侯鐵鑄, 沈海濤, 肖琪峰, 高洪濤, 舒大平

(廣東創(chuàng)成建設(shè)監(jiān)理咨詢有限公司, 廣東, 廣州 520000)

0 引言

電力線路的施工通常會(huì)由于環(huán)境惡劣、位置偏遠(yuǎn)造成監(jiān)管不到位,出現(xiàn)各類安全事故隱患[1]。施工現(xiàn)場(chǎng)的復(fù)雜性、溝通效率的低下使得對(duì)于施工中出現(xiàn)的問題不能及時(shí)解決,也是近來施工建設(shè)中經(jīng)常存在的問題。通過人員監(jiān)理,加大監(jiān)管力度,對(duì)于作業(yè)面比較大的現(xiàn)場(chǎng),同樣也很難實(shí)現(xiàn)實(shí)時(shí)管理,在某些方面也會(huì)出現(xiàn)人員和資源的浪費(fèi),造成管理成本上升。

現(xiàn)場(chǎng)監(jiān)控是一個(gè)比較好的處理方案,能夠有效地降低施工作業(yè)中的安全隱患,保證工作人員的人身和財(cái)產(chǎn)安全,提高施工現(xiàn)場(chǎng)的安全性和作業(yè)可靠性[2]。但是施工現(xiàn)場(chǎng)通常位于偏遠(yuǎn)的地區(qū),網(wǎng)絡(luò)覆蓋性不足和現(xiàn)場(chǎng)電磁干擾嚴(yán)重,使得傳輸?shù)囊曨l信號(hào)存在大量的噪聲干擾,監(jiān)控視頻的質(zhì)量難以得到有效的保證[4]。大氣環(huán)境的變化、外界電磁場(chǎng)的干擾使得信號(hào)的采集過程、存儲(chǔ)過程受到了嚴(yán)重的影響,視頻效果難以得到有效的保證,進(jìn)而會(huì)影響監(jiān)控管理人員對(duì)于施工現(xiàn)場(chǎng)情況的有效判斷,降低了處理問題的實(shí)時(shí)性效果,容易出現(xiàn)安全隱患,需要通過一定的方法來保證視頻的質(zhì)量和效果[5]。

本文研究利用時(shí)域分析的方法對(duì)電力工程的施工現(xiàn)場(chǎng)視頻進(jìn)行處理,利用信息化的手段提高視頻的質(zhì)量,保證現(xiàn)場(chǎng)監(jiān)管的效果。時(shí)域分析法在降低視頻的噪聲的同時(shí),可以對(duì)于施工人員的行為加以跟蹤和辨識(shí),提高了施工現(xiàn)場(chǎng)的安全性。

1 運(yùn)動(dòng)目標(biāo)檢測(cè)

1.1 目標(biāo)檢測(cè)技術(shù)

對(duì)于施工現(xiàn)場(chǎng)的復(fù)雜圖像,由于場(chǎng)景因素較多,對(duì)于目標(biāo)的檢測(cè),需要通過將監(jiān)控視頻中的感興趣區(qū)域圖像加以分割,形成前景圖像和后景圖像[6],從而利用圖像處理技術(shù),對(duì)現(xiàn)場(chǎng)的目標(biāo)進(jìn)行跟蹤、分類、行為分析等處理。根據(jù)攝像頭的位置情況,目標(biāo)檢測(cè)技術(shù)可以分為動(dòng)態(tài)背景檢測(cè)和靜態(tài)背景檢測(cè)兩種情況。

動(dòng)態(tài)背景目標(biāo)檢測(cè)主要針對(duì)移動(dòng)平臺(tái)上的攝像頭或者工人安全帽上的攝像頭等移動(dòng)攝像裝置。移動(dòng)背景的目標(biāo)和背景情況均存在較大變化,攝像的角度也并不一致,此類問題一般采用背景匹配的方法加以處理[7]。

背景匹配法的思路為對(duì)圖像中的背景做減法處理,從而可以有效提取出運(yùn)動(dòng)目標(biāo)并加以檢測(cè)。雷景生等[8]利用融合度量學(xué)習(xí)和卡爾曼濾波的方法實(shí)現(xiàn)了運(yùn)動(dòng)目標(biāo)的跟蹤,對(duì)運(yùn)動(dòng)目標(biāo)的軌跡加以預(yù)測(cè),該方法有效提高了目標(biāo)跟蹤的效果,適用于變電站場(chǎng)景。

靜態(tài)背景法主要是基于固定攝像頭等情況下視頻圖像中的背景處于不變的狀態(tài),靜態(tài)背景可以采用幀間差分的方法和背景減除的方法。

1.2 幀間差分法

幀間差分法利用圖像時(shí)間序列中相鄰圖像對(duì)比,提取圖像中相對(duì)位置像素處的亮度值,經(jīng)過差分處理后,獲得圖像前景,根據(jù)目標(biāo)運(yùn)動(dòng)前后的圖像變化情況,提取目標(biāo)特征。杜文漢等[9]研究了一種基于變異特征提取的運(yùn)動(dòng)目標(biāo)檢測(cè)方法,有效解決了視頻中檢測(cè)目標(biāo)邊緣缺失的問題,提高了算法的檢測(cè)準(zhǔn)確率和實(shí)時(shí)性。

相鄰兩幀之間的圖像差分處理的公式為

Ct=|It(x,y)-It-1(x,y)|

(1)

(2)

式中,It(x,y)為t時(shí)刻的視頻圖像,Ct為對(duì)應(yīng)時(shí)刻的差分結(jié)果,通過閾值F的設(shè)定,可以獲得該圖像的二值化處理結(jié)果Rt。

1.3 背景減除法

背景減除法的思想同樣是對(duì)目標(biāo)背景減除,通過差值情況和閾值大小的對(duì)比獲得目標(biāo)的運(yùn)動(dòng)前景。背景減除法的流程圖如圖1所示。

圖1 背景減除法流程圖

從圖1可以看到,通過對(duì)于圖像的預(yù)處理和背景的更新,能夠有效獲得目標(biāo)區(qū)域的特征情況。

對(duì)于目標(biāo)中的噪聲干擾情況,可以利用中值濾波等方法加以處理,提高圖像清晰度。常用的背景建模方法包括中值濾波法、混合高斯建模法等。

(1) 中值濾波法

中值濾波的算法思想是對(duì)于一組序列的多幀圖像,選擇對(duì)應(yīng)的像素點(diǎn)坐標(biāo)(x,y),取其亮度值進(jìn)行排序,選擇中間的數(shù)值,作為整個(gè)背景目標(biāo)的灰度數(shù)值,表達(dá)式為

Bt(x,y)=median(It-1(x,y),…,It-N(x,y))

(3)

|It(x,y)-Bt(x,y)|>T

(4)

式中,It為t時(shí)刻當(dāng)前幀灰度值,Bt為對(duì)應(yīng)背景幀灰度,median函數(shù)為選取亮度中值運(yùn)算,t時(shí)刻的中值選取其向前N幀圖像的中值灰度。通過閾值T的選擇可以獲得圖像對(duì)應(yīng)的前景區(qū)域。

(2) 混合高斯法

混合高斯法,是在單高斯方法的基礎(chǔ)上進(jìn)行的改進(jìn),用于圖像背景的分布建模處理?；诟咚狗植嫉脑?假設(shè)每個(gè)圖像像素的分布均是獨(dú)立的,符合高斯分布均值向量μ和協(xié)方差σ的特征。根據(jù)文獻(xiàn)[10]的結(jié)果,在已知特定像素點(diǎn)K個(gè)亮度值的情況下,得到其t時(shí)刻的亮度Xt的概率密度為

(5)

(6)

2 時(shí)域分析下的改進(jìn)算法

2.1 時(shí)域分析降噪方法

時(shí)域分析法是一種利用圖像相關(guān)性的視頻處理方法,由于監(jiān)控視頻是一組連續(xù)的圖像,因此其前后幀之間具有明顯的相關(guān)性。

時(shí)域降噪的方法有多種,包括平均濾波,中值濾波、遞歸濾波、運(yùn)動(dòng)補(bǔ)償濾波等,不同的濾波方式適合不同的場(chǎng)景。本文主要采用的濾波方式為時(shí)域中值濾波和運(yùn)動(dòng)補(bǔ)償濾波兩種形式。

時(shí)域中值濾波如式(3)所示。該方法基于排序理論,利用時(shí)域上的中值比較,可以有效消除圖像中孤立的噪聲,提高圖像質(zhì)量。該方法能夠有效消除由于干擾脈沖等形成的圖像噪聲,并能夠有效保留運(yùn)動(dòng)目標(biāo)圖像的邊緣信息。

運(yùn)動(dòng)補(bǔ)償濾波是針對(duì)運(yùn)動(dòng)目標(biāo)的一種有效的濾波方式。常用的運(yùn)動(dòng)補(bǔ)償濾波算法主要為分塊算法。將參考幀進(jìn)行分割,形成與像素大小相同的N個(gè)像素塊。通過對(duì)發(fā)生平移運(yùn)動(dòng)的像素塊進(jìn)行預(yù)測(cè),得到其運(yùn)動(dòng)矢量,實(shí)現(xiàn)運(yùn)動(dòng)濾波。其表示式為

ft-1(x,y))+0.4×(α×ft(x,y)+

(7)

(1-α)×ft-2×(x,y))

式中,α為算法的控制系數(shù),其取值情況直接影響算法的濾波效果。

利用運(yùn)動(dòng)補(bǔ)償濾波的方法能夠有效處理圖像運(yùn)動(dòng)形成的拖尾現(xiàn)象。

由于相鄰視頻圖像中只有運(yùn)動(dòng)目標(biāo)發(fā)生了明顯的變化,且存在大量的相關(guān)區(qū)域,從而利用時(shí)間序列的相關(guān)性才能完成濾波處理。相關(guān)系數(shù)的選擇需要根據(jù)圖像中的對(duì)應(yīng)坐標(biāo)狀態(tài),判斷其是否屬于動(dòng)態(tài)點(diǎn)。設(shè)立方形像素塊窗口W,將需要判斷的像素點(diǎn)放置在像素塊的中心,計(jì)算其與前后兩幀圖像對(duì)應(yīng)窗口的相關(guān)系數(shù)R表示為

(8)

其中,E和D為圖像窗口W中對(duì)應(yīng)像素值的期望和方差。對(duì)其建立二值圖像,表示為

(9)

式中,σk為圖像中選擇的閾值情況。

領(lǐng)域相關(guān)性的時(shí)域分析法雖然可以降低圖像噪聲的干擾,但是其獲得的目標(biāo)輪廓依然不夠完整,需要通過前景處理獲得更好的圖像效果。最終前景幀的處理算法為

(10)

式中,I為圖像當(dāng)前幀,B為圖像的背景幀。

傳統(tǒng)的背景處理方法,在待檢測(cè)目標(biāo)進(jìn)入視頻場(chǎng)景后,對(duì)背景像素缺乏更新,從而使得圖像處理中會(huì)對(duì)前景圖像形成誤判,影響效果。需要進(jìn)行適當(dāng)更新,具體如下。

(1) 計(jì)算相對(duì)位置上像素的亮度增益S,表示式為

(11)

(2) 計(jì)算增益均值u,表示式為

(12)

式中,N(bi)為當(dāng)前圖像中符合同一亮度的像素?cái)?shù)量。

(3) 利用灰度級(jí)情況,可以獲得圖像的多個(gè)增益均值,用于圖像背景點(diǎn)的像素更新,表達(dá)式為

Bt(x,y)=Bt-1(x,y)u(Bt-1(x,y))

(13)

2.2 運(yùn)動(dòng)目標(biāo)跟蹤

運(yùn)動(dòng)目標(biāo)的跟蹤是在圖像識(shí)別的基礎(chǔ)上,基于時(shí)域分析技術(shù),通過對(duì)前后幀圖像中的特征數(shù)據(jù)加以建模和匹配實(shí)現(xiàn)的。視頻圖像中運(yùn)動(dòng)目標(biāo)跟蹤的流程圖如圖2所示。

圖2 運(yùn)動(dòng)目標(biāo)跟蹤流程圖

通過從圖像時(shí)序序列中獲得目標(biāo)檢測(cè)區(qū)域,提取目標(biāo)特征進(jìn)行建模,利用匹配算法對(duì)前景目標(biāo)進(jìn)行匹配,利用特征數(shù)據(jù)之間的對(duì)應(yīng)關(guān)系,實(shí)現(xiàn)目標(biāo)的鎖定和跟蹤。

本文主要是利用Camshift算法實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的跟蹤效果。算法的核心內(nèi)容在目標(biāo)質(zhì)心的定位尋找和窗口的自適應(yīng)。根據(jù)設(shè)定運(yùn)動(dòng)目標(biāo)區(qū)域,計(jì)算窗口的零階矩和一階矩,并計(jì)算該窗口的質(zhì)心坐標(biāo)。利用尺度自適應(yīng)函數(shù)的設(shè)定完成搜索場(chǎng)景的調(diào)整,對(duì)質(zhì)心的距離加以判斷,設(shè)定迭代次數(shù)閾值T,若連續(xù)圖像的搜索次數(shù)均大于T,則可以判斷出跟蹤目標(biāo)被遮擋或離開視頻監(jiān)控區(qū)域。

但是該方法對(duì)于目標(biāo)的跟蹤不能實(shí)現(xiàn)自動(dòng)跟蹤,需要人為設(shè)置窗口。圖像顏色的選擇容易受到背景的干擾,搜索窗口中的顏色同樣存在背景影響等問題。針對(duì)上述問題,對(duì)傳統(tǒng)算法進(jìn)行改進(jìn)。

(1) 通過前文中的圖像處理,可以實(shí)現(xiàn)對(duì)于監(jiān)控區(qū)域前后景圖像的劃分。根據(jù)形態(tài)學(xué)處理,可以獲得待檢測(cè)目標(biāo)圖形,使用目標(biāo)的外切矩形作為目標(biāo)追蹤的窗口圖形。

(2) 在顏色直方圖的設(shè)定過程中,由于背景噪聲顏色會(huì)對(duì)其產(chǎn)生干擾,因此需要對(duì)其進(jìn)行加權(quán)處理,表達(dá)式為

(14)

式中,δ為delta函數(shù),b(xi)為色度值函數(shù),用于判斷xi的色度值與第u個(gè)bin的關(guān)系。xr代表顏色位于目標(biāo)中心區(qū)域位置,xb代表位于邊緣位置。β為權(quán)重系數(shù),加權(quán)處理后的圖像對(duì)于目標(biāo)邊緣位置的顏色影響可以忽略。

(3) 當(dāng)背景顏色與目標(biāo)顏色接近時(shí),出現(xiàn)的搜索區(qū)域變大和搜索質(zhì)心移位,并進(jìn)而丟失目標(biāo)的情況。需要對(duì)于目標(biāo)窗口的尺寸、質(zhì)心位置和移動(dòng)向量等進(jìn)行記錄,根據(jù)移動(dòng)過程中的速度和加速度情況進(jìn)行下一幀圖像預(yù)測(cè)。

預(yù)測(cè)質(zhì)心出現(xiàn)的坐標(biāo)表達(dá)式為

(15)

式中,V代表質(zhì)點(diǎn)的移動(dòng)速度,a代表質(zhì)點(diǎn)的移動(dòng)加速度。

目標(biāo)的相似度利用巴氏系數(shù)加以描述,表示為

(16)

式中,p(y)為候選目標(biāo)顏色分布,q為模型目標(biāo)的顏色分布,ρ為模型巴氏系數(shù)。

(4) 當(dāng)目標(biāo)出現(xiàn)遮擋的情況,利用Kalman濾波器對(duì)目標(biāo)模型位置加以預(yù)測(cè),算法從預(yù)測(cè)點(diǎn)開始繼續(xù)搜索,實(shí)現(xiàn)目標(biāo)追蹤。

經(jīng)過上述幾個(gè)步驟的改進(jìn)后,算法的流程如圖3所示。

圖3 改進(jìn)算法流程圖

3 實(shí)驗(yàn)結(jié)果與數(shù)據(jù)分析

3.1 實(shí)驗(yàn)參數(shù)

為了驗(yàn)證本文模型的有效性,利用個(gè)人電腦對(duì)其進(jìn)行驗(yàn)證。電腦配置為CPU:i7-4790k,內(nèi)存8G,系統(tǒng)環(huán)境為Windows 7,利用MATLAB 2018b對(duì)進(jìn)行數(shù)據(jù)對(duì)比。

圖像數(shù)據(jù)來自施工現(xiàn)場(chǎng)的拍攝視頻,比較不同情況的圖像效果以及目標(biāo)跟蹤情況。

3.2 圖像降噪效果對(duì)比

模型中的相關(guān)系數(shù)閾值取0.7,運(yùn)動(dòng)估計(jì)閾值取0.1,利用多組圖像取平均值,進(jìn)行PSNR數(shù)據(jù)對(duì)比。不同算法對(duì)比結(jié)果如表1所示。

表1 不同降噪方法的PSNR值

由表1中的圖像處理效果可以知道,利用上述方法均可以降低工程現(xiàn)場(chǎng)中的噪聲干擾,提高圖像質(zhì)量。但是本文算法的PSNR值效果更為明顯,相比其他算法的圖像質(zhì)量,均有不同程度的提高。利用本文方法處理的圖像效果如圖4所示。

(a) 噪聲圖像

3.3 目標(biāo)跟蹤效果

在相同的情況下,將本文算法與經(jīng)典算法進(jìn)行對(duì)比。

(1) 背景干擾對(duì)比

為了證明本文算法對(duì)于背景干擾的處理能力,在存在背景顏色與目標(biāo)顏色相近的情況下,進(jìn)行不同算法的數(shù)據(jù)對(duì)比,對(duì)比結(jié)果如表2所示。

表2 干擾情況下的算法對(duì)比

從表2可以看到,經(jīng)典的Camshift算法在目標(biāo)跟蹤過程中出現(xiàn)了明顯的誤判,將背景中的顏色區(qū)域誤認(rèn)為目標(biāo),從而出現(xiàn)了窗口尺寸大幅變化的情況,而本文算法的窗口基本不變,說明沒有受到背景干擾的影響。對(duì)比圖像質(zhì)心的變化,也同樣能夠發(fā)現(xiàn),經(jīng)典方法在處理過程中出現(xiàn)了質(zhì)心大幅偏離的現(xiàn)象。本文方法的質(zhì)心一直與實(shí)際質(zhì)心一致,說明本文方法有效。

(2) 目標(biāo)遮擋情況對(duì)比

當(dāng)目標(biāo)的運(yùn)動(dòng)過程中出現(xiàn)了遮擋的情況時(shí),圖像對(duì)比結(jié)果如圖5所示。

(a) Camshaft 算法處理結(jié)果

從圖5可以看到,在出現(xiàn)圖像遮擋的情況下,經(jīng)典算法中由于獲取目標(biāo)的特征顏色信息丟失,只能通過跟蹤窗口的增大來提高搜索范圍,而目標(biāo)再次出現(xiàn)以后,由于無法進(jìn)行準(zhǔn)確定位,從而跟蹤失敗。

本文算法中,在相同的情況下,盡管出現(xiàn)了跟蹤目標(biāo)被遮擋的情況,但此時(shí)利用Kalman濾波器,對(duì)于目標(biāo)的移動(dòng)進(jìn)行預(yù)測(cè),并進(jìn)而將窗口位置進(jìn)行調(diào)整,在目標(biāo)再次出現(xiàn)時(shí),順利完成目標(biāo)的繼續(xù)跟蹤任務(wù),說明本文算法相比傳統(tǒng)算法,效果更好。

3.4 多目標(biāo)跟蹤情況

對(duì)于多目標(biāo)的場(chǎng)景進(jìn)行跟蹤情況測(cè)試,驗(yàn)證本文算法的多目標(biāo)跟蹤能力。實(shí)驗(yàn)結(jié)果如圖6所示。

圖6 多目標(biāo)跟蹤效果圖

從圖6可以看到,對(duì)于多目標(biāo)跟蹤,盡管不同目標(biāo)間依然出現(xiàn)了遮擋情況,但是本文算法依然準(zhǔn)確完成了目標(biāo)的實(shí)時(shí)跟蹤任務(wù),未發(fā)生目標(biāo)丟失情況。

在跟蹤目標(biāo)數(shù)量不同的情況下,本文算法的平均時(shí)間還是有所不同的,對(duì)比結(jié)果如圖7所示。

圖7 目標(biāo)數(shù)量與時(shí)間關(guān)系

從圖8可以看到,本文的改進(jìn)算法在進(jìn)行目標(biāo)跟蹤的過程中,消耗時(shí)間隨著跟蹤目標(biāo)數(shù)量的增多而增大,這與算法的工作量增大有關(guān)。需要提高處理器的工作效率來降低時(shí)間損耗。

4 總結(jié)

本文主要研究了在電力現(xiàn)場(chǎng)的視頻監(jiān)控算法,利用時(shí)域分析,對(duì)Camshift算法進(jìn)行改進(jìn),降低圖像噪聲,并利用區(qū)域加權(quán)的方式減少目標(biāo)窗口邊緣信息對(duì)于目標(biāo)跟蹤的影響,結(jié)合Kalman濾波器,有效實(shí)現(xiàn)目標(biāo)路徑預(yù)測(cè),從而在目標(biāo)出現(xiàn)遮擋問題或者與背景顏色接近的情況下依然能夠有效實(shí)現(xiàn)目標(biāo)跟蹤。通過與經(jīng)典Camshift算法的對(duì)比,本文算法較好地完成了目標(biāo)識(shí)別和目標(biāo)跟蹤的任務(wù),可以適用于電力工程現(xiàn)場(chǎng)的視頻監(jiān)控。