李忠海，邢曉紅，金海洋

（沈陽航空航天大學(xué)自動化學(xué)院，沈陽110136）

基于視頻監(jiān)控的人的異常行為系統(tǒng)設(shè)計

李忠海，邢曉紅，金海洋

（沈陽航空航天大學(xué)自動化學(xué)院，沈陽110136）

“視頻監(jiān)控”是一種可實現(xiàn)夜間檢測的視頻監(jiān)控系統(tǒng)，普遍用于沿街商鋪、倉庫、郊區(qū)獨戶別墅以及小區(qū)等場所。傳統(tǒng)的視頻監(jiān)控對攝像頭的要求較高，并且需要多人值守，對人力、財力的要求較高。針對傳統(tǒng)視頻監(jiān)控存在的不足，設(shè)計了一種智能檢測系統(tǒng)，能實現(xiàn)對非法入侵、物品盜移等異常狀況的實時檢測和及時報警，還針對夜間圖像的特點設(shè)計增強(qiáng)算法，使普通攝像頭可實現(xiàn)夜間監(jiān)控，大大降低了視頻監(jiān)控的應(yīng)用成本并提高了監(jiān)控效率。

視頻監(jiān)控，圖像增強(qiáng)，智能檢測，實時監(jiān)測

0 引言

20世紀(jì)80年代初期視頻監(jiān)控系統(tǒng)開始登上歷史的舞臺。但是由于設(shè)備的生產(chǎn)成本、壽命、安保效果等因素，使其在應(yīng)用上受到了很大的限制。隨著社會的發(fā)展和科技的進(jìn)步，監(jiān)控系統(tǒng)開始被廣泛應(yīng)用于交通、小區(qū)、超市、銀行、校園等。但是大部分的監(jiān)控設(shè)備仍是以人工督查為主，這種方式對工作人員的要求較高，勞動強(qiáng)度較大，而且由于人的注意力無法一直高度集中難免會出現(xiàn)疏忽。

智能監(jiān)控系統(tǒng)提倡利用計算機(jī)來更多地代替人工，如目標(biāo)的檢測與跟蹤、異常行為報警等，極大地降低了工作人員的勞動強(qiáng)度和人工成本，同時也減少了出現(xiàn)人為失誤的可能性［1-3］。但是，由于算法設(shè)計的限制，不能達(dá)到很好的處理精度。

本系統(tǒng)的主要內(nèi)容包括以下3個方面:①控制系統(tǒng)設(shè)計:主要包括系統(tǒng)的硬件和軟件設(shè)計，是系統(tǒng)穩(wěn)定運行的前提。②圖像增強(qiáng)算法設(shè)計:在現(xiàn)有圖像增強(qiáng)算法的基礎(chǔ)上加以改進(jìn)，提高算法的運行精度和速度，保證普通攝像機(jī)在夜間可以正常工作。③智能檢測及報警模塊設(shè)計:利用改進(jìn)的目標(biāo)檢測與跟蹤算法對目標(biāo)行為進(jìn)行判斷，提高系統(tǒng)的穩(wěn)定性，減少誤報、錯報等情況的發(fā)生。該模塊是本系統(tǒng)的核心模塊，是系統(tǒng)實現(xiàn)智能化的保障。

1 視頻監(jiān)控控制系統(tǒng)設(shè)計

1.1 系統(tǒng)硬件設(shè)計

對系統(tǒng)進(jìn)行整體分析后，設(shè)計系統(tǒng)的硬件結(jié)構(gòu)圖，具體的硬件結(jié)構(gòu)框架圖如圖1所示。

圖1 系統(tǒng)硬件結(jié)構(gòu)框圖

本系統(tǒng)的硬件開發(fā)平臺由S5PV210處理器以及一些外圍模塊構(gòu)成，如電源模塊主要為系統(tǒng)提供供電支持，LCD顯示屏用于模擬監(jiān)控視頻和人機(jī)操作界面的本地顯示。COM串口用于與計算機(jī)進(jìn)行數(shù)據(jù)通訊，一般用作調(diào)試接口。監(jiān)控視頻的采集模塊使用支持UVC（USB Video Class）標(biāo)準(zhǔn)的USB攝像頭進(jìn)行模擬，由于Linux操作系統(tǒng)內(nèi)核包含UVC的驅(qū)動，因此，可以直接使用。綜上，上述開發(fā)平臺完全滿足本系統(tǒng)的開發(fā)要求。

1.2 系統(tǒng)軟件設(shè)計

嵌入式軟件包括引導(dǎo)加載程序、操作系統(tǒng)、驅(qū)動程序、應(yīng)用軟件等組件。系統(tǒng)的軟件結(jié)構(gòu)如圖2所示。

圖2 系統(tǒng)軟件結(jié)構(gòu)圖

針對控制系統(tǒng)可實現(xiàn)的功能設(shè)計系統(tǒng)的軟件流程圖，具體如圖3所示。

2 圖像增強(qiáng)算法設(shè)計

本文在MSR圖像增強(qiáng)算法的基礎(chǔ)上，提出了一種基于HSI空間的自適應(yīng)尺度MSR（Multi-Scale Retinex）圖像增強(qiáng)算法，根據(jù)圖像的特點自適應(yīng)地選擇濾波函數(shù)的尺度，并且可以自動融合各個尺度的增強(qiáng)效果，在保持背景平滑的前提下突出目標(biāo)的細(xì)節(jié)特征。然后根據(jù)韋伯定理和人眼視覺系統(tǒng)的特點選擇尺度參數(shù)，使得處理后圖像的亮度和對比度明顯提高。

圖3 系統(tǒng)軟件流程圖

圖像增強(qiáng)算法設(shè)計步驟如下:

2.1 將原RGB圖像轉(zhuǎn)化到HSI空間

對任何3個R、G、B值，對應(yīng)HSI模型中的H、S、I分量可由式計算:

2.2 自適應(yīng)尺度參數(shù)選擇

在HSI空間中，首先對圖像進(jìn)行區(qū)域劃分，然后在每個區(qū)域?qū)D像進(jìn)行自適應(yīng)尺度參數(shù)選擇。

本文利用圖像的背景強(qiáng)度和梯度信息對其進(jìn)行二維分解，根據(jù)圖像背景強(qiáng)度和灰度值的跳變率，將圖像各個像素亮度分到不同的區(qū)域中，其中背景強(qiáng)度I（x，y）可通過計算鄰域像素的加權(quán)均值得到:

其中，m、n、r是權(quán)值，L是待處理的像素上下左右4個方向的鄰域像素組成的集合，L'是待處理像素的對角線上鄰域像素組成的集合。

計算出圖像像素值的梯度G（x，y），作為圖像的信息跳變率。為了劃分圖像亮度區(qū)域，還要得到圖像像素的最大差別值Id，其計算公式為:

定義圖像背景強(qiáng)度閾值定義圖像背景強(qiáng)度閾值Ii和梯度閾值Gi，i=1，2，3

背景強(qiáng)度閾值Ii如下式所示:

其中，a=0.01，b=0.5，c=0.7。

梯度閾值Gi如下式所示:

當(dāng)某區(qū)域內(nèi)點的像素值大于I3，且滿足時，則該區(qū)域為高亮度區(qū)域，就此完成對圖像各個區(qū)域的劃分。

在確定圖像的亮度區(qū)域后，對亮度區(qū)域不同的圖像自適應(yīng)的計算其尺度參數(shù)，如下所示:

當(dāng)圖像為低亮度圖像時，其尺度參數(shù)選取公式如下:

當(dāng)圖像為中亮度圖像時，其尺度參數(shù)選取公式如下:

當(dāng)圖像為高亮度圖像時，其尺度參數(shù)選取公式如下:

上式中l(wèi)og為取對數(shù)；D1、D2、D3為基準(zhǔn)尺度參數(shù)，最終得到的尺度參數(shù)取值在D1、D2、D3附近上下波動，本文算法分別取D1=30、D2=80、D3=120；I（x，y）為背景強(qiáng)度，G（x，y）為梯度；WIi和是由當(dāng)前圖像背景強(qiáng)度和梯度得到的權(quán)值，通過調(diào)節(jié)α和β的值來調(diào)節(jié)背景強(qiáng)度和梯度對σi的影響，α、β的值越大對σi影響越大；反之則越小，實際操作中可根據(jù)圖像整體亮度的明暗來選取α和β的值。

2.3 不同尺度信息融合

利用上述步驟中選取的尺度參數(shù)值，替代MSR算法中預(yù)先設(shè)定的固定尺度，進(jìn)行自適應(yīng)尺度參數(shù)的MSR圖像增強(qiáng)處理，則最后的增強(qiáng)圖像為:

④將圖像從HSI空間轉(zhuǎn)換到RGB空間

當(dāng)H在［0°，-120°］之間時:

當(dāng)H在［120°，-240°］之間時:

當(dāng)H在［240°，-360°］之間時:

算法的具體流程圖如下頁圖4所示。

為了說明本文算法的有效性，采取信息熵、均值、方差、對比度等4個有關(guān)圖像質(zhì)量評價的指標(biāo)來衡量本文圖像增強(qiáng)算法的效果，并且用算法的運行時間來衡量算法的實時性，為了驗證算法的有效性，本文從網(wǎng)上圖庫中下載了幾張夜間圖像進(jìn)行處理，處理結(jié)果如下頁圖5所示。

圖4 圖像增強(qiáng)算法流程圖

圖5 本文增強(qiáng)算法處理結(jié)果

從圖5（a）、（b）中可以看出，原始圖像的亮度很低，在圖像中幾乎看不到圖像的相關(guān)細(xì)節(jié)信息。圖（a1）、（b1）是通過本文增強(qiáng)算法處理后的圖像，可以明顯看出圖像達(dá)到一個較適宜的亮度，同時，可以清晰地觀察到圖像的一些細(xì)節(jié)信息，并且本文算法更好地保持了圖像的色彩信息，有效抑制了路燈區(qū)域產(chǎn)生的“光暈”現(xiàn)象，明顯減少了圖像的噪聲。原始圖像（a）、（b）經(jīng)本文增強(qiáng)算法處理后的圖像質(zhì)量參數(shù)如表1所示。

表1 處理后圖像質(zhì)量參數(shù)對比表

從表1可以看出，處理后圖像的信息熵與均值都比原圖像要高，說明處理后圖像的亮度明顯提升并且細(xì)節(jié)信息更加突出。另外處理后圖像的方差和對比度也都在一定程度上有所增強(qiáng)，算法運行時間也短于傳統(tǒng)的MSR算法，算法效率較高。

3 智能視頻監(jiān)控系統(tǒng)算法設(shè)計

3.1 運動目標(biāo)的檢測

本文通過引入減緩因子從背景的局部光照變化和全局光照變化兩個方面改進(jìn)了混合高斯背景模型的參數(shù)更新方案，并且將引入萬有引力定律的圖像邊緣檢測算法與對稱差分算法相結(jié)合，有效解決了傳統(tǒng)目標(biāo)檢測算法檢測結(jié)果存在空洞、邊緣信息破碎等問題。最后將改進(jìn)的對稱差分算法與改進(jìn)的混合高斯背景建模算法通過邏輯與運算來融合數(shù)據(jù)，再經(jīng)過形態(tài)學(xué)處理（閉運算以及空洞填充等）實現(xiàn)對運動目標(biāo)的檢測。

3.1.1 局部光照發(fā)生變化時的改進(jìn)

改進(jìn)后的混合高斯背景模型方差更新公式如下:

其中，Xt為像素值，σ2i，t為方差，μi，t為均值，減緩因子κ=Xt-μi，t，則當(dāng)前像素值和均值的差越小，減緩因子κ越小，方差更新越緩慢。根據(jù)經(jīng)驗，均值更新因子取值0.015，方差更新因子取0.005。

3.1.2 全局光照發(fā)生變化時的改進(jìn)

當(dāng)全局光照發(fā)生突變的情況下，當(dāng)前幀圖像的像素值會產(chǎn)生較大變化，這種突變對方差估計影響不大，但是對均值估計影響很大。因此，本文對均值更新部分算法進(jìn)行了改進(jìn)。設(shè)平均灰度值變化閾值為Tμ，若當(dāng)前幀像素的平均灰度值與背景模型的平均灰度值的絕對差值大于Tμ，表示光照強(qiáng)度變化較大，則更新背景模型的每一個高斯分布的均值。否則，均值正常更新。均值更新公式如下:

這里，mean（t）代表t時刻圖像的平均灰度值。

3.1.3 幀間差分算法的改進(jìn)

首先從圖像序列中提取出三幀圖像，先將前兩幀圖像進(jìn)行幀間差分，再將后兩幀圖像進(jìn)行幀間差分，最后再將兩次幀間差分的結(jié)果進(jìn)行融合。對稱差分算法得到的結(jié)果比幀間差分算法更好。

算法的具體流程圖，如圖6所示。

圖6 目標(biāo)檢測算法流程圖

3.2 運動目標(biāo)跟蹤

本文中的目標(biāo)跟蹤模型［13-16］建立的具體步驟如下:①將距離規(guī)則項引入到測地線活動輪廓模型中，并把3.1中檢測出的運動目標(biāo)作為初始輪廓曲線。②利用水平集算法對輪廓曲線進(jìn)行演化。③用最小二乘法預(yù)測被跟蹤運動目標(biāo)下一幀的位置信息。

上述模型減小了運動目標(biāo)的搜索范圍，降低了算法運行時間，使得系統(tǒng)能滿足實時監(jiān)控的需求。本文跟蹤算法與其他跟蹤算法仿真結(jié)果對比，如圖7所示。

圖7 跟蹤算法仿真結(jié)果對比

圖中（a）、（b）分別為錄制視頻中的第24幀、第49幀，藍(lán)色框表示其他算法預(yù)測的目標(biāo)位置區(qū)域，（c）、（d）為本文跟蹤算法演化得到的行人輪廓，分別對應(yīng)上面的（a）、（b）?？梢钥吹?，本文算法的搜索范圍只有接近于運動目標(biāo)大小的一塊區(qū)域，運動目標(biāo)搜索的時間大大減少，保證了智能監(jiān)控系統(tǒng)的實時性。

3.3 異常檢測及報警

對運動目標(biāo)進(jìn)行檢測跟蹤后，對目標(biāo)行為進(jìn)行分析。本文對異常行為的檢測主要是針對非法入侵，如爬窗、闖入重要區(qū)域等。對非法入侵，僅需要在窗戶或重要區(qū)域等地方設(shè)置感興趣區(qū)域，當(dāng)檢測到有運動目標(biāo)闖入時發(fā)出報警。

對于物品盜移，我們對貴重物品設(shè)置感興趣區(qū)域，并利用上文中提到的改進(jìn)混合高斯背景建模對包含貴重物品在內(nèi)的感興趣區(qū)域進(jìn)行背景建模，并實時更新參數(shù)，當(dāng)ROI內(nèi)出現(xiàn)大的參數(shù)變化時說明物體被盜，與此同時發(fā)出報警。

窗戶攀爬和闖入警戒區(qū)域的跟蹤過程如圖8～圖10所示。

圖8 窗戶攀爬檢測跟蹤過程截圖

圖9 警戒區(qū)入侵跟蹤過程

圖10 窗戶攀爬及警戒區(qū)入侵報警

本文中的視頻全部由作者自己拍攝。實驗證明，本文算法能滿足電子更夫監(jiān)控系統(tǒng)的實時性要求，而且本文算法計算量小，實現(xiàn)簡單。

4 結(jié)論

智能視頻監(jiān)控系統(tǒng)的研究對小區(qū)等重要地方的安防有很大的推動作用，尤其是在夜間大大減少了值班人員的負(fù)擔(dān)。本文僅研究了智能視頻監(jiān)控幾個基本的功能，但在算法上作了一些修改和創(chuàng)新，提高了系統(tǒng)的準(zhǔn)確性，減少了算法的運行時間，提高了系統(tǒng)的實時性。對于此系統(tǒng)還有一些要修改和擴(kuò)充的地方，主要有以下幾點:系統(tǒng)僅針對固定的攝像機(jī)作出了設(shè)計，在今后的時間里將對云臺控制下的攝像機(jī)的智能監(jiān)控進(jìn)行研究，實現(xiàn)攝像機(jī)移動下的實時監(jiān)控；系統(tǒng)所具備的智能模塊相對較少，還可以集成更多的智能模塊，如徘徊檢測、目標(biāo)類型識別、火焰識別等。

［1］駱云志，劉治紅.視頻監(jiān)控技術(shù)發(fā)展綜述［J］.兵工自動化，2009，28（1）:1-3.

［2］張曉兵，李明，白洋.淺析視頻監(jiān)控系統(tǒng)發(fā)展［J］.北方交通，2010（11）:51-53.

［3］范亞男，葛衛(wèi)麗.智能視頻監(jiān)控系統(tǒng)發(fā)展及應(yīng)用［J］.價值工程，2010（17）:97-98.

［4］李濤.基于ARM的USB視頻采集系統(tǒng)研究［D］.秦皇島:燕山大學(xué)，2011.

［5］EDWIN H L.An alternative technique in the retinex theory of color vision［J］.For the Computation of the Designator Proc. Natl.Acad.Sci.USA，1986（83）:3078-3080.

［6］RAHMAN Z，JOBSON D J，WOODEN G A.Multi-scale retinex for color image enhancement［C］//Proceedings of Image Processing，1996（3）:1003-1006.

［7］汪榮貴，張漩.一種新型自適應(yīng)Retinex圖像增強(qiáng)方法研究［J］.電子學(xué)報，2010，38（12）:2933-2936.

［8］方帥，楊靜榮，曹洋，等.圖像引導(dǎo)濾波的局部多尺度Retinex算法［J］.中國圖象圖形學(xué)報，2012，17（7）: 748-755.

［9］秦緒佳.HSV色彩空間的Retinex結(jié)構(gòu)光圖像增強(qiáng)算法［J］.計算機(jī)輔助設(shè)計與圖形學(xué)報，2013，25（4）:1-6.

［10］胡燕，嵇啟春，李智杰，等.視頻監(jiān)控中背景的提取和更新算法［J］.計算技術(shù)與自動化，2009，28（1）:142-144.

［11］陳俊超，張俊豪，劉詩佳，等.基于背景建模與幀間差分的目標(biāo)檢測改進(jìn)算法［J］.計算機(jī)工程，2011，11（37）: 171-173.

［12］張春雪，陳秀宏.基于非線性濾波的萬有引力邊緣檢測方法［J］.計算機(jī)應(yīng)用，2011，31（3）:763-766.

［13］董春利，董育寧，王莉.動輪廓模型目標(biāo)跟蹤算法綜述［J］.計算機(jī)工程與應(yīng)用，2008，44（34）:208-212.

［14］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］.計算機(jī)應(yīng)用研究，2010，27（2）:794-797.

［15］單勇.復(fù)雜條件下視頻運動目標(biāo)檢測和跟蹤［D］.長沙:國防科學(xué)技術(shù)大學(xué)，2006.

［16］徐楊，吳成東，陳東岳，等.采用測地線活動輪廓模型檢測與跟蹤運動目標(biāo)［J］.控制理論與應(yīng)用，2012，29（6）: 747-753.

System Design of Human Abnormal Behavior Based on Video Surveillance

LI Zhong-hai，XING Xiao-hong，JIN Hai-yang
（School of Automation，Shenyang University of Aeronautics and Astronautics，Shenyang 110136，China）

“Video surveillance”is a kind of video monitoring system that can detect the target in the night.It is widely used in shops along the street，warehouse，single-family villas in the suburb and supermarkets and so on.The traditional"video surveillance"has a high requirement to the camera and is guarded by more than one people.That means high financial resources and manpower is needed.In allusion to the shortcomings of the traditional“video surveillance”，an intelligent detection system which can recognize the illegal invasion and items stolen in real-time and alarm in time is designed.In allusion to the characteristics of the night time images，an image enhancement algorithm is designed which makes the ordinary camera can realize monitoring at night.It reduces the cost of“video surveillance”and improves the monitoring rate greatly.

electronic bellman，image enhancement，intelligent detection，real-time monitoring

TP751

A

1002-0640（2017）04-0165-06

2016-02-27

2016-04-22

李忠海（1962-），男，遼寧沈陽人，博士，教授。研究方向：圖像處理與模式識別，故障診斷等。