李風(fēng)雷　苑新偉

摘 要：提出一種基于計算機視覺的人群異?；顒訖z測算法，能夠快速、高效地對監(jiān)控視頻中的人群異常事故進(jìn)行檢測。核心算法是通過比較實時視頻與正常視頻之間的運動空間矩陣的方法，預(yù)測和判斷人群異常事故的發(fā)生。對交通十字路口等場所的監(jiān)控視頻的實驗結(jié)果表明，該方法能夠?qū)Χ嗳?、多車輛的異常事故進(jìn)行有效的檢測，而且對運動過程中目標(biāo)大小的變化、光照和噪聲等具有良好的魯棒性。

關(guān)鍵詞：視頻監(jiān)控；計算機視覺；異常檢測

該項目獲得鄭州大學(xué)全國大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃資助，編號為201510459086.

我國人口基數(shù)大，社會群體多，人員踩踏、交通事故等人群異常事故時常發(fā)生。而對于救援部隊來說，順利進(jìn)行救援工作是非常困難的：人群數(shù)量過大，事故發(fā)生后第一時間收到事故發(fā)生信息十分不容易；人群活動復(fù)雜，通過人眼觀察簡單的交通視頻監(jiān)控很難準(zhǔn)確迅速地定位異常點。因此，我們利用計算機視覺技術(shù)，基于圖像基礎(chǔ)特征分析的方法，設(shè)計出了一種分析監(jiān)控視頻中的人群異?；顒忧闆r、預(yù)測危險情況并發(fā)生報警的系統(tǒng)—基于計算機視覺的人群異?；顒訉崟r檢測系統(tǒng)。通過真實的實驗數(shù)據(jù)表明，該方法實現(xiàn)簡單、處理速度快，能夠快速準(zhǔn)確地對人群異常事故作出檢測判斷。

1 方法概述

計算機視覺是指用攝像機和計算機代替人眼對目標(biāo)進(jìn)行識別、追蹤和測量等，并進(jìn)一步做圖像處理，用計算機處理成更適合人眼觀察或傳送儀器檢測圖像的技術(shù)。

基于計算機視覺的人群異?；顒訖z測系統(tǒng)由硬件和軟件兩大部分組成：硬件方面由視頻采集分析裝置和報警裝置等部分組成；軟件部分由圖像分析處理程序等組成。系統(tǒng)的組成框圖如下圖1所示。工作時，系統(tǒng)首先通過攝像頭采集實時圖像，并把圖像上傳到處理器。處理器通過對實時視頻的分析，判斷是否有異常情況的發(fā)生，并通過分析人群的異常行為對緊急情況進(jìn)行預(yù)測。

如果預(yù)測到有緊急情況即將發(fā)生，系統(tǒng)會啟動部分報警裝置，通過監(jiān)控區(qū)域兩側(cè)的報警裝置發(fā)出警報，警告人群停止涌入，避免發(fā)生危險事故。如果檢測到異常情況，則立即啟動全部報警裝置，一方面通過事故發(fā)生點兩側(cè)的報警裝置發(fā)出警報，警告人群停止涌入事故發(fā)生地，避免事故進(jìn)一步擴(kuò)大化；另一方面，通過GSM模塊迅速聯(lián)系管理人員，通知他們前往事發(fā)現(xiàn)場維持秩序和救助傷員，使損失降到最小。如下面模擬效果圖2所示：

2.檢測過程

檢測過程包含以下的環(huán)境信息的采集、處理和視頻圖像的分析與檢測過程等。

2.1 環(huán)境信息的采集

由于人群密集處信息復(fù)雜、環(huán)境波動較大，不利于多種傳感器的安裝測量和綜合分析。因此，我們采用計算機視覺技術(shù)，分析和處理攝像機采集的視頻圖像。

2.2 視頻圖像的處理

通常，視頻圖像的分析與特定場景的識別主要有基于圖像基礎(chǔ)特征的分析和基于模板匹配的圖像分析方法兩大類。然而人群活動密集處的場景較為復(fù)雜，人們活動情況多種多樣，難以進(jìn)行匹配和判斷。因此，我們采用基于圖像基礎(chǔ)特征分析的方法對攝像頭采集的場景進(jìn)行分析。步驟是：對視頻的每幀圖像進(jìn)行灰度化、濾波處理，減少噪聲等影響因素；使用迭出的連續(xù)兩幀圖像，通過提取圖像的大小、長度、寬度等信息后，建立矩陣A，儲存運動方向信息，再行列循環(huán)，按塊來讀取圖像的每一個小塊，其中的運動向量是根據(jù)相鄰兩幅圖像中，灰度值最相似的小塊的偏移量求出的；最后計算向量的個數(shù)，將計算出來的運動向量信息轉(zhuǎn)化為矩陣和運動矢量圖。

2.3 異常檢測算法

程序運行時，首先是自動學(xué)習(xí)的功能，將采集到的一段或多段正常情況下的視頻依據(jù)具體的特征分為多段，每段內(nèi)部各幀圖像運動特征相近，各段之間運動特征有所不同。分析正常情況下該攝像頭視野范圍內(nèi)各區(qū)域的運動狀況，構(gòu)建各段視頻正常情況速度方向直方圖，建立正常情況下的運動空間矩陣。工作監(jiān)測時，用同樣的方法處理監(jiān)控視頻，經(jīng)過視頻分段、建立每段視頻速度方向直方圖，得到實時視頻的運動空間矩陣。并比較實時視頻運動子空間與正常視頻運動子空間之間的誤差，根據(jù)預(yù)先設(shè)定的閾值，預(yù)測和判斷是否有異常情況的發(fā)生。如果相比較的誤差大于預(yù)先設(shè)定的閾值，則判斷出現(xiàn)了異常情況，反之則正常。程序處理流程圖如下圖3所示：

3. 實驗結(jié)果及分析

我們以交通十字路口的監(jiān)控視頻為例，通過以上的算法思路，進(jìn)行系統(tǒng)的硬件制作，電路設(shè)計和整體調(diào)試、實驗，得出了以下的實驗結(jié)果（如下圖4所示）。由實驗結(jié)果可見，本文方法能夠有效檢測交通十字路口中的異常事故，比如發(fā)生交通事故、路口出現(xiàn)大面積長時間擁堵等情況，能夠及時發(fā)現(xiàn)異常事故。

4.結(jié)束語

該系統(tǒng)能在很大程度上解決人群活動事故而造成的交通擁堵、經(jīng)濟(jì)損失、人員傷亡等問題，具有廣闊的發(fā)展前景。我們將在以后的實驗研究中不斷改進(jìn)思路算法，不斷優(yōu)化完善系統(tǒng)功能，盡量縮短運行時間，提高效率，降低誤判率、

參考文獻(xiàn)

[1] 胡芝蘭，江帆，王貴錦，等. 基于運動方向的異常行為檢測[J]. 自動化學(xué)報，2008，34（11）：1348—1357

[2] 吳艷平，崔宇，胡士強. 基于運動圖像序列的異常行為檢測[J]. 計算機應(yīng)用研究，2007，27（7）：2741-2744

[3] Liu C，Wang G，Ning W，et al，Anomaly detection in surveillance video using motion detection statistics[C]//Image Processing（ICIP），2010 17th IEEE International Conference on.IEEE，2010：717-720

作者簡介

李風(fēng)雷（1994—），男，河南周口人，鄭州大學(xué)自動化專業(yè)本科生。

苑新偉（1994—），男，安徽阜陽人，鄭州大學(xué)自動化專業(yè)本科生。