李風(fēng)雷　苑新偉

摘 要：提出一種基于計(jì)算機(jī)視覺(jué)的人群異?；顒?dòng)檢測(cè)算法，能夠快速、高效地對(duì)監(jiān)控視頻中的人群異常事故進(jìn)行檢測(cè)。核心算法是通過(guò)比較實(shí)時(shí)視頻與正常視頻之間的運(yùn)動(dòng)空間矩陣的方法，預(yù)測(cè)和判斷人群異常事故的發(fā)生。對(duì)交通十字路口等場(chǎng)所的監(jiān)控視頻的實(shí)驗(yàn)結(jié)果表明，該方法能夠?qū)Χ嗳?、多車輛的異常事故進(jìn)行有效的檢測(cè)，而且對(duì)運(yùn)動(dòng)過(guò)程中目標(biāo)大小的變化、光照和噪聲等具有良好的魯棒性。

關(guān)鍵詞：視頻監(jiān)控；計(jì)算機(jī)視覺(jué)；異常檢測(cè)

該項(xiàng)目獲得鄭州大學(xué)全國(guó)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃資助，編號(hào)為201510459086.

我國(guó)人口基數(shù)大，社會(huì)群體多，人員踩踏、交通事故等人群異常事故時(shí)常發(fā)生。而對(duì)于救援部隊(duì)來(lái)說(shuō)，順利進(jìn)行救援工作是非常困難的：人群數(shù)量過(guò)大，事故發(fā)生后第一時(shí)間收到事故發(fā)生信息十分不容易；人群活動(dòng)復(fù)雜，通過(guò)人眼觀察簡(jiǎn)單的交通視頻監(jiān)控很難準(zhǔn)確迅速地定位異常點(diǎn)。因此，我們利用計(jì)算機(jī)視覺(jué)技術(shù)，基于圖像基礎(chǔ)特征分析的方法，設(shè)計(jì)出了一種分析監(jiān)控視頻中的人群異?；顒?dòng)情況、預(yù)測(cè)危險(xiǎn)情況并發(fā)生報(bào)警的系統(tǒng)—基于計(jì)算機(jī)視覺(jué)的人群異?；顒?dòng)實(shí)時(shí)檢測(cè)系統(tǒng)。通過(guò)真實(shí)的實(shí)驗(yàn)數(shù)據(jù)表明，該方法實(shí)現(xiàn)簡(jiǎn)單、處理速度快，能夠快速準(zhǔn)確地對(duì)人群異常事故作出檢測(cè)判斷。

1 方法概述

計(jì)算機(jī)視覺(jué)是指用攝像機(jī)和計(jì)算機(jī)代替人眼對(duì)目標(biāo)進(jìn)行識(shí)別、追蹤和測(cè)量等，并進(jìn)一步做圖像處理，用計(jì)算機(jī)處理成更適合人眼觀察或傳送儀器檢測(cè)圖像的技術(shù)。

基于計(jì)算機(jī)視覺(jué)的人群異?；顒?dòng)檢測(cè)系統(tǒng)由硬件和軟件兩大部分組成：硬件方面由視頻采集分析裝置和報(bào)警裝置等部分組成；軟件部分由圖像分析處理程序等組成。系統(tǒng)的組成框圖如下圖1所示。工作時(shí)，系統(tǒng)首先通過(guò)攝像頭采集實(shí)時(shí)圖像，并把圖像上傳到處理器。處理器通過(guò)對(duì)實(shí)時(shí)視頻的分析，判斷是否有異常情況的發(fā)生，并通過(guò)分析人群的異常行為對(duì)緊急情況進(jìn)行預(yù)測(cè)。

如果預(yù)測(cè)到有緊急情況即將發(fā)生，系統(tǒng)會(huì)啟動(dòng)部分報(bào)警裝置，通過(guò)監(jiān)控區(qū)域兩側(cè)的報(bào)警裝置發(fā)出警報(bào)，警告人群停止涌入，避免發(fā)生危險(xiǎn)事故。如果檢測(cè)到異常情況，則立即啟動(dòng)全部報(bào)警裝置，一方面通過(guò)事故發(fā)生點(diǎn)兩側(cè)的報(bào)警裝置發(fā)出警報(bào)，警告人群停止涌入事故發(fā)生地，避免事故進(jìn)一步擴(kuò)大化；另一方面，通過(guò)GSM模塊迅速聯(lián)系管理人員，通知他們前往事發(fā)現(xiàn)場(chǎng)維持秩序和救助傷員，使損失降到最小。如下面模擬效果圖2所示：

2.檢測(cè)過(guò)程

檢測(cè)過(guò)程包含以下的環(huán)境信息的采集、處理和視頻圖像的分析與檢測(cè)過(guò)程等。

2.1 環(huán)境信息的采集

由于人群密集處信息復(fù)雜、環(huán)境波動(dòng)較大，不利于多種傳感器的安裝測(cè)量和綜合分析。因此，我們采用計(jì)算機(jī)視覺(jué)技術(shù)，分析和處理攝像機(jī)采集的視頻圖像。

2.2 視頻圖像的處理

通常，視頻圖像的分析與特定場(chǎng)景的識(shí)別主要有基于圖像基礎(chǔ)特征的分析和基于模板匹配的圖像分析方法兩大類。然而人群活動(dòng)密集處的場(chǎng)景較為復(fù)雜，人們活動(dòng)情況多種多樣，難以進(jìn)行匹配和判斷。因此，我們采用基于圖像基礎(chǔ)特征分析的方法對(duì)攝像頭采集的場(chǎng)景進(jìn)行分析。步驟是：對(duì)視頻的每幀圖像進(jìn)行灰度化、濾波處理，減少噪聲等影響因素；使用迭出的連續(xù)兩幀圖像，通過(guò)提取圖像的大小、長(zhǎng)度、寬度等信息后，建立矩陣A，儲(chǔ)存運(yùn)動(dòng)方向信息，再行列循環(huán)，按塊來(lái)讀取圖像的每一個(gè)小塊，其中的運(yùn)動(dòng)向量是根據(jù)相鄰兩幅圖像中，灰度值最相似的小塊的偏移量求出的；最后計(jì)算向量的個(gè)數(shù)，將計(jì)算出來(lái)的運(yùn)動(dòng)向量信息轉(zhuǎn)化為矩陣和運(yùn)動(dòng)矢量圖。

2.3 異常檢測(cè)算法

程序運(yùn)行時(shí)，首先是自動(dòng)學(xué)習(xí)的功能，將采集到的一段或多段正常情況下的視頻依據(jù)具體的特征分為多段，每段內(nèi)部各幀圖像運(yùn)動(dòng)特征相近，各段之間運(yùn)動(dòng)特征有所不同。分析正常情況下該攝像頭視野范圍內(nèi)各區(qū)域的運(yùn)動(dòng)狀況，構(gòu)建各段視頻正常情況速度方向直方圖，建立正常情況下的運(yùn)動(dòng)空間矩陣。工作監(jiān)測(cè)時(shí)，用同樣的方法處理監(jiān)控視頻，經(jīng)過(guò)視頻分段、建立每段視頻速度方向直方圖，得到實(shí)時(shí)視頻的運(yùn)動(dòng)空間矩陣。并比較實(shí)時(shí)視頻運(yùn)動(dòng)子空間與正常視頻運(yùn)動(dòng)子空間之間的誤差，根據(jù)預(yù)先設(shè)定的閾值，預(yù)測(cè)和判斷是否有異常情況的發(fā)生。如果相比較的誤差大于預(yù)先設(shè)定的閾值，則判斷出現(xiàn)了異常情況，反之則正常。程序處理流程圖如下圖3所示：

3. 實(shí)驗(yàn)結(jié)果及分析

我們以交通十字路口的監(jiān)控視頻為例，通過(guò)以上的算法思路，進(jìn)行系統(tǒng)的硬件制作，電路設(shè)計(jì)和整體調(diào)試、實(shí)驗(yàn)，得出了以下的實(shí)驗(yàn)結(jié)果（如下圖4所示）。由實(shí)驗(yàn)結(jié)果可見(jiàn)，本文方法能夠有效檢測(cè)交通十字路口中的異常事故，比如發(fā)生交通事故、路口出現(xiàn)大面積長(zhǎng)時(shí)間擁堵等情況，能夠及時(shí)發(fā)現(xiàn)異常事故。

4.結(jié)束語(yǔ)

該系統(tǒng)能在很大程度上解決人群活動(dòng)事故而造成的交通擁堵、經(jīng)濟(jì)損失、人員傷亡等問(wèn)題，具有廣闊的發(fā)展前景。我們將在以后的實(shí)驗(yàn)研究中不斷改進(jìn)思路算法，不斷優(yōu)化完善系統(tǒng)功能，盡量縮短運(yùn)行時(shí)間，提高效率，降低誤判率、

參考文獻(xiàn)

[1] 胡芝蘭，江帆，王貴錦，等. 基于運(yùn)動(dòng)方向的異常行為檢測(cè)[J]. 自動(dòng)化學(xué)報(bào)，2008，34（11）：1348—1357

[2] 吳艷平，崔宇，胡士強(qiáng). 基于運(yùn)動(dòng)圖像序列的異常行為檢測(cè)[J]. 計(jì)算機(jī)應(yīng)用研究，2007，27（7）：2741-2744

[3] Liu C，Wang G，Ning W，et al，Anomaly detection in surveillance video using motion detection statistics[C]//Image Processing（ICIP），2010 17th IEEE International Conference on.IEEE，2010：717-720

作者簡(jiǎn)介

李風(fēng)雷（1994—），男，河南周口人，鄭州大學(xué)自動(dòng)化專業(yè)本科生。

苑新偉（1994—），男，安徽阜陽(yáng)人，鄭州大學(xué)自動(dòng)化專業(yè)本科生。