【正文】 Vidient 前身為 NEC 公司的一個實驗室，產(chǎn)品 SmartCatch，能檢測包括移動物體檢測、遺留物體檢測、周邊入侵檢測等的多種異常行為，其主要用戶為機場；ObjectVideo 公司的產(chǎn)品類型包括邊界保安和入侵探測、可疑人員逗留、物品遺留／異樣物體探測、財產(chǎn)保護／防盜探測、人流／物流監(jiān)控，圖像變化／攝像機檢測、交通工具監(jiān)控和測速等等。Mate 的主要產(chǎn)品為 BehaveWatch，可檢測六種異常行為，包括路徑檢測、突然出現(xiàn)報警、定向運動檢測等，提出三層防護概念；NiceVision 視頻分析儀對不同的威脅提供實時偵測功能，其檢測活動包括對闖入者、車輛、被遺棄的行李和包裹、周邊及設施保護、阻塞安全出入口及消防路線、盜竊偵測／防止安全設備被移動、計算人數(shù)，車輛和其它其物件、顯示人群聚集、監(jiān)控安全率水平、量度人流、顯示企圖尾隨進入入口處控制點等；Ioimage 的產(chǎn)品能實現(xiàn)五種行為的檢測，包括入侵探測、PTZ 自動跟蹤、遺留物體探測、非法滯留探測、移動物體探測等。智能化監(jiān)控技術(shù)在中國起步較晚，其技術(shù)研發(fā)和市場推廣都有待進一步發(fā)展，當前大多數(shù)國內(nèi)視頻監(jiān)控產(chǎn)品都是非智能化的。但是，受到國內(nèi)研發(fā)能力限制，當前大多公司都是引進國外成熟技術(shù)，推出面向中國市場的相關(guān)產(chǎn)品。國內(nèi)的科研機構(gòu)近年來也在積極展開智能視頻監(jiān)控系統(tǒng)的研究與商業(yè)產(chǎn)品開發(fā)（李子青，2007）。另外還有南京大學、南京長城6信息系統(tǒng)有限公司和江蘇省公安廳刑警總隊聯(lián)合研制的“基于單幅訓練圖像的多表情人臉自動識別系統(tǒng)”等等。因為圖像背景存在動態(tài)變化，以及陰天、雨雪、光照陰影和其他干擾等的影響，使得運動檢測工作具有相當困難，當前的常用方法有背景差分法（Haritaoglu et al. 2000）、相鄰幀差分(Collins et al. 2000)、光流法(Mayer et al. 1998)以及基于目標特征的統(tǒng)計識別(Stauffer and Grimson 2000)等檢測方法。Polana et al(1994)和 Daniel et al(2002)都提出基于運動特征的跟蹤方法，Polana 以質(zhì)心為特征實現(xiàn)了行人運動跟蹤，Daniel 利用了顏色特征，對多目標進行分類、識別和跟蹤。Park et al(200l)對 Snake 方法有所改進，提出一種指向型的Snake 模型，可減少邊緣定位錯誤。Avidan et al(2004)提出了支持向量跟蹤算法(Support Vector Tracking)，通過將支持向量機與基于光流場的跟蹤器相結(jié)合，在目標鄰域搜索具有最大 SVM 得分的區(qū)域進行跟蹤。Deutscher et al(2001)等采用退火粒子濾波(Annealed Particle Filtering)，并采用自動空間分解和交叉算子進行跟蹤。本文針對動態(tài)場景和靜態(tài)場景進行了研究，分別提出了有特色的行人檢測和跟蹤方法。本文在分析常用運動目標檢測以及運動跟蹤方法的基礎(chǔ)上，結(jié)合行人目標特點，實現(xiàn)了社會治安視頻中行人目標的智能檢測與跟蹤。第 2 章 視頻序列圖像中運動目標檢測與跟蹤方法智能視頻監(jiān)控中的行人檢測與跟蹤方法涉及到很多研究領(lǐng)域，如數(shù)字圖像處理、計算機視覺、信息融合、模式識別與人工智能等。 圖像處理基礎(chǔ)數(shù)字圖像處理涉及的領(lǐng)域相當廣泛，其各種理論算法、技術(shù)應用更是不勝枚舉。 顏色空間顏色空間也稱彩色模型，又稱彩色空間或彩色系統(tǒng)，它的用途是在某些標準下用通?？山邮艿姆绞綄Σ噬右哉f明。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用的。（1）RGB 彩色模型RGB 彩色模型是工業(yè)界最為常見的顏色模型，它也是人們最為熟悉常見的顏色模型。通過對紅、綠、藍三種顏色施加變化以及疊加可以得到各種顏色。RGB 顏色空間的設計是以顏色發(fā)光為原理的，簡單理解其顏色混合方式就好像有紅、綠、藍三盞不同顏色的彩燈，當三盞燈的光相互混合的時候，其色彩相混，而亮度等于三者總和,也即滿足加法混合。圖 形象地顯示了 RGB 顏色空間。觀察一個彩色物體時，人們用色調(diào)(Hue)、色飽和度(Saturation)和強度(Value)來描述它，相比較而言，HSV 顏色模型是面向用戶的，該模型對應于圓柱坐標系的一個圓錐形子集。飽和度 S：表示顏色的純度，純光譜色是完全飽和的，加入白光會稀釋飽和度。強度 V：對應成像亮度和圖像灰度，是顏色的明亮程度。圓錐的頂面對應的強度 V 為 1，代表最亮的顏色。、120176。在這一顏色模型中，每一種顏色和其補色相差 180176。由于 HSV 顏色模型所代表的顏色域是屬于 CIE 色度圖的一個子集，所以其最大飽和度的顏色的純度值并不到 100％。圓錐頂面中心處 S 為 0，V 為 1，H 無定義，代表白色，從該點到頂點代表亮度漸暗的白色，即不同灰度的白色。圖 HSV 彩色空間HSV 顏色模型類似畫家配色時采用的方法。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，同時加入一定比例的黑色、白色即可得到某種色調(diào)的顏色。從 RGB 到 HSV 轉(zhuǎn)換時，設(r,g,b)分別是一個顏色的紅、綠和藍坐標，它們的值是 0 到 1 之間的實數(shù)。設 min 等于這些值中的最小者。 圖像預處理常用的圖像預處理過程都涉及到一些濾波的方法。通?？刹捎玫屯V波的方法來消除噪聲。常見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。 形態(tài)學方法形態(tài)學（morphology）原本代表的是生物學的一個學科，在這里介紹的是數(shù)學形態(tài)學（mathematical morphology）。下面要介紹的是圖像處理中常用到的膨脹和腐蝕，以及開操作和閉操作。運動目標檢測從視頻圖像序列中檢測出運動目標，減小圖像處理計算量，得到所需的目標信息，為后續(xù)的識別和跟蹤奠定基礎(chǔ)。運動目標檢測過程包括運動目標檢測的預處理和運動目標的分割兩大步。 背景差分法背景差分法也是常用的運動目標檢測方法之一。大量的研究人員都在致力于開發(fā)不同的背景模型，以解決不同場景條件下目標分割所要面對的各種問題。（1）時間平均法（Time Average Background Initializing, TABI）是最簡單直接的方法，即求一時間序列上的視頻圖像的平均值作為背景的估計值。（2）像素估計法就是從過去的一組視頻序列中按照一定的算法估計出每個像素的背景值。其原理比較簡單。著名的 W4 系統(tǒng)在背景初始化階段就采用了中值法的思想。該算法的思想是：對于緩慢變化的背景，可以用正態(tài)分布來表征像素灰度值的變化。最早提出的是三分布 GMM，每個像素點用三個高斯分布來分別表征背景、前景的陰影、前景這三種不同的模式，但實際情況很復雜，對背景、前景等模式都限定只用一個高斯分布來描述是不夠的。在一般靜態(tài)場景下，背景建模方法在進行目標檢測時可以獲得良好的效果，但是在處理動態(tài)場景視頻時，由于背景本身就存在相對運動，所以需要其他方法來解決這一問題。從光流中可以獲得物體形狀結(jié)構(gòu)和運動狀態(tài)信息。光流的常用計算方法有兩種：基于梯度的方法和基于匹配的方法。但由于受到可調(diào)參數(shù)、可靠性評價因子和預處理方法等因素的影響，在應用光流對目標進行檢測與自動跟蹤時仍存在很多問題?；谔卣鞯钠ヅ浞椒ㄐ枰粩嗟孬@取目標特征對其進行檢測和跟蹤，對較大目標的運動和亮度變化比較敏感，但是得到的光流往往很稀疏，而且目標的特征提取與匹配也有相當難度；基于區(qū)域的匹配方法需要先定位相似區(qū)域的位置，然后通過相似區(qū)域和初始區(qū)域的比較來計算光流，基于區(qū)域的方法在網(wǎng)絡視頻傳輸編碼中得到了大量運用，但其計算中的光流仍然稀疏。由于存在噪聲干擾、光源分布、光照陰影、物體遮擋等因素，計算得到光流場分布的準確性易受影響；并且光流法的計算過程相對復雜、耗時更長，如果沒有專業(yè)硬件支持加速，則難以實現(xiàn)實時的檢測。圖像的邊緣一般對應一階導數(shù)較大，二階導數(shù)為零的點。與相鄰幀差法和背景差分法比較，邊緣檢測方法有利于鄰近運動目標的區(qū)分和運動目標特征的提取，對背景噪聲的魯棒性很大，但其運算復雜度也相對較大。 運動目標跟蹤方法信息理論中，目標跟蹤可定義為在給定一組觀測的條件下對系統(tǒng)的狀態(tài)進行估計。目標的軌跡就是二位圖像或三維世界中被跟蹤特征的位置序列。目標跟蹤問題所包含的內(nèi)容十分廣泛，根據(jù)是否恢復或獲得感興趣物體的三維結(jié)構(gòu)，目標跟蹤方法可分為 3D 和 2D 跟蹤方法。本文主要研究目標的二維跟蹤方法。根據(jù)提取特征的不同，可將目標跟蹤的方法分為三類：基于邊緣特征的方法，其跟蹤特征是目標的邊緣信息；基于區(qū)域特征的方法，這種方法綜合考慮整個跟蹤區(qū)域內(nèi)的顏色、灰度、紋理以及運動信息；融合邊緣和區(qū)域特征的方法，此類方法將邊緣信息和區(qū)域信息結(jié)合起來，統(tǒng)一到一個跟蹤理論框架中?；跒V波理論的跟蹤方法將跟