盧　靜, 李　華

(河南工程學院 計算機學院，河南 鄭州 451191)

?

家庭視頻監(jiān)控系統(tǒng)中異常情況的檢測研究

盧靜, 李華

(河南工程學院 計算機學院，河南 鄭州 451191)

摘要：家庭視頻監(jiān)控系統(tǒng)中常見的異常情況有3種：運動目標的出現(xiàn)、監(jiān)控畫面中光線強度的突然改變和與背景亮度對比強烈的目標闖入.對上述3種異常情況進行了詳細分析和實驗，實驗結(jié)果證明，本研究提出的方案能有效進行家庭視頻監(jiān)控中異常情況的檢測.

關鍵詞：運動檢測;背景減除;高斯建模;灰度變換

家庭視頻監(jiān)控系統(tǒng)作為一種安保措施，能在家中無人的情況下，最大限度地保障安全.家庭視頻監(jiān)控中的異常情況主要有3種：運動目標的出現(xiàn)、監(jiān)控場景光線的突變和與背景亮度對比強烈的目標闖入.目前，運動目標檢測類算法主要有5種：幀差法、背景差分法、光流場法、圖像分割法和目標特征提取法，每種算法都有自己的適用場合.例如葉吉祥等[1]通過對相鄰圖像直方圖進行比較分析，提出了基于直方圖比較的混合高斯模型光線強度自適應算法，用于解決光線強度突變的檢測.周兵等[2]通過對圖像中像素亮度分量和色度分量的分布進行分析，實現(xiàn)了對場景中變化像素的檢測，以進行高對比度對象闖入的檢測.

由于家庭視頻監(jiān)控中的監(jiān)控區(qū)域較為固定，監(jiān)控背景不會發(fā)生太大變化，而系統(tǒng)對算法的實時性要求較高，故可以在進行異常情況的檢測時使用背景減除法[3]進行運動目標的檢測.背景減除法主要通過待檢測的幀圖像與當前背景圖像進行差分，從而分離出待檢測幀中的變化區(qū)域，實現(xiàn)運動目標的檢測.

由于使用背景減除法進行運動目標的檢測，所以當前幀中的光線強度突然改變時(例如開燈或關燈)，在當前幀與背景圖像進行差分運算，就會將背景中的非運動區(qū)域檢測為運動變化區(qū)域.另外，若當前幀中有與背景對比強烈的目標突然闖入時，攝像頭本身會進行增益調(diào)節(jié)，此時當前幀中非運動區(qū)域的亮度也會發(fā)生突然改變.以上兩種情況應區(qū)別對待，對于第一種情況(開燈或關燈)應將其從異常情況中排除；對于第二種情況，應能正確檢測出運動目標，而不能誤把背景也當作運動目標檢測出來.

1檢測過程

對運動目標的檢測流程如圖1所示.

圖1　背景減除算法流程Fig.1　Background subtraction algorithm process

2圖像預處理

無論是進行背景建模還是對當前幀進行異常檢測，都需要對圖像進行預處理，其過程主要是將原始RGB圖像轉(zhuǎn)換為灰度圖.轉(zhuǎn)換后的圖像數(shù)據(jù)量大大減少，有利于檢測算法性能的提高.轉(zhuǎn)換時，利用公式Y(jié)=0.3R+0.59G+0.11B計算圖像中每個像素點的Y分量.Y是YUV圖像格式中表示亮度的分量，U和V是表示色度的分量.研究表明，人眼對亮度的變化比對色度的變化更為敏感，故在進行灰度處理時，須把RGB格式的彩色圖像轉(zhuǎn)換為只用Y分量表示的灰度圖像.

3背景建模

由于使用背景減除法進行運動區(qū)域檢測，故初始背景的建立非常重要，本研究主要使用統(tǒng)計分析方法進行初始背景的建模[4].設采樣周期為T、采樣率為S、幀率為R，則用于背景建模的總幀數(shù)

M=(T×R)÷S .

(1)

在建立的背景模型中，每個像素點用3個分量表示，M幀圖像中每個像素點亮度的最大值、最小值和平均值分別表示為YMAX(x,y)，YMIN(x,y)和YAVE(x,y).其中,

YMAX(x,y)=max(Yi(x,y))， i=1,2,…,M，

(2)

YMIN(x,y)=min(Yi(x,y))， i=1,2,…,M，

(3)

YAVE(x,y)=average(Yi(x,y))， i=1,2,…,M，

(4)

式中： Yi(x,y)表示第i幀中(x,y)像素處的亮度.

4運動檢測

根據(jù)背景減除的思想進行運動區(qū)域的檢測，設置檢測閾值T，將當前幀的圖像與前面建立的背景圖像進行減運算.若(x,y)位置處的運算結(jié)果大于T，應把(x,y)歸為運動像素，否則把(x,y)歸為背景像素.令Ft(x,y)表示第t幀中(x,y)處的亮度值，Bt(x,y)表示此時刻背景圖像中該位置處的亮度值，則滿足式(5)的像素即為運動像素：

|Ft(x,y)-Bt(x,y)|>T.

(5)

在進行背景建模時，背景中的每個像素都用3個分量表示，故式(5)可改寫為

min(|Ft(x,y)-YMAX(x,y)|,|Ft(x,y)-YMIN(x,y)|,|Ft(x,y)-YAVE(x,y)|)>T.

(6)

將當前幀中檢測到的所有運動像素稱為前景，對前景像素進行二值化處理，可完成運動對象從當前幀中的分離.令Ot表示輸出的二值圖像，則

(7)

在Ot中，運動區(qū)域為白色，非運動區(qū)域為黑色.

根據(jù)前面的分析，若監(jiān)控區(qū)域內(nèi)的亮度突然改變(開燈或關燈)或當前幀中突然有高對比度對象(與背景亮度相比)進入時，當前幀中非運動區(qū)域部分的亮度值也會滿足式(6)，從而造成誤檢.因此，這兩種情況應單獨處理.

4.1　開燈或關燈行為檢測

當開燈或關燈時，當前幀中所有像素點的亮度值都會發(fā)生較大的變化，利用這個特點，可判斷出是否進行了開燈或關燈動作.令Sf表示第t幀圖像中所有像素的亮度之和，Sb表示該時刻背景圖像中全部像素的亮度之和，則

(8)

4.2　高對比度對象闖入的檢測

利用4.1節(jié)中的方法可以有效地檢測出開燈或關燈事件，但當前幀中突然有對象進入時，若闖入對象的亮度較大，該幀中非運動區(qū)域的亮度會降低；當對象的亮度較小時，當前幀中非運動區(qū)域像素的亮度則升高.利用這個特點，可以有效地檢測出是發(fā)生了開燈或關燈事件還是發(fā)生了高對比度對象闖入事件.

設置閾值T1和T2用于檢測是否有對象闖入，令Sft表示第t幀中運動像素的亮度和，Sbt表示該時刻背景圖像中運動像素的亮度和，計算二者之差占Sbt的比率：

(9)

(10)

令Sft1表示第t幀中非運動像素的亮度和，Sbt1表示該時刻背景圖像中非運動像素的亮度和，計算二者之差占Sbt1的比率：

Sft1=Sf-Sft，Sbt1=Sb-Sbt，

(11)

(12)

5背景維護策略

為了保證檢測結(jié)果的準確性，需要實時更新背景，否則背景圖像中將包含大量的虛假信息，降低檢測結(jié)果的準確性.更新背景的方法有多種，可以使用高斯混合模型，也可以統(tǒng)計出各個像素的強度范圍，然后以此為閾值進行背景維護與運動檢測.

在更新背景時，需要根據(jù)檢測出來的運動區(qū)域(前景)進行更新，即只更新背景中的運動像素，背景中的非運動像素不需要更新.由于在背景圖像中每個像素點用3個分量進行表示，所以在進行背景更新時需要考慮更新哪個分量.

令YFt(x,y)為第t幀前景中(x,y)位置的亮度，T=min(|YFt(x,y)-YMAX(x,y)|,|YFt(x,y)-YMIN(x,y)|,|YFt(x,y)-YAVE(x,y)|).

為了背景的平穩(wěn)過渡，在更新背景的時候，只更新與T最接近的分量.例如，若T=|YFt(x,y)-YMAX(x,y)|，則只需更新背景模型中(x,y)處的YMAX(x,y)分量，其余兩個分量不需要更新.設更新因子為α(0<α<1)，則在第t+1幀時背景中(x,y)處的YMAX(x,y)分量計算公式為

YMAX(x,y)=αYFt(x,y)+(1-α)YMAX(x,y).

(13)

6實驗及結(jié)果

本次實驗對4段不同家庭環(huán)境下的監(jiān)控過程進行了測試，圖2為一個家庭場景，視頻序列1中的監(jiān)控背景固定，運動目標慢速移動;視頻序列2中的監(jiān)控背景固定，運動目標快速移動;視頻序列3中的盆景和門簾被風大幅度吹動，背景變化較快，運動目標慢速移動;視頻序列4中的監(jiān)控背景同序列3，運動目標快速移動.對這4段視頻序列分別使用傳統(tǒng)的背景減除算法、三幀差法和本研究算法進行運動目標的檢測.圖3和圖4分別為視頻序列3中第440幀在直接背景減除算法和本研究算法下的檢測結(jié)果.實驗配置：攝像頭為USB接口羅技C270，主機為Intel Core 2 Duo/2 GB，幀率為25，背景建模采樣率為5次/s，幀尺寸為480像素640像素.閾值設置為T=0.1，背景更新因子α=0.1.

圖2　原始圖像Fig.2　Original image

圖3　直接減法結(jié)果Fig.3　Direct subtraction result

圖4　本研究檢測結(jié)果Fig.4　Detection result

對比可以發(fā)現(xiàn)，在進行運動目標檢測時，3種算法都可以檢測到運動目標，但前兩種算法檢測到的運動目標范圍較大，包含背景中的一些干擾因素.使用本研究算法可有效降低背景中干擾因素的影響，特別對于背景變化較快的場景，本研究算法檢測到的運動目標范圍更準確.

對開燈或關燈的檢測使用3段監(jiān)控過程進行測試，視頻序列1對應白天室內(nèi)正常光線場景，視頻序列2對應白天室內(nèi)較暗光線場景，視頻序列3對應晚上室內(nèi)光線場景.分別在3段視頻序列的第175幀左右進行開燈操作，在第300幀左右進行關燈操作，測試結(jié)果如表1所示.

圖5　高亮度對象闖入檢測結(jié)果Fig.5　High brightness object detection result

表1　開燈或關燈的檢測結(jié)果Tab.1　The detection results of turn on or turn off the light

在視頻序列1的第570幀時，在距離攝像頭較近的位置處闖入一個人手作為高對比度對象進入測試，檢測結(jié)果如圖5所示.

7結(jié)語

在家庭視頻監(jiān)控系統(tǒng)中使用改進的背景減除算法進行運動目標的檢測，對于開燈或關燈事件與高對比度對象的進入事件進行了詳細分析與實驗.結(jié)果表明，該算法能有效地檢測出運動目標，同時能正確識別出開關燈事件和高對比度對象的進入事件，進一步降低誤檢率.

參考文獻：

[1]葉吉祥,白一哲,田莎莎.基于直方圖比較的混合高斯模型更新算法[J].計算機工程,2012(3)：255-257.

[2]周兵,杜潤秋,李波.家庭安全監(jiān)控的實時異常檢測與分類算法[J].北京航空航天大學學報,2003,29(9)：825-828.

[3]盧靜,李莉.基于背景減除的運動檢測在嵌入式監(jiān)控系統(tǒng)中的應用[J].河南工程學院學報：自然科學版,2013,25(2)：52-56.

[4]彭長生,詹智財,張松松,等.一種基于多幀統(tǒng)計的車道背景建模方法[J].計算機應用與軟件,2013,30(5)：97-100.

The research of abnormal situations detection in home video surveillance system

LU Jing, LI Hua

(CollegeofComputer,HenanInstituteofEngineering,Zhengzhou451191,China)

Abstract:There are three kinds of abnormal situations in the home video surveillance system: the appearance of moving objects, the sudden change of light intensity in the monitor screen, and the emergence of moving objects whose light intensity is different to the background. In this paper, three kinds of abnormal conditions are analyzed. Experiments show that this scheme can effectively detect the abnormal situation in the home video surveillance system.

Key words:moving objects detection; background subtraction; Gaussian model; grey level transformation

作者簡介：盧靜(1980-)，女，河南開封人，講師，主要從事數(shù)字圖像處理方面的研究.

收稿日期：2015-07-15

中圖分類號：TN919.85

文獻標志碼：A

文章編號：1674-330X(2015)04-0073-04