龍　浩，霍　娜

（徐州工業(yè)職業(yè)技術(shù)學院，　江蘇　徐州　221140）

?

視頻監(jiān)控中基于安全報警系統(tǒng)的模糊判決算法

龍浩，霍娜

（徐州工業(yè)職業(yè)技術(shù)學院，江蘇徐州221140）

在運動物體檢測與分割的基礎(chǔ)上，提出了一套運動物體跟蹤與判決的算法。在該算法中，識別特殊異?，F(xiàn)象的重要依據(jù)是運動物體的面積和運動物體的速度。面積是運動物體所占像素的多少；運動物體的速度是由運動物體質(zhì)心的在一幀的時間里的移動的距離。文中提出一種對運動變化區(qū)域進行連通域掃描的算法，可以得到有關(guān)運動物體的參數(shù)，包括運動物體的面積，運動物體的長、寬和運動物體的速度。描述了一種求解運動物體質(zhì)心的算法，并結(jié)合運動物體的面積和質(zhì)心移動的距離建立一種基于安全報警系統(tǒng)的模糊判決方法。

物體檢測；物體跟蹤；連通域；模糊判決

一、引言

在數(shù)字視頻監(jiān)控系統(tǒng)中，圖像序列的運動檢測及報警不僅可以自行替代監(jiān)視人員的部分工作，提高監(jiān)視系統(tǒng)的自動化水平，而且也可提高監(jiān)控存儲的效率。

數(shù)字視頻監(jiān)控系統(tǒng)對圖像序列自動進行運動檢測，一旦發(fā)現(xiàn)運動物體的大小和速度滿足一定條件，就發(fā)出報警信號來通知監(jiān)視人員及時有效處理。這可在很大程度上減輕監(jiān)視人員的視覺負擔。數(shù)字監(jiān)控系統(tǒng)絕大多數(shù)都有存儲模塊，可對監(jiān)控場景圖像數(shù)據(jù)進行連續(xù)存儲。然而，由于數(shù)字監(jiān)控系統(tǒng)的工作時間長，數(shù)據(jù)存儲量相當龐大，給存儲容量提出了較高的要求。存儲監(jiān)控圖像的目的幾乎都是記錄監(jiān)控場景中的動作，如果長時間記錄無運動圖像，存儲的信息量極少，就失去了存儲的意義。這也需要有一個運動檢測算法判斷監(jiān)控圖像的全部或部分有無運動的發(fā)生、控制存儲模塊的動作，有效地節(jié)省存儲數(shù)據(jù)，減少不必要的回放。由此可見，圖像序列的運動檢測和報警算法在數(shù)字視頻監(jiān)控系統(tǒng)中有較強的實用價值。

二、運動物體檢測與分割

運動變化檢測的目的是為了將目標和背景分開，得到目標的大致位置?？紤]到序列圖像的特點，采用差分圖像閾值分割方法，實現(xiàn)各幀圖像中目標與背景的有效分離。在視頻圖像序列中取連續(xù)的兩幀圖像做象素灰度值差值處理。首先，根據(jù)CCD器件成像特征建立高斯運動變化檢測模型，設定灰度值檢測門限。然后，以3×3大小的處理窗對前后兩幀做灰度差值。取差值窗內(nèi)象素平均灰度值與灰度門限作比較，判斷是否有運動目標，得到連續(xù)兩幀視頻圖像的差分圖像。

因為光線，鏡頭移動等外界原因，可能造成差值圖像中有一些小面積圖像碎塊的干擾。依據(jù)經(jīng)驗設定面積門限，對第一次差值圖像進行預處理，去掉干擾的小面積碎塊。面積門限檢測主要是針對在成像目標較小時，既可用于消除外界的隨機噪聲對小目標識別可能帶來的影響，也可用于消除由于跟蹤系統(tǒng)成像裝置受光線變化的影響而引起的噪聲，從而為后續(xù)目標的提取保持其特征圖形效果的圖像目標奠定了基礎(chǔ)。運動物體的檢測與分割是整個流程中最為關(guān)鍵的部分，它對后續(xù)目標特征量的精確提取有著直接的影響。

三、運動物體空間特征參數(shù)的提取

基于安全報警系統(tǒng)的模糊判決算法的實現(xiàn)需要提取出以下幾個信息參量：圖像中獨立區(qū)域的個數(shù)，每個獨立區(qū)域的面積及平均灰度值，每個獨立區(qū)域的上、下、左、右邊界的坐標值及長度和寬度等形狀參數(shù)，運動物體在連續(xù)兩幀中的運動距離。

（一）前后兩幀最大運動物體面積的提取

為了從空間上分割出具有獨立連通域的區(qū)域，還需要對圖像進行拓撲連通性的判別，受文獻的啟發(fā)，提出一種可在圖像搜索過程中完成區(qū)域拓撲連通性判別的順序的區(qū)域生長法，在運動圖像的灰度空間中進行運動變化區(qū)域定位。在區(qū)域生長之后，存在一些無意義的小區(qū)域。根據(jù)分割的結(jié)果，統(tǒng)計每個區(qū)域的面積，如果面積小于某個閾值，則將該小區(qū)域合并到相鄰的大區(qū)域中去。

該算法的具體步驟如下（設搜索到第j行）：

1．在第j行搜索中，若檢測到本行有灰度大于0的線段，存下各線段兩端的橫坐標值，記為（D1（K），D2（K）），（k=l，2，…，Kj，其中Kj是該行中線段的個數(shù)）。

2．若在上一行中沒有發(fā)現(xiàn)線段，則認為本行所發(fā)現(xiàn)的各線段屬于新區(qū)域，并暫時認為這些新區(qū)域之間相互不連通。為標明這種判別結(jié)果，通過給這些線段各賦以一個新的不同標號來達到，即在數(shù)組（D1（K），D2（K））中再增加一個參數(shù)nk，成為（D1（K），D2（K），nk），（k=l，2，…，Kj），并將該段面積存于地址為nk的存儲器中，記為A（nk）：A（nk）=D1（K）-D2（K）。

3．若在上一行中已發(fā)現(xiàn)線段，則將本行中的各線段（D1（K），D2（K））與上一行中己得到的各線段的邊界坐標（記為（B1（m），B2（m），nm），m=1，2，…，Kj-1，其中nm為各線段標號）相比較，判斷其是否滿足下式關(guān)系：

（1）若滿足上式，則判斷兩者連通，這時將（B1（m），B2（m），nm）的標號nm，轉(zhuǎn)賦給該線段：nk=nm，得（D1（K），D2（K），nk），并將該段面積加到地址為nm，的存儲器中：A（nm）=A（nm）+D1（K）-D2（K）；

（2）若（D1（K），D2（K））與每個（B1（m），B2（m），nm）都不滿足上式，則認定它屬于新物體，這時按步驟（2）中方法處理該段線段；

（3）若某一個（D1（K），D2（K））同時與上行中的兩個或兩個以上的（B1（m），B2（m），nm）滿足上式，則表明這些線段是互相連通的，這時要將所有這些（B1（m），B2（m），nm）及其它與這些（B1（m），B2（m），nm）具有相同標號的線段改成同一標號，并將其中原來標號不同的區(qū)域面積（設為A（nm+1），i=1，2，…）加到A（nm）上，然后將各A（nm+1）置為0，表示這些標號的線段組成的區(qū)域己經(jīng)取消，全部屬于標號為nm，的線段組成的區(qū)域了。對（D1（K），D2（K））本身則按i步驟處理；

（4）若兩個或兩個以上的（D1（K），D2（K））同時與上行中的一個（B1（m），B2（m），nm）滿足上式，則表示這些（D1（K），D2（K））是由同一個標號為n的區(qū)域分叉出來的，這時對這些（D1（K），D2（K））均按i處理。

4．當本行全部（D1（K），D2（K），nk）判斷完畢，將各（D1（K），D2（K），nk）轉(zhuǎn)賦給（B1（m），B2（m），nm）：B1（m）=D1（K），B2（m）=D2（K），nk=nm，（k=1，2，…，Kj），然后進行下行的搜索判斷。

（二）前后兩幀質(zhì)心移動距離的計算

設二值圖像I（i，j）目標m×n的質(zhì)心坐標為（l，k）。已知：M為目標圖像連續(xù)像素點數(shù)；a為目標圖像連續(xù)像素行內(nèi)起始位置序號；b為目標圖像連續(xù)像素行內(nèi)終止位置序。

則質(zhì)心的列坐標k由公式6和7得：

質(zhì)心的行坐標l：

通過以上算法可求得運動物體分別在前后兩幀視頻圖像中的質(zhì)心，設運動物體在前后兩幀中的質(zhì)心坐標分別為（x1，y1）和（x2，y2），則，運動物體的運動速度v可以用運動物體在連續(xù)幀間差的歐式運動距離dist來表示：

四、基于安全報警系統(tǒng)的模糊判決算法的實現(xiàn)

本文針對的實際應用背景是銀行ATM機安全智能監(jiān)控系統(tǒng)。通過固定的攝像機對ATM機實時監(jiān)控，發(fā)現(xiàn)有人搶劫取款人，或者故意破壞ATM機等重大特殊異常現(xiàn)象時，發(fā)出報警信號，并將異常視頻圖像進行存儲，即當檢測到的運動物體的速度和大小滿足一定的報警條件時候，發(fā)出報警信號。本文采用的是模糊判別方法，以面積和移動距離兩個指標進行模糊判決如圖1所示。通過上述的算法，我們得到了前后兩幀中的最大運動物體的面積area和運動物體在前后兩幀中的質(zhì)心移動的距離dist。

圖1　運動物體的判決曲線

判決公式：

其中，

其中，Area為參考面積的最大值，Dl為運動物體參考運動距離的最大值，S1與S2分別是運動物體的面積判決系數(shù)和距離判決系數(shù)。當檢測到的運動物體的面積判決系數(shù)S1與運動物體在幀間差的運動距離的判決系數(shù)S2之和大于檢測門限temp時，則認為有異常狀況，需要報警，并記錄當前幀的圖像信息以及標識出當前的運動物體。因為場景監(jiān)視的具體應用情況可能不同，例如CCD攝像頭與被攝場景的相對距離、需要捕捉異常運動物體的大小和速度等都會隨著不同的應用背景和要求而改變的。所以在模糊判決中，面積參考值area和移動距離參考值dist以及檢測報警門限temp都是變量，可以根據(jù)具體使用者的具體的情況現(xiàn)場調(diào)節(jié)，在具體的計算機軟件實現(xiàn)中，可以通過設置對話框，現(xiàn)場修訂判決參數(shù)。具體流程如圖2所示：

圖2　運動物體檢測流程圖

五、實驗結(jié)果與分析

根據(jù)上文提出的針對安全監(jiān)控系統(tǒng)的模糊判決算法，通過C++語言編譯實現(xiàn)算法。通過兩幀差分法的識別實驗圖像來說明模糊判決算法。

圖3　安全區(qū)域圖

圖4　超越邊界圖

圖3和圖4為視頻圖像通過運動檢測提取的運動物體圖像，每組運動檢測圖像包括兩幅灰度圖像，經(jīng)過運動安全檢測的模糊判決后，并在圖像中用白色方框標識出運動安全區(qū)域。可以看到，在這兩組運動序列圖像中，運動物體被準確地檢測、恢復、提取和識別出來。其中圖3求得運動人物的面積和質(zhì)心后不符合模糊判決的條件，所以被判為安全運動范圍，系統(tǒng)不報警，而圖4求得運動人物的面積和質(zhì)心后符合模糊判決的條件，所以被判為超出安全運動范圍，系統(tǒng)報警。

六、結(jié)論

論文以視頻監(jiān)控系統(tǒng)為應用背景，通過應用數(shù)字圖像處理與識別方法將被監(jiān)控的固定場景中發(fā)生的特殊異?，F(xiàn)象自動檢測識別出來，并給出報警信號。應用數(shù)字視頻監(jiān)控系統(tǒng)對圖像序列自動進行運動檢測和識別操作，一旦發(fā)現(xiàn)運動物體（絕大多數(shù)是以人為目標）的大小和速度滿足一定條件，就發(fā)出報警信號來通知監(jiān)視人員及時有效處理。這在很大程度上減輕監(jiān)視人員的視覺負擔。實驗表明，該方法準確度高，具有較強的實用價值。

［1］Lipton A，F(xiàn)ujiyoshi H and Patil R，Moving target classification and tracking from real-time video，In：Proc IEEE Workshop on Applications of Computer Vision，Princeton，NJ，1998，8～14．

［2］Stahl M，Aach T，Buzu T M，et al．．．Noise-resistant weak structureenhancementfordigitalradiography［A］．SPIE Conference on Image Processing［C］，San Diego，2009．

［3］G．H1rzinger，K．Landzettel．A fast technique for segmentation and recognition of binary pattern．IEEE Computer Society Conference on Pattern Recognition and Image Processing．NY，USA：IEEE Computer Soc Press，1981．360～364．

［4］Hu MK．Visual Pattern Recognition by Moment Invariants［J］．IRE Trans．On Information Theory，1962．

［5］Castleman K R．Digital Image Processing［M］．Prentice Hall，New York，2008．

（責任編輯：袁媛）

Fuzzy Judgment Algorithm Based on Safe Warning System in the Monitoring Video

LONG Hao，HUO Na
（Xuzhou College of Industrial Technology，Xuzhou 221140，China）

This paper proposes a set of algorithms for the judgment and track of the bodies in motion on the basis that the body in motion is tested and cut apart．In this algorithm，the important basis for discerning the special phenomenon is the area and speed of the body in motion．The area is the pixel that a body in motion accounts for and the pace is calculated by the moving distance of the body's centroid time in a frame．The paper proposes one kind of algorithm which is to do a convexity domain scanning to the changing area，then it can lead to the parameter about body in motion，including the area，pace，length and width of the body in motion．The paper analyzes an algorithm for the centroid and combines with the area of the body in motion and the moving distance of the centroid to set up a fuzzy judgment method based on safe warning system．

test of the body；tracking of the body；connexity district；fuzzy judgment

TP911．7

A

1671-802X（2016）03-0005-04

2016-04-20

龍浩（1984-），男，湖南長沙人，講師，研究方向：軟件工程，數(shù)據(jù)挖掘。E-mail：longhao@163．com．