视频监控系统中监控目标运动矢量计算

视频监控系统中监控目标运动矢量计算李强袁任小辉渊西安工程大学计算机学院袁陕西西安710048冤摘要院智能视频监控系统借助计算机图像处理尧模式识别等技术袁可以在无人值守情况下袁实时检测监控场景下的运动目标袁并对其跟踪和行为理解.这主要涉及动态目标识别和在此基础上动态目标运动矢量的计算问题袁本文就这两个问题的实现方法进行了详细研究和论述.关键字院智能监控曰动态检测曰噪声去除曰运动矢量计算中图分类号院TP391.41文献标识码院A文章编号院1673-1972渊2009冤03-0073-040引言视频监控系统以直观尧方便尧有效等特性被广泛用于交通尧银行尧金融尧电力尧智能小区等场所.它的使用袁有效避免了一些安全事件的发生袁也为安全事件发生后的取证和处理提供了有效的证据.随着视频图像处理技术的发展袁视频监控系统逐渐向智能化发展.智能视频监控系统借助计算机强大的数据处理能力袁利用图像处理尧模式识别和计算机视觉等技术在无操作人员的情况下袁实时检测监控场景下的运动目标袁并对其跟踪和行为理解.运动目标跟踪袁就是在一段视频图像中的每幅图像中找到所感兴趣的运动目标所处的位置袁并根据目标位置的变化袁自动调整摄像机的方向以及摄像机的转动速度袁以保证摄像的视频中尽可能多的包含有价值的信息.[1]视频跟踪的前提是运动目标的识别及运动矢量的计算袁笔者主要就此进行了详细论述.1动态目标的识别动态目标识别的基本原理是统计图像各像素灰度值的差距袁进行分类汇总.主要方法有光流法尧梯度法尧背景相减法尧相邻帧差法等.其中相邻帧差法实现简单尧速度快尧实时性好袁是比较理想的识别方法.1援1相邻帧差法检测动态目标相邻帧差法是动态检测中最常用的一种算法.基本原理是相邻的两帧图像对应像素值相减袁在环境亮度变化不大的情况下袁如果对应像素值相差很小袁可以认为此处是静止的袁如果图像区域某处的像素值变化很大袁可以认为这是由于图像中运动物体引起的袁将这些区域标记下来袁利用这些标记的像素区域袁就可以求出运动目标在图像中的位置[2].对于视频序列图像中相邻第k帧图像和第k+1帧图像中点渊i袁j冤的灰度值分别可以表示为院gk渊x袁y冤袁gk+1渊x袁y冤袁判断动态像素的方法如下院P=1gk渊i袁j冤-gk+1渊i袁j冤＞T0gk渊i袁j冤-gk+1渊i袁j冤≤T渊1冤对算法进行验证袁结果如图1袁2所示.该方法的最大特点就是算法实现简单袁速度快袁用于对实时性要求较高的应用环境的监控袁且对环境整体光照变化不敏感袁能较准确地检测出变化明显的运动区域袁但是对目标区域中不是很明显的部分不能很好的检测.收稿日期：2009-02-17作者简介：李强渊1984-冤袁男袁河北蔚县人袁硕士研究生袁主要从事信息安全和监控研究.第11卷第3期石家庄学院学报Vol.11袁No.32009年5月JournalofShijiazhuangUniversityMay2009图1视频帧图2动态区域1援2噪点去除和图像修复由于机器本身的精确度约束袁以及传输环境等原因袁出现个别灰度值变化较大袁但并不是运动目标上的点.这种点的分布是零散尧不集中的.零散点的去除方法就是检测每个动态点的周围有没有动态的点.如果在这个点的周围也存在大量的动态点袁则其不是孤立的袁即认为这是一个有效的点曰相反袁如果这个点的周围再没有出现相应的动态点袁或者其周围动态的点很少袁就认为这个点是一个孤立的点袁是一个无效的误差干扰点袁将其去除掉.另外袁检测后会出现一些本应是动态点袁但由于误差袁检测结果中这个点不是动态点.进行形态学的处理袁基本的原理和对噪点的去除相似袁同样检测这个点的邻域区域袁如果这个点不是移动点袁但在检测时发现这个点周边的点都是移动点袁则认为这个点也应该是移动的点.[3袁4]去噪修复后的检测结果如图3.1援3光照干扰和阴影的处理在上述动态检测算法中袁如环境光源发生变化袁则两帧的图像像素灰度值也会发生较明显变化袁误将这些变化认为是运动物体引起的.在光源方向性较强的时候袁物体会带有阴影袁它的存在会影响对动态物体位置的判断袁从而导致跟踪错误率大大上升袁使系统的整体性能下降.从本质上讲袁光照和阴影的特点非常相似.在RGB彩色空间中袁使用红色尧绿色和蓝色3个分量来表示1个像素点的颜色.实验证明1个物体处于正常情况和处于阴影中的色调是近似一致的袁在RGB的色彩空间模型袁色调代表RGB3个色彩分量的相对比例袁而亮度表示各颜色值的大小.所以袁可以认为处于阴影下的物体和没有处于阴影下的物体袁它们在RGB色彩模型中RGB3个色彩分量的比例是一样袁只是数值略有所变化[5].也可以认为处于阴影下的物体的RGB分量等于没有处于阴影下物体颜色分量分别乘以同一个系数k后得到的袁这个k值同时也反映了阴影的重淡程度袁如下公式院C渊r袁g袁b冤=C忆渊r袁k袁g窑k袁b窑k冤渊2冤根据以上的阴影部分特性袁设计阴影去除算法.首先采用上面的相邻帧差法检测出图像的动态区域袁这个时候的动态区域里面可能包含阴影.然后用这个动态区域和前一帧图像的同一位置作除袁每个像素相除后会生成一个商数k袁前面讲到过袁对于阴影部分袁这个k值是几乎相等的袁而且对于一般的系统这个k值是有一个范围的.可以使用下面公式进行阴影的检查院P=1渊阴影冤r/g-r忆/g忆≤姿且g/b-g忆/b忆≤姿0渊动点冤否则算法验证如图4袁5袁6.图4视频帧图5检测结果图6去除阴影后检测结果图3去噪修正后的动态区域渊3冤石家庄学院学报2009年5月74李强，任小辉：视频监控系统中监控目标运动矢量计算2运动矢量计算2援1质心法运动矢量计算的主要问题就是确定某一时刻动态目标的位置.质心法是针对物体相对不是很大的情况袁可以取运动物体的形体质心进行表示袁这个质心最简单的方法就是取物体前景的平均坐标值作为其位置坐标袁这种方法计算简单尧实现容易尧速度快袁在目标物体相对较小的情况下是非常有效的.质心坐标x和y的值的计算公式如下院x=1N窑移x忆渊4冤y=1N窑移y忆渊5冤其中D表示检测到的动态区域袁通过这种方法进行运动矢量的确定袁验证结果如图7袁8袁9所示.如果目标形状变化很快袁而且基本没有规律袁这种方法就会出现偏差袁尤其如果出现多个目标时袁就会出现严重的偏差袁因为误将多个目标认为1个目标袁而取目标的中间坐标值袁很显然这个值是处于2个目标的中间位置的袁并不是所要的目标位置.这里还有2种情况袁第1种情况是出现多个目标而这些目标的运动矢量很相近袁这样采用上面的方法也是可以的袁因为所有目标的基本运动趋势是一样的袁摄像机可以进行跟踪.但是如果出现第2种情况袁就是多个目标的运动方向是不一致的袁这时候1台摄相机就没有办法进行跟踪袁这种情况可以作的就是调整焦距袁使多个运动物体尽可能的处于监控范围.也可以根据运动目标的边界进行跟踪.边界是运动物体区别于背景的地方袁它一般是图像灰度发生较大变化的区域.可以用梯度算子尧Sobel算子尧拉普拉斯算子等来检测目标图像的边缘.通过计算过零点袁就可以找出图像的边界.在得到运动图像的边界时袁就可以选择其中1个边界作为跟踪的对象了.但是边界的检测本身是基于统计的袁边界的准确确定已经设计到许多复杂的算法袁存在一定的概率性袁既然边界的判断是概率性的袁那么基于边界的跟踪本身也就是概率性的袁并且容易产生概率的叠加袁误差较大.2援2面积平衡法面积平衡法是另1种简单且实用的方法袁其基本原理是抽取现有图像的水平和垂直2条中间线袁这2条中间线的确定也可以通过上述确定质心的方法进行.当确定了两条中间线以后袁两条中间线就将整个图像分成了4个区域.可以计算这4个区域的面积袁也就是像素点的多少.如果在下一时刻4个区域面积有了等量的减少袁就说明物体是远去了袁如果4个区域的面积都有了相对较近的增加袁就说明运动物体离摄像机近了.还有一种情况就是其中有1个区域的面积有了明显的减小袁而和它相对的另1个区域的面积有了明显的增加袁这就说明运动物体向着面积增加的方向有了移动袁从而可以判定目标的运动方向失量.如图10所示.每2个图中的第2像限中的动态区域渊黑色部分冤明显小于第1张图中第2像限的动态区域袁说明图像向右下方移动了.算法的过程是袁首先用平均法建立坐标系袁可以采用质心法质心计算公式袁第k帧中各像限移动部分面积的计算如下院图10面积法原理渊x忆袁y忆冤沂D渊x忆袁y忆冤沂D图7t时刻视频帧图8t+⊿t时刻视频帧图9运动矢量第3期75S1=移P渊x袁y冤S2=移P渊x袁y冤S3=移P渊x袁y冤S4=移P渊x袁y冤同理计算第k+1帧中各像限移动部分的面积袁S忆1袁S忆2袁S忆3袁S忆4.则运动方向和速度的计算公式如下院vx=渊S忆1-S1冤窑姿xvy=渊S忆4-S1冤窑姿y其中和分别是运动矢量在x和y方向上的系数.算法验证结果如图11所示.2援3其它跟踪算法另外还有一些其它的跟踪算法袁比如特征匹配法.它是依据图像的特征信息袁运动图像在两个时间间隔基本形状和特征不变的物体袁在前一帧提取目标对象袁然后再在下1帧查找该目标袁来确定运动失量的一种方法.这种方法是假定在运动目标不发生变化的情况袁而在实际的应用中袁目标的形状会随着运动的进行而发生变化袁目标走近和远去也会影响到目标的特征袁所以这种目标不变的假设是很少见的.况且就是这种情况存在袁目标在新图像中的查找过程也是一个复杂的过程.多模式跟踪是1种集合型的跟踪算法.它采用不同的跟踪算法对目标运动矢量进行跟踪计算袁得出几个结果袁然后将几个结果进行统计和信息融合.这种方法将多个算法进行集合袁其有效的除去了计算的失误袁保证了检查的准确性和环境的适应性.但这种算法的实现设计到各种算法以及各算法计算结果的融合袁运算量较大袁实时性难以保证.3总结视频监控系统的智能化功能主要依赖于数字视频图像处理技术.主要设计视频动态检测技术和目标运动矢量计算技术.视频的动态检测技术中相邻帧差法算法简单尧计算量小尧实时性好袁并且对环境光照的抗干扰性好袁是比较理想的检测算法.针对检测过程中产生的噪点尧环境光照变化和阴影影响袁可以采用基于图像平滑性的去噪尧色调计算去除阴影等方法消除干扰信息.运动目标运动矢量的计算方法主要有质心法和面积法袁质心法计算简单尧实现容易尧速度快袁在目标物体相对较小的情况下是非常有效的袁面积法对于运动目标形状的变化适应性强袁是比较适合监控系统的方法.参考文献院[1]丁金铸.基于图像处理的运动目标检测跟踪系统的设计与实现[D].武汉院华中师范大学袁2007.[2]方帅袁薛方正袁徐心和.基于背景建模的动态目标检测算法的研究与仿真[J].系统仿真学报袁2005袁渊1冤院159-161.[3]贾云德.机器视觉[M].北京院科学出版社袁2000.[4]何斌袁马天予袁等.VisualC++数字图像处理[M].北京院人民邮电出版社袁2008.[5]王宏群.视频监控系统中的运动目标检测算法研究[D].合肥院合肥工业大学袁2008.渊责任编辑李健飞冤TheMotionVectorComputationMethodoftheMovingObjectinVideoSurveillanceSystemLIQiang渊SchoolofComputerScience袁Xi爷anPolytechnicUniversity袁Xi爷an袁Shanxi710048袁China冤Abstract：Intelligentvideosurveillancesystemisbasedonimageprocessingalgorithms.Itcanworkwhenitisunmannedondutyanddetectmovingtargets袁analyzetheirlocation袁andtrackthetargets.Thispaperdiscussesanddesignsdetectionalgorithms袁noiseremoval袁shadowremoval袁motionvectorcomputationmethodandautomatictrackingalgorithms.Keywords：videosurveillancesystem曰dynamicdet