高小清　吳健珍

摘 要 視覺監(jiān)控是研究用機(jī)器代替人對監(jiān)控視頻進(jìn)行處理并發(fā)現(xiàn)其中存在的異常情況的新興學(xué)科。本文所提出的視覺監(jiān)控系統(tǒng)采用三幀差分法和邊緣檢測法相結(jié)合來檢測移動目標(biāo)，通過對視頻幀進(jìn)行邊緣提取，再用三幀差分法對圖像進(jìn)行處理得到前景目標(biāo)的連續(xù)移動幀；采用基于變換域的跟蹤方法對視頻中的目標(biāo)進(jìn)行跟蹤并可定位顯示人臉。

關(guān)鍵詞 視覺監(jiān)控 移動目標(biāo) 跟蹤 人臉識別

中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A

0 引言

隨著數(shù)字化、網(wǎng)絡(luò)化的不斷發(fā)展，人們的安全防范意識的不斷提高，視頻監(jiān)控系統(tǒng)已深入到人們的日常生活。傳統(tǒng)的視頻監(jiān)控系統(tǒng)是通過工作人員對監(jiān)控視頻的觀看和分析來發(fā)現(xiàn)其中的危險(xiǎn)信息，這就導(dǎo)致了信息獲取的不及時，從而無法及時地發(fā)現(xiàn)危險(xiǎn)以采取進(jìn)一步的防范措施，導(dǎo)致財(cái)產(chǎn)或人身的安全遭受嚴(yán)重?fù)p失。此外，由于人的生理原因，會造成對監(jiān)控視頻的監(jiān)視疏漏，基于此，視覺監(jiān)控不斷發(fā)展，視覺監(jiān)控實(shí)現(xiàn)了由機(jī)器來對所獲得的視頻進(jìn)行處理，從而可以代替人來發(fā)現(xiàn)視頻序列中的潛在的危險(xiǎn)，不僅可以做到全天候地進(jìn)行監(jiān)視處理，還能避免因人為的因素造成的漏報(bào)誤報(bào)。

計(jì)算機(jī)視覺發(fā)展到今天，還沒有出現(xiàn)哪種萬能的檢測和跟蹤算法對所有的情況都適用。因此，在實(shí)際應(yīng)用中，對復(fù)雜的移動目標(biāo)進(jìn)行檢測和跟蹤都具有相當(dāng)?shù)碾y度。本文主要研究基于靜止背景的視頻序列的移動目標(biāo)監(jiān)控，主要包括視頻圖像的預(yù)處理，移動目標(biāo)的檢測、分割、識別、跟蹤、人臉識別。

本文的視覺監(jiān)控系統(tǒng)流程圖見圖1。首先獲取視頻序列并對其進(jìn)行預(yù)處理，再進(jìn)行目標(biāo)區(qū)域的檢測和目標(biāo)識別，這些是視覺監(jiān)控的低級和中級處理部分，人臉識別和跟蹤顯示為視覺監(jiān)控的高級部分。

圖1 視覺監(jiān)控系統(tǒng)工作流程

1 視頻圖像預(yù)處理

在實(shí)際應(yīng)用中，由于監(jiān)控場景中光照、噪聲等方面的影響，使我們所獲得的圖像質(zhì)量不高，這就需要通過圖像預(yù)處理技術(shù)來對視頻圖像進(jìn)行相應(yīng)的處理，達(dá)到抑制噪聲、改善圖像質(zhì)量的目的。

1.1 灰度化

將采集到的彩色圖像序列進(jìn)行灰度處理。

1.2 二值化

本文采用整體閾值法對視頻圖像進(jìn)行二值化處理，以取得移動目標(biāo)。

2 視頻監(jiān)控算法

2.1 移動目標(biāo)的檢測

移動檢測就是檢測物體的移動區(qū)域，它的目的是在輸入的若干圖像序列中搜索到移動目標(biāo)的區(qū)域，并確定其位置和尺寸大小等信息。

常用的移動目標(biāo)檢測法有背景減除法、幀間差分法、光流法，本文采用三幀差分法和邊緣檢測法相結(jié)合的方法來進(jìn)行移動目標(biāo)的檢測，主要過程是先用canny算子邊緣檢測法對視頻幀進(jìn)行邊緣的提取，再把連續(xù)三幀的視頻幀兩兩相減并與規(guī)定的閾值進(jìn)行比較，根據(jù)與閾值的大小關(guān)系，判斷其為固定背景或是移動前景，從而得到移動目標(biāo)形狀，達(dá)到檢測的效果。邊緣檢測的目的是檢測并找出圖像中屋頂變化和階躍變化的像素點(diǎn)，把這些像素點(diǎn)連接起來就構(gòu)成了物體的邊緣，即檢測出了物體的邊緣。

邊緣檢測主要包括以下四個步驟：（1）圖像濾波；（2）圖形加強(qiáng)：增強(qiáng)圖像中灰度的對比度，突出領(lǐng)域變化顯著地點(diǎn)；（3）圖像檢測：用幅值閾值判據(jù)確定邊緣點(diǎn)；（4）圖像定位。

檢測出物體邊緣后再對其進(jìn)行三幀差分算法的計(jì)算。

三幀差分法的基本原理是先選取視頻圖像序列中連續(xù)的三幀圖像并分別計(jì)算相鄰兩幀的差分圖像，然后將差分圖像通過選取適當(dāng)?shù)拈撝颠M(jìn)行二值化處理，得到二值化圖像，最后對每一個像素點(diǎn)得到的二值圖像進(jìn)行邏輯與運(yùn)算，獲取共同部分，從而獲得移動目標(biāo)的輪廓信息。假設(shè)三幀圖像分別為（）、（）和（）， 分別計(jì)算前二幀圖像和后二幀圖像的差值并二值化處理，得到二值化圖像為（）和（），將（）和（）與給定的閾值進(jìn)行比較，若和都大于給定的閾值T，則把中間幀（）作為前景圖像，最終得到移動目標(biāo)圖像。閾值T為人工選取值，在對不同的視頻進(jìn)行處理時，要設(shè)定不同的T值。原理圖如圖2所示。

與傳統(tǒng)檢測算法相比，三幀差分法和邊緣檢測法結(jié)合的檢測效果更好，主要表現(xiàn)在不會出現(xiàn)傳統(tǒng)差分法出現(xiàn)的檢測目標(biāo)的空洞問題，也避免了邊緣檢測法的邊緣不清晰問題；相鄰兩幀時間間隔一般較短，其對于場景光線變化敏感度不高，適應(yīng)性強(qiáng)，魯棒性好，穩(wěn)定性好，能適應(yīng)場景的小幅度變化；背景不隨著時間累積，其更新速度較快，相對易于實(shí)現(xiàn)實(shí)時監(jiān)控。

2.2 移動目標(biāo)跟蹤

本文使用基于變換域的跟蹤方法和基于臉部特征的跟蹤方法來實(shí)現(xiàn)移動目標(biāo)跟蹤。

2.3 人臉檢測

本文的人臉跟蹤部分主要用到了MATLA 2012B中的Computer Vision System Toolbox（計(jì)算機(jī)視覺工具箱）的vision.CascadeObjectDetector（）函數(shù)，可以通過更改括號內(nèi)的參數(shù)決定某種跟蹤。

圖2 三幀差分法的基本原理圖

3 仿真實(shí)驗(yàn)與分析

本文在MATLA 2012B平臺上進(jìn)行仿真實(shí)驗(yàn)，對一段自己拍攝的視頻進(jìn)行測試，處理速度為每秒15幀，用三幀差分法和邊緣檢測法相結(jié)合的方法來對移動目標(biāo)的檢測，用基于變換域的跟蹤方法對人體進(jìn)行跟蹤，用基于臉部特征的跟蹤方法進(jìn)行人臉的提取和跟蹤。

仿真結(jié)果見圖3、圖4、圖5。

從仿真結(jié)果可以看出，三幀差分法和邊緣檢測法相結(jié)合的方法比只用三幀差分法或只用邊緣檢測法能更好的提取出移動目標(biāo)，提取出來的運(yùn)動目標(biāo)輪廓更加清晰，內(nèi)部的空洞比較少，且實(shí)用性強(qiáng)，不僅可以檢測移動人體還可以檢測任何移動物體。跟蹤算法能很好的跟蹤運(yùn)動目標(biāo)，并能準(zhǔn)確地標(biāo)出運(yùn)動軌跡，識別精度較高。人臉識別跟蹤能準(zhǔn)確地識別視頻中的人臉并進(jìn)行跟蹤。

4 結(jié)論

本文的創(chuàng)新點(diǎn)在于針對傳統(tǒng)的視頻序列中移動目標(biāo)檢測算法的不足，提出了一種將三幀差分法與邊緣檢測法相結(jié)合的移動物體目標(biāo)的檢測算法。該方法能適應(yīng)復(fù)雜環(huán)境，有效克服光照對視頻中移動目標(biāo)檢測的影響，檢測提取的移動目標(biāo)輪廓與實(shí)際物體輪廓相符，且適用性強(qiáng)，不僅可以檢測跟蹤目標(biāo)人體，還可以檢測任何移動物體。在人臉識別部分，能較準(zhǔn)確地識別并提取出人臉。仿真結(jié)果表明該方法準(zhǔn)確高效，適用范圍廣，能應(yīng)用于銀行、高級辦公樓、超市、交通監(jiān)控等方面，可以有效減少人力物力的投入，獲得比較好的經(jīng)濟(jì)效益。

參考文獻(xiàn)

[1] 趙世喆.基于序列圖像的移動目標(biāo)檢測和跟蹤算法研究[D].北方工業(yè)大學(xué)碩士學(xué)位論文，2006.

[2] 涂虬，許毅平，周曼麗.基于全局最小化活動輪廓的多目標(biāo)檢測跟蹤[J].計(jì)算機(jī)應(yīng)用研究，2010.27（2）：219-220.

[3] 張娟，毛曉波，陳鐵軍.運(yùn)動目標(biāo)跟蹤算法煙具綜述[J].計(jì)算機(jī)應(yīng)用研究，2009.26（12）：4407-4410.

[4] 夏永泉，李衛(wèi)麗，甘勇，張素智.智能視頻監(jiān)控中的運(yùn)動目標(biāo)檢測技術(shù)研究[J].通信技術(shù)，2009.42（6）：3-4.

[5] 吳健珍.控制系統(tǒng)CAD與數(shù)字仿真[M].北京：清華大學(xué)出版社，2014.endprint

摘 要 視覺監(jiān)控是研究用機(jī)器代替人對監(jiān)控視頻進(jìn)行處理并發(fā)現(xiàn)其中存在的異常情況的新興學(xué)科。本文所提出的視覺監(jiān)控系統(tǒng)采用三幀差分法和邊緣檢測法相結(jié)合來檢測移動目標(biāo)，通過對視頻幀進(jìn)行邊緣提取，再用三幀差分法對圖像進(jìn)行處理得到前景目標(biāo)的連續(xù)移動幀；采用基于變換域的跟蹤方法對視頻中的目標(biāo)進(jìn)行跟蹤并可定位顯示人臉。

關(guān)鍵詞 視覺監(jiān)控 移動目標(biāo) 跟蹤 人臉識別

中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A

0 引言

隨著數(shù)字化、網(wǎng)絡(luò)化的不斷發(fā)展，人們的安全防范意識的不斷提高，視頻監(jiān)控系統(tǒng)已深入到人們的日常生活。傳統(tǒng)的視頻監(jiān)控系統(tǒng)是通過工作人員對監(jiān)控視頻的觀看和分析來發(fā)現(xiàn)其中的危險(xiǎn)信息，這就導(dǎo)致了信息獲取的不及時，從而無法及時地發(fā)現(xiàn)危險(xiǎn)以采取進(jìn)一步的防范措施，導(dǎo)致財(cái)產(chǎn)或人身的安全遭受嚴(yán)重?fù)p失。此外，由于人的生理原因，會造成對監(jiān)控視頻的監(jiān)視疏漏，基于此，視覺監(jiān)控不斷發(fā)展，視覺監(jiān)控實(shí)現(xiàn)了由機(jī)器來對所獲得的視頻進(jìn)行處理，從而可以代替人來發(fā)現(xiàn)視頻序列中的潛在的危險(xiǎn)，不僅可以做到全天候地進(jìn)行監(jiān)視處理，還能避免因人為的因素造成的漏報(bào)誤報(bào)。

計(jì)算機(jī)視覺發(fā)展到今天，還沒有出現(xiàn)哪種萬能的檢測和跟蹤算法對所有的情況都適用。因此，在實(shí)際應(yīng)用中，對復(fù)雜的移動目標(biāo)進(jìn)行檢測和跟蹤都具有相當(dāng)?shù)碾y度。本文主要研究基于靜止背景的視頻序列的移動目標(biāo)監(jiān)控，主要包括視頻圖像的預(yù)處理，移動目標(biāo)的檢測、分割、識別、跟蹤、人臉識別。

本文的視覺監(jiān)控系統(tǒng)流程圖見圖1。首先獲取視頻序列并對其進(jìn)行預(yù)處理，再進(jìn)行目標(biāo)區(qū)域的檢測和目標(biāo)識別，這些是視覺監(jiān)控的低級和中級處理部分，人臉識別和跟蹤顯示為視覺監(jiān)控的高級部分。

圖1 視覺監(jiān)控系統(tǒng)工作流程

1 視頻圖像預(yù)處理

在實(shí)際應(yīng)用中，由于監(jiān)控場景中光照、噪聲等方面的影響，使我們所獲得的圖像質(zhì)量不高，這就需要通過圖像預(yù)處理技術(shù)來對視頻圖像進(jìn)行相應(yīng)的處理，達(dá)到抑制噪聲、改善圖像質(zhì)量的目的。

1.1 灰度化

將采集到的彩色圖像序列進(jìn)行灰度處理。

1.2 二值化

本文采用整體閾值法對視頻圖像進(jìn)行二值化處理，以取得移動目標(biāo)。

2 視頻監(jiān)控算法

2.1 移動目標(biāo)的檢測

移動檢測就是檢測物體的移動區(qū)域，它的目的是在輸入的若干圖像序列中搜索到移動目標(biāo)的區(qū)域，并確定其位置和尺寸大小等信息。

常用的移動目標(biāo)檢測法有背景減除法、幀間差分法、光流法，本文采用三幀差分法和邊緣檢測法相結(jié)合的方法來進(jìn)行移動目標(biāo)的檢測，主要過程是先用canny算子邊緣檢測法對視頻幀進(jìn)行邊緣的提取，再把連續(xù)三幀的視頻幀兩兩相減并與規(guī)定的閾值進(jìn)行比較，根據(jù)與閾值的大小關(guān)系，判斷其為固定背景或是移動前景，從而得到移動目標(biāo)形狀，達(dá)到檢測的效果。邊緣檢測的目的是檢測并找出圖像中屋頂變化和階躍變化的像素點(diǎn)，把這些像素點(diǎn)連接起來就構(gòu)成了物體的邊緣，即檢測出了物體的邊緣。

邊緣檢測主要包括以下四個步驟：（1）圖像濾波；（2）圖形加強(qiáng)：增強(qiáng)圖像中灰度的對比度，突出領(lǐng)域變化顯著地點(diǎn)；（3）圖像檢測：用幅值閾值判據(jù)確定邊緣點(diǎn)；（4）圖像定位。

檢測出物體邊緣后再對其進(jìn)行三幀差分算法的計(jì)算。

三幀差分法的基本原理是先選取視頻圖像序列中連續(xù)的三幀圖像并分別計(jì)算相鄰兩幀的差分圖像，然后將差分圖像通過選取適當(dāng)?shù)拈撝颠M(jìn)行二值化處理，得到二值化圖像，最后對每一個像素點(diǎn)得到的二值圖像進(jìn)行邏輯與運(yùn)算，獲取共同部分，從而獲得移動目標(biāo)的輪廓信息。假設(shè)三幀圖像分別為（）、（）和（）， 分別計(jì)算前二幀圖像和后二幀圖像的差值并二值化處理，得到二值化圖像為（）和（），將（）和（）與給定的閾值進(jìn)行比較，若和都大于給定的閾值T，則把中間幀（）作為前景圖像，最終得到移動目標(biāo)圖像。閾值T為人工選取值，在對不同的視頻進(jìn)行處理時，要設(shè)定不同的T值。原理圖如圖2所示。

與傳統(tǒng)檢測算法相比，三幀差分法和邊緣檢測法結(jié)合的檢測效果更好，主要表現(xiàn)在不會出現(xiàn)傳統(tǒng)差分法出現(xiàn)的檢測目標(biāo)的空洞問題，也避免了邊緣檢測法的邊緣不清晰問題；相鄰兩幀時間間隔一般較短，其對于場景光線變化敏感度不高，適應(yīng)性強(qiáng)，魯棒性好，穩(wěn)定性好，能適應(yīng)場景的小幅度變化；背景不隨著時間累積，其更新速度較快，相對易于實(shí)現(xiàn)實(shí)時監(jiān)控。

2.2 移動目標(biāo)跟蹤

本文使用基于變換域的跟蹤方法和基于臉部特征的跟蹤方法來實(shí)現(xiàn)移動目標(biāo)跟蹤。

2.3 人臉檢測

本文的人臉跟蹤部分主要用到了MATLA 2012B中的Computer Vision System Toolbox（計(jì)算機(jī)視覺工具箱）的vision.CascadeObjectDetector（）函數(shù)，可以通過更改括號內(nèi)的參數(shù)決定某種跟蹤。

圖2 三幀差分法的基本原理圖

3 仿真實(shí)驗(yàn)與分析

本文在MATLA 2012B平臺上進(jìn)行仿真實(shí)驗(yàn)，對一段自己拍攝的視頻進(jìn)行測試，處理速度為每秒15幀，用三幀差分法和邊緣檢測法相結(jié)合的方法來對移動目標(biāo)的檢測，用基于變換域的跟蹤方法對人體進(jìn)行跟蹤，用基于臉部特征的跟蹤方法進(jìn)行人臉的提取和跟蹤。

仿真結(jié)果見圖3、圖4、圖5。

從仿真結(jié)果可以看出，三幀差分法和邊緣檢測法相結(jié)合的方法比只用三幀差分法或只用邊緣檢測法能更好的提取出移動目標(biāo)，提取出來的運(yùn)動目標(biāo)輪廓更加清晰，內(nèi)部的空洞比較少，且實(shí)用性強(qiáng)，不僅可以檢測移動人體還可以檢測任何移動物體。跟蹤算法能很好的跟蹤運(yùn)動目標(biāo)，并能準(zhǔn)確地標(biāo)出運(yùn)動軌跡，識別精度較高。人臉識別跟蹤能準(zhǔn)確地識別視頻中的人臉并進(jìn)行跟蹤。

4 結(jié)論

本文的創(chuàng)新點(diǎn)在于針對傳統(tǒng)的視頻序列中移動目標(biāo)檢測算法的不足，提出了一種將三幀差分法與邊緣檢測法相結(jié)合的移動物體目標(biāo)的檢測算法。該方法能適應(yīng)復(fù)雜環(huán)境，有效克服光照對視頻中移動目標(biāo)檢測的影響，檢測提取的移動目標(biāo)輪廓與實(shí)際物體輪廓相符，且適用性強(qiáng)，不僅可以檢測跟蹤目標(biāo)人體，還可以檢測任何移動物體。在人臉識別部分，能較準(zhǔn)確地識別并提取出人臉。仿真結(jié)果表明該方法準(zhǔn)確高效，適用范圍廣，能應(yīng)用于銀行、高級辦公樓、超市、交通監(jiān)控等方面，可以有效減少人力物力的投入，獲得比較好的經(jīng)濟(jì)效益。

參考文獻(xiàn)

[1] 趙世喆.基于序列圖像的移動目標(biāo)檢測和跟蹤算法研究[D].北方工業(yè)大學(xué)碩士學(xué)位論文，2006.

[2] 涂虬，許毅平，周曼麗.基于全局最小化活動輪廓的多目標(biāo)檢測跟蹤[J].計(jì)算機(jī)應(yīng)用研究，2010.27（2）：219-220.

[3] 張娟，毛曉波，陳鐵軍.運(yùn)動目標(biāo)跟蹤算法煙具綜述[J].計(jì)算機(jī)應(yīng)用研究，2009.26（12）：4407-4410.

[4] 夏永泉，李衛(wèi)麗，甘勇，張素智.智能視頻監(jiān)控中的運(yùn)動目標(biāo)檢測技術(shù)研究[J].通信技術(shù)，2009.42（6）：3-4.

[5] 吳健珍.控制系統(tǒng)CAD與數(shù)字仿真[M].北京：清華大學(xué)出版社，2014.endprint

摘 要 視覺監(jiān)控是研究用機(jī)器代替人對監(jiān)控視頻進(jìn)行處理并發(fā)現(xiàn)其中存在的異常情況的新興學(xué)科。本文所提出的視覺監(jiān)控系統(tǒng)采用三幀差分法和邊緣檢測法相結(jié)合來檢測移動目標(biāo)，通過對視頻幀進(jìn)行邊緣提取，再用三幀差分法對圖像進(jìn)行處理得到前景目標(biāo)的連續(xù)移動幀；采用基于變換域的跟蹤方法對視頻中的目標(biāo)進(jìn)行跟蹤并可定位顯示人臉。

關(guān)鍵詞 視覺監(jiān)控 移動目標(biāo) 跟蹤 人臉識別

中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A

0 引言

隨著數(shù)字化、網(wǎng)絡(luò)化的不斷發(fā)展，人們的安全防范意識的不斷提高，視頻監(jiān)控系統(tǒng)已深入到人們的日常生活。傳統(tǒng)的視頻監(jiān)控系統(tǒng)是通過工作人員對監(jiān)控視頻的觀看和分析來發(fā)現(xiàn)其中的危險(xiǎn)信息，這就導(dǎo)致了信息獲取的不及時，從而無法及時地發(fā)現(xiàn)危險(xiǎn)以采取進(jìn)一步的防范措施，導(dǎo)致財(cái)產(chǎn)或人身的安全遭受嚴(yán)重?fù)p失。此外，由于人的生理原因，會造成對監(jiān)控視頻的監(jiān)視疏漏，基于此，視覺監(jiān)控不斷發(fā)展，視覺監(jiān)控實(shí)現(xiàn)了由機(jī)器來對所獲得的視頻進(jìn)行處理，從而可以代替人來發(fā)現(xiàn)視頻序列中的潛在的危險(xiǎn)，不僅可以做到全天候地進(jìn)行監(jiān)視處理，還能避免因人為的因素造成的漏報(bào)誤報(bào)。

計(jì)算機(jī)視覺發(fā)展到今天，還沒有出現(xiàn)哪種萬能的檢測和跟蹤算法對所有的情況都適用。因此，在實(shí)際應(yīng)用中，對復(fù)雜的移動目標(biāo)進(jìn)行檢測和跟蹤都具有相當(dāng)?shù)碾y度。本文主要研究基于靜止背景的視頻序列的移動目標(biāo)監(jiān)控，主要包括視頻圖像的預(yù)處理，移動目標(biāo)的檢測、分割、識別、跟蹤、人臉識別。

本文的視覺監(jiān)控系統(tǒng)流程圖見圖1。首先獲取視頻序列并對其進(jìn)行預(yù)處理，再進(jìn)行目標(biāo)區(qū)域的檢測和目標(biāo)識別，這些是視覺監(jiān)控的低級和中級處理部分，人臉識別和跟蹤顯示為視覺監(jiān)控的高級部分。

圖1 視覺監(jiān)控系統(tǒng)工作流程

1 視頻圖像預(yù)處理

在實(shí)際應(yīng)用中，由于監(jiān)控場景中光照、噪聲等方面的影響，使我們所獲得的圖像質(zhì)量不高，這就需要通過圖像預(yù)處理技術(shù)來對視頻圖像進(jìn)行相應(yīng)的處理，達(dá)到抑制噪聲、改善圖像質(zhì)量的目的。

1.1 灰度化

將采集到的彩色圖像序列進(jìn)行灰度處理。

1.2 二值化

本文采用整體閾值法對視頻圖像進(jìn)行二值化處理，以取得移動目標(biāo)。

2 視頻監(jiān)控算法

2.1 移動目標(biāo)的檢測

移動檢測就是檢測物體的移動區(qū)域，它的目的是在輸入的若干圖像序列中搜索到移動目標(biāo)的區(qū)域，并確定其位置和尺寸大小等信息。

常用的移動目標(biāo)檢測法有背景減除法、幀間差分法、光流法，本文采用三幀差分法和邊緣檢測法相結(jié)合的方法來進(jìn)行移動目標(biāo)的檢測，主要過程是先用canny算子邊緣檢測法對視頻幀進(jìn)行邊緣的提取，再把連續(xù)三幀的視頻幀兩兩相減并與規(guī)定的閾值進(jìn)行比較，根據(jù)與閾值的大小關(guān)系，判斷其為固定背景或是移動前景，從而得到移動目標(biāo)形狀，達(dá)到檢測的效果。邊緣檢測的目的是檢測并找出圖像中屋頂變化和階躍變化的像素點(diǎn)，把這些像素點(diǎn)連接起來就構(gòu)成了物體的邊緣，即檢測出了物體的邊緣。

邊緣檢測主要包括以下四個步驟：（1）圖像濾波；（2）圖形加強(qiáng)：增強(qiáng)圖像中灰度的對比度，突出領(lǐng)域變化顯著地點(diǎn)；（3）圖像檢測：用幅值閾值判據(jù)確定邊緣點(diǎn)；（4）圖像定位。

檢測出物體邊緣后再對其進(jìn)行三幀差分算法的計(jì)算。

三幀差分法的基本原理是先選取視頻圖像序列中連續(xù)的三幀圖像并分別計(jì)算相鄰兩幀的差分圖像，然后將差分圖像通過選取適當(dāng)?shù)拈撝颠M(jìn)行二值化處理，得到二值化圖像，最后對每一個像素點(diǎn)得到的二值圖像進(jìn)行邏輯與運(yùn)算，獲取共同部分，從而獲得移動目標(biāo)的輪廓信息。假設(shè)三幀圖像分別為（）、（）和（）， 分別計(jì)算前二幀圖像和后二幀圖像的差值并二值化處理，得到二值化圖像為（）和（），將（）和（）與給定的閾值進(jìn)行比較，若和都大于給定的閾值T，則把中間幀（）作為前景圖像，最終得到移動目標(biāo)圖像。閾值T為人工選取值，在對不同的視頻進(jìn)行處理時，要設(shè)定不同的T值。原理圖如圖2所示。

與傳統(tǒng)檢測算法相比，三幀差分法和邊緣檢測法結(jié)合的檢測效果更好，主要表現(xiàn)在不會出現(xiàn)傳統(tǒng)差分法出現(xiàn)的檢測目標(biāo)的空洞問題，也避免了邊緣檢測法的邊緣不清晰問題；相鄰兩幀時間間隔一般較短，其對于場景光線變化敏感度不高，適應(yīng)性強(qiáng)，魯棒性好，穩(wěn)定性好，能適應(yīng)場景的小幅度變化；背景不隨著時間累積，其更新速度較快，相對易于實(shí)現(xiàn)實(shí)時監(jiān)控。

2.2 移動目標(biāo)跟蹤

本文使用基于變換域的跟蹤方法和基于臉部特征的跟蹤方法來實(shí)現(xiàn)移動目標(biāo)跟蹤。

2.3 人臉檢測

本文的人臉跟蹤部分主要用到了MATLA 2012B中的Computer Vision System Toolbox（計(jì)算機(jī)視覺工具箱）的vision.CascadeObjectDetector（）函數(shù)，可以通過更改括號內(nèi)的參數(shù)決定某種跟蹤。

圖2 三幀差分法的基本原理圖

3 仿真實(shí)驗(yàn)與分析

本文在MATLA 2012B平臺上進(jìn)行仿真實(shí)驗(yàn)，對一段自己拍攝的視頻進(jìn)行測試，處理速度為每秒15幀，用三幀差分法和邊緣檢測法相結(jié)合的方法來對移動目標(biāo)的檢測，用基于變換域的跟蹤方法對人體進(jìn)行跟蹤，用基于臉部特征的跟蹤方法進(jìn)行人臉的提取和跟蹤。

仿真結(jié)果見圖3、圖4、圖5。

從仿真結(jié)果可以看出，三幀差分法和邊緣檢測法相結(jié)合的方法比只用三幀差分法或只用邊緣檢測法能更好的提取出移動目標(biāo)，提取出來的運(yùn)動目標(biāo)輪廓更加清晰，內(nèi)部的空洞比較少，且實(shí)用性強(qiáng)，不僅可以檢測移動人體還可以檢測任何移動物體。跟蹤算法能很好的跟蹤運(yùn)動目標(biāo)，并能準(zhǔn)確地標(biāo)出運(yùn)動軌跡，識別精度較高。人臉識別跟蹤能準(zhǔn)確地識別視頻中的人臉并進(jìn)行跟蹤。

4 結(jié)論

本文的創(chuàng)新點(diǎn)在于針對傳統(tǒng)的視頻序列中移動目標(biāo)檢測算法的不足，提出了一種將三幀差分法與邊緣檢測法相結(jié)合的移動物體目標(biāo)的檢測算法。該方法能適應(yīng)復(fù)雜環(huán)境，有效克服光照對視頻中移動目標(biāo)檢測的影響，檢測提取的移動目標(biāo)輪廓與實(shí)際物體輪廓相符，且適用性強(qiáng)，不僅可以檢測跟蹤目標(biāo)人體，還可以檢測任何移動物體。在人臉識別部分，能較準(zhǔn)確地識別并提取出人臉。仿真結(jié)果表明該方法準(zhǔn)確高效，適用范圍廣，能應(yīng)用于銀行、高級辦公樓、超市、交通監(jiān)控等方面，可以有效減少人力物力的投入，獲得比較好的經(jīng)濟(jì)效益。

參考文獻(xiàn)

[1] 趙世喆.基于序列圖像的移動目標(biāo)檢測和跟蹤算法研究[D].北方工業(yè)大學(xué)碩士學(xué)位論文，2006.

[2] 涂虬，許毅平，周曼麗.基于全局最小化活動輪廓的多目標(biāo)檢測跟蹤[J].計(jì)算機(jī)應(yīng)用研究，2010.27（2）：219-220.

[3] 張娟，毛曉波，陳鐵軍.運(yùn)動目標(biāo)跟蹤算法煙具綜述[J].計(jì)算機(jī)應(yīng)用研究，2009.26（12）：4407-4410.

[4] 夏永泉，李衛(wèi)麗，甘勇，張素智.智能視頻監(jiān)控中的運(yùn)動目標(biāo)檢測技術(shù)研究[J].通信技術(shù)，2009.42（6）：3-4.

[5] 吳健珍.控制系統(tǒng)CAD與數(shù)字仿真[M].北京：清華大學(xué)出版社，2014.endprint