薛艷

摘? ?要：文章以步態(tài)識(shí)別為基礎(chǔ)，研究和總結(jié)視頻監(jiān)控中智能算法的共性，構(gòu)建了一個(gè)方便擴(kuò)展的通用基礎(chǔ)平臺(tái)，具體內(nèi)容包括多運(yùn)動(dòng)目標(biāo)檢測、跟蹤，步態(tài)特征提取與步態(tài)識(shí)別以及越界檢測和區(qū)域保護(hù)。

關(guān)鍵詞：目標(biāo)跟蹤;姿態(tài)檢測;區(qū)域保護(hù)算法

1? ? 研究背景

人體步態(tài)識(shí)別是一種新興的生物特征識(shí)別技術(shù)，它就是根據(jù)人走路時(shí)的姿態(tài)對(duì)人進(jìn)行身份識(shí)別、認(rèn)證和行為分析等，該項(xiàng)技術(shù)可廣泛用于智能監(jiān)控、遠(yuǎn)距離身份識(shí)別、計(jì)算機(jī)人體行為分析等領(lǐng)域。相對(duì)于指紋識(shí)別，人臉識(shí)別，語音識(shí)別等其他生物特征識(shí)別技術(shù)有著非侵犯性和非接觸性、難于隱藏和偽裝、易于采集、可遠(yuǎn)距離識(shí)別等獨(dú)特的優(yōu)點(diǎn)，因此，具有重要的理論研究意義和實(shí)用價(jià)值。

2? ? 實(shí)施過程

在智能監(jiān)控系統(tǒng)中要對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行辨識(shí)，首先需要實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的檢測，因此目標(biāo)檢測是最基礎(chǔ)的算法。在實(shí)際應(yīng)用中，對(duì)于一些簡單且在多個(gè)目標(biāo)情況不需要明辨出每個(gè)目標(biāo)的異常運(yùn)動(dòng)的檢測（如檢測運(yùn)動(dòng)的有無，運(yùn)動(dòng)物體計(jì)數(shù)等），可以直接根據(jù)運(yùn)動(dòng)目標(biāo)檢測的結(jié)果進(jìn)行判斷。對(duì)于較為復(fù)雜的情況，例如當(dāng)有多個(gè)人進(jìn)入視野的時(shí)候，不僅需要檢測出他們而且還要辨別出他們是人，并且還得明辨出誰是誰，不至于A犯罪了卻標(biāo)示成了B，因此需要設(shè)計(jì)目標(biāo)辨識(shí)和目標(biāo)跟蹤算法。分辨出每一個(gè)目標(biāo)后就可以對(duì)他們進(jìn)行進(jìn)一步的分析，例如對(duì)他的行為進(jìn)行分析，或者增加一個(gè)特寫攝像頭來捕獲人臉用以進(jìn)行人臉識(shí)別等。最終，還可以結(jié)合所有相關(guān)的技術(shù)構(gòu)成一個(gè)識(shí)別率較高的多模式智能監(jiān)控系統(tǒng)。圖1是本項(xiàng)目的實(shí)施步驟，箭頭只表示實(shí)現(xiàn)的順序。

3? ? 實(shí)驗(yàn)原理及結(jié)果演示

3.1? 目標(biāo)檢測算法

運(yùn)動(dòng)目標(biāo)檢測的步驟如圖2所示，首先對(duì)視頻序列進(jìn)行灰度處理，然后建立背景模型，并對(duì)其進(jìn)行更新。接著用每幀圖像和背景相減當(dāng)絕對(duì)差值大于閾值Th則認(rèn)為是前景目標(biāo)，進(jìn)而得到一個(gè)包含目標(biāo)和噪聲的二值圖像。之后對(duì)前一步所得的二值圖像進(jìn)行開運(yùn)算以去除小噪點(diǎn)和斷開粘連。接下來去除一些不規(guī)則區(qū)域如小面積區(qū)域、細(xì)長條等，最后檢測陰影，如果存在陰影，將其去除，便可得到無干擾的目標(biāo)區(qū)域。

3.2? 目標(biāo)跟蹤算法

在本研究中，目標(biāo)跟蹤采用的是基于加權(quán)顏色直方圖粒子濾波跟蹤算法。粒子濾波算法的核心思想是利用一組帶有權(quán)值的粒子近似表示某時(shí)刻目標(biāo)狀態(tài)的后驗(yàn)概率，每一個(gè)粒子代表目標(biāo)的一個(gè)假設(shè)狀態(tài)，用一個(gè)與目標(biāo)區(qū)域一致的特定形狀（圓、橢圓、矩形等）表示對(duì)應(yīng)粒子的離散采樣概率。

當(dāng)粒子數(shù)足夠大時(shí)，這種對(duì)目標(biāo)狀態(tài)的后驗(yàn)離散加權(quán)估計(jì)可以接近貝葉斯最優(yōu)解，所以能夠解決動(dòng)態(tài)系統(tǒng)的狀態(tài)估計(jì)問題。本研究還將目標(biāo)的加權(quán)顏色直方圖作為前景觀測信息更新粒子的權(quán)值，粒子區(qū)域的顏色分布與目標(biāo)顏色分布越相似，權(quán)值越大，反之越小。

基于加權(quán)顏色直方圖粒子濾波跟蹤算法能夠較好地適應(yīng)目標(biāo)之間短暫的遮擋以及目標(biāo)的隨機(jī)運(yùn)動(dòng)，具體實(shí)現(xiàn)步驟如圖3所示。

3.3? 異常步態(tài)識(shí)別算法和人體識(shí)別算法

已經(jīng)檢測出來的人體區(qū)域，如果人正常行走的話，檢測得到的人體區(qū)域面積會(huì)發(fā)生變化，文章用面積變化率來表示。面積變化率具體是指一段時(shí)間內(nèi)面積的方差和面積均值之比。若面積變化率在正常步態(tài)范圍內(nèi)且高寬比滿足正常行走時(shí)的比例則認(rèn)為其是正常步態(tài)，否則根據(jù)高寬比來判斷屬于哪一種異常步態(tài)。人體識(shí)別方法及步驟如圖4所示。

3.5? 越界檢測和區(qū)域保護(hù)算法

越界檢測實(shí)現(xiàn)方法是，運(yùn)用直線方程判斷設(shè)定的警戒線和目標(biāo)4個(gè)邊界是否存在交點(diǎn)。有則認(rèn)為目標(biāo)越界，并進(jìn)行標(biāo)示。圖5為越界檢測的效果。紅框標(biāo)示的目標(biāo)區(qū)域表示已經(jīng)越界了。

4? ? 創(chuàng)新點(diǎn)

（1）從設(shè)計(jì)上，本設(shè)計(jì)考慮到多模式監(jiān)控系統(tǒng)的結(jié)構(gòu)，采用了分層設(shè)計(jì)，這樣更具有彈性方便擴(kuò)展。

（2）將步態(tài)識(shí)別引入到智能監(jiān)控系統(tǒng)中，對(duì)一些異常行為能夠及時(shí)報(bào)警，且具有一定的預(yù)警的作用，有利于緊急情況的及時(shí)處理。此外，可以將步態(tài)識(shí)別和其他生物識(shí)別技術(shù)相結(jié)合以實(shí)現(xiàn)遠(yuǎn)距離的身份識(shí)別，這樣更能保障關(guān)鍵場所的安全。

（3）用算法實(shí)現(xiàn)運(yùn)動(dòng)人體和其他運(yùn)動(dòng)物體的辨別，這為后續(xù)對(duì)人體身份識(shí)別等其他的處理奠定了基礎(chǔ)。

（4）對(duì)于區(qū)域保護(hù)，本設(shè)計(jì)允許使用者選擇任意多邊形，同時(shí)在選擇保護(hù)區(qū)域的時(shí)將引入魔術(shù)棒工具，方便使用者快速選取多個(gè)相似區(qū)域。