室內視頻監控中獨居老人異常行為研究

魏華良 王金祥（通訊作者） 延邊大學工學院計算機科學與技術學科

1 研究目的及內容

隨著社會的進步與發展，對獨居老人的異常行為檢測非常有必要，本文針對室內固定攝像頭采集的視頻圖像運用三幀差與背景差結合的方法，進行運動檢測跟蹤分析，對老人運動行為的不同情況做出判斷，對異常的行為做出告警。

2 背景模型建立與更新

背景差分方法是對圖像背景進行更新和建立的過程，因此背景圖像的準確性將影響到運動目標檢測的效果。本文使用Surendra 算法更新背景。

2.1 Surendra 算法的基本原理

因為前后兩幅圖像之間存在差異，然后判斷通過幀差法得到的圖像中的像素點，當像素點高于閾值時判斷該點為運動區域的前景，當像素點低于閾值時判斷該點為靜止的背景。算法步驟如下：

步驟1：建立背景初始圖像，一般選取視頻中第一幀圖像作為初始的背景圖像。

步驟2：幀差法獲得前景圖像，并進行閾值處理獲得二值圖像。

步驟3：通過二值圖像來更新背景圖像。

實驗證明當背景圖像的更新速率約等于0.1 時背景更新效果為最佳。

2.2 無運動目標時的背景更新

當檢測到無運動目標時則以當前幀為背景圖像。即當前景圖像經過圖像處理后得到像素點全為0 的圖像時，則更新背景使用當前幀作為背景圖像。

3 運動目標檢測及行為識別

3.1 運動目標的檢測

建立好背景模型后，就可以對目標進行檢測。本文將采用三幀差法與背景差法相結合的方法進行運動目標檢測。三幀差可以很好的反映出目標的運動情況。但是如果目標沒有運動，三幀差法就并不能很好的跟蹤目標，而此時背景差法則可以彌補三幀差法的不足之處，同時三幀差法又可以彌補背景差法因前景像素值和背景像素值相近而產生的誤差。兩種方法結合才可以準確的檢測到運動目標。

3.2 運動目標的異常行為識別與告警

本文將根據形狀特征、中心下降速率以及維持一鐘狀態的時間三個因素來對運動目標的異常行為進行識別與告警。

對于形狀特征最簡單的方法就是找目標的外接矩形，提取外接矩形的方法是：通過查找經過檢測后的并且經過去噪處理的運動目標前景圖像中的像素點來提取。在提取完外接矩形后，根據外接矩形長寬比來判斷出運動目標的狀態，以及姿勢等。

關于中心的下降速率的檢測，只需要考察y 軸方向上的中心變化。本文取運動目標的外接矩形的中心作為人體的中心。選擇一定時間間隔t 的前后兩幀圖像Ft、Ft-1作為檢測圖像，當Ft(x,y) - Ft-1(x,y)的值大于閾值K 時，則判定為危險因素，即有可能處于摔倒狀態。

結合上述兩種方法的檢測，其中當長寬比θ維持一種狀態所用時間t 不超過時間閾值ΔT 下限時，認定其為safety 級別，當t 超過時間閾值ΔT上限時，可將站立、蹲坐和躺臥三種狀態給予不同級別告警。當長寬比θ維持一種狀態在時間閾值ΔT 之內時，則依據中心下降速率來判斷異常行為級別。

表1 不同狀況的警報級別

4 實驗分析與結論

4.1 模擬監控系統測試結果如下分三個等級：

直立行走狀態 下蹲或預摔倒狀態 摔倒或跌倒狀態

4.2 實際應用：

通過實驗結果表明，該系統實用性強，對于關鍵的異常行為如：摔倒等。檢測準確率高,且抗干擾能力強。