基于智能視頻監(jiān)控系統(tǒng)的運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤研究

馮瑩瑩，趙莎莎

（阜陽(yáng)師范學(xué)院 信息工程學(xué)院，安徽 阜陽(yáng) 236041）

基于智能視頻監(jiān)控系統(tǒng)的運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤研究

馮瑩瑩，趙莎莎

（阜陽(yáng)師范學(xué)院 信息工程學(xué)院，安徽 阜陽(yáng) 236041）

運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤技術(shù)是視頻監(jiān)控系統(tǒng)中的兩大關(guān)鍵技術(shù)，本文以智能視頻監(jiān)控系統(tǒng)研究為基點(diǎn)，介紹了智能視頻監(jiān)控系統(tǒng)的興起及組成部分、運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法的基本作用原理，闡述了基于智能視頻監(jiān)控系統(tǒng)的運(yùn)動(dòng)目標(biāo)檢測(cè)方法和運(yùn)動(dòng)目標(biāo)檢測(cè)方法的實(shí)現(xiàn)，分析了包括基于均值偏移的跟蹤算法、基于粒子濾波的跟蹤算法、融合Mean－Shift的粒子濾波跟蹤算法在內(nèi)的運(yùn)動(dòng)跟蹤方法，對(duì)于后期智能視頻監(jiān)控系統(tǒng)的運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤研究具有一定的指導(dǎo)意義.

智能分析；監(jiān)控；目標(biāo)檢測(cè)；目標(biāo)跟蹤

智能監(jiān)控是一種以計(jì)算機(jī)視覺以及視頻圖像分析技術(shù)為基礎(chǔ)，按照攝像機(jī)所記錄的圖像序列實(shí)現(xiàn)自動(dòng)分析功能，以達(dá)到對(duì)動(dòng)態(tài)場(chǎng)景中的目標(biāo)定位和根據(jù)為目的的方式.在智能監(jiān)控領(lǐng)域能夠輕易實(shí)現(xiàn)對(duì)日常狀況的監(jiān)控，加強(qiáng)管理工作.而運(yùn)動(dòng)檢測(cè)與跟蹤研究工作是智能視頻監(jiān)控系統(tǒng)中的兩大重要課題，其主要存在以下方面的困難：監(jiān)控圖像序列往往較為復(fù)雜，光線問(wèn)題以及監(jiān)控目標(biāo)的動(dòng)態(tài)變化狀態(tài)的獲取具有一定的難度，對(duì)運(yùn)動(dòng)物體的正確檢測(cè)造成一定難度；在跟蹤研究方面，當(dāng)物體的運(yùn)動(dòng)具有不確定性或者目標(biāo)被遮擋時(shí)，想得到物體的運(yùn)動(dòng)軌跡變存在一定難度.對(duì)此，本文列舉了幾類智能視頻監(jiān)控系統(tǒng)中的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤研究方法，以供參考.

1 智能視頻監(jiān)控系統(tǒng)的興起

1.1 智能視頻監(jiān)控系統(tǒng)的興起

當(dāng)前，視頻監(jiān)控在安全防范過(guò)程中起著十分重要的作用.從古至今，“監(jiān)控”一詞一直被人所提及，但隨著科學(xué)技術(shù)的發(fā)展，真正意義上的視頻監(jiān)控直到十九世紀(jì)七十年代才真正出現(xiàn).監(jiān)控技術(shù)發(fā)展初期，信息處理工作幾乎都是由人工來(lái)處理和決策，之后智能視頻監(jiān)控開始嘗試用計(jì)算機(jī)技術(shù)實(shí)現(xiàn)信息處理，并取得了顯著效果.總的來(lái)說(shuō)，視頻監(jiān)控技術(shù)具有較長(zhǎng)的發(fā)展歷史，大致可分為三個(gè)發(fā)展階段，分別為：（1）模擬化時(shí)代：二十世紀(jì)八十年代之前，智能視頻監(jiān)控的核心技術(shù)在于光學(xué)成像技術(shù)和電子技術(shù)，具有技術(shù)成熟、費(fèi)用低廉的特點(diǎn)，但也存在傳輸速度慢、圖像質(zhì)量差的缺點(diǎn)；（2）數(shù)字化時(shí)代：二十世紀(jì)八十年代中期到二十世紀(jì)九十年代末期，以ISDN網(wǎng)絡(luò)技術(shù)為基礎(chǔ)，通過(guò)數(shù)字壓縮、數(shù)字硬盤錄像機(jī)等技術(shù)應(yīng)用的數(shù)字視頻監(jiān)控系統(tǒng)可看作是第二代監(jiān)控模式，其具有圖像質(zhì)量好、實(shí)現(xiàn)模塊化管理的特點(diǎn)，缺點(diǎn)在于數(shù)據(jù)存儲(chǔ)量大，不便于使用；（3）智能化時(shí)代：進(jìn)入二十一世紀(jì)后，隨著IP網(wǎng)絡(luò)技術(shù)的到來(lái)，視頻監(jiān)控技術(shù)隨即進(jìn)入了IP時(shí)代.其顯著特點(diǎn)在于監(jiān)控技術(shù)的智能化，但分析算法對(duì)環(huán)境具有較高的要求.

1.2 智能視頻監(jiān)控系統(tǒng)的組成

1.2.1 前端部分

前段部分的任務(wù)主要在于進(jìn)行模擬信號(hào)的拍攝、云臺(tái)控制以及報(bào)警等，其主要設(shè)備包括攝像頭、警笛、云臺(tái)和防護(hù)罩等.其中攝像頭用于采集所監(jiān)控場(chǎng)景的模擬信號(hào)，再通過(guò)傳輸介質(zhì)進(jìn)行傳輸，另外還能夠通過(guò)變焦鏡頭來(lái)改變監(jiān)控區(qū)的遠(yuǎn)近和大小，同時(shí)做到光圈、調(diào)焦等技術(shù)的調(diào)整.云臺(tái)和防護(hù)罩的作用在于保護(hù)攝像頭免受損壞，并對(duì)攝像頭的拍攝角度進(jìn)行適當(dāng)調(diào)整，也可以通過(guò)云臺(tái)的內(nèi)置解碼器達(dá)到軟件控制鏡頭和云臺(tái)的目的，警笛的作用在于發(fā)生意外情況下啟動(dòng)報(bào)警措施.

1.2.2 傳輸部分

傳輸部分通常由多種不同的傳輸介質(zhì)組成，其傳輸方式主要有無(wú)線、雙絞線、同軸線纜等，對(duì)此系統(tǒng)常通過(guò)按照前端部分距離監(jiān)控部分的距離程度來(lái)選擇傳輸方式.傳輸部分需將前端攝像頭所拍圖像傳輸至控制部分，這也意味著要求傳輸部分傳輸時(shí)盡可能耗時(shí)少，且質(zhì)量可信，便于確?？刂撇糠炙艿降膱D像信息可以較清楚地顯示.

1.2.3 控制部分

作為視頻監(jiān)控系統(tǒng)的核心部分，控制部分的作用主要包括完成圖像壓縮、視頻圖像的記錄以及智能分析、發(fā)送控制信息等工作，其常有采集卡和一臺(tái)含有視頻監(jiān)控軟件的計(jì)算機(jī)組成.

2 基于智能視頻監(jiān)控系統(tǒng)的運(yùn)動(dòng)目標(biāo)檢測(cè)方法

2.1 運(yùn)動(dòng)目標(biāo)檢測(cè)方法

2.1.1 光流法

光流法是一種通過(guò)分析圖像序列的光流場(chǎng)以實(shí)現(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)的方法.光流指的是空間物體在被觀測(cè)表面上的像素點(diǎn)運(yùn)動(dòng)的瞬時(shí)速度場(chǎng)，而光流場(chǎng)是以二維圖像來(lái)表示物體點(diǎn)的速度場(chǎng).求解運(yùn)動(dòng)目標(biāo)的光流（速度矢量）是該技術(shù)的核心部分.事實(shí)上，光流計(jì)算過(guò)程中，會(huì)考慮實(shí)際物體在空間上的連續(xù)運(yùn)動(dòng)性，則認(rèn)為運(yùn)動(dòng)過(guò)程中，傳感器平面上所接受到的圖像變化具有連續(xù)性，此時(shí)，便可認(rèn)為圖像瞬時(shí)灰度值相同.

事實(shí)證明，光流法能夠在不清楚場(chǎng)景信息的狀況下檢測(cè)出運(yùn)動(dòng)目標(biāo)，幀間差分法和背景減法而言，其檢測(cè)精度更具可靠性，同時(shí)也可解決檢測(cè)目標(biāo)的重合以及遮擋問(wèn)題.光流法使用的缺陷在于其計(jì)算方法極為復(fù)雜，且具有較大的運(yùn)算量，因此對(duì)計(jì)算機(jī)設(shè)備要求較高.

2.1.2 幀間差分法

所謂幀間差分法，指的是通過(guò)對(duì)連續(xù)兩幀或者多幀之間的視頻圖像相減從而得到差分圖像的一種方法.在具體應(yīng)用中，首先是在差分圖像上檢測(cè)運(yùn)動(dòng)變化所在的區(qū)域，之后再通過(guò)區(qū)域上的灰度信息來(lái)恢復(fù)前面的運(yùn)動(dòng)目標(biāo).在運(yùn)動(dòng)目標(biāo)檢測(cè)中，幀間差分法憑借其計(jì)算簡(jiǎn)單、檢測(cè)速度快、適應(yīng)性強(qiáng)等諸多優(yōu)點(diǎn)得到了最為廣泛的應(yīng)用.但是，幀間差分法對(duì)完整目標(biāo)的檢測(cè)具有一定的難度，并且尚不能對(duì)檢測(cè)目標(biāo)進(jìn)行比較深入的分析和識(shí)別，因此會(huì)對(duì)后續(xù)工作的處理帶來(lái)一定的困難.此外，幀間差分法作為一種時(shí)間差分法，對(duì)兩幀之間的動(dòng)態(tài)變化的敏感性不足，當(dāng)運(yùn)動(dòng)目標(biāo)速度較低時(shí)，極易導(dǎo)致運(yùn)動(dòng)物體內(nèi)產(chǎn)生空洞現(xiàn)象.

2.1.3 背景減法

背景減法的基本思想是將背景模型同輸入圖像做出比較，利用灰度特征的變化情況，或統(tǒng)計(jì)信息的變化情況來(lái)判斷異常情況的發(fā)生和運(yùn)動(dòng)目標(biāo)的分割.背景減法的難點(diǎn)主要在于為適應(yīng)實(shí)際環(huán)境中的變化情況，背景模型的建立和維持具有一定的難度.目前，背景估計(jì)方法主要有基于分布模型的方法以及基于自適應(yīng)的方法兩種.背景減法特點(diǎn)在于可以提供較為完整的運(yùn)動(dòng)目標(biāo)信息，但對(duì)環(huán)境噪聲以及光線的變化情況都十分敏感，因此為適應(yīng)動(dòng)態(tài)場(chǎng)景的變化情況和外界干擾因素，背景圖像需要不斷更新.對(duì)此，我國(guó)當(dāng)前研究較多的是局域統(tǒng)計(jì)模型的方法，主要有非參數(shù)化模型、混高斯分布模型等.

2.2 運(yùn)動(dòng)目標(biāo)檢測(cè)實(shí)現(xiàn)

2.2.1 問(wèn)題的提出

眾所周知，在運(yùn)動(dòng)目標(biāo)檢測(cè)的實(shí)現(xiàn)過(guò)程中，以下三個(gè)問(wèn)題需得到解決：檢測(cè)目標(biāo)往往是運(yùn)動(dòng)的，檢測(cè)背景會(huì)隨著檢測(cè)目標(biāo)位置的移動(dòng)和變化，具有不固定性.因此，每次視頻采集時(shí)圖像背景的獲取需得到解決；在得到背景圖像之后，需考慮用何種方式觸發(fā)采集設(shè)備，將視頻流序列中的圖像采集出來(lái)；此外，我們也應(yīng)該考慮到，背景通常會(huì)根據(jù)光線、天氣變化等因素出現(xiàn)改變，不同時(shí)刻具有不同的背景圖像，若使用相同背景，必然會(huì)到來(lái)檢測(cè)結(jié)果的偏差，背景更新問(wèn)題隨之出現(xiàn).

2.2.2 幀間差分法重建背景

將視頻流中連續(xù)幀的圖像進(jìn)行對(duì)比分析，不難看出不同圖像分為前景和背景兩個(gè)部分.其中前景區(qū)域像素點(diǎn)的灰度值變化較大，不僅包括了運(yùn)動(dòng)目標(biāo)當(dāng)前區(qū)域也包含原來(lái)所在的區(qū)域，背景區(qū)域像素點(diǎn)的灰度值變化則相對(duì)較小.因此，對(duì)于系統(tǒng)檢測(cè)背景不一致，隨檢測(cè)對(duì)象運(yùn)動(dòng)而變化的問(wèn)題，我們認(rèn)為可以在每次進(jìn)行圖像采集之前，用幀間差分法重新獲取背景圖像信息，重建背景.取一段連續(xù)時(shí)間的視頻圖像，將得到的幀圖像兩兩相差，并取各幀中背景像素點(diǎn)的灰度值平均值為背景圖像.其中，計(jì)算背景像素灰度值的步驟為：首先將得到的背景像素點(diǎn)的灰度值相加，再對(duì)對(duì)應(yīng)像素點(diǎn)的灰度值進(jìn)行累加，除以檢測(cè)次數(shù)，得到了每個(gè)背景像素點(diǎn)的灰度值即為對(duì)應(yīng)計(jì)算結(jié)果，最終得出背景圖像.

2.2.3 基于運(yùn)動(dòng)對(duì)象檢測(cè)的視頻抓圖實(shí)現(xiàn)方法

我們可通過(guò)攝像頭得到視頻流，圖像為每秒三十幀.在得到的背景圖像中設(shè)置檢測(cè)區(qū)，可選擇128×128的區(qū)域，當(dāng)區(qū)域內(nèi)出現(xiàn)運(yùn)動(dòng)對(duì)象時(shí)，視頻圖像的紋理特征及灰度會(huì)出現(xiàn)變化，連續(xù)檢測(cè)視頻圖像變化，當(dāng)其變化特征到達(dá)一定程度時(shí)，隨機(jī)觸發(fā)設(shè)備并抓取視頻幀.對(duì)于用何種方式觸發(fā)采集設(shè)備，將視頻流序列中的圖像采集出來(lái)的問(wèn)題.接著，可以先采用背景差分法來(lái)區(qū)分運(yùn)動(dòng)目標(biāo)點(diǎn)以及背景點(diǎn)，之后通過(guò)濾除檢測(cè)區(qū)內(nèi)的誤差像素點(diǎn)以判斷觸發(fā)采集設(shè)備和獲得視頻幀的時(shí)間.

2.2.4 自適應(yīng)的背景更新方法

背景通常會(huì)根據(jù)光線、天氣變化等因素出現(xiàn)改變，不同時(shí)刻具有不同的背景圖像的問(wèn)題.筆者以為可選擇使用相減分割方法，將背景定時(shí)更新，以達(dá)到分割效果.基本原理為利用對(duì)視頻序列的當(dāng)前背景以及當(dāng)前幀加權(quán)平均更新背景.通過(guò)多次實(shí)驗(yàn)可知，幀中可能含有前景目標(biāo)，因此在更新前需將像素分為前景和背景兩個(gè)部分，之后再用當(dāng)前幀的背景像素來(lái)修正當(dāng)前背景.對(duì)應(yīng)于前景目標(biāo)的像素值為一，而其余像素值則為零，通過(guò)對(duì)應(yīng)二值函數(shù)來(lái)確定應(yīng)當(dāng)對(duì)哪個(gè)圖像抽樣和更新背景.

3 基于智能視頻監(jiān)控系統(tǒng)的運(yùn)動(dòng)跟蹤方法

3.1 基于均值偏移的跟蹤算法

均值偏移，即在完成計(jì)算規(guī)定的起始點(diǎn)的偏移均值量后，以該數(shù)量值作為起始點(diǎn)移動(dòng)的距離值，之后，再以起始點(diǎn)移動(dòng)后的位置作為新的起點(diǎn)，并沿密度函數(shù)梯度方向移動(dòng)，最終在一個(gè)局部最優(yōu)點(diǎn)出收斂.均值偏移作為一種連續(xù)循環(huán)迭代的計(jì)算模式，其實(shí)質(zhì)為通過(guò)迭代，持續(xù)新的目標(biāo)位置點(diǎn).事實(shí)上，基于均值偏移的跟蹤算法的目標(biāo)末班通常通過(guò)圖像的顏色特征來(lái)確定.該算法主要包括三個(gè)步驟，分別為：初始化搜索窗，以設(shè)定跟蹤目標(biāo)窗口；對(duì)目標(biāo)模板的質(zhì)心和中心位置分別計(jì)算，并通過(guò)均值偏移向量使模板中心移至質(zhì)心；重復(fù)上述過(guò)程，指導(dǎo)找到Bhattacharyya系列取得極大值的位置，便為目標(biāo)真實(shí)位置.

3.2 基于粒子濾波的跟蹤算法

粒子濾波方法是一種用帶權(quán)的樣本粒子表達(dá)后驗(yàn)概率分布的一種方法，而粒子濾波器是基于蒙特卡洛模擬和貝葉斯估計(jì)原理提出了實(shí)時(shí)推理算法.樣本點(diǎn)于任意空間狀態(tài)漂移和擴(kuò)散等進(jìn)行循環(huán)，隨后這些樣本的權(quán)重乘以測(cè)量概率密度以實(shí)現(xiàn)重采樣過(guò)程，進(jìn)而生成新的樣本粒子.實(shí)踐證明，粒子濾波擁有靈活、簡(jiǎn)單、并行化的優(yōu)點(diǎn)，能夠較好地解決非高斯、非線性動(dòng)態(tài)系統(tǒng)問(wèn)題.其中，貝葉斯估計(jì)理論中，系統(tǒng)模型和測(cè)量模型必不可少，貝葉斯估計(jì)的最終目的在于通過(guò)系統(tǒng)模型預(yù)測(cè)狀態(tài)的已知信息來(lái)獲得系統(tǒng)狀態(tài)變量的置信度，即后概率密度.蒙特卡洛采樣作為隨機(jī)模擬方法，是通過(guò)隨機(jī)抽樣的方式求解問(wèn)題的.事實(shí)上，當(dāng)所取樣本數(shù)較大時(shí)，蒙特卡洛特性與后驗(yàn)概率密度近乎已知，蒙特卡洛粒子濾波器十分接近于貝葉斯最優(yōu)邊際.

3.3 融合Mean－Shift的粒子濾波跟蹤算法

Mean－Shift算法具有計(jì)算效率高、算法相對(duì)簡(jiǎn)單且實(shí)用性強(qiáng)的特點(diǎn)，受到了廣泛應(yīng)用.該算法對(duì)目標(biāo)的變形具有一定的適應(yīng)能力，跟蹤的魯邦性對(duì)圖像分析結(jié)果的可靠程度具有很強(qiáng)的依賴性.此外，Mean－Shift作為一種局部最優(yōu)方法，易出現(xiàn)收斂于局部極值點(diǎn)的情況.對(duì)于目標(biāo)的跟蹤而言，當(dāng)目標(biāo)被局部遮擋或受到完全遮擋時(shí)，適應(yīng)能力較差，且對(duì)目標(biāo)單幀的移動(dòng)距離要求較高.同時(shí)，筆者也以為，將Mean－Shift于粒子濾波相結(jié)合能夠?qū)崿F(xiàn)互補(bǔ)，主要表現(xiàn)在：Mean－Shift算法具有的聚類作用能夠?qū)αＷ舆M(jìn)行重新配置，進(jìn)行改善粒子退化情況，提升采樣的效率；粒子濾波則能夠避免上述提到出現(xiàn)收斂于局部峰值點(diǎn)的線性.

4 結(jié)論

多年來(lái)，對(duì)于智能視頻監(jiān)控系統(tǒng)的研究工作已取得了初步進(jìn)展，部分運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤技術(shù)研究理論已基本成熟.但我們也應(yīng)當(dāng)意識(shí)到，隨著社會(huì)的發(fā)展，智能視頻監(jiān)控領(lǐng)域作用將越來(lái)越突出，對(duì)監(jiān)控質(zhì)量、效率、精度等要求也必將越來(lái)越高.另一方面，持續(xù)深入開展智能視頻監(jiān)控系統(tǒng)研究工作依然還有很長(zhǎng)的路要走.

〔1〕袁國(guó)武.智能視頻監(jiān)控中的運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤算法研究[D].云南大學(xué),2012.

〔2〕陳瑜.智能視頻監(jiān)控系統(tǒng)中運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法的研究[D].江蘇大學(xué),2010.

〔3〕黃斯茜,李光.智能視頻監(jiān)控系統(tǒng)運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)研究綜述[J].信息通信,2012（04）:57-58.

TN919；TP277

A

1673-260X（2017）01-0015-03

2016-10-27

安徽省自然科學(xué)研究項(xiàng)目：動(dòng)態(tài)多視角下基于計(jì)算機(jī)視覺的運(yùn)動(dòng)目標(biāo)跟蹤理論與方法研究（2015FXTZK02）；安徽省自然科學(xué)研究項(xiàng)目：復(fù)雜視覺場(chǎng)景下基于多攝像頭協(xié)同的運(yùn)動(dòng)目標(biāo)定位與跟蹤技術(shù)研究（KJ2016A554）