，構(gòu)建符合目標(biāo)顏色的模型，運用顏色的特點克服對目標(biāo)的遮擋。最后，分析多視角的監(jiān)控系統(tǒng)應(yīng)用需求，設(shè)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(guān)鍵詞】智能視頻監(jiān)控；多目標(biāo)跟蹤；多視角監(jiān)控

1.引言

當(dāng)今時代，隨著網(wǎng)絡(luò)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(yīng)的視頻數(shù)據(jù)，使人們可以通過監(jiān)控跟蹤運動目標(biāo)，了解目標(biāo)的運動情況，為監(jiān)控管理人員提供準(zhǔn)確有效的視頻信息。它能自動提取出檢測的目標(biāo)，對目標(biāo)進行有效跟蹤。

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

從應(yīng)用領(lǐng)域角度看，它被廣泛應(yīng)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(yīng)用在對安全的防范、對信息的獲取及對調(diào)度的指揮工作等；尤其交通領(lǐng)域用處非常多，它可以遠(yuǎn)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(chǎn)業(yè)的發(fā)展需求，蘊含巨大的經(jīng)濟效益，因此，一直是信息產(chǎn)業(yè)所重視的熱門產(chǎn)品。尤其是近幾年，伴隨經(jīng)濟和技術(shù)的發(fā)展，對監(jiān)視的有效性、精準(zhǔn)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(jīng)由原來的只是用于安全監(jiān)控向生產(chǎn)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(yuǎn)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(luò)相結(jié)合，要壓縮和存儲大量的視頻內(nèi)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(biāo)的各種圖像，通過檢測目標(biāo)、跟蹤目標(biāo)、識別目標(biāo)，有效分析運動目標(biāo)。之所以要對目標(biāo)進行檢測，是要在圖像中把不同變化區(qū)域內(nèi)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(biāo)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(biāo)的所有特質(zhì)都提取出來，容易產(chǎn)生漏洞現(xiàn)象；光流方法對光流的計算過程很復(fù)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(zhǔn)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(biāo)的陰影光照和顏色特征，有效檢測目標(biāo)

對目標(biāo)的檢測是對目標(biāo)進行識別和對事件檢測的基礎(chǔ)，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(biāo)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(chǎn)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(yán)重影響到分離與提取運動對象。特別是當(dāng)多個目標(biāo)都在同一場景時，會大大降低多個目標(biāo)跟蹤的可靠性，所以，為提高多目標(biāo)的跟蹤可靠性需要對目標(biāo)提取更精準(zhǔn)，要想辦法排出陰影的影響。根據(jù)目標(biāo)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(biāo)、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(nèi)，再提取分析區(qū)域內(nèi)的特點，得到目標(biāo)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(biāo)。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(biāo)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(biāo)的顏色相關(guān)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(biāo)區(qū)分開來。

4.多目標(biāo)跟蹤的實現(xiàn)

要分析多目標(biāo)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?？柭鼮V波與矩形跟蹤法是常見的跟蹤方法。卡爾曼濾波通過建立目標(biāo)的運動模型和運動軌跡，判斷目標(biāo)的下一位置，根據(jù)位置特征進行跟蹤，這種方法的準(zhǔn)確度隨著模型的準(zhǔn)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(biāo)的跟蹤。它適用于簡單的情況下判斷目標(biāo)的產(chǎn)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(biāo)圖像在空間領(lǐng)域和時間領(lǐng)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(biāo)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(jié)合，分離目標(biāo)位置、面積等特征，通過構(gòu)建特征識別矩陣分析目標(biāo)運動狀態(tài)，再對不同狀態(tài)實施相應(yīng)的跟蹤辦法。多目標(biāo)跟蹤一直是智能監(jiān)控的難點，首先，因為在多個目標(biāo)都存在運動時，目標(biāo)之間相互產(chǎn)生干擾，嚴(yán)重影響區(qū)域檢測的精度；其次，在時間上它們相互關(guān)聯(lián)，多目標(biāo)間有可能有對應(yīng)的因果關(guān)系，大大增加復(fù)雜度；再次，多個目標(biāo)在同一時刻運動時，必須采用和運動狀態(tài)相對應(yīng)的提取處理辦法。所以，多目標(biāo)跟蹤不僅和運動分離精度有關(guān)系，也和目標(biāo)特征選擇、狀態(tài)分析緊密相連。要實現(xiàn)對目標(biāo)各種運動狀態(tài)的實時監(jiān)測，包括新目標(biāo)出現(xiàn)時、目標(biāo)保留在場景內(nèi)但沒有與其他目標(biāo)相互干擾、目標(biāo)出現(xiàn)分裂現(xiàn)象、目標(biāo)出現(xiàn)融合現(xiàn)象以及目標(biāo)突然消失，幫助我們了解場景內(nèi)多樣運動的信息。構(gòu)建特征辨識矩陣，充分利用目標(biāo)的特征與目前目標(biāo)所處的區(qū)域特點構(gòu)建新矩陣，利用矩形跟蹤法判別目標(biāo)是否產(chǎn)生、是否消失，注意分析目標(biāo)特征，預(yù)判目標(biāo)狀態(tài)空間，判斷目標(biāo)的運動狀態(tài)。判斷目標(biāo)所處狀態(tài)，將目標(biāo)分為新目標(biāo)、目標(biāo)奮力、目標(biāo)的融合與目標(biāo)的消失，當(dāng)新目標(biāo)出現(xiàn)時，立刻構(gòu)建新目標(biāo)的信息，預(yù)測它的形心位置；當(dāng)目標(biāo)出現(xiàn)分裂時，分析產(chǎn)生分裂的原因，跟蹤分裂；當(dāng)不同目標(biāo)出現(xiàn)相互融合時，對融合后的目標(biāo)進行融合處理；當(dāng)跟蹤的目標(biāo)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(biāo)由于遮擋而暫時分裂的情況。圖中目標(biāo)分裂時，其外接矩形沒有明顯的擴張，目標(biāo)面積的增長減慢，且分裂塊合并后的形心與原目標(biāo)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(jié)果。

5.運用顏色的特點克服對目標(biāo)的遮擋

在系統(tǒng)監(jiān)控過程中，目標(biāo)一旦被遮擋，如果不能及時做好被遮擋目標(biāo)的標(biāo)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(biāo)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(biāo)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(biāo)之前的運動數(shù)據(jù)來預(yù)測現(xiàn)在的運動情況，在目標(biāo)再次出現(xiàn)結(jié)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(biāo)相互遮擋時，系統(tǒng)依次記錄每個目標(biāo)被遮擋前的最后圖像，結(jié)束遮擋后，但利用模板匹配之前的圖像標(biāo)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(guān)鍵。用顏色的特點來克服目標(biāo)遮擋，顏色作為目標(biāo)圖像重要特征之一，對分析目標(biāo)特性具有重要作用。亮度、飽和度和色調(diào)是顏色的最基本屬性。場景內(nèi)目標(biāo)的顏色在正常光照下可以被準(zhǔn)確感知，即使目標(biāo)運動，顏色根據(jù)時間產(chǎn)生的變化也很緩慢，可以說目標(biāo)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(biāo)準(zhǔn)，取得目標(biāo)顏色組成后還遠(yuǎn)遠(yuǎn)不夠，實際的跟蹤過程還需要每個目標(biāo)區(qū)別于其他目標(biāo)的特點。當(dāng)新目標(biāo)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(dāng)目標(biāo)被遮擋時，把跟蹤遮擋目標(biāo)轉(zhuǎn)為是跟蹤顏色塊。通過建立顏色塊的時間關(guān)聯(lián)，機械顏色塊的持續(xù)跟蹤，目標(biāo)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(biāo)相對位置，根據(jù)跟蹤顏色塊判斷目標(biāo)和運動區(qū)的聯(lián)系，進而得到目標(biāo)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(chǎn)生監(jiān)控越來越多出現(xiàn)在各種場景，這種多個攝像機構(gòu)成的網(wǎng)絡(luò)結(jié)構(gòu)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(diào)工作。運用多個攝像機進行多視角跟蹤，將空間場景構(gòu)建成三維坐標(biāo)，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(chǎn)生錯誤跟蹤時，系統(tǒng)仍然可以正常運行。

7.結(jié)束語

智能視頻監(jiān)控能夠現(xiàn)實復(fù)雜場景中對運動目標(biāo)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(yīng)加大對多目標(biāo)跟蹤技術(shù)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(zhǔn)度，為社會的經(jīng)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(biāo)檢測和跟蹤算法研究[D].云南大學(xué)，2012.

[2]江浩.基于多目標(biāo)識別與跟蹤技術(shù)的視頻監(jiān)控應(yīng)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(yīng)急保障管理智能視頻監(jiān)控系統(tǒng)的應(yīng)用探討[J].電腦知識與技術(shù)，2013（30）.

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

[5]王加梁.基于計算機技術(shù)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(biāo)檢測方法[J].蘭州理工大學(xué)學(xué)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。