李想

摘要：行人流量檢測技術(shù)是當(dāng)今世界智能視覺系統(tǒng)研究中一個十分活躍的新域。行人檢測、流量分析在地鐵、道路、超市出入口、城市交通環(huán)境中有著廣泛的應(yīng)用需求和明顯的社會和經(jīng)濟效益。計算機視覺監(jiān)控技術(shù)能夠利用計算機視覺和圖像處理的方法建立一個智能管理系統(tǒng)，通過對攝像機拍錄的視頻序列進(jìn)行分析來實現(xiàn)行人的定位、識別和跟蹤，從而提供了一種更加先進(jìn)和可行的智能處理方案。

關(guān)鍵詞：視頻監(jiān)控 目標(biāo)檢測 背景差分 客流計數(shù)

一、一種簡單、有效的背景模型

本文提出一種可以快速建立背景、具有一定自適應(yīng)能力、保留背景差分目標(biāo)分割完整這一優(yōu)點的背景模型。該方法用幾次連續(xù)的幀間差分法，快速地從視頻序列圖像中檢測出背景區(qū)域，然后在得到的背景基礎(chǔ)上確立每一個點的背景檢測模型具體處理過程如下：

4利用M幀差分圖像建立背景，本方法假設(shè)被運動目標(biāo)遮擋的背景至少會露出來一次，這樣就可以用公式（2）提取出背景了，其中R為B¹_m不為0的次數(shù)。

5用提取出的背景信息作為參數(shù)建立初始背景模型，后續(xù)圖像前景點和背景點的判決由式（3）決定，其中f（i，j）為當(dāng)前幀某個像素點的灰度值，當(dāng)滿足條件時，該點為背景點，否則為前景點，其中T_N是一個動態(tài)的最佳閾值，這一點將在“基于雙置信度的背景更新”予以詳闡述。

二、目標(biāo)的自適應(yīng)分割與檢測

本文的閾值T_N是一個基于直方圖的動態(tài)最佳閾值，其計算法如下：

1.求出圖像中的最小和最大灰度值，令初始閾值等于這兩個值的平均值；

2.根據(jù)閾值將圖像分割成目標(biāo)和背景兩部分，求出兩部分的平均灰度值，在分割公式中可以加入權(quán)重系數(shù)，如公式（4）；

3.用Z_o和Z_a的平均值作為分割閾值；

4.如果求出的新閾值與前次的閾值相等，則結(jié)束，否則轉(zhuǎn)步驟2，直至迭代成功。

三、基于雙置信度的背景更新

由于背景是變化的，要使背景模型能夠?qū)ν饨绻饩€的變化具有自適應(yīng)性，必須實時地對背景模型進(jìn)行更新，以備下次提取運動目標(biāo)，使整個檢測過程持續(xù)進(jìn)行。背景更新的基本思想是使當(dāng)前幀有一定置信度的背景點參與更新。置信度可以通過兩方面來估計：

1.像素點與運動目標(biāo)的位置關(guān)系。從差分圖像可以看出，由目標(biāo)檢測得到的非運動點不定都是背景點，如較弱的陰影和噪聲等，因此只有差分值小于閾值并位于運動目標(biāo)定鄰域之外的點才是需要更新的背景點，具有第一方面較高置信度。將運動目標(biāo)區(qū)域進(jìn)行膨脹，如果像素點在此區(qū)域之外，并且在差分圖像中的像素值小于一個較小的閾值（實驗中取6），表明該點在更新時刻具有高置信度，記為C₁（i，j）=1。

2.像素點為背景的累計時間長短。當(dāng)場景中存在抖動或者噪聲的時候，我們并不希望把極短時間內(nèi)運動的點或者點集作為運動目標(biāo)，而是希望當(dāng)其運動累計到定程度才對其進(jìn)行處理，因此這里引入了第二個方面的置信度。這個置信度是根據(jù)各點保持為背景點的歷史信息，用矩陣F表示，只有持續(xù)M幀都為背景的點才可以參與背景更新。矩陣F初始化為零矩陣，后續(xù)幀中如果像素點是前景點則其累計值賦為M，否則累計值減1，直至為0。更新時矩陣F中累計值為O的點在此刻就具有第二方面高置信度，記為C₂（i，j）=1。

本文提出的方法利用上述兩個方面的置信度來進(jìn)行背景更新，同時為了防止過度更新，本文在更新公式中加入了遺忘因子α（實驗中取0.1），更新公式見公式（5）。

否則，由于本方法在更新思路方面與高斯法相近，應(yīng)用了遺忘因子作為更新參數(shù)，同時又加入了多個判定條件，使背景更新在速度方面快于高斯法的同時，在準(zhǔn)確性方面也優(yōu)于高斯法。

四、目標(biāo)跟蹤與客流量計數(shù)

系統(tǒng)在目標(biāo)檢測基礎(chǔ)上對目標(biāo)采用模板匹配且逐幀跟蹤，并提出了一種通過設(shè)置標(biāo)志線的方法判斷行人目標(biāo)是否通過并實現(xiàn)計數(shù)。同運動目標(biāo)在相鄰兩幀圖像中，其運動位置、形狀、面積等特征變化相對較小。綜合考慮運動目標(biāo)的位置特征、形狀特征以及統(tǒng)計特征等，為檢測到的行人目標(biāo)建立特征模板，進(jìn)行匹配，實現(xiàn)連續(xù)跟蹤行人。位置特征：根據(jù)行人的運動在時間和空間上的連續(xù)性，將位置作為目標(biāo)匹配時首先考慮的特征，在預(yù)測位置附近進(jìn)行搜索，此區(qū)域內(nèi)檢測不到目標(biāo)則認(rèn)為跟蹤失敗，否則結(jié)合其他信息進(jìn)行匹配判斷形狀特征：用行人的面積和外接矩形的長寬比表示其形狀特性；統(tǒng)計特征：將圖像的灰度均值以及連續(xù)兩副目標(biāo)圖像的相關(guān)性等統(tǒng)計特征，作為目標(biāo)匹配的指標(biāo)?；叶染禐閑ndprint