【文章內(nèi)容簡(jiǎn)介】 而發(fā)展起新型的視頻監(jiān)控技術(shù) — 智能視頻監(jiān)控，也稱(chēng)自動(dòng)視頻監(jiān)控，在視頻監(jiān)控系統(tǒng)中處于核心地位，對(duì)于整個(gè)系統(tǒng)的效率提高具有重要意義。 智能視頻監(jiān)控的研究?jī)?nèi)容 智能視頻監(jiān)控的研究?jī)?nèi)容包括運(yùn)動(dòng)目標(biāo)檢測(cè)、運(yùn)動(dòng)目標(biāo)跟蹤以及對(duì)監(jiān)視場(chǎng)景 中目標(biāo)行為的理解與描述，目標(biāo)檢測(cè)、目標(biāo)分類(lèi)、目標(biāo)識(shí)別是視頻處理中的基礎(chǔ)部分，而行為分析和理解則屬于更高級(jí)的處理分析部分。 運(yùn)動(dòng)檢測(cè)、目標(biāo)分類(lèi)和目標(biāo)跟蹤是研究者們關(guān)心最多的三個(gè)基本問(wèn)題；而行為分析與理解因?yàn)楦鷳?yīng)用直接相關(guān)，所以近些年成為被廣泛關(guān)注的熱點(diǎn)問(wèn)題。 行人檢測(cè)與跟蹤 視頻監(jiān)控場(chǎng)景中行人是監(jiān)控的主要對(duì)象，因此對(duì)行人的檢測(cè)和跟蹤是一個(gè)至關(guān)重要的問(wèn)題，這屬于智能視頻監(jiān)控系統(tǒng)的底層工作，其性能好壞將直接影響后續(xù)工作乃至整個(gè)系統(tǒng)的性能。 行人檢測(cè) 行人檢測(cè)就是把視頻圖像中的行人目標(biāo)從背景中分割出來(lái)并精確定位?；谝曈X(jué)的行人檢測(cè)目前仍舊是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)公認(rèn)的難題。原因在于：行人同背景混合在一起，行人可能走， 也有可能站著或者不可預(yù)測(cè)地改變運(yùn)動(dòng)方向；行人所處的背景非常復(fù)雜，特別是當(dāng)視覺(jué)系統(tǒng)基于運(yùn)動(dòng)云臺(tái)上的攝像系統(tǒng)時(shí)，背景的突然改變不可避免。 到目前為止，一些人體檢測(cè)系統(tǒng)在某些約束環(huán)境中被證明能有效地檢測(cè)行山東建筑大學(xué)課程設(shè)計(jì)說(shuō)明書(shū) 4 人，從而鼓舞了研究人員開(kāi)展進(jìn)一步的研究工作。行人的衣著、運(yùn)動(dòng)姿態(tài)、光照存在著很大的差異，并且存在背景復(fù)雜、遮擋和其它運(yùn)動(dòng)物體的干擾，這些因素是行人檢測(cè)要解決的重點(diǎn)問(wèn)題。 行人跟蹤 行人跟蹤監(jiān)視人體在視頻中的空間和時(shí)間變化，包括人體的出現(xiàn)、位置變化、大小信息、形狀等，在連續(xù)幀上匹配目標(biāo)區(qū)域，求解時(shí)間上的 對(duì)應(yīng)問(wèn)題?；谝曈X(jué)的人體跟蹤一般從人體檢測(cè)開(kāi)始，而且在后繼的視頻序列中需要不斷地檢測(cè)人體以校驗(yàn)跟蹤和維持跟蹤連續(xù)進(jìn)行，它是人體的姿態(tài)估計(jì)和活動(dòng)識(shí)別的基礎(chǔ)。跟蹤過(guò)程根據(jù)應(yīng)用場(chǎng)景中的目標(biāo)數(shù)目分為單目標(biāo)和多目標(biāo)。場(chǎng)景中目標(biāo)數(shù)目的不同，跟蹤的難易程度不同，所采用的技術(shù)也不同。 山東建筑大學(xué)課程設(shè)計(jì)說(shuō)明書(shū) 5 二、 設(shè)計(jì)原理 智能視頻監(jiān)控中的行人檢測(cè)與跟蹤方法涉及到很多研究領(lǐng)域，如數(shù)字圖像處理、計(jì)算機(jī)視覺(jué)、信息融合、模式識(shí)別與人工智能等。為了后續(xù)各章內(nèi)容的展開(kāi)，本章系統(tǒng)地介紹相關(guān)的一些預(yù)備知識(shí)和常用的目標(biāo)檢測(cè)與跟蹤方法。 圖像處理基礎(chǔ) 數(shù)字 圖像處理涉及的領(lǐng)域相當(dāng)廣泛，其各種理論算法、技術(shù)應(yīng)用更是不勝枚舉。篇幅起見(jiàn)，本節(jié)僅簡(jiǎn)要介紹相關(guān)的顏色空間、圖像預(yù)處理和形態(tài)學(xué)方法等內(nèi)容。 顏色空間 顏色空間也稱(chēng)彩色模型，又稱(chēng)彩色空間或彩色系統(tǒng)，它的用途是在某些標(biāo)準(zhǔn)下用通?？山邮艿姆绞綄?duì)彩色加以說(shuō)明。本質(zhì)上，彩色模型是坐標(biāo)系統(tǒng)和子空間的闡述，位于系統(tǒng)的每種顏色都由單個(gè)點(diǎn)表示。顏色空間從提出到現(xiàn)在已經(jīng)有上百種，大部分只是局部的改變或?qū)Ｓ糜谀骋活I(lǐng)域，現(xiàn)在采用的大多數(shù)顏色模型都是面向硬件或面向應(yīng)用的。數(shù)字圖像處理中常用的是 RGB、 HSI 和 HSV模型 。 （ 1） RGB 彩色模型 RGB 彩色模型是工業(yè)界最為常見(jiàn)的顏色模型，它也是人們最為熟悉常見(jiàn)的顏色模型。它以紅、綠、藍(lán)為原色，建立三維直角坐標(biāo)系，通過(guò)混合各個(gè)原色以產(chǎn)生各種復(fù)合色彩。通過(guò)對(duì)紅、綠、藍(lán)三種顏色施加變化以及疊加可以得到各種顏色。RGB 即是代表紅、綠、藍(lán)三種色彩組成的顏色空間，這一顏色空間幾乎包括人類(lèi)能感知的所有顏色，因而應(yīng)用最為廣泛。 RGB 顏色空間的設(shè)計(jì)是以顏色發(fā)光為原理的，簡(jiǎn)單理解其顏色混合方式就好像有紅、綠、藍(lán)三盞不同顏色的彩燈，當(dāng)三盞燈的光相互混合的時(shí)候，其色彩相混，而亮度等于三者總 和 ,也即滿(mǎn)足加法混合。知道其原理后，在很多圖像處理軟件中進(jìn)行的 RGB 顏色設(shè)定就很容易理解了。圖 21 形象地顯示了 RGB 顏色空間。 山東建筑大學(xué)課程設(shè)計(jì)說(shuō)明書(shū) 6 圖 21 RGB 顏色空間 （ 2） HSV 模型 RGB 和 CMY 彩色模型對(duì)硬件實(shí)現(xiàn)很理想，另外它同人眼對(duì)紅、綠、藍(lán)三原色的強(qiáng)烈感覺(jué)相匹配，但是這一模型不能很好地解釋實(shí)際的顏色。觀察一個(gè)彩色物體時(shí)，人們用色調(diào)、色飽和度和強(qiáng)度來(lái)描述它，相比較而言， HSV 顏色模型是面向用戶(hù)的，該模型對(duì)應(yīng)于圓柱坐標(biāo)系的一個(gè)圓錐形子集 。色調(diào) H：與光波的波長(zhǎng)有關(guān)，它表示人的感官對(duì)不同顏色的感受，如紅色、綠色、藍(lán)色等，它也可表示一定范圍的顏色，如暖色、冷色等。飽和度 S：表示顏色的純度，純光譜色是完全飽和的，加入白光會(huì)稀釋飽和度。飽和度越大，顏色看起來(lái)就會(huì)越鮮艷，反之亦然。強(qiáng)度 V：對(duì)應(yīng)成像亮度和圖像灰度，是顏色的明亮程度。 HSV 顏色空間如圖 22 所示，其空間模型為一個(gè)圓錐。圓錐的頂面對(duì)應(yīng)的強(qiáng)度 V 為 1，代表最亮的顏色。繞 V 軸的旋轉(zhuǎn)角代表色彩 H，紅、黃、藍(lán)分別對(duì)應(yīng)于 0176。、 120176。、240176。在這一顏色模型中，每一種顏色和 其補(bǔ)色相差 180176。由圓心向圓周移動(dòng)時(shí)，飽和度 S 的取值從 0 變化到 1。由于 HSV 顏色模型所代表的顏色域是屬于 CIE 色度圖的一個(gè)子集，所以其最大飽和度的顏色的純度值并不到 100％。在下方的圓錐頂點(diǎn)處， V 為 0， H 和 S 無(wú)定義，代表黑色。圓錐頂面中心處 S 為 0， V 為 1， H 無(wú)定義，代表白色，從該點(diǎn)到頂點(diǎn)代表亮度漸暗的白色，即不同灰度的白色。所有 V、 S 都為 1 的顏色都是純色。 山東建筑大學(xué)課程設(shè)計(jì)說(shuō)明書(shū) 7 圖 22 HSV 彩色空間 HSV 顏色 模型類(lèi)似畫(huà)家配色時(shí)采用的方法。而畫(huà)家常通過(guò)改變色深和色濃來(lái)從純色中得到各種色調(diào)的顏色。具體做法為：在純色中加入黑色可以改變色深，加入白色可以改變色濃，同時(shí)加入一定比例的黑色、白色即可得到某種色調(diào)的顏色。 （ 3）顏色空間變換 顏色空間變換可以分為從 RGB 到 HSV 轉(zhuǎn)換以及從 HSV 到 RGB 的轉(zhuǎn)換兩種。從 RGB 到 HSV 轉(zhuǎn)換時(shí)，設(shè) (r,g,b)分別是一個(gè)顏色的紅、綠和藍(lán)坐標(biāo)，它們的值是 0 到 1 之間的實(shí)數(shù)。設(shè) max 等價(jià)于 r,g 和 b 中的最大者。設(shè) min 等于這些值中的最小者。要 找到在 HSL 空間中的 (h,s,v)值，這里的 h∈ [0,360）是角度的色相角，而 s,v∈ [0,1]是飽和度和亮度。 圖像預(yù)處理 常用的圖像預(yù)處理過(guò)程都涉及到一些濾波的方法。由于圖像在拍攝過(guò)程中往往會(huì)由傳感器引入噪聲，因此需要在目標(biāo)分割前對(duì)圖像進(jìn)行預(yù)處理，來(lái)減除噪聲的干擾，增強(qiáng)目標(biāo)提取的效果。通常可采用低通濾波的方法來(lái)消除噪聲。低通濾波既可在頻域進(jìn)行也可在 時(shí) 域進(jìn)行。常見(jiàn)的頻域低通濾波器有巴特沃茲低通濾波器和高斯低通濾波器。常見(jiàn)的空域低通濾波器主要有均值濾波器、加權(quán)均值濾波器和中值濾波器。 形態(tài)學(xué)方法 形態(tài)學(xué)原本代表的是生物學(xué)的一個(gè)學(xué)科，在這里介紹的是數(shù)學(xué)形態(tài)學(xué)。作為山東建筑大學(xué)課程設(shè)計(jì)說(shuō)明書(shū) 8 一種圖像處理工具，它被用于對(duì)圖像區(qū)域進(jìn)行處理，以提取對(duì)于表示和描述有用的圖像分量。下面要介紹的是圖像處理中常用到的膨脹和腐蝕，以及開(kāi)操作和閉操作。 運(yùn)動(dòng)目標(biāo)檢測(cè)方法 運(yùn)動(dòng)目標(biāo)檢測(cè)是指將運(yùn)動(dòng)區(qū)域從視頻圖像中分割出來(lái)。運(yùn)動(dòng)目標(biāo)檢測(cè)從視頻圖像序列中檢測(cè)出運(yùn)動(dòng)目標(biāo)，減小圖像處理計(jì)算量，得到所需的目標(biāo)信息，為后續(xù)的識(shí)別和跟蹤奠定基礎(chǔ)。由于運(yùn)動(dòng)目標(biāo)的正確檢測(cè)與否將直接影響后續(xù)的目標(biāo)跟蹤與分類(lèi)效果，所以它也成為智能視頻監(jiān)控系 統(tǒng)相關(guān)技術(shù)中深受關(guān)注的研究重點(diǎn)。 運(yùn)動(dòng)目標(biāo)檢測(cè)過(guò)程包括運(yùn)動(dòng)目標(biāo)檢測(cè)的預(yù)處理和運(yùn)動(dòng)目標(biāo)的分割兩大步。目前常用的運(yùn)動(dòng)目標(biāo)檢測(cè)方法有四種：背景差分法，光流法，邊緣檢測(cè)法等。 背景差分法 背景差分法簡(jiǎn)單易于實(shí)現(xiàn)，屬于最受青睞的運(yùn)動(dòng)目標(biāo)檢測(cè)方法之一。它的基本思想是采用一定方法獲取視頻中背景圖片并進(jìn)行背景更新，然后通過(guò)當(dāng)前幀與背景做差得到所加載視頻中的前景目標(biāo)，具體步驟如圖 23所示。 視頻采集圖像預(yù)處理提取背景背景差分二值化獲取前景圖片 圖 23 背景差分算法框圖 該算法包括讀取視頻、圖像預(yù)處理、 提取背景、背景差分、二值化和獲取前景圖片六部分組成。視頻采集包括攝像器材的選擇、光源的選擇等：圖像預(yù)處理是按照獲取的視頻參數(shù)，進(jìn)行圖像增強(qiáng)、濾波等操作來(lái)提高采集的視頻質(zhì)量；是否能提取完整、清晰的背景是該算法成敗的關(guān)鍵，目前背景建模的方法很多，常用的有非線性中值濾波法、線性卡爾曼濾波法、幀間差分法、高斯混合模型等，但因一天中環(huán)境光照的變化、背景的多態(tài)性、運(yùn)動(dòng)目標(biāo)自身的投影等原因，一般建模后的背景并非十分干凈清晰，這也是目前研究中的一個(gè)難點(diǎn)。背景差分是用當(dāng)前幀減去背景來(lái)獲取視頻中的運(yùn)動(dòng)目標(biāo)，定義為視頻中第 k幀圖 片， B 為背景山東建筑大學(xué)課程設(shè)計(jì)說(shuō)明書(shū) 9 圖片， E