基于移動(dòng)智能的視頻監(jiān)控系統(tǒng)關(guān)鍵技術(shù)研究

李國偉

摘要：視頻監(jiān)控系統(tǒng)作為一種安全防范的有效手段，正越來越受到人們的重視。其中視頻監(jiān)控技術(shù)在安全、交通、軍事等領(lǐng)域已取得較為廣泛的應(yīng)用。文章結(jié)合監(jiān)控系統(tǒng)在實(shí)時(shí)性和可控性上的性能進(jìn)行關(guān)鍵技術(shù)研究，為類似技術(shù)提供參考。

關(guān)鍵詞：智能視頻監(jiān)控；關(guān)鍵技術(shù)；關(guān)鍵算法

0引言

移動(dòng)互聯(lián)網(wǎng)的飛速發(fā)展促進(jìn)了生活生產(chǎn)方式的飛躍，人們可以隨時(shí)隨地，透明地獲取數(shù)字化的服務(wù)，實(shí)現(xiàn)了信息空間與物理空間的融合。移動(dòng)視頻監(jiān)控采用了更新的技術(shù)，是計(jì)算機(jī)，移動(dòng)網(wǎng)絡(luò)，視頻編碼技術(shù)和視頻傳送器的結(jié)合。本文對(duì)移動(dòng)智能終端視頻監(jiān)控系統(tǒng)設(shè)計(jì)技術(shù)進(jìn)行介紹，以期為解決相關(guān)視頻監(jiān)控業(yè)務(wù)在移動(dòng)互聯(lián)網(wǎng)上傳輸?shù)膸捚款i。

1移動(dòng)智能視頻監(jiān)控系統(tǒng)關(guān)鍵技術(shù)

1.1智能視頻監(jiān)控算法框架

智能視頻監(jiān)控研究的主要內(nèi)容就是如何從原始視頻數(shù)據(jù)中提取出符合人類認(rèn)知的語義理解，即希望計(jì)算機(jī)能和人一樣自動(dòng)分析理解視頻數(shù)據(jù)。一般而言，智能視頻監(jiān)控對(duì)視頻圖像的處理可以分為以下3個(gè)層次（如圖1所示）。

1.2移動(dòng)智能視頻監(jiān)控系統(tǒng)的關(guān)鍵算法

1.2.1CENTRIST算法的具體計(jì)算步驟

（1）對(duì)待處理圖像進(jìn)行灰度化、平滑濾波濾波器為Sobel算子，可以看出濾波后能夠消除局部紋理特征并提取出基本的邊緣信息。

（2）根據(jù)步驟Step1所得圖像I像素問的大小關(guān)系構(gòu)造一個(gè)新的圖像I，只需要關(guān)注像素大小的關(guān)系，如式（1）所示。圖像I有2<8、32、38、96、64，則圖像I有0<1、2、3；同樣圖像I有8<96、64/8>2，則圖像I有1<2、3/1>0；所以圖像I和圖像I/有鄰域大小一致的關(guān)系。

1.2.2支持向量機(jī)分類算（SVM）

考慮一個(gè)用某特征空間的超平面對(duì)給定訓(xùn)練數(shù)據(jù)集作二值分類的問題。對(duì)于給定樣本點(diǎn)：

（3）

其中，向量x可能是從對(duì)象樣本集中抽取某些特征直接構(gòu)造的向量，也可能是原始向量通過某個(gè)核函數(shù)映射到核空間中的映射向量。在特征空間中構(gòu)造分割平面：

（4）

（5）

（6）

（7）

其中，a>0為Lagrange乘數(shù)。約束最優(yōu)化問題的解由Lagrange函數(shù)的鞍點(diǎn)決定，并且最優(yōu)化問題的解在鞍點(diǎn)處滿足對(duì)w和b的偏導(dǎo)為0，將該二次型規(guī)劃（QP）問題轉(zhuǎn)化為相應(yīng)的對(duì)偶問題，即：

（8）

（9）

（10）

（11）

（12）

（13）

（14）

（15）

（16）

（17）

由式（15）和式（16）可以得出，F(xiàn)CSVM算法將支持向量的個(gè)數(shù)從N個(gè)通過變換矩陣映射為m個(gè)，由此可以降低支持向量的維數(shù)。

2實(shí)驗(yàn)過程

在實(shí)際監(jiān)控預(yù)警中，如果對(duì)每一張圖都進(jìn)行描述符提取以及通過線性分類器判決是否包含行人，無疑浪費(fèi)運(yùn)算資源和存儲(chǔ)資源。本文將行人檢

（1）圖像采集以及參數(shù)設(shè)定。本算法中主要是設(shè)定用于運(yùn)動(dòng)檢測(cè)的計(jì)數(shù)器i；初始設(shè)置為0值。

（2）圖像預(yù)處理：包括色彩空間變換、去噪以及灰度化等。本算法檢測(cè)前需要對(duì)彩色視頻圖像進(jìn)行灰度化處理，并采用Gamma公式壓縮圖像大小。

（3）運(yùn)動(dòng)檢測(cè)：判斷視頻圖像中是否有運(yùn)動(dòng)物體闖入，為了防止由于亮度突變等環(huán)境變化影響判斷，需要連續(xù)多幀圖像檢測(cè)到運(yùn)動(dòng)目標(biāo)闖入才會(huì)進(jìn)行下一步行人檢測(cè)。此時(shí)需要將計(jì)數(shù)器i重新設(shè)置為0，以便于下次檢測(cè)重新開始計(jì)數(shù)。

（4）行人檢測(cè)：當(dāng)步驟3連續(xù)檢測(cè)出運(yùn)動(dòng)物體i值超過設(shè)定的閾值后，開始進(jìn)行行人檢測(cè)。主要通過提取當(dāng)前幀的CENTRIST描述符，并用已經(jīng)訓(xùn)練好的線性SVM分類器判決闖入的運(yùn)動(dòng)物體是否是行人。

3實(shí)驗(yàn)結(jié)果

本實(shí)驗(yàn)采用INRIA的標(biāo)準(zhǔn)行人數(shù)據(jù)庫，其包括一個(gè)訓(xùn)練庫和一個(gè)測(cè)試庫。其訓(xùn)練庫共包含2416個(gè)正樣本和3000多個(gè)負(fù)樣本；測(cè)試庫包含1126個(gè)正樣本。所有樣本的尺寸大小都為108×36個(gè)像素。測(cè)試集中包括各種不同光照條件、多種行走姿態(tài)、不同穿著和視角的行人。

首先使用INRIA庫訓(xùn)練出線性SVM分類器，并重新檢測(cè)圖像源圖像。對(duì)比實(shí)驗(yàn)結(jié)果可以發(fā)現(xiàn)，對(duì)于正常高度的行人以及遮擋不是很明顯的圖像CENTRIST+SVM檢測(cè)效果要明顯好于默認(rèn)樣本訓(xùn)練的。

4結(jié)語

綜上所述，智能化已成為視頻監(jiān)控發(fā)展的必然趨勢(shì)，并且受到越來越多的關(guān)注。移動(dòng)智能視頻監(jiān)控作為監(jiān)控技術(shù)發(fā)展的主要方向之一，結(jié)合網(wǎng)絡(luò)技術(shù)帶來新的變革，在不斷滿足市場(chǎng)競(jìng)爭的同時(shí)，趨向于一種理性思考，其正是以一種高姿態(tài)，高要求進(jìn)入我們的世界，具有廣泛的應(yīng)用前景。