對(duì)智能視頻監(jiān)控系統(tǒng)中的干擾檢測(cè)與分類探究

鄧廣闊

摘 要：該文主要分析了智能視頻監(jiān)控系統(tǒng)中干擾檢測(cè)的問(wèn)題，并提出新型檢測(cè)的方法，同時(shí)對(duì)干擾的類型進(jìn)行分類。這種方法可以提取噪聲污染、遮擋、偏色與亮度異常等特征，以便檢測(cè)不同類型的干擾，并且這種方法采取自適應(yīng)閾值更新方法，能夠降低檢測(cè)方法復(fù)雜程度，加強(qiáng)檢測(cè)實(shí)用性。

關(guān)鍵詞：智能視頻 監(jiān)控系統(tǒng) 干擾檢測(cè)

中圖分類號(hào)：TP277 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2017）03（a）-0085-02

伴隨智能監(jiān)控的系統(tǒng)應(yīng)用，逐漸涌現(xiàn)出大量干擾，導(dǎo)致監(jiān)控系統(tǒng)的后續(xù)流程監(jiān)控效果受到嚴(yán)重影響。因此，需要相關(guān)人員深入分析智能視頻監(jiān)控系統(tǒng)干擾檢測(cè)技術(shù)和分類情況，然后進(jìn)行處理。

1 檢測(cè)干擾情況

若沒(méi)有相關(guān)因素干擾到視頻，一般不會(huì)引起視頻圖像變化；如果有相關(guān)因素干擾到視頻圖像，會(huì)加大視頻圖像的內(nèi)容變化范圍。

1.1 檢測(cè)遮擋

通常情況下，視頻內(nèi)容如果受到不法分子的刻意破壞就會(huì)引起遮擋干擾，例如：將異物覆蓋于鏡頭的表面。如果智能視頻的監(jiān)控系統(tǒng)在正常的狀態(tài)下，攝像機(jī)所能監(jiān)控的場(chǎng)景范圍較大，并且可以監(jiān)控到較多圖像內(nèi)容，信息量也相對(duì)較大，有著廣泛灰度級(jí)的分布范圍。若存在遮擋干擾，會(huì)因?yàn)殓R頭表面存在遮擋物，縮減視頻圖像所含的內(nèi)容，使得動(dòng)態(tài)范圍變小，這樣可以使得灰度值處于某個(gè)數(shù)值附近，同時(shí)不同像素之間相關(guān)性比較強(qiáng)。通常情況下，遮擋圖像灰度級(jí)較為集中，峰值和正常的圖像比起來(lái)相對(duì)較大，像素相關(guān)性也比正常圖像強(qiáng)，差分直方圖和灰度圖像的直方圖比較容易檢測(cè)出遮擋的干擾。

假設(shè)第n幀圖像是fn（x，y），灰度的直方圖是Hi（fn），i在0～32，i是經(jīng)量化以后圖像的灰度級(jí)，4個(gè)方向差分值的直方圖是（fn）、（fn）、（fn）、（fn），i在-255～255，i代表的是差分圖像中的灰度級(jí)。因?yàn)椴罘值闹狈綀D峰值不在0以內(nèi)，所以該文采取式（1）對(duì)圖像的相關(guān)性進(jìn)行衡量。

max（Hi（fn）為第n幀的灰度直方圖峰值，EH（fn）為第n幀的4個(gè)主要方向灰度圖像的差分圖像峰值平均數(shù)值，能夠表示出圖像的相關(guān)性，一旦DHn>th1，能夠準(zhǔn)確判定遮擋的干擾。

1.2 亮度異常的檢測(cè)

通常畫(huà)面亮度的異常主要指的是：攝像機(jī)因?yàn)槠毓膺^(guò)度或是過(guò)量不足造成圖像動(dòng)態(tài)的范圍縮小，繼而導(dǎo)致圖像的細(xì)節(jié)損傷。經(jīng)過(guò)對(duì)智能視頻的監(jiān)控系統(tǒng)圖像進(jìn)行觀察可知，如果圖像的曝光正常，灰度圖像的動(dòng)態(tài)范圍比較廣泛，如果圖像的曝光過(guò)量，圖像的灰度處于255一側(cè)，增加像素?cái)?shù)目，接近0側(cè)的像素?cái)?shù)目比較少，這就會(huì)縮小圖像動(dòng)態(tài)的范圍。和正常的圖像比起來(lái)，亮度出現(xiàn)異常圖像灰度的直方圖會(huì)發(fā)生一定位移，直方圖的寬度會(huì)縮小，0～255灰度級(jí)像素?cái)?shù)目驟增或是驟減，二者之差增大。

假如第n幀圖像灰度的直方圖代表為Hi（fn），而直方圖寬度代表為Δω。

如果智能視頻的圖像有異常，會(huì)使Δω減小，使得1/Δω增大，同時(shí)|[H255（fn）-H0（f0）]|數(shù)值也會(huì)增加。DMn只會(huì)對(duì)亮度的異常產(chǎn)生敏感性，對(duì)于其他的干擾沒(méi)有敏感度，可以較好表示圖像異常變化的情況，如果DMn>th3，證明智能視頻中存在亮度異常的干擾。

1.3 失焦的檢測(cè)

如果智能視頻監(jiān)控系統(tǒng)處于正常狀態(tài)下，這時(shí)采集的視頻圖像有清晰輪廓，且高頻的分量相對(duì)較高。如果所用攝像機(jī)有失焦情況，會(huì)使得圖像變得相對(duì)模糊，換句話說(shuō)，通過(guò)失焦檢測(cè)能夠?qū)D像清晰度進(jìn)行評(píng)價(jià)，尤其在自動(dòng)化調(diào)焦的領(lǐng)域，圖像的清晰度可以有效評(píng)價(jià)視頻監(jiān)控的情況，圖像清晰度的評(píng)價(jià)函數(shù)有著長(zhǎng)久發(fā)展，常用評(píng)價(jià)函數(shù)包含神經(jīng)網(wǎng)絡(luò)的評(píng)價(jià)函數(shù)、能量的函數(shù)和頻譜的函數(shù)。應(yīng)用清晰度評(píng)價(jià)的函數(shù)能夠檢測(cè)頻譜性能情況，尤其在硬件上快速傅里葉的變換法不僅可以保證算法的實(shí)時(shí)性，同時(shí)可以提高計(jì)算的精確性，所以該文用頻譜函數(shù)來(lái)評(píng)價(jià)圖像清晰度。

假設(shè)第n幀圖像是fn（x，y），其大小是MN，傅里葉的變換如下：

在式（4）中：u=0，1，…，M-1，v=0，1，…，N-1。

高頻的如下：

在式（5）中，G（u，v）為高斯低通的濾波器，可以分離出圖像頻譜中的高頻分量，HFn為第n幀圖像高頻數(shù)值總和。

檢測(cè)失焦的干擾特征如下：

實(shí)際的應(yīng)用之中，為使FFT的算法便于使用，提升運(yùn)算的速度，一般選取圖像的中心寬度為M，其等同于N，數(shù)值是128，這代表視頻圖像高頻的含量。若監(jiān)控的視頻存在失焦的干擾，會(huì)使得DFn增大，所以DFn可表示失焦圖像高頻的分量變動(dòng)情況，如果DF>th2，代表發(fā)生失焦的干擾。

1.4 檢測(cè)噪聲情況

在視頻的監(jiān)控系統(tǒng)之中，經(jīng)常會(huì)遭受到各類噪聲的影響，嚴(yán)重影響到監(jiān)控系統(tǒng)的后續(xù)流程。一旦圖像中有噪聲，會(huì)加強(qiáng)圖像隨機(jī)性，導(dǎo)致像素間相關(guān)性減弱。通常情況下，在構(gòu)建灰度共生的矩陣時(shí)，是在密度函數(shù)與孤寂圖像的二階組合實(shí)際條件概率基礎(chǔ)上進(jìn)行建立，計(jì)算視頻圖像之中灰度之間的相關(guān)性，繼而將圖像快慢、方向與間隔等信息充分反映出來(lái)?？梢?jiàn)，應(yīng)用灰度的共生矩陣可以有效描繪各個(gè)圖像像素之間相關(guān)性，同時(shí)可以對(duì)圖像的噪聲進(jìn)行檢測(cè)。在定義灰度圖像的共生矩陣時(shí)，首先從圖像的灰度值i像素（x，y）出發(fā)，然后對(duì)距離d進(jìn)行統(tǒng)計(jì)，在像素（x+a，y+b）上產(chǎn)生頻度p（i，j，d，θ）。θ表示的是d兩像素和橫坐標(biāo)軸相距夾角，處在灰度的共生矩陣生成的方向，同時(shí)需要二次統(tǒng)計(jì)灰度共生矩陣中的對(duì)比度，同時(shí)度量矩陣數(shù)值分布的情況。

2 干擾的分類以及閾值的選擇

該次研究中，主要探討了各類干擾的類型主要特征，并且對(duì)各種干擾特點(diǎn)進(jìn)行檢測(cè)，旨在實(shí)現(xiàn)分類的效果。各個(gè)干擾特征間存在交互的影響，能夠?qū)⒏鱾€(gè)特征的相互影響消除，以提高檢測(cè)效果。

此外，在選擇檢測(cè)的閾值時(shí)，其會(huì)影響到檢測(cè)效果，所以怎樣對(duì)閾值進(jìn)行確定，始終是研究的重點(diǎn)。由于智能視頻的監(jiān)控系統(tǒng)之中有較多的攝像機(jī)，并且所監(jiān)控內(nèi)容存在差異，不能對(duì)閾值進(jìn)行統(tǒng)一。另外，經(jīng)訓(xùn)練獲得閾值，嚴(yán)重阻礙了算法實(shí)用性。所以檢測(cè)方法有自適應(yīng)的性能，可以按照不同監(jiān)控場(chǎng)景來(lái)自行選擇閾值分類與檢測(cè)，檢測(cè)準(zhǔn)確率比較高。

假設(shè)D（fn）是不同干擾的類型提取特征，如果D（fn）>th=m+sσ，就會(huì)出現(xiàn)干擾。M與σ向量X=[D（fn-k），D（fn-k+2），…，D（fn）]，按照當(dāng)前幀實(shí)際視頻的更新情況。K值越小代表閾值計(jì)算的時(shí)間越短。通常情況下，k值在10～30，s為較小數(shù)值，一旦s過(guò)小，易出現(xiàn)誤檢，如果s數(shù)值過(guò)大，易出現(xiàn)漏檢。和正常的情況比起來(lái)，出現(xiàn)干擾所對(duì)應(yīng)特征值的變化比較明顯，不容易影響到檢測(cè)的效果。

3 結(jié)語(yǔ)

該次主要針對(duì)噪聲、遮擋、亮度異常與失焦進(jìn)行分析，提取了幾種檢測(cè)特征，同時(shí)使用多種不同特征干擾進(jìn)行同時(shí)檢測(cè)，以降低漏檢率。和過(guò)去檢測(cè)方法比起來(lái)，此次所用檢測(cè)方法可以在保證檢測(cè)性能優(yōu)異性的同時(shí)，確保分類的效果。此外，關(guān)于閾值自適應(yīng)的選取，能夠拓寬該方法應(yīng)用范圍，有著重要使用價(jià)值，所以，為提高分類的準(zhǔn)確率，還需要相關(guān)人員深入研究。

參考文獻(xiàn)

[1] 吳欣華.視頻監(jiān)控系統(tǒng)及智能視頻監(jiān)控技術(shù)研究[J].信息系統(tǒng)工程，2014（9）：138.

[2] 韓國(guó)強(qiáng).淺談智能視頻監(jiān)控技術(shù)及其主要應(yīng)用[J].計(jì)算機(jī)與網(wǎng)絡(luò)，2014（2）：62-65.

[3] 郭輝.高清智能分析綜述及分析[J].中國(guó)公共安全：學(xué)術(shù)版，2013（16）：145-147.