邱鵬瑞

（1.昆明理工大學(xué)國土資源工程學(xué)院 昆明 650093）（2.昆明冶金高等專科學(xué)校 昆明 650033）

1 引言

隨著視頻數(shù)據(jù)錄制傳輸技術(shù)的發(fā)展和人們對安全監(jiān)控的需求，視頻監(jiān)控系統(tǒng)得到了長足的發(fā)展。視頻監(jiān)控有著許多優(yōu)點(diǎn)，采集后的視頻數(shù)據(jù)能夠讓人觀測到監(jiān)控環(huán)境中所發(fā)生的實(shí)時情況，能夠有效觀測并預(yù)防突發(fā)危險(xiǎn)事件，同時視頻數(shù)據(jù)易于存儲傳輸?shù)奶匦允沟梦ｋU(xiǎn)防范、取證成為可能［1］。傳統(tǒng)視頻監(jiān)控系統(tǒng)，采用人工方式對監(jiān)控視頻進(jìn)行持續(xù)監(jiān)視，這樣會耗費(fèi)大量人力資源，而且長時間監(jiān)視會導(dǎo)致值守人員出現(xiàn)注意力分散，重要情報(bào)及線索不能有效及時識別的情況［2］。為了解決諸如此類的問題，利用計(jì)算機(jī)視覺技術(shù)進(jìn)行視頻監(jiān)測，根據(jù)視頻數(shù)據(jù)的內(nèi)容進(jìn)行自動化判斷異常情況并預(yù)警的相關(guān)技術(shù)成為研究的熱點(diǎn)。目前，隨著物聯(lián)網(wǎng)和人工智能的發(fā)展，視頻監(jiān)控技術(shù)的需求也在不斷擴(kuò)大，經(jīng)過不斷的迭代升級，視頻監(jiān)測更加的智能化、標(biāo)準(zhǔn)化和專業(yè)化［3～4］。例如美國著名的 Ob?ject Video公司開發(fā)的智能監(jiān)控系統(tǒng)可以實(shí)現(xiàn)警戒區(qū)的智能報(bào)警，瑞典的Axis公司研發(fā)的用于視頻監(jiān)控的智慧交通系統(tǒng)等都是當(dāng)前技術(shù)條件下相對成熟的智能視頻監(jiān)控系統(tǒng)［5］。在我國，視頻監(jiān)測相關(guān)技術(shù)的研發(fā)不斷發(fā)展，產(chǎn)生了諸如Anychat和黃金眼等智能安防監(jiān)控產(chǎn)品，也誕生了海康威視和浙江大華等視頻監(jiān)控的領(lǐng)軍公司［6］。本文研究主要基于OpenCV開源和跨平臺技術(shù)，對OpenCV函數(shù)庫中的圖像處理與視覺算法進(jìn)行研究，實(shí)現(xiàn)對視頻中各幀圖像進(jìn)行預(yù)處理與自動分析判斷，并對監(jiān)測目標(biāo)進(jìn)行跟蹤與檢測，對核定目標(biāo)基本行為閾值化最終判斷是否發(fā)出預(yù)警信息。與傳統(tǒng)監(jiān)控系統(tǒng)相比，該系統(tǒng)可以實(shí)現(xiàn)無人值守智能化監(jiān)控，并大大降低相關(guān)硬件配置和人工成本且部署復(fù)雜度較低。

2 系統(tǒng)架構(gòu)

系統(tǒng)硬件由主機(jī)、視頻采集攝像頭、網(wǎng)絡(luò)設(shè)備和存儲介質(zhì)組成。軟件系統(tǒng)架構(gòu)在主機(jī)上，通過攝像采集監(jiān)控區(qū)域內(nèi)的視頻圖像數(shù)據(jù)，并進(jìn)行圖像預(yù)處理，再利用OpenCV視覺處理庫編寫相關(guān)代碼對采集的視頻圖像數(shù)據(jù)進(jìn)行檢測，檢測到移動物體后在閾值范圍進(jìn)行判斷，最后觸發(fā)報(bào)警機(jī)制。視頻圖像顯示在PC端由Visual Studio 2017編寫的MFC人機(jī)交互界面之上，PC端可以實(shí)時查看視頻監(jiān)控及相關(guān)參數(shù)變化情況。系統(tǒng)架構(gòu)如圖1所示。

圖1 系統(tǒng)架構(gòu)

3 視頻數(shù)據(jù)預(yù)處理

3.1 圖像灰度化

通過把包含色彩數(shù)據(jù)的彩色圖像中色彩數(shù)據(jù)去除，只保留有圖像的亮度信息，這一處理過程就稱為圖像灰度化［7］。灰度化處理后圖像依然能夠保留原圖的大部分信息，但對于后續(xù)的算法執(zhí)行，時間復(fù)雜度和空間復(fù)雜度大大降低［8～9］。彩色圖的像素轉(zhuǎn)換為灰度圖的像素，轉(zhuǎn)換公式如下式所示，GRAY為灰度值，R為紅色分量，G為綠色分量，B為藍(lán)色分量。

灰度化的執(zhí)行是由OpenCV對原始圖像進(jìn)行提取后將三通道的RGB彩圖轉(zhuǎn)為單通道灰度圖，通過OpenCV提供的CvtColor顏色空間轉(zhuǎn)換函數(shù)可完成圖像灰度化［10］。

3.2 圖像濾波

圖像濾波是在進(jìn)行圖像處理時消除噪聲的有效手段，本文采用中值濾波的方法對噪聲進(jìn)行濾除，其基本原理是在在目標(biāo)像素周圍選取一個移動式二維滑動模塊，然后對模塊中的像素點(diǎn)進(jìn)行單調(diào)定向排序，把排序后的中間值作為目標(biāo)像素的灰度值，通過濾波有效消除噪聲和脈沖干擾，同時保留了圖像的邊緣像素信息［11］。接著進(jìn)行先腐蝕后膨脹的開運(yùn)算，即假設(shè)圖像用f（s，t）表示，結(jié)構(gòu)元素為b（x，y），f的定義域?yàn)镈f，b的定義域?yàn)镈b腐蝕公式表示為

具體操作時調(diào)用OpenCV的cvErode和cvDilate消除椒鹽噪聲和高斯噪聲，最終提取的目標(biāo)也較完整。

4 目標(biāo)檢測、跟蹤與預(yù)警

4.1 目標(biāo)檢測

視頻監(jiān)控中的目標(biāo)檢測指的是運(yùn)動目標(biāo)的檢測，運(yùn)動目標(biāo)的檢測是視頻監(jiān)控智能化的基礎(chǔ)，具有魯棒的檢測結(jié)果才能實(shí)現(xiàn)有效的跟蹤。本文利用高斯混合背景差分法來進(jìn)行運(yùn)動目標(biāo)檢測，背景差分法又叫背景消減法，顧名思義就是提取背景后用背景與當(dāng)前的幀做減法，檢測有位移的物體［12～13］。高斯混合背景差分就是對背景中每個像素點(diǎn)用K個狀態(tài)來描述其呈現(xiàn)的顏色，每個狀態(tài)都與一個高斯分布函數(shù)一一對應(yīng)，高斯分布函數(shù)的相關(guān)參數(shù)發(fā)生變化會導(dǎo)致背景模型變化更新。其原理可用以下表達(dá)式（4）～（11）表示：

以上公式中的 f(Xt=x)為高斯混合模型的概率密度函數(shù)，η(x，μi，t，∑i，t)表示 K 維的像素點(diǎn)顏色分布，μi，t表示第i維t時刻的高斯分布均值，∑i，t表示第i維t時刻高斯分布的協(xié)方差。每個η(xt，μt，∑t)貢獻(xiàn)度用 ωi，t來描述，K 個 ωi，t值的和為1。式（5）的n值為圖像幀通道數(shù)，T為權(quán)值閾值，取值0.7。式（6）Ii，t為第i維t時刻當(dāng)前幀亮度，α為學(xué)習(xí)率。式（10）σi，t為高斯背景模型的標(biāo)準(zhǔn)差。本文在編程實(shí)現(xiàn)時，調(diào)用OpenCV的cvCreateI?mage函數(shù)來建立當(dāng)前幀，背景幀和前景幀，之后用CvtColor函數(shù)進(jìn)行灰度化，再結(jié)合AbsDiff函數(shù)和Threshold函數(shù)功能及高斯混合背景差分算法進(jìn)行目標(biāo)檢測。具體實(shí)驗(yàn)結(jié)果如圖2所示。結(jié)果表明，通過高斯混合背景差分提取運(yùn)動目標(biāo)并進(jìn)行于閾值二值處理后能較好的與背景分離，運(yùn)動目標(biāo)檢測有效。

圖2 高斯混合背景差分運(yùn)動目標(biāo)檢測

4.2 目標(biāo)跟蹤與預(yù)警

目標(biāo)完成檢測后，采用Camshift進(jìn)行目標(biāo)跟蹤并結(jié)合卡爾曼濾波完成目標(biāo)運(yùn)動預(yù)判報(bào)警功能。Camshift首先獲取圖像顏色直方圖，并進(jìn)行反向投影，根據(jù)顏色概率分布計(jì)算像素點(diǎn)偏移量，并經(jīng)過迭代后接近目標(biāo)質(zhì)心［14］?？柭鼮V波對運(yùn)動目標(biāo)位置預(yù)測首先對濾波器初始化，并賦予位置、速度和加速度，然后計(jì)算當(dāng)前時刻預(yù)測值與實(shí)測值之差，通過差值與下一時刻的實(shí)測值得到最優(yōu)估計(jì)值從而實(shí)現(xiàn)目標(biāo)位置預(yù)測。通過卡爾曼濾波有效預(yù)測運(yùn)動目標(biāo)的移動位置能夠提高跟蹤算法實(shí)時性［15］。具體算法實(shí)現(xiàn)使用OpenCV的cvFindcon?tours函數(shù)對運(yùn)動目標(biāo)輪廓進(jìn)行標(biāo)定，然后用CvRect函數(shù)生成矩形窗口對目標(biāo)實(shí)時跟蹤。對運(yùn)動目標(biāo)進(jìn)行成功檢測與跟蹤后，在設(shè)定時間閾值范圍外發(fā)出預(yù)警，在運(yùn)行窗體界面顯示相關(guān)信息并觸發(fā)音效報(bào)警信號。實(shí)現(xiàn)效果如圖3所示。

圖3 目標(biāo)跟蹤與預(yù)警

5 結(jié)語

本文調(diào)研分析了當(dāng)前視頻監(jiān)控系統(tǒng)采用人工方式對監(jiān)控視頻進(jìn)行監(jiān)視所存在的問題，聯(lián)系拓展視頻監(jiān)控的實(shí)際需求，對視頻監(jiān)控相關(guān)的圖像處理方法與機(jī)器視覺算法進(jìn)行研究，重點(diǎn)闡述了視頻數(shù)據(jù)預(yù)處理中的圖像灰度化和圖像濾波操作，并在此基礎(chǔ)上通過高斯混合背景差分提取運(yùn)動目標(biāo)，進(jìn)行閾值二值處理實(shí)現(xiàn)與背景分離，目標(biāo)完成檢測后，本文采用Camshift進(jìn)行目標(biāo)跟蹤并結(jié)合卡爾曼濾波完成目標(biāo)運(yùn)動預(yù)判報(bào)警功能。系統(tǒng)采用OpenCV2.4.13開源函數(shù)庫和Visual studio2017的MFC框架進(jìn)行算法實(shí)現(xiàn)，最終實(shí)現(xiàn)對視頻中各幀圖像進(jìn)行預(yù)處理與自動分析判斷，并對被測運(yùn)動目標(biāo)進(jìn)行跟蹤，對運(yùn)動目標(biāo)在超出閾值范圍發(fā)出預(yù)警信息。經(jīng)實(shí)驗(yàn)驗(yàn)證，系統(tǒng)能有效檢測運(yùn)動目標(biāo)完成報(bào)警功能。通過對系統(tǒng)核心架構(gòu)的擴(kuò)展今后還可以添加移動端預(yù)警服務(wù)、短消息、語音消息服務(wù)等。