視頻圖像目標檢測技術在庫區巡檢中的應用

摘 要：目前，盡管采用無人機巡檢，航電樞紐庫區非法捕撈現象依然嚴重。庫區管理人員無法對非法捕撈人員取證。為了解決這一問題，本文提出將視頻圖像目標檢測技術應用到無人機庫區巡檢中，對無人機采集的圖像進行處理，獲得證據。首先，估計初始化背景圖像；其次，采用色度相似性估計的方法將圖像背景與前景運動目標更清晰分割；最后，為了抑制背景噪聲，采用雙閾值法判別前景和背景，從而提取運動目標，鎖定證據。通過在兩個無人機庫區巡檢采集的視頻中試驗，該算法能夠實現目標分割。目標檢測技術可以很好地應用在無人機庫區巡檢中，配合管理人員取證。

關鍵詞：信息技術；非法捕撈取證；目標檢測；視頻圖像；巡檢

中圖分類號：TP391.41；U268.6 文獻標識碼：A文章編號：2096-4706（2018）01-0024-03

The Application of Video Image Target Detection Technology in the Inspection

of the Reservoir Area

WANG Junwen，AN Xiaogang，CHENG Weiping

（China Waterborne Transport Research Institute，Beijing 100088，China）

Abstract：At present， despite the use of unmanned aerial vehicle inspection，navigation and hydropower reservoir area illegal fishing phenomenon is still serious. The manager of the reservoir area was unable to obtain evidence of illegal fishing personnel. In order to solve this problem，the video image target detection technology is applied to the UAV reservoir area inspection，and the images collected from UAV are processed to get evidence. First，estimate to initialize the background image； secondly，using the colorimetric method of the similarity estimation of target image background and foreground segmentation more clearly； finally，in order to suppress the background noise，distinguishing foreground and background by using the dual threshold method to extract the moving target locking evidence. The algorithm can achieve target segmentation by testing the video captured in two unmanned aerial vehicles （UAV） area. The target detection technology can be well applied to the inspection of the UAV reservoir area，and can be used with the managers to obtain evidence.

Keywords：information technology；illegal fishing evidence；target detection；video image；inspection

0 引 言

進入21世紀以來，我國交通運輸部為了加快內河水運發展，積極的在山區河流航運樞紐同步建設水電站，規劃江河流域的航道建設航運樞紐。為此，為了建造一個優越的發展環境，內河航運樞紐管理部門加快對庫區的信息化管理。但是，庫區非法捕撈現象嚴重[1]，電廠入水口和泄洪閘下游的水流條件復雜，非法捕撈漁船存在風險較大，不但對非法捕撈人員自身造成傷害，而且影響電廠的正常運行。由于庫區比較大，巡航面積大，無人機續航能力有限，傳統的無人機巡航的方法是：由操作員操縱飛行，采集視頻信息，最終通過肉眼觀看視頻查找異常現象。傳統的無人機巡航存在的問題有兩點：（1）非法捕撈漁民看見無人機巡航，會遠遠的避開它，從而導致無人機很難抓拍非法捕撈人員的身軀外形和面部；（2）從視頻中人工肉眼查找異常現象，不但消耗人力成本和時間成本，而且可能會漏查。

隨著科技和經濟水平的發展，智能視頻監控技術也日益成熟，智能視頻監控技術可以實現在盡可能較少或完全脫離人為干預的條件下，利用計算機實現監控智能。而圖像檢測技術是智能視頻監控技術的核心技術。為了減少人力和時間成本，為了準確對非法捕撈人員取證，本文結合庫區巡航對智能化的需求，利用無人機采集圖像技術研究適合庫區巡航的運動目標檢測方法。

1 目標檢測方法相關研究

運動目標檢測就是針對視頻序列采用適當的技術把視頻里的運動目標與背景分割開來的過程。一般的運動目標檢測方法分為基于特征分類的目標檢測和基于圖像差分的目標檢測。基于特征分類的目標檢測方法[2，3]的主要思想是建立目標類的正負樣本集，提取特征，構造特征樣本集合，利用魯邦的分類算法進行監督學習，從而得到目標檢測分類器，利用已有的分類器，對視頻中的每幅圖像可能包含目標的區域進行分類預測，從而檢測出目標。該方法的特點是：要求甄別度高的目標特征，要求魯邦的分類器，特征向量維數高，計算時間復雜度高。

基于圖像差分的目標檢測方法[4-6]主要分兩類：（1）時域差分，通過對選取圖像序列中的兩幀或多幀圖像執行像素差分處理。代表算法是幀間差分法；（2）空域差分，是對時域差分的改進，結合時域差分方法，通過建立像素的背景模型，利用當前圖像與所提取的背景圖像進行差分。代表算法是背景差分法。基于圖像差分的目標檢測方法特點是：處理速度快，受光照等噪聲影響大。

2 運動目標檢測算法實現

本文提出采用運動目標圖像檢測技術對庫區非法捕撈船只和人員進行監控和取證。視頻中運動目標檢測判斷運動目標原則是：被檢測的目標大小、目標顯著性、目標運動狀態。首先，被檢測的目標在視頻序列中必須足夠大；其次，目標在圖像中必須是一個顯著的前景目標；最后，目標在視頻中呈現運動狀態。

與以上原則相呼應，第一、庫區管理人員一般對事件多發區域巡航，執行任務時有目的的對某一區域巡航，因此無人機采集圖像離非法船只相離不遠，船只在圖像中大小可以保證；第二、船只的外形和顏色在水面上呈現顯著性；第三、無人機時刻在動，無論船只是否運動都在視頻中呈現運動狀態。

結合無人機庫區巡航特點：（1）庫區需要及時發現非法捕撈船只，對目標檢測的實時性要求高；（2）非法捕撈船只的外形多樣化，不容易構建特征樣本集合與分類器；（3）船只所處的背景大部分是水面，噪聲小。結合最近的關于運動目標檢測的文章，本文采用時域背景差分法檢測運動目標，用歷史圖像序列統計背景模型，每更新一幀圖像就更新一次背景模型的方法。

2.1 初始估計背景

為了估計運動目標的位置，我們需要損失一幀序列或多幀序列的圖像，首先把視頻序列的第一幀圖像的所有像素點作為背景候選點。圖像每一幀用f表示，圖像序列的坐標用（i，j）表示。初始化的背景模型是采用一個簡單的模型，我們將每一個像素歸一化為浮點型。那么初始的背景模型為：

2.2 色度相似性估計

色度是區分前景與背景的主要特征之一，色度差異大可以反映目標在背景中的顯著性更明顯。在視頻中，運動目標的移動就是某一區域的色度在發生變化。本文根據當前序列圖像的每個像素點與背景模型中相對應位置的像素點的色度值的距離來估計色度的相似性，作為判決像素移動變化的標準，從而可以有效抑制背景噪聲，預估更清晰的前景運動目標。本文采用歐幾里得距離來衡量兩幅圖像之間的色度距離矩陣D：

由于高閾值掩膜圖像Ht具有較少噪聲的前景點，因此，Ht中像素值為1的點的集合作為運動目標的候選區域。由于候選區域中依然存在未被抑制的背景噪聲，通過采用形態學運算刪除孤點噪聲和連通密集但未連結的前景點。通過查找連通域，從而確定被檢測的目標。完整的過程見圖1。

3 實驗與分析

為了驗證運動目標檢測技術能否滿足庫區智能巡航的需求，本文采用無人機在庫區飛行采集的圖像集作為測試視頻，共有兩個視頻段，名稱分別為V1和V2，視頻的分辨率均為1920×1080。

實驗運行的環境如下：軟件環境：Microsoft Visual Studio 2013+opencv2.49。硬件環境：處理器：Intel? Core? i5-3320M CPU @ 2.60GHz；內存：4GB。每檢測1幀圖像平均算法耗時100ms。檢測結果如表1所示，該方法能夠準確的從圖像中分割出船只，并將船只從圖像中提取，從而達到捕捉目標，取證目標的效果。另外，在V1部分，第二行圖像中目標丟失，但經過數幀，目標出現后依然可以檢測到目標；在V2部分，第二行圖像結果表明，當目標出現在圖像中不完整時，依然可以找到目標的局部部位。因此，不管運動目標丟失或只有局部區域進入攝像區域，仍然可以鎖定目標。

綜合以上實驗結果和分析，說明運動目標檢測技術能夠應用在無人機庫區巡航技術中，能夠達到非法捕撈取證的目的。

4 結 論

通過利用運動目標檢測技術，對無人機在庫區巡檢中采集的圖像進行分析，可以實時的檢測運動目標，方便準確快速的對目標進行取證。（1）有助于降低人力和時間成本。不用再與非法捕撈人員打“麻雀戰”，不再需要庫區管理人員駕駛船只驅趕；（2）有助于加強管理。通過取證，可以通知相關執法機構對非法捕撈人員進行依法管理；（3）有助于減少安全隱患。及早取證，可以避免延誤上報安全隱患，降低安全事故的發生概率，保障庫區正常作業和安全運行。

參考文獻：

[1] 程為平，安小剛，王俊文.基于大頂子山庫區無人機庫區巡航應用方案研究 [J].科技資訊，2017，15（1）：11.

[2] Felzenszwalb P F，Girshick R B，Mcallester D，et al. Object detection with discriminatively trained part-based models[J].Computer，2014，47（2）：6-7.

[3] Girshick R，Donahue J，Darrell T，et al. Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation [J]. 2013：580-587.

[4] Huang H，Li S，Tang K，et al. Accurate segmentation of moving objects and their shadows via brightness ratios and movement patterns [C]// Intelligent Vehicles Symposium Proceedings. IEEE，2014：820-826.

[5] Cucchiara R，Grana C，Piccardi M，et al. Detecting objects，shadows and ghosts in video streams by exploiting color and motion information [C]// International Conference on Image Analysis and Processing，2001. Proceedings. IEEE，2001：360-365.

[6] Kyungnam Kim，Thanarat H. Chalidabhongse，David Harwood. Real-time foreground-background segmentation using codebook model [J].Real-Time Imaging，2005，11（3）：172-185.

作者簡介：王俊文（1990-），男，河南方城人。研究方向：港口、航電樞紐工程中的圖像檢測與識別。