靜止背景下的移動目標視覺監控

高小清　吳健珍

摘 要 視覺監控是研究用機器代替人對監控視頻進行處理并發現其中存在的異常情況的新興學科。本文所提出的視覺監控系統采用三幀差分法和邊緣檢測法相結合來檢測移動目標，通過對視頻幀進行邊緣提取，再用三幀差分法對圖像進行處理得到前景目標的連續移動幀；采用基于變換域的跟蹤方法對視頻中的目標進行跟蹤并可定位顯示人臉。

關鍵詞 視覺監控 移動目標 跟蹤 人臉識別

中圖分類號：TP391 文獻標識碼：A

0 引言

隨著數字化、網絡化的不斷發展，人們的安全防范意識的不斷提高，視頻監控系統已深入到人們的日常生活。傳統的視頻監控系統是通過工作人員對監控視頻的觀看和分析來發現其中的危險信息，這就導致了信息獲取的不及時，從而無法及時地發現危險以采取進一步的防范措施，導致財產或人身的安全遭受嚴重損失。此外，由于人的生理原因，會造成對監控視頻的監視疏漏，基于此，視覺監控不斷發展，視覺監控實現了由機器來對所獲得的視頻進行處理，從而可以代替人來發現視頻序列中的潛在的危險，不僅可以做到全天候地進行監視處理，還能避免因人為的因素造成的漏報誤報。

計算機視覺發展到今天，還沒有出現哪種萬能的檢測和跟蹤算法對所有的情況都適用。因此，在實際應用中，對復雜的移動目標進行檢測和跟蹤都具有相當的難度。本文主要研究基于靜止背景的視頻序列的移動目標監控，主要包括視頻圖像的預處理，移動目標的檢測、分割、識別、跟蹤、人臉識別。

本文的視覺監控系統流程圖見圖1。首先獲取視頻序列并對其進行預處理，再進行目標區域的檢測和目標識別，這些是視覺監控的低級和中級處理部分，人臉識別和跟蹤顯示為視覺監控的高級部分。

圖1 視覺監控系統工作流程

1 視頻圖像預處理

在實際應用中，由于監控場景中光照、噪聲等方面的影響，使我們所獲得的圖像質量不高，這就需要通過圖像預處理技術來對視頻圖像進行相應的處理，達到抑制噪聲、改善圖像質量的目的。

1.1 灰度化

將采集到的彩色圖像序列進行灰度處理。

1.2 二值化

本文采用整體閾值法對視頻圖像進行二值化處理，以取得移動目標。

2 視頻監控算法

2.1 移動目標的檢測

移動檢測就是檢測物體的移動區域，它的目的是在輸入的若干圖像序列中搜索到移動目標的區域，并確定其位置和尺寸大小等信息。

常用的移動目標檢測法有背景減除法、幀間差分法、光流法，本文采用三幀差分法和邊緣檢測法相結合的方法來進行移動目標的檢測，主要過程是先用canny算子邊緣檢測法對視頻幀進行邊緣的提取，再把連續三幀的視頻幀兩兩相減并與規定的閾值進行比較，根據與閾值的大小關系，判斷其為固定背景或是移動前景，從而得到移動目標形狀，達到檢測的效果。邊緣檢測的目的是檢測并找出圖像中屋頂變化和階躍變化的像素點，把這些像素點連接起來就構成了物體的邊緣，即檢測出了物體的邊緣。

邊緣檢測主要包括以下四個步驟：（1）圖像濾波；（2）圖形加強：增強圖像中灰度的對比度，突出領域變化顯著地點；（3）圖像檢測：用幅值閾值判據確定邊緣點；（4）圖像定位。

檢測出物體邊緣后再對其進行三幀差分算法的計算。

三幀差分法的基本原理是先選取視頻圖像序列中連續的三幀圖像并分別計算相鄰兩幀的差分圖像，然后將差分圖像通過選取適當的閾值進行二值化處理，得到二值化圖像，最后對每一個像素點得到的二值圖像進行邏輯與運算，獲取共同部分，從而獲得移動目標的輪廓信息。假設三幀圖像分別為（）、（）和（）， 分別計算前二幀圖像和后二幀圖像的差值并二值化處理，得到二值化圖像為（）和（），將（）和（）與給定的閾值進行比較，若和都大于給定的閾值T，則把中間幀（）作為前景圖像，最終得到移動目標圖像。閾值T為人工選取值，在對不同的視頻進行處理時，要設定不同的T值。原理圖如圖2所示。

與傳統檢測算法相比，三幀差分法和邊緣檢測法結合的檢測效果更好，主要表現在不會出現傳統差分法出現的檢測目標的空洞問題，也避免了邊緣檢測法的邊緣不清晰問題；相鄰兩幀時間間隔一般較短，其對于場景光線變化敏感度不高，適應性強，魯棒性好，穩定性好，能適應場景的小幅度變化；背景不隨著時間累積，其更新速度較快，相對易于實現實時監控。

2.2 移動目標跟蹤

本文使用基于變換域的跟蹤方法和基于臉部特征的跟蹤方法來實現移動目標跟蹤。

2.3 人臉檢測

本文的人臉跟蹤部分主要用到了MATLA 2012B中的Computer Vision System Toolbox（計算機視覺工具箱）的vision.CascadeObjectDetector（）函數，可以通過更改括號內的參數決定某種跟蹤。

圖2 三幀差分法的基本原理圖

3 仿真實驗與分析

本文在MATLA 2012B平臺上進行仿真實驗，對一段自己拍攝的視頻進行測試，處理速度為每秒15幀，用三幀差分法和邊緣檢測法相結合的方法來對移動目標的檢測，用基于變換域的跟蹤方法對人體進行跟蹤，用基于臉部特征的跟蹤方法進行人臉的提取和跟蹤。

仿真結果見圖3、圖4、圖5。

從仿真結果可以看出，三幀差分法和邊緣檢測法相結合的方法比只用三幀差分法或只用邊緣檢測法能更好的提取出移動目標，提取出來的運動目標輪廓更加清晰，內部的空洞比較少，且實用性強，不僅可以檢測移動人體還可以檢測任何移動物體。跟蹤算法能很好的跟蹤運動目標，并能準確地標出運動軌跡，識別精度較高。人臉識別跟蹤能準確地識別視頻中的人臉并進行跟蹤。

4 結論

本文的創新點在于針對傳統的視頻序列中移動目標檢測算法的不足，提出了一種將三幀差分法與邊緣檢測法相結合的移動物體目標的檢測算法。該方法能適應復雜環境，有效克服光照對視頻中移動目標檢測的影響，檢測提取的移動目標輪廓與實際物體輪廓相符，且適用性強，不僅可以檢測跟蹤目標人體，還可以檢測任何移動物體。在人臉識別部分，能較準確地識別并提取出人臉。仿真結果表明該方法準確高效，適用范圍廣，能應用于銀行、高級辦公樓、超市、交通監控等方面，可以有效減少人力物力的投入，獲得比較好的經濟效益。

參考文獻

[1] 趙世喆.基于序列圖像的移動目標檢測和跟蹤算法研究[D].北方工業大學碩士學位論文，2006.

[2] 涂虬，許毅平，周曼麗.基于全局最小化活動輪廓的多目標檢測跟蹤[J].計算機應用研究，2010.27（2）：219-220.

[3] 張娟，毛曉波，陳鐵軍.運動目標跟蹤算法煙具綜述[J].計算機應用研究，2009.26（12）：4407-4410.

[4] 夏永泉，李衛麗，甘勇，張素智.智能視頻監控中的運動目標檢測技術研究[J].通信技術，2009.42（6）：3-4.

[5] 吳健珍.控制系統CAD與數字仿真[M].北京：清華大學出版社，2014.endprint

摘 要 視覺監控是研究用機器代替人對監控視頻進行處理并發現其中存在的異常情況的新興學科。本文所提出的視覺監控系統采用三幀差分法和邊緣檢測法相結合來檢測移動目標，通過對視頻幀進行邊緣提取，再用三幀差分法對圖像進行處理得到前景目標的連續移動幀；采用基于變換域的跟蹤方法對視頻中的目標進行跟蹤并可定位顯示人臉。

關鍵詞 視覺監控 移動目標 跟蹤 人臉識別

中圖分類號：TP391 文獻標識碼：A

0 引言

隨著數字化、網絡化的不斷發展，人們的安全防范意識的不斷提高，視頻監控系統已深入到人們的日常生活。傳統的視頻監控系統是通過工作人員對監控視頻的觀看和分析來發現其中的危險信息，這就導致了信息獲取的不及時，從而無法及時地發現危險以采取進一步的防范措施，導致財產或人身的安全遭受嚴重損失。此外，由于人的生理原因，會造成對監控視頻的監視疏漏，基于此，視覺監控不斷發展，視覺監控實現了由機器來對所獲得的視頻進行處理，從而可以代替人來發現視頻序列中的潛在的危險，不僅可以做到全天候地進行監視處理，還能避免因人為的因素造成的漏報誤報。

計算機視覺發展到今天，還沒有出現哪種萬能的檢測和跟蹤算法對所有的情況都適用。因此，在實際應用中，對復雜的移動目標進行檢測和跟蹤都具有相當的難度。本文主要研究基于靜止背景的視頻序列的移動目標監控，主要包括視頻圖像的預處理，移動目標的檢測、分割、識別、跟蹤、人臉識別。

本文的視覺監控系統流程圖見圖1。首先獲取視頻序列并對其進行預處理，再進行目標區域的檢測和目標識別，這些是視覺監控的低級和中級處理部分，人臉識別和跟蹤顯示為視覺監控的高級部分。

圖1 視覺監控系統工作流程

1 視頻圖像預處理

在實際應用中，由于監控場景中光照、噪聲等方面的影響，使我們所獲得的圖像質量不高，這就需要通過圖像預處理技術來對視頻圖像進行相應的處理，達到抑制噪聲、改善圖像質量的目的。

1.1 灰度化

將采集到的彩色圖像序列進行灰度處理。

1.2 二值化

本文采用整體閾值法對視頻圖像進行二值化處理，以取得移動目標。

2 視頻監控算法

2.1 移動目標的檢測

移動檢測就是檢測物體的移動區域，它的目的是在輸入的若干圖像序列中搜索到移動目標的區域，并確定其位置和尺寸大小等信息。

常用的移動目標檢測法有背景減除法、幀間差分法、光流法，本文采用三幀差分法和邊緣檢測法相結合的方法來進行移動目標的檢測，主要過程是先用canny算子邊緣檢測法對視頻幀進行邊緣的提取，再把連續三幀的視頻幀兩兩相減并與規定的閾值進行比較，根據與閾值的大小關系，判斷其為固定背景或是移動前景，從而得到移動目標形狀，達到檢測的效果。邊緣檢測的目的是檢測并找出圖像中屋頂變化和階躍變化的像素點，把這些像素點連接起來就構成了物體的邊緣，即檢測出了物體的邊緣。

邊緣檢測主要包括以下四個步驟：（1）圖像濾波；（2）圖形加強：增強圖像中灰度的對比度，突出領域變化顯著地點；（3）圖像檢測：用幅值閾值判據確定邊緣點；（4）圖像定位。

檢測出物體邊緣后再對其進行三幀差分算法的計算。

三幀差分法的基本原理是先選取視頻圖像序列中連續的三幀圖像并分別計算相鄰兩幀的差分圖像，然后將差分圖像通過選取適當的閾值進行二值化處理，得到二值化圖像，最后對每一個像素點得到的二值圖像進行邏輯與運算，獲取共同部分，從而獲得移動目標的輪廓信息。假設三幀圖像分別為（）、（）和（）， 分別計算前二幀圖像和后二幀圖像的差值并二值化處理，得到二值化圖像為（）和（），將（）和（）與給定的閾值進行比較，若和都大于給定的閾值T，則把中間幀（）作為前景圖像，最終得到移動目標圖像。閾值T為人工選取值，在對不同的視頻進行處理時，要設定不同的T值。原理圖如圖2所示。

與傳統檢測算法相比，三幀差分法和邊緣檢測法結合的檢測效果更好，主要表現在不會出現傳統差分法出現的檢測目標的空洞問題，也避免了邊緣檢測法的邊緣不清晰問題；相鄰兩幀時間間隔一般較短，其對于場景光線變化敏感度不高，適應性強，魯棒性好，穩定性好，能適應場景的小幅度變化；背景不隨著時間累積，其更新速度較快，相對易于實現實時監控。

2.2 移動目標跟蹤

本文使用基于變換域的跟蹤方法和基于臉部特征的跟蹤方法來實現移動目標跟蹤。

2.3 人臉檢測

本文的人臉跟蹤部分主要用到了MATLA 2012B中的Computer Vision System Toolbox（計算機視覺工具箱）的vision.CascadeObjectDetector（）函數，可以通過更改括號內的參數決定某種跟蹤。

圖2 三幀差分法的基本原理圖

3 仿真實驗與分析

本文在MATLA 2012B平臺上進行仿真實驗，對一段自己拍攝的視頻進行測試，處理速度為每秒15幀，用三幀差分法和邊緣檢測法相結合的方法來對移動目標的檢測，用基于變換域的跟蹤方法對人體進行跟蹤，用基于臉部特征的跟蹤方法進行人臉的提取和跟蹤。

仿真結果見圖3、圖4、圖5。

從仿真結果可以看出，三幀差分法和邊緣檢測法相結合的方法比只用三幀差分法或只用邊緣檢測法能更好的提取出移動目標，提取出來的運動目標輪廓更加清晰，內部的空洞比較少，且實用性強，不僅可以檢測移動人體還可以檢測任何移動物體。跟蹤算法能很好的跟蹤運動目標，并能準確地標出運動軌跡，識別精度較高。人臉識別跟蹤能準確地識別視頻中的人臉并進行跟蹤。

4 結論

本文的創新點在于針對傳統的視頻序列中移動目標檢測算法的不足，提出了一種將三幀差分法與邊緣檢測法相結合的移動物體目標的檢測算法。該方法能適應復雜環境，有效克服光照對視頻中移動目標檢測的影響，檢測提取的移動目標輪廓與實際物體輪廓相符，且適用性強，不僅可以檢測跟蹤目標人體，還可以檢測任何移動物體。在人臉識別部分，能較準確地識別并提取出人臉。仿真結果表明該方法準確高效，適用范圍廣，能應用于銀行、高級辦公樓、超市、交通監控等方面，可以有效減少人力物力的投入，獲得比較好的經濟效益。

參考文獻

[1] 趙世喆.基于序列圖像的移動目標檢測和跟蹤算法研究[D].北方工業大學碩士學位論文，2006.

[2] 涂虬，許毅平，周曼麗.基于全局最小化活動輪廓的多目標檢測跟蹤[J].計算機應用研究，2010.27（2）：219-220.

[3] 張娟，毛曉波，陳鐵軍.運動目標跟蹤算法煙具綜述[J].計算機應用研究，2009.26（12）：4407-4410.

[4] 夏永泉，李衛麗，甘勇，張素智.智能視頻監控中的運動目標檢測技術研究[J].通信技術，2009.42（6）：3-4.

[5] 吳健珍.控制系統CAD與數字仿真[M].北京：清華大學出版社，2014.endprint

摘 要 視覺監控是研究用機器代替人對監控視頻進行處理并發現其中存在的異常情況的新興學科。本文所提出的視覺監控系統采用三幀差分法和邊緣檢測法相結合來檢測移動目標，通過對視頻幀進行邊緣提取，再用三幀差分法對圖像進行處理得到前景目標的連續移動幀；采用基于變換域的跟蹤方法對視頻中的目標進行跟蹤并可定位顯示人臉。

關鍵詞 視覺監控 移動目標 跟蹤 人臉識別

中圖分類號：TP391 文獻標識碼：A

0 引言

隨著數字化、網絡化的不斷發展，人們的安全防范意識的不斷提高，視頻監控系統已深入到人們的日常生活。傳統的視頻監控系統是通過工作人員對監控視頻的觀看和分析來發現其中的危險信息，這就導致了信息獲取的不及時，從而無法及時地發現危險以采取進一步的防范措施，導致財產或人身的安全遭受嚴重損失。此外，由于人的生理原因，會造成對監控視頻的監視疏漏，基于此，視覺監控不斷發展，視覺監控實現了由機器來對所獲得的視頻進行處理，從而可以代替人來發現視頻序列中的潛在的危險，不僅可以做到全天候地進行監視處理，還能避免因人為的因素造成的漏報誤報。

計算機視覺發展到今天，還沒有出現哪種萬能的檢測和跟蹤算法對所有的情況都適用。因此，在實際應用中，對復雜的移動目標進行檢測和跟蹤都具有相當的難度。本文主要研究基于靜止背景的視頻序列的移動目標監控，主要包括視頻圖像的預處理，移動目標的檢測、分割、識別、跟蹤、人臉識別。

本文的視覺監控系統流程圖見圖1。首先獲取視頻序列并對其進行預處理，再進行目標區域的檢測和目標識別，這些是視覺監控的低級和中級處理部分，人臉識別和跟蹤顯示為視覺監控的高級部分。

圖1 視覺監控系統工作流程

1 視頻圖像預處理

在實際應用中，由于監控場景中光照、噪聲等方面的影響，使我們所獲得的圖像質量不高，這就需要通過圖像預處理技術來對視頻圖像進行相應的處理，達到抑制噪聲、改善圖像質量的目的。

1.1 灰度化

將采集到的彩色圖像序列進行灰度處理。

1.2 二值化

本文采用整體閾值法對視頻圖像進行二值化處理，以取得移動目標。

2 視頻監控算法

2.1 移動目標的檢測

移動檢測就是檢測物體的移動區域，它的目的是在輸入的若干圖像序列中搜索到移動目標的區域，并確定其位置和尺寸大小等信息。

常用的移動目標檢測法有背景減除法、幀間差分法、光流法，本文采用三幀差分法和邊緣檢測法相結合的方法來進行移動目標的檢測，主要過程是先用canny算子邊緣檢測法對視頻幀進行邊緣的提取，再把連續三幀的視頻幀兩兩相減并與規定的閾值進行比較，根據與閾值的大小關系，判斷其為固定背景或是移動前景，從而得到移動目標形狀，達到檢測的效果。邊緣檢測的目的是檢測并找出圖像中屋頂變化和階躍變化的像素點，把這些像素點連接起來就構成了物體的邊緣，即檢測出了物體的邊緣。

邊緣檢測主要包括以下四個步驟：（1）圖像濾波；（2）圖形加強：增強圖像中灰度的對比度，突出領域變化顯著地點；（3）圖像檢測：用幅值閾值判據確定邊緣點；（4）圖像定位。

檢測出物體邊緣后再對其進行三幀差分算法的計算。

三幀差分法的基本原理是先選取視頻圖像序列中連續的三幀圖像并分別計算相鄰兩幀的差分圖像，然后將差分圖像通過選取適當的閾值進行二值化處理，得到二值化圖像，最后對每一個像素點得到的二值圖像進行邏輯與運算，獲取共同部分，從而獲得移動目標的輪廓信息。假設三幀圖像分別為（）、（）和（）， 分別計算前二幀圖像和后二幀圖像的差值并二值化處理，得到二值化圖像為（）和（），將（）和（）與給定的閾值進行比較，若和都大于給定的閾值T，則把中間幀（）作為前景圖像，最終得到移動目標圖像。閾值T為人工選取值，在對不同的視頻進行處理時，要設定不同的T值。原理圖如圖2所示。

與傳統檢測算法相比，三幀差分法和邊緣檢測法結合的檢測效果更好，主要表現在不會出現傳統差分法出現的檢測目標的空洞問題，也避免了邊緣檢測法的邊緣不清晰問題；相鄰兩幀時間間隔一般較短，其對于場景光線變化敏感度不高，適應性強，魯棒性好，穩定性好，能適應場景的小幅度變化；背景不隨著時間累積，其更新速度較快，相對易于實現實時監控。

2.2 移動目標跟蹤

本文使用基于變換域的跟蹤方法和基于臉部特征的跟蹤方法來實現移動目標跟蹤。

2.3 人臉檢測

本文的人臉跟蹤部分主要用到了MATLA 2012B中的Computer Vision System Toolbox（計算機視覺工具箱）的vision.CascadeObjectDetector（）函數，可以通過更改括號內的參數決定某種跟蹤。

圖2 三幀差分法的基本原理圖

3 仿真實驗與分析

本文在MATLA 2012B平臺上進行仿真實驗，對一段自己拍攝的視頻進行測試，處理速度為每秒15幀，用三幀差分法和邊緣檢測法相結合的方法來對移動目標的檢測，用基于變換域的跟蹤方法對人體進行跟蹤，用基于臉部特征的跟蹤方法進行人臉的提取和跟蹤。

仿真結果見圖3、圖4、圖5。

從仿真結果可以看出，三幀差分法和邊緣檢測法相結合的方法比只用三幀差分法或只用邊緣檢測法能更好的提取出移動目標，提取出來的運動目標輪廓更加清晰，內部的空洞比較少，且實用性強，不僅可以檢測移動人體還可以檢測任何移動物體。跟蹤算法能很好的跟蹤運動目標，并能準確地標出運動軌跡，識別精度較高。人臉識別跟蹤能準確地識別視頻中的人臉并進行跟蹤。

4 結論

本文的創新點在于針對傳統的視頻序列中移動目標檢測算法的不足，提出了一種將三幀差分法與邊緣檢測法相結合的移動物體目標的檢測算法。該方法能適應復雜環境，有效克服光照對視頻中移動目標檢測的影響，檢測提取的移動目標輪廓與實際物體輪廓相符，且適用性強，不僅可以檢測跟蹤目標人體，還可以檢測任何移動物體。在人臉識別部分，能較準確地識別并提取出人臉。仿真結果表明該方法準確高效，適用范圍廣，能應用于銀行、高級辦公樓、超市、交通監控等方面，可以有效減少人力物力的投入，獲得比較好的經濟效益。

參考文獻

[1] 趙世喆.基于序列圖像的移動目標檢測和跟蹤算法研究[D].北方工業大學碩士學位論文，2006.

[2] 涂虬，許毅平，周曼麗.基于全局最小化活動輪廓的多目標檢測跟蹤[J].計算機應用研究，2010.27（2）：219-220.

[3] 張娟，毛曉波，陳鐵軍.運動目標跟蹤算法煙具綜述[J].計算機應用研究，2009.26（12）：4407-4410.

[4] 夏永泉，李衛麗，甘勇，張素智.智能視頻監控中的運動目標檢測技術研究[J].通信技術，2009.42（6）：3-4.

[5] 吳健珍.控制系統CAD與數字仿真[M].北京：清華大學出版社，2014.endprint