軌道交通智能視頻監控的關鍵技術研究

摘 要：現今，智能視頻監控技術已經在各行業中得到廣泛應用，尤其是軌道交通監控系統當中，實現了內部異常設備、行為及建筑的智能識別。文章通過深入剖析軌道交通智能視頻監控的各項關鍵性技術，以期為相關研究提供理論參考。

關鍵詞：軌道交通；運動目標檢測；智能視頻監控

伴隨當今軌道交通行業持續高速發展，傳統類型的視頻監控系統已經難以滿足時下要求，亟需更加智能且高效的視頻監控技術。所謂智能視頻技術，實質為自動抽取及分析視頻源當中的處于核心的關鍵技術。我們可將攝像機當作是人的雙眼，而將智能視頻設備及系統當作大腦。智能化的視頻技術，實質為利用計算機所具有的對數據實施處理的功能，對視頻畫面當中的諸多數據實施快速而又準確的分析，在此過程中完成對用戶無用信息的濾除，保留關鍵信息。

1 運動目標檢測方法

（1）幀差法。此方法原理就是運用與圖像序列相鄰的二幀或三幀，將像素時間的差分作為檢測的基礎環節，通過運用所獲取的閾值，在圖像中，實現相應運動區域的提取。首先，對于處于相鄰狀態的幀圖像，則將其素值減去，然后，則實施二值化差分。如若環境亮度所存有的變化不大，則與之對應的像素值也會存有較小變化，相比與預先設定的閾值，存在小于后者狀況，則可將此處作為背景像素；若像素有改變，可將其標記為由于處于運動狀態的物體所致，然后將其設置為前景像素，運用所標記像素，依據其區域范圍，在圖像當中，就運動目標位置給予確定。（2）光流法。對于光流法的核心任務而言，為對光流場開展更為有效的計算，依據圖像所存有序列，憑借時空梯度，詳細估算運動場，然后則對運動場變化進行分析，檢測及分割運動目標與場景。光流法無需對場景信息事先知曉，便可對運動對象實施檢測，并對運動背景情況及時處理，但卻由于遮擋、陰影、多光源及噪聲多等因素，而嚴重影響光流場分布的計算結果。

2 目標跟蹤算法

2.1 基于區域的跟蹤

所謂基于區域的跟蹤，實質為利用圖像分割或人為選定，獲取相應目標模板，而后在序列圖像當中，對候選模板與目標模板之間的相似程度進行計算，用相關算法，確定圖像目標，完成目標跟蹤任務。采用模板匹配，開展與之相適應的跟蹤，直接匹配運算圖像所持有的外部特征，乃是最為基本的著眼點，其與最初所選擇的區域而言，在匹配度方面，則較高，即為目標區域。灰度圖像，則可選用以特征與紋理為基礎的相關；彩色特性，則可選用以顏色為基礎的相關。當前，比較常用的區域跟蹤算法，有差方和法等，此些算法可以通過與卡爾曼濾波或線性預測相結合，提升跟蹤精度。

2.2 基于特征的跟蹤

此種跟蹤方法實質上，加入約束來解決，比如，假定處于相鄰狀態的幀圖像特征點，具有不大的變化，并將其作為相應約束條件，構建特征點關系。此算法有兩過程，分別為特征點的匹配和提取，通常情況下，可用相關算法。對于采用目標整體開展運算而言，其與基于區域的跟蹤算法存有較大不同，其僅采用目標某些局部性特征，或者是某個單獨特征。此種算法所具有的優點為，當目標出現被遮擋狀況時，只需其中的些許特征有效，便可實施跟蹤。運用SUSAN算子，則可從中獲取目標角點的信息，而后則根據圖像方面所存有的差異，實施匹配，以此宣召特征對應關系。

2.3 基于模型的跟蹤

上述兩種方法均為基于二維平面的跟蹤，因均對運動目標完整信息均未用到，則對其實施精確描述，同樣無法實現。如若對目標相應三維模型予以構建，以先驗信息的方式，采用三維模型，實現跟蹤目標的目的，則會實現跟蹤魯棒性大幅提升。基于模型的跟蹤方法，其理念為，采用先驗知識，依序列，就三維模型參數予以確定，由于目標為瞬時運動，因此，能夠對多項參數予以獲取。由VISATRAM可知，可通過簡化三維模型的方式，著手于長方體模型，實施車輛的相應跟蹤，基于運動狀態下，獲取車輛信息，如尺寸及速度等。跟蹤人體時，則有三方式，即三維模型、二維模型及線圖模型，而在現實運用當中，采用三維模型的較多。此方法能夠對目標的三維運動軌跡進行精確分析，即便處于運動狀態的目標在姿態方面存有變化，或者是存有部分遮擋狀況，也可實施有效跟蹤。缺點為運動分析的精度由幾何模型精度所決定，且在跟蹤算法方面，需花費大量的運算時間。所以，基于模型的跟蹤，對于特定類型或少量的目標跟蹤較為適宜，比如某種車型的跟蹤、臉部跟蹤及人體跟蹤等。

3 軌道交通智能視頻監控技術應用

（1）視頻移動偵測。所謂視頻移動偵測實質就是在復雜的背景環境中，對單個或者多個目標的相應運動特征、運動方向及運動情況實施精確化的識別及偵測。所具有的相應安全規則包含有多種類型，如運動方向異常報警、尾隨檢測及禁區報警等。禁區報警能夠對多事項及多區域實施監控報警，如乘客非法進入隧道、非授權工作人員進入其他工作區及非地鐵工作人員進入工作區等；對于絆線報警而言，其在高架線路區域及地面線路區域能夠實現越界報警，另外，還可對于那些非工作人員侵入地鐵限界，及時予以監控；對于尾隨檢測而言，其對于犯罪嫌疑分子對于某些特定目標具體的尾隨行為開展綜合化分析，對監控管理人員進行提示，對所發現的異常狀況進行提示。其中，最為適用于地鐵環境的是禁區報警及絆線報警，能夠為地鐵特定限界內所存有的安全提供保證，還能夠將顏色改變及環境光線變化等予以排除，對特定目標進行有效識別，避免出現誤判報警狀況。此外，絆線報警對于發現乘客不慎從站臺摔入軌道狀況能夠及時報警，能夠做到迅速制動列車，更好的搶救乘客。（2）智能錄像控制。根據公安錄像、災害錄像及運營日常錄像之間所存有的差異性，需要依據不同需要，對錄像規則實施分別定制，達到錄像空間有效節省的目的。針對無人值守機房而言，則需與門禁系統及畫面變化相結合，開展災害發現時或有人時的觸發錄像操作；當發生災害時，則可對重點災害區域，實施觸發錄像操作；在白天運營期間內，進行常規形式的錄像，夜間停運后，則進行觸發錄像。（3）運動目標跟蹤。即對目標進行有效表達，并在視頻中，就與目標模板作為類似的候選目標區相應位置進行尋找的過程。在軌道交通智能視頻分析過程中，運動目標跟蹤要求，對跟蹤算法進行鎖定，這對環境與目標自身變化，在適應性方面較強，另外，還能夠對目標實際變形當中對于跟蹤所造成的實質性影響進行鎖定。在軌道交通監控過程中，促使攝像機可對物體進行自動跟蹤，如若物體超出此攝像機所具有的最大監控范圍時，則會對物體所在區域的設置的攝像機予以自動通知，使其繼續實施追蹤。依據運動目標的相似性度量及表達，可將運動目標跟蹤算法進行分類劃分，即基于模型的跟蹤、基于特征的跟蹤、基于區域的跟蹤及基于主動輪廓的跟蹤。運用相應搜索算法，估計假設未來時刻目標位置狀態，能夠實現目標搜索范圍的縮小。其中最為常用的方法便是對運動體下一幀可能出現位置實施預測，并在相關區域內，就最優點進行尋找。

4 結束語

智能視頻監控是當前一種新型的智能視頻分析技術，通過改造軌道交通監控系統，促進對內部異常行為進行智能識別，自動發現，及時報警，減輕人員壓力，促進了檢測準確度的提升。

參考文獻

[1]譚筠梅，王履程，雷濤，等.城市軌道交通智能視頻分析關鍵技術綜述[J].計算機工程與應用，2014，50（4）：1-6.

[2]王信.軌道交通智能高清視頻監控解決方案[J].中國公共安全，2014（8）：180-183.