肖沁雨

（北京郵電大學(xué)，北京 100876）

0 引言

在計(jì)算機(jī)強(qiáng)大的數(shù)據(jù)處理功能幫助下，智能視頻監(jiān)控系統(tǒng)(IVS)能高速分析計(jì)算視頻圖像中的海量數(shù)據(jù)，并對(duì)于其中關(guān)鍵信息進(jìn)行自動(dòng)的分析和提取工作，這樣就可以對(duì)于不同目標(biāo)對(duì)象進(jìn)行識(shí)別，把用戶不關(guān)心的數(shù)據(jù)過(guò)濾掉。同時(shí)在自動(dòng)識(shí)別不同目標(biāo)對(duì)象時(shí)候，還能夠發(fā)現(xiàn)系統(tǒng)中的異常情況，輔以適當(dāng)?shù)姆治龊兔枋?，進(jìn)行最快方式的報(bào)警處理，這樣還能有效幫助相關(guān)人員進(jìn)行危機(jī)處理。所以有人曾這樣形象的描述智能視頻監(jiān)控系統(tǒng)：“智能視頻監(jiān)控系統(tǒng)就是對(duì)傳統(tǒng)的只有眼睛的視頻監(jiān)控系統(tǒng)裝上大腦，使其具有更為強(qiáng)大的自動(dòng)分析判斷的能力，從而實(shí)現(xiàn)其真正的智能化的功能和作用”[1,2]。本文主要針對(duì)智能視頻監(jiān)控技術(shù)中的運(yùn)動(dòng)目標(biāo)的跟蹤，還有運(yùn)動(dòng)目標(biāo)的檢測(cè)相關(guān)技術(shù)進(jìn)行重點(diǎn)分析。

1 運(yùn)動(dòng)目標(biāo)檢測(cè)和提取

將運(yùn)動(dòng)目標(biāo)從視頻序列背景中提取出來(lái)就是運(yùn)動(dòng)目標(biāo)檢測(cè)的最為主要目的，其作為智能視頻監(jiān)控中處理的首先工作來(lái)說(shuō)，其基礎(chǔ)作用十分重要，結(jié)果直接影響到智能視頻監(jiān)控技術(shù)的相關(guān)后續(xù)處理工作[3]。

1.1 背景差分法

對(duì)于背景差分法來(lái)說(shuō)，運(yùn)動(dòng)目標(biāo)的獲得則是通過(guò)視頻圖像與背景圖像相比較。盡管該方法思路比較簡(jiǎn)單，但是純背景在現(xiàn)實(shí)生活中的所獲得的視頻幀序列往往難以得到。這樣，背景從原始的視頻幀序列中獲取，即在運(yùn)動(dòng)目標(biāo)檢測(cè)之前進(jìn)行背景建模就十分重要。對(duì)于背景差分法來(lái)說(shuō)，盡管思想比較簡(jiǎn)單，但是背景模型的建立則是一個(gè)難點(diǎn)。運(yùn)動(dòng)目標(biāo)能被完整的分割開(kāi)來(lái)，但是當(dāng)存在遮擋和陰影等復(fù)雜背景的情況或者動(dòng)態(tài)背景的時(shí)候，這樣實(shí)時(shí)性方法比較差。所以說(shuō)，這方法針對(duì)面積不大的目標(biāo)，主要在靜態(tài)或準(zhǔn)靜態(tài)背景下比較適用。

1.2 相鄰幀間差分法

所謂的相鄰幀間差分法，就是視頻圖像序列差分法，相鄰的兩、三幀圖像亮度差能夠使得視頻圖像序列中的運(yùn)動(dòng)目標(biāo)特性表現(xiàn)出來(lái)，這樣就可以對(duì)于運(yùn)動(dòng)目標(biāo)進(jìn)行確定。該方法思想也非常簡(jiǎn)單，實(shí)現(xiàn)起來(lái)較為容易。對(duì)于動(dòng)態(tài)變化場(chǎng)景來(lái)說(shuō)，實(shí)時(shí)性一般較好，但有時(shí)對(duì)于運(yùn)動(dòng)目標(biāo)的所有像素的提取來(lái)說(shuō)，可能存在一定的困難，這樣情況在背景顏色與運(yùn)動(dòng)目標(biāo)顏色相差不大時(shí)，尤為明顯，因?yàn)楹苡锌赡艹霈F(xiàn)陰影干擾，以及相關(guān)的“漏檢”現(xiàn)場(chǎng)，誤將背景檢測(cè)作為運(yùn)動(dòng)目標(biāo)的部分。這種方法主要是按照靜態(tài)背景條件下，目標(biāo)運(yùn)動(dòng)稍快較為適用，同時(shí)要求不高的圖像分割精度。

1.3 光流法

光流(Optical Flow)計(jì)算技術(shù)就是，當(dāng)運(yùn)動(dòng)目標(biāo)在場(chǎng)景中運(yùn)動(dòng)時(shí)，其在視頻圖像中對(duì)應(yīng)的像素點(diǎn)的亮度也在運(yùn)動(dòng)，而這種視頻圖像中各個(gè)像素點(diǎn)所表現(xiàn)出來(lái)的亮度模式的運(yùn)動(dòng)就被稱之為光流?？梢?jiàn)光流既表現(xiàn)出了視頻圖像中的亮度變化，同時(shí)也包含了運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)信息，因此根據(jù)光流法所表達(dá)出的圖像的這些變化信息，我們可充分的利用其作為運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)檢測(cè)。根據(jù)光流的定義，可以進(jìn)一步的引入光流場(chǎng)的定義，根據(jù)所賦予的每個(gè)像素點(diǎn)的瞬時(shí)速度矢量，使得運(yùn)動(dòng)目標(biāo)在運(yùn)動(dòng)過(guò)程中形成了一個(gè)二維的瞬時(shí)速度場(chǎng)，這個(gè)瞬時(shí)速度場(chǎng)，即就是運(yùn)動(dòng)場(chǎng)景中視頻圖像各個(gè)像素點(diǎn)所形成的三維速度矢量的平面投影。因此在運(yùn)動(dòng)的某一瞬間，我們可以得到視頻圖像中各個(gè)像素點(diǎn)與三維空間物體中各點(diǎn)的一一對(duì)應(yīng)關(guān)系，由此可見(jiàn)，光流也包含了運(yùn)動(dòng)場(chǎng)景中三維空間物體的豐富信息。下面動(dòng)態(tài)分析視頻圖像，按照各個(gè)像素點(diǎn)在視頻圖像中的光流矢量特征。當(dāng)運(yùn)動(dòng)目標(biāo)不存在視頻圖像中，在整個(gè)視頻圖像區(qū)域中，光流矢量是連續(xù)變化的；而當(dāng)運(yùn)動(dòng)目標(biāo)存在于視頻圖像中時(shí)，對(duì)于運(yùn)動(dòng)目標(biāo)和背景圖像來(lái)說(shuō)，相對(duì)運(yùn)動(dòng)情況往往存在，這就是造成鄰域背景與動(dòng)目標(biāo)所形成的速度矢量不同原因，也就從而能夠有效檢測(cè)運(yùn)動(dòng)目標(biāo)及其位置。

針對(duì)光流法特點(diǎn)，場(chǎng)景中的任何信息不需要提前知道，也能檢測(cè)出獨(dú)立運(yùn)動(dòng)目標(biāo)。對(duì)于動(dòng)態(tài)背景較為適用，一方面圖像的三維結(jié)構(gòu)豐富的信息能夠攜帶，另外一方面還具有運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)信息。但是計(jì)算量大、容易受到噪聲影響則是光流法的缺點(diǎn)。當(dāng)實(shí)施實(shí)時(shí)檢測(cè)時(shí)候，還必須應(yīng)該借助硬件才能實(shí)現(xiàn)，因而在應(yīng)用在運(yùn)動(dòng)目標(biāo)檢測(cè)精度要求比較高的情況下。

2 運(yùn)動(dòng)目標(biāo)描述

對(duì)于跟蹤過(guò)程中的運(yùn)動(dòng)目標(biāo)、還有視頻圖像序列中檢測(cè)到的運(yùn)動(dòng)目標(biāo)進(jìn)行相關(guān)分析研究，需要利用一種方法在盡量減少冗余信息的前提下，進(jìn)行表示的工作就是目標(biāo)描述。運(yùn)動(dòng)目標(biāo)跟蹤的算法分類與其緊密相關(guān)，這是因?yàn)閳D形描述法不同，往往影響目標(biāo)跟蹤算法的不同，外輪廓描述法，矩形框描述法，點(diǎn)描述法，區(qū)域描述法還有基于圖像的描述法是集中常見(jiàn)的描述方法。

3 運(yùn)動(dòng)目標(biāo)跟蹤

可以通過(guò)不同的特征值，同一運(yùn)動(dòng)目標(biāo)的不同視頻幀的視頻圖像序列可以相互關(guān)聯(lián)起來(lái)，運(yùn)動(dòng)軌跡得以計(jì)算出來(lái)。所以可以看出，同種或者某種特征相似的元素集合可以在視頻序列圖像中找到，這就完成了目標(biāo)跟蹤，同時(shí)，特征模板的提取則極大影響到了匹配算法的準(zhǔn)確性。圖1為目標(biāo)跟蹤坐標(biāo)示意圖，我們看一下利用直觀的圖形方法定義運(yùn)動(dòng)目標(biāo)的跟蹤問(wèn)題。

圖 1 目標(biāo)跟蹤坐標(biāo)示意圖

在圖1中，二維圖像從位置1(Xn-1，Yn-1，Tn-1)移動(dòng)到位置2(Xn，Yn，Tn)，定義位移矢量為(ΔXn，ΔYn)。則對(duì)于相鄰兩幀視頻圖像來(lái)說(shuō)，物體表面上的各點(diǎn)相應(yīng)的位移稱為視差。所以，運(yùn)動(dòng)目標(biāo)的跟蹤就可以看作是目標(biāo)的視差，并通過(guò)建立與運(yùn)動(dòng)目標(biāo)一一對(duì)應(yīng)關(guān)系在連續(xù)的視頻序列中。

跟蹤過(guò)程的兩個(gè)重要指標(biāo)是可靠性和精確度。對(duì)于不同的運(yùn)動(dòng)狀態(tài)，不同的跟蹤算法針對(duì)運(yùn)動(dòng)目標(biāo)跟蹤被采用。比如，動(dòng)機(jī)性不強(qiáng)的較小面積的跟蹤目標(biāo)來(lái)說(shuō)，一般為了提高精度而采用濾波跟蹤方法；而具有一定面積的跟蹤目標(biāo)，且距離較近時(shí)，具有較大的抖動(dòng)時(shí)，為了保證跟蹤目標(biāo)的穩(wěn)定性和精確性，一般采用匹配跟蹤方法和窗口質(zhì)心跟蹤運(yùn)動(dòng)目標(biāo)的特征信息來(lái)進(jìn)行跟蹤，考慮運(yùn)動(dòng)目標(biāo)跟蹤算法時(shí)，則不用考慮運(yùn)動(dòng)目標(biāo)的整體特性。在相應(yīng)的特征集合被搜索到，運(yùn)動(dòng)目標(biāo)跟蹤成功，不僅大大減少了運(yùn)算量，同時(shí)還具有較強(qiáng)的抗干擾能力，這是因?yàn)椴蛔冃魏涂垢蓴_性則為選取的特征，這也是大部分基于特征的目標(biāo)跟蹤算法的特點(diǎn)。其中，基于紋理特征的跟蹤，基于運(yùn)動(dòng)特征的跟蹤，基于顏色特征的跟蹤和基于形狀特征的跟蹤等是常見(jiàn)的集中基于特征方法，但是在實(shí)際的算法中，為了達(dá)到更好的效果，往往是幾種方法的綜合使用。

可以看出，運(yùn)動(dòng)目標(biāo)的跟蹤問(wèn)題可以按照以下三個(gè)步驟進(jìn)行：第一，特征選取，顯著特征從圖像中進(jìn)行選??；第二，特征集合的對(duì)應(yīng)關(guān)系在視頻序列中找到，完成特征匹配，還要對(duì)其進(jìn)行相關(guān)一定分析處理；第三，計(jì)算相關(guān)的運(yùn)動(dòng)信息。

4 運(yùn)動(dòng)目標(biāo)識(shí)別

從視頻圖像序列中按照一定的技術(shù)方法，對(duì)于輸入的圖像序列進(jìn)行處理，然后進(jìn)行提取和識(shí)別處理，這樣就完成了運(yùn)動(dòng)目標(biāo)識(shí)別工作。一般來(lái)所，運(yùn)動(dòng)目標(biāo)識(shí)別分為有形運(yùn)動(dòng)目標(biāo)識(shí)別和空間點(diǎn)的運(yùn)動(dòng)目標(biāo)識(shí)別，他們的區(qū)分依據(jù)就是相機(jī)中成像的大小在識(shí)別目標(biāo)由遠(yuǎn)及近移動(dòng)過(guò)程中的變化。

基于一致樣本的前提下進(jìn)行的判決，首先需要得到感興趣目標(biāo)和背景的部分樣本，建立相應(yīng)的識(shí)別模型。目前，關(guān)于目標(biāo)識(shí)別領(lǐng)域中出現(xiàn)的各種的目標(biāo)識(shí)別算法，這些算法各具特點(diǎn)，一般包括基于知識(shí)的自動(dòng)目標(biāo)識(shí)別方法、經(jīng)典的統(tǒng)計(jì)模式識(shí)別方法、基于多傳感器信息融合技術(shù)的自動(dòng)目標(biāo)識(shí)別方法、基于模型的自動(dòng)目標(biāo)識(shí)別方法以及基于統(tǒng)計(jì)學(xué)習(xí)的自動(dòng)目標(biāo)識(shí)別方法等等。

運(yùn)動(dòng)目標(biāo)識(shí)別與跟蹤系統(tǒng)只需要對(duì)于目標(biāo)的類型進(jìn)行判斷，而不需要了解圖像中更多的細(xì)節(jié)問(wèn)題，所以這里統(tǒng)計(jì)識(shí)別方法一般就是指提到的基于目標(biāo)跟蹤的識(shí)別方法。

5 運(yùn)動(dòng)目標(biāo)行為分析

強(qiáng)調(diào)智能視頻監(jiān)控中智能化，主要體現(xiàn)在運(yùn)動(dòng)目標(biāo)行為分析作用更加突出，一方面運(yùn)動(dòng)目標(biāo)檢測(cè)提取和跟蹤相關(guān)諸多大量數(shù)據(jù)運(yùn)算可以實(shí)現(xiàn)，另外一方面，體現(xiàn)出監(jiān)控系統(tǒng)的人性思考特點(diǎn)，可以經(jīng)過(guò)自主的，不加外人干涉而自動(dòng)對(duì)于運(yùn)動(dòng)目標(biāo)進(jìn)行分析并處理，這樣就能有體現(xiàn)整個(gè)監(jiān)控系統(tǒng)的智能化特點(diǎn)。

比如，在了解人的行為包括跳、走、跑、躺、跳等等行為后，車(chē)的行為主要包括碰撞和車(chē)輛加速等等，這樣針對(duì)某視頻序列中的運(yùn)動(dòng)目標(biāo)為人和車(chē)進(jìn)行運(yùn)動(dòng)目標(biāo)識(shí)別可以分析得到上述結(jié)論。其中，智能化能夠認(rèn)為是為監(jiān)控系統(tǒng)的告警提供有效的數(shù)據(jù)基礎(chǔ)，運(yùn)動(dòng)目標(biāo)識(shí)別的基礎(chǔ)上進(jìn)行運(yùn)動(dòng)目標(biāo)的行為分析。

目前，主要是在特定場(chǎng)景下的運(yùn)動(dòng)目標(biāo)行為分析工作，一般來(lái)說(shuō)，已知場(chǎng)景中發(fā)生的所有行為，或者已知所有相關(guān)的行為模式，并且這種行為模式的訓(xùn)練往往需要大量的樣本。但是在實(shí)際情況下，往往要事先獲得監(jiān)控場(chǎng)景中的所有目標(biāo)行為模型和大量訓(xùn)練樣本具有很大難度，所以說(shuō)，一種自適應(yīng)的行為分析模型的學(xué)習(xí)方法就顯得格外重要。

6 結(jié)束語(yǔ)

本文針對(duì)智能視頻監(jiān)控系統(tǒng)中關(guān)鍵技術(shù)進(jìn)行分析，主要包括運(yùn)動(dòng)目標(biāo)的描述、運(yùn)動(dòng)目標(biāo)的跟蹤、運(yùn)動(dòng)目標(biāo)的檢測(cè)、運(yùn)動(dòng)目標(biāo)的識(shí)別以及運(yùn)動(dòng)目標(biāo)的行為分析，分析而來(lái)整個(gè)智能化監(jiān)控系統(tǒng)的特點(diǎn)，一定程度上分析了目標(biāo)檢測(cè)與目標(biāo)跟蹤的常用方法和算法，對(duì)于今后開(kāi)展智能視頻監(jiān)控發(fā)展具有一定幫助。

[1]韓曉冰,王瑋明.基于軟交換的井下視頻監(jiān)控系統(tǒng)[J].制造業(yè)自動(dòng)化,2011,33(2).

[2]王鵬,朱秀昌.智能視頻監(jiān)控中滯留物與人的關(guān)聯(lián)分析算法[J].電視技術(shù),2011,35(3).

[3]李鵬飛,陳朝武,李曉峰.智能視頻算法評(píng)估綜述[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2010,22(2).