基于灰度和梯度的視頻異常檢測

金小雪 廖念慈 王懷志 韓津 畢延冰

【摘 要】視頻異常檢測系統是近年來國際研究的重點課題之一。論文介紹了視頻異常檢測技術的發展前景并提出了一種基于灰度和梯度的視頻異常檢測方案，通過實驗驗證了該算法的實行效率和穩定性。

【Abstract】The video anomaly detection system is one of the key subjects of international research in recent years. The development prospect of video anomaly detection technology is introduced in this paper and a kind of video anomaly detection scheme based on gray level and gradient is put forward， and the implement efficiency and stability of the algorithm is verified by experiment.

【關鍵詞】視頻異常檢測；灰度直方圖；梯度；對比度

【Keywords】video abnormal detection； gray scale histogram； gradient； contrast

【中圖分類號】TP39 【文獻標志碼】A 【文章編號】1673-1069（2017）11-0187-03

1 引言

隨著經濟的飛速發展，社會的安全領域對視頻異常檢測系統的要求日益增多。人們的安全防護意識也逐步強化，從公共安全到企業安全再到家庭用戶安全，視頻監控系統已經用于各種領域和場合。這就要求對攝像頭的清晰度有著更高的要求，因此，目前所研究出的算法也越來越復雜，其中主要算法有自動聚焦算法、自動白平衡算法、自動曝光算法、寬動態算法等。這些算法不僅能夠使圖像更加清晰靚麗，也能夠更好的適用于曝光度過強或者過弱等不理想場景。但用戶可能不方便對畫面實時監控，這是由于以往的視頻監控系統只能夠完成圖像的傳輸和儲存。因此，傳統的視頻監控系統只能通過專人職守的方式來對畫面進行實時監控，以便及時發現突發情況。而視頻異常檢測系統就克服了視頻監控的弊端，它能實時對視頻中的物體進行智能化的識別和監控，能夠在攝像頭前的畫面出現異常狀況下，完成報警，對社會治安保障起到巨大的作用[1]。論文提出了一種有效的視頻異常檢測方法。

2 研究方案

基于灰度和梯度的視頻異常檢測中心思想是對比每幀圖像的灰度直方圖，若得到參數超過預定值，則判定視頻異常[1]。

基于灰度和梯度的視頻異常檢測的算法主要由灰度全局直方圖和歸一化分塊灰度直方圖組成。該算法主要由三部分流程構成：

①取一定幀數的正常圖像作為背景模型。獲取每一幀的視頻圖像，并對圖像進行灰度化處理。

②獲取圖片的灰度信息，并繪制灰度直方圖。

③將得到的信息與其背景模型相關信息進行比較，若超過臨界值則可判定該幀圖片發生異常。當連續多幀圖片異常時，系統判定攝像頭異常并發出警報。

可以按照加權的方法來將彩色圖象的灰度轉化為黑白圖像后的像素值（是一種廣義的提法），通常，我們將R，G，B的比設為3：6：1。

任何顏色都有紅、綠、藍三原色組成，假如原來某點的顏色為RGB（R，G，B），那么，可以通過下面幾種方法，將其轉換為灰度：

浮點算法：Gray=R*0.3+G*0.59+B*0.11；

整數方法：Gray=（R*30+G*59+B*11）/100；

移位方法：Gray =（R*28+G*151+B*77）>>8；

平均值法：Gray=（R+G+B）/3；

僅取灰度：Gray=G；

其中分別表示某像素的紅，綠，藍三種分量。求得Gray后，將原來的RGB（R，G，B）中的R，G，B統一用Gray替換，形成新的顏色RGB（Gray，Gray，Gray），用它替換原來的RGB（R，G，B）就是灰度圖[2]。

2.1 灰度全局直方圖

將一幅圖片中不同灰度級像素的個數值來繪制灰度直方圖，灰度直方圖直觀地反映了不同灰度級出現的概率。當攝像頭被遮擋、移動或者失焦等情況時，圖片的亮度會隨之發生變化，這也導致圖像的灰度級發生變化，以此需要獲取圖像正常情況下的背景模型和每幀圖像的灰度直方圖[2]。

其所涉及的程序反映了全局灰度差異及分塊灰度差異，除此之外，后續的一些程序反映了全局色度差異等。因此，對于獲取的新一幀的歸一化全局灰度直方圖，要采用直方圖內插相似度函數來計算它與背景模型的歸一化全局灰度直方圖的匹配不似度（即差異），利用此種方法，可以獲取監控畫面與背景模型的全局灰度差異[5]。

這里注意，首先要將圖片轉化為RGB格式，然后在進行其灰度化轉換。

MyYuanLaiPic=imread（'e：/image/matlab/darkMouse.jpg'）；%讀取RGB格式的圖像。

MyFirstGrayPic=rgb2gray（MyYuanLaiPic）；%用已有的函數進行RGB到灰度圖像的轉換[3]。

全局灰度直方圖在攝像頭異常檢測系統中有著重要的作用，當攝像頭遭遇干擾時，一般來說，全局直方圖會發生比較明顯的變化，并且全局直方圖對攝像機微晃具有一定的魯棒性，也就是說，當攝像機發生微晃時，全局直方圖分布的變化不大，這可以有效避免一些誤報現象的發生。

2.2 歸一化分塊灰度直方圖

全局灰度直方圖已經能對圖片灰度的變化進行很好的判斷，但是當攝像機視場內出現較大的運動物體時，運動物體同樣會引起全局直方圖分布變化，這就會引起誤報現象，因此，為了避免這種誤報現象，需要引入分塊直方圖以及相似匹配來解決這一問題。為了抵消不同數量的綱對結果的影響，在聚類分析中經常會用到歸一化算法[4]。基本上歸一化思想是利用圖像的不變矩尋找一組參數使其能夠消除其他變換函數對圖像變換的影響。也就是轉換成唯一的標準形式以抵抗仿射變換。

對圖像使用歸一化算法，可以找出圖像中的那些固定量，從而得知這些圖像原本就是一樣的或者一個系列的。

使用matlab編輯歸一化函數方法如下：

[y，ps]=mapminmax（x，ymin，ymax），x是目標歸一化的矩陣，ymin，ymax分別是目標歸一化的區間，如想要把數據歸一化到[0，10]之間，則ymin=0，ymax=10，默認是[-10，10]，此函數歸一化是按行進行的，即選取一行中的最大值xmax和最小值xmin按公式y=（ymax-ymin）*（x-xmin）/（xmax-xmin）+ymin；；計算得出一行中的各個歸一化后的數據并記錄。

此程序反映了歸一化灰度直方圖以及在此基礎上的歸一化分塊灰度直方圖；通過分塊灰度直方圖匹配與全局灰度直方圖匹配相結合，可以有效識別攝像機是否遭遇干擾，同時可以排除很多不必要的誤檢。

3 結果及分析

當攝像頭被移動時，攝像頭顯示異常的前后圖像如上圖所示。圖1中左上角為圖像的幀數和狀態。視頻在500幀以前是正常的監控畫面，在500幀以后則是攝像頭被移動了后的監控畫面。在最初的幾幀內，移動比較緩慢，畫面變化并不明顯，通過第503幀與522幀的對比可以發現攝像頭發生了明顯的移動。從第544幀開始，系統判斷視頻異常并發出報警。

通過MATLAB編入算法得到的攝像頭被移動時視頻的灰度直方圖如圖2所示。

由上述實驗結果，可以看出該系統可以適用于檢測攝像頭的各種異常情況并發出報警，證明了該系統的可行性。

4 結語

論文提出的視頻異常檢測方法是通過當攝像頭被移動等情況時，利用灰度直方圖的前后對比度變化來判斷監控畫面是否發生異常從而進行攝像頭的異常判斷。其次，將圖像分塊，再統計分塊歸一化直方圖，以此來防止系統對監控畫面中人物移動等情況產生誤報現象。經實驗得證，這種方法可有效降低誤報率，使系統更精準。經多次實驗驗證，

相比較其他的視頻異常檢測算法，該算法有諸多優點，且應用范圍很廣，可有效檢測出攝像頭異常的諸多情況，并發出警報，能有效滿足系統實時性的要求，而且該算法的復雜度更低。

【參考文獻】

【1】劉倩男.基于視頻的人群異常檢測方法研究[D].重慶：重慶大學，2016.

【2】朱建章.復雜場景下實時視覺目標跟蹤的若干研究[D].武漢：武漢大學，2014.

【3】王珩，陳淑榮.一種視頻監控圖像條紋噪聲的快速檢測方法[J].微型機與應用，2011，30（17）：36-39.

【4】丁云，徐振明.基于TAPI的電話應用系統開發和研究[J].成都信息工程學院學報，2007，22（6）：L702-709.

【5】莊自超.面向視頻監控的視頻質量檢測系統的設計與開發[D].武漢：華中師范大學，2010.