楊洪臣 劉 松 陳虹宇 白笙學(xué)

（1 中國(guó)刑事警察學(xué)院聲像資料檢驗(yàn)技術(shù)系 遼寧 沈陽(yáng) 110035；2 重慶市公安局物證鑒定中心 重慶 400070）

在視頻偵查手段逐漸多樣化的今天，犯罪嫌疑人的反偵查能力也在不斷增強(qiáng)。實(shí)際案件偵查中，常常會(huì)遇到犯罪嫌疑人利用遮面、換裝等手段偽裝自己，阻礙偵查。盡管犯罪嫌疑人想方設(shè)法遮面、換裝，但是其體態(tài)特征卻不會(huì)因?yàn)槠鋫窝b而有較大的變化。故對(duì)視頻中人體動(dòng)態(tài)特征與犯罪嫌疑人動(dòng)態(tài)特征進(jìn)行特征匹配方法的研究是十分必要的。

視頻中人體動(dòng)態(tài)特征識(shí)別技術(shù)在國(guó)內(nèi)外已有相關(guān)研究。早在2000年，美國(guó)高級(jí)項(xiàng)目研究署就有重點(diǎn)項(xiàng)目“遠(yuǎn)距離人的身份識(shí)別”（Human Identification at a Dis tance），即HD計(jì)劃。在其后的一段時(shí)間里，全世界各大高校及科研機(jī)構(gòu)在HD項(xiàng)目的觸發(fā)下都積極的對(duì)人體動(dòng)態(tài)識(shí)別展開(kāi)了研究。至今為止，盡管人體動(dòng)態(tài)識(shí)別課題的研究有一定的進(jìn)展，但是其研究成果都尚處于理論推導(dǎo)及實(shí)驗(yàn)階段，未走出實(shí)驗(yàn)室，還未在實(shí)際場(chǎng)景中得到大規(guī)模的應(yīng)用。最近蘭玉文等人的文章中提到在一段視頻中對(duì)每幀視頻圖像人體關(guān)鍵點(diǎn)進(jìn)行標(biāo)注，最終形成各個(gè)關(guān)鍵點(diǎn)的分布曲線，通過(guò)對(duì)曲線的進(jìn)行擬合并計(jì)算相似性來(lái)進(jìn)行人體動(dòng)態(tài)特征的識(shí)別[1]。蘭玉文等人的研究經(jīng)過(guò)了科學(xué)的建模、大量的實(shí)驗(yàn)及合理的分析，其對(duì)人體動(dòng)態(tài)特征識(shí)別的研究具有一定的科學(xué)性和可靠性。但是在蘭玉文等人的研究中對(duì)人體關(guān)鍵點(diǎn)的標(biāo)注查找主要依靠人工手動(dòng)逐幀標(biāo)記，要是能夠通過(guò)一定的算法實(shí)現(xiàn)關(guān)鍵點(diǎn)的自動(dòng)標(biāo)記，這樣就能真正實(shí)現(xiàn)視頻中人體動(dòng)態(tài)特征的自動(dòng)提取及比對(duì)工作，無(wú)需人工對(duì)關(guān)鍵點(diǎn)的逐幀標(biāo)記。

本文通過(guò)對(duì)視頻中目標(biāo)定位并提取目標(biāo)骨架的方法能在一定條件下較好的自動(dòng)提取出人體的關(guān)鍵點(diǎn)。最終提取出一段時(shí)間視頻中運(yùn)動(dòng)人體動(dòng)態(tài)特征曲線。

1 算法介紹

人體動(dòng)態(tài)特征曲線提取算法通過(guò)對(duì)視頻中運(yùn)動(dòng)人體目標(biāo)進(jìn)行定位并對(duì)目標(biāo)進(jìn)行骨架化操作，進(jìn)而實(shí)現(xiàn)人體關(guān)鍵點(diǎn)的自動(dòng)查找，最終形成人體動(dòng)態(tài)特征曲線。實(shí)現(xiàn)流程如圖1。

圖1 算法流程圖

1.1 目標(biāo)定位算法

實(shí)現(xiàn)視頻中運(yùn)動(dòng)目標(biāo)的定位是基于灰度歸類(lèi)的背景自適應(yīng)算法的基礎(chǔ)上通過(guò)背景差值法實(shí)現(xiàn)的[2]。目標(biāo)定位算法實(shí)現(xiàn)主要有如下3個(gè)步驟：

步驟1：提取前景

背景自適應(yīng)算法得到視頻實(shí)時(shí)背景bg(x,y)，視頻當(dāng)前幀frame(x,y)同視頻背景bg(x,y)差值運(yùn)算提取前景目標(biāo)diff(x,y)，有公式(1)：

步驟2：目標(biāo)二值化

選定合適閾值threshold對(duì)前景目標(biāo)diff(x,y)進(jìn)行二值化處理消除部分噪聲干擾，得到二值化圖像binary(x,y)，有公式(2)：

步驟3：目標(biāo)定位

目標(biāo)定位使用了多目標(biāo)定位算法[3]。通過(guò)遍歷二值化前景圖像binary(x,y)，得到圖形最小外接矩[x1 y1 x2 y2]實(shí)現(xiàn)目標(biāo)定位。其中，外接矩水平邊界定位首先計(jì)算每一行元素和，有公式(3):

外接矩垂直邊界的點(diǎn)位方法同水平邊界定位。目標(biāo)定位算法效果如圖2。

圖2 目標(biāo)定位效果圖（a.視頻截圖b.自適應(yīng)背景c.目標(biāo)定位）

1.2 骨架提取算法

骨架提取算法主要可以分為兩類(lèi)：一類(lèi)習(xí)慣被稱(chēng)做“燃燒法”，該類(lèi)算法的實(shí)現(xiàn)就像在圖像的邊沿點(diǎn)火似得，“火焰”向內(nèi)燃燒，最終讓圖像只剩下骨架；另一類(lèi)算法被稱(chēng)為“最大圓盤(pán)法”，該類(lèi)算法通過(guò)在圖像中尋找圖像的最大內(nèi)切圓，并將所有內(nèi)切圓的圓心作為一個(gè)集合，該圓心集合即可刻畫(huà)圖像的中心骨架。

“燃燒法”實(shí)現(xiàn)骨架提取算法中最為經(jīng)典的要屬Zhang等人在1984年發(fā)表文章中提到的Zhang-Suen骨架細(xì)化算法[4]。該算法是一個(gè)迭代的過(guò)程，通過(guò)多次迭代實(shí)現(xiàn)圖像的層層細(xì)化，最終提取出圖像骨架。而每一次迭代可分為右下邊界刪除和左上邊界刪除。算法中對(duì)邊界點(diǎn)的判定是基于該點(diǎn)八領(lǐng)域各點(diǎn)狀態(tài)進(jìn)項(xiàng)判定的。如果設(shè)某點(diǎn)為p1點(diǎn)，其八領(lǐng)域各點(diǎn)設(shè)為p2-p9，p1-p9的位置關(guān)系如圖3。

圖3 像素點(diǎn)八領(lǐng)域關(guān)系圖

通過(guò)判定點(diǎn)p1與其八領(lǐng)域各點(diǎn)的狀態(tài)關(guān)系，確定p1是否應(yīng)該刪除。算法步驟如下：

步驟1：右下邊界點(diǎn)刪除

循環(huán)遍歷圖像中的各個(gè)像素點(diǎn)，當(dāng)某點(diǎn)的八領(lǐng)域關(guān)系滿(mǎn)足公式(5)時(shí)，即刪除該點(diǎn)。

其中s(p1)表示在p1的八領(lǐng)域p2-p9組合(p 2 p 3,p 3 p 4,…p 9 p 2)中，出現(xiàn)“0 1”組合的次數(shù)。

步驟2：左上邊界點(diǎn)刪除

左上邊界點(diǎn)刪除類(lèi)似右下邊界點(diǎn)的刪除條件，滿(mǎn)足公式(6)的約束。

公式(6)同公式(5)的區(qū)別主要體現(xiàn)在后兩個(gè)方程式。

通過(guò)多次迭代如上兩個(gè)步驟，一層層刪除掉圖像外邊界，最終將得到圖像的細(xì)化骨架。對(duì)圖2c中的目標(biāo)通過(guò)該算法進(jìn)行骨架化操作后，效果如圖4b所示。

圖4 目標(biāo)骨架效果圖(a.目標(biāo)b.Zhang骨架算法效果c.中軸骨架算法效果d.Matlab自帶骨架算法效果)

分別運(yùn)用中軸骨架提取算法和Matlab自帶骨架提取算法提取目標(biāo)圖像4a骨架，效果如圖4c、圖4d所示。通過(guò)對(duì)比3種骨架提取算法提取效果發(fā)現(xiàn)：中軸骨架提取算法提取骨架具有良好的中軸性，但是提取的骨架存在不連通的問(wèn)題；Matlab自帶骨架提取算法提取骨架具有良好的連通性，但是卻存在較多的無(wú)用骨架分支；Zhang的骨架提取算法提取的骨架不僅能夠?qū)崿F(xiàn)骨架的連通，而且骨架的中軸性也能體現(xiàn)。故在人體動(dòng)態(tài)特征提取算法中選用Zhang的骨架提取算法提取視頻中的目標(biāo)骨架。

1.3 端點(diǎn)查找算法

在骨架提取算法提取到具有中軸性且連通的骨架后，通過(guò)遍歷骨架上的各個(gè)像素點(diǎn)，當(dāng)某點(diǎn)p1的八領(lǐng)域（如圖3）滿(mǎn)足公式(7)時(shí)，p1即為查找的端點(diǎn)。

圖5是最終通過(guò)端點(diǎn)查找算法提取到的人體特征點(diǎn)。

圖5 視頻中人體目標(biāo)特征點(diǎn)

圖 6 獲取實(shí)驗(yàn)視頻

2 實(shí)驗(yàn)演示

通過(guò)將背景自適應(yīng)算法、目標(biāo)定位算法、圖像骨架提取算法及端點(diǎn)查找算法相結(jié)合，實(shí)現(xiàn)了一種基于骨架提取算法的人體動(dòng)態(tài)特征曲線提取算法。將一段時(shí)長(zhǎng)為18s拍攝角度為90°的實(shí)驗(yàn)視頻用該算法提取人體動(dòng)態(tài)特征曲線，能夠?qū)崟r(shí)的生成人體動(dòng)態(tài)特征曲線?？赏ㄟ^(guò)掃描圖6中的二維碼觀看實(shí)驗(yàn)效果。

3 總結(jié)

本文通過(guò)對(duì)視頻中運(yùn)動(dòng)目標(biāo)骨架提取算法在骨架提取效果上的對(duì)比探究，提出一種基于骨架提取算法的人體動(dòng)態(tài)特征曲線提取算法。經(jīng)實(shí)驗(yàn)該算法能夠?qū)崟r(shí)提取出視頻中人體動(dòng)態(tài)特征曲線。人體動(dòng)態(tài)特征曲線能一定程度的反應(yīng)出個(gè)體的行走特征，在視頻偵查及犯罪嫌疑人同一認(rèn)定上具有一定的應(yīng)用價(jià)值。

[1]蘭玉文,李躍威,喻松春,等.基于監(jiān)控視頻的人體動(dòng)態(tài)特征應(yīng)用識(shí)別技術(shù)研究[J].警察技術(shù),2013(6):11-16.

[2]楊洪臣,劉松,魏東,等.視頻偵查中背景重構(gòu)方法研究[J].中國(guó)刑警學(xué)院學(xué)報(bào),2016(4):16-19.

[3]張洋,張三同.基于自適應(yīng)差分的多目標(biāo)檢測(cè)和跟蹤[J].現(xiàn)代電子技術(shù),2011(16):149-151.

[4] Zhang T Y,Suen C Y.A fas t parallel algorithm for thinning digital patterns[J]. ACM,1984(3):236-239.