基于高斯混合建模的扶梯扶手邊界區域越界檢測方法

王堅

（紹興市特種設備檢測院，浙江 紹興 312071）

目前自動扶梯在各大商場、地鐵站點、火車站、機場等人流量密集的地方都有應用，自動扶梯在給人們帶來極大便捷的同時，也會因為一些不當使用造成人們生命財產的損失。例如，當有人將手伸出扶手邊界或將上半身探出邊界時，如果前方有遮擋物，若不播放提醒語音或減慢扶梯運行速度，則乘客很可能與其發生碰撞，危害乘客人身安全，甚至導致后面的乘客跌倒、摔落，進而造成多米諾效應，引發更惡性的傷亡事件。因此，檢測扶梯扶手邊界區域越界事件，可以第一時間采取相應的語音和安保措施，避免發生悲劇。

1 方法介紹

本方法主要包括視頻圖像、ROI 四邊形頂點的輸入，ROI矩形區域圖像的獲取，ROI 四邊形區域模板的獲取，GMM 背景建模及運動前景的獲取，圖像后處理及判斷是否達到越界條件的步驟，其流程圖如圖1。

圖1 越界檢測方法流程圖

1.1 輸入視頻圖像及ROI 四邊形頂點

從扶梯正前方采集扶梯運行視頻圖像，輸入的ROI 四邊形頂點如下圖2（1）所示，ROI 四邊形、ROI 矩形區域如圖2（2）所示。

其中，圖2（1）中標注的1-4 個紅色頂點即為輸入的ROI 四邊形頂點，圖2（2）中，紅色四邊形為根據輸入的頂點畫出的ROI 四邊形區域，綠色矩形為根據輸入頂點計算出的ROI 矩形區域。

1.2 獲取ROI 矩形區域圖像

根據輸入的四邊形的頂點，找到其中最小的x 坐標值min_x 和y 坐標值min_y，最大的x 坐標值max_x 和y 坐標值max_y，從而獲得ROI 矩形區域，為了方便獲取后續ROI 四邊形區域模板，將ROI 矩形區域向外擴充一個像素, 再從源圖像中獲取ROI 矩形區域的子圖像，如圖2(3) 圖像所示。

圖2 從左至右，（a）輸入的ROI 四邊形頂點，（b）ROI 四邊形、ROI 矩形區域，（c）ROI 矩形區域圖像，（d）ROI 四邊形區域模板。

圖2

1.3 獲取ROI 四邊形區域模板

為了獲取ROI 四邊形區域模板，提出了一種針對四邊形的快速掃描線填充方法來填充ROI 四邊形區域，該方法消耗的內存和cpu 資源少，空間復雜度低，不需要構建復雜的數據結構，時間復雜度小，算法只需要遍歷一遍ROI 區域即可完成填充。而傳統的有序邊表掃描線填充法的空間復雜度較高，需要建立邊表（ET），活性邊表（AET）等數據結構，同時時間復雜度也較高，需要求掃描線與多邊形各邊的交點，涉及浮點數運算，比較耗時，還要對交點進行排序、交點匹配及區間填充等步驟，增加了運算耗時。

1.3.1 畫ROI 四邊形

將輸入四邊形頂點，按順序兩兩畫直線，從而圍成封閉的ROI 四邊形。畫直線時采用Bresenham 算法[4]，該算法運行速度快，不需要進行浮點數運算。假設直線的斜率k＞0，直線在第一象限，Bresenham 算法原理如下：

（1）畫起點(x1,y1)

（2）準備畫下一個點，x 坐標加1，判斷如果達到終點，則完成。否則找下一個點，要么為當前點的右鄰接點，要么是當前點的右上鄰接點。將這兩個點到直線上那個點的距離相減，判斷其正負，如果下邊的點到直線實際點距離遠,則Δd=d1-d2＞=0,那么取上邊的點y1+1,因此可以直接根據Δd的符號來判斷選取下一個點，Δd 的計算規則如下：

①Δd 的初始值為Δd=2dy-dx

②當Δd＜0 時Δd=Δd+2dy

③當Δd＞=0 時Δd=Δd+2dy-2dx

（3）畫點

（4）跳回步驟b

（5）結束

1.3.2 填充ROI 四邊形

針對四邊形填充，本文提出了一種快速掃描線填充算法，填充后的流程圖如圖3 所示，具體步驟如下：

（1）按行掃描ROI 矩形區域。

（2）使用兩個變量記錄當前像素值cur_val 和前一個像素值pre_val，以及一個狀態變量change_state 來判斷何時開始和結束填充。

（3）若cur_val 為0，pre_val 不為0，則change_state 增加1。若change_state 為1 時，將當前像素值設置為255，同時，保存開始填充時的x 坐標值xs。若change_state 為2 時，則停止該行掃描填充。

（4）若此時change_state 為1，則說明掃描線與四邊形只有一個交點，需要將之前填充的像素回溯至xs,將像素值設置為0。

（5）掃描至整個ROI 區域結束。

1.4 GMM 背景建模獲取運動前景

采用GMM（混合高斯建模）方法，對ROI 矩形區域建立灰度圖像背景圖，然后用當前幀減去背景圖像，獲得差分圖像，選取合適的閾值，對差分圖像進行二值化，得到二值圖，即運動前景圖。其中，混合高斯背景建模的流程如下：

（1）為灰度圖像的每個像素點指定一個初始的均值、標準差以及權重。

（2）收集N（一般取200 以上，否則很難得到像樣的結果）幀圖像利用在線EM 算法得到每個像素點的均值、標準差以及權重。

（3）從N+1 幀開始檢測，檢測的方法：

對每個像素點：

圖3 快速掃描線填充算法流程圖

（4）更新背景圖像，用在線EM 算法。

1.5 圖像后處理

利用形態學操作對運動前景圖進行后處理。先對其進行腐蝕操作，去除噪聲點，再對其進行膨脹處理，補償原有的前景部分，獲得最終的ROI 區域的運動前景圖。

1.6 判斷是否達到越界條件

遍歷最終的ROI 區域的運動前景二值圖像，若當前像素為255，同時ROI 四邊形模板對應位置像素值為255，則模板內的前景數mask_fg_count 增加1，為了統計ROI 四邊形模板內的像素數mask_count，只要ROI 四邊形模板圖像對應位置像素值為255，mask_count 增加1。然后計算mask_fg_count/mask_count,即為ROI 四邊形模板內前景比例fg_ratio，當fg_ratio 大于設定閾值時，記錄其持續的時間continue_time。

若當前幀ROI 四邊形模板內前景比例fg_ratio 大于設定閾值，同時持續的時間continue_time 大于設定閾值，則斷定發生了越界。

2 實驗結果

本文實驗對象為某商場的扶梯實時監控視頻，在vs2013上實現。下面分別是使用本文提出的算法后檢測的結果。其中圖4 為有人越界的視頻監控中某一幀圖像，圖5 中分別為獲取的ROI 矩形區域圖像、ROI 四邊形區域模板及通過GMM建模提取的運動前景，由于該視頻中ROI 四邊形模板內前景比例大于設定閾值，同時持續的時間大于設定閾值，故發生了越界告警。圖5 中(1)ROI 矩形區域圖像，(2)ROI 四邊形區域模板的某一幀圖像，(3)GMM 建模提取的運動前景。

圖4 實時監控視頻中

圖5

3 結語

基于高斯混合建模的扶梯扶手邊界區域越界檢測方法，可以及時檢測出扶梯運行過程中有人或物體發生越界的情況。該方法消耗的內存和cpu 資源少，空間復雜度低，時間復雜度小，在自動扶梯安全技術領域有著現實意義。