視頻監控系統中異常行為檢測與識別

董春陽

中煤科工集團重慶研究院有限公司 重慶 400000

隨著社會的進步與科學技術的不斷發展，國民生活質量也在不斷的提升。室內外視頻監控越來越多，而應用過去人為視頻監督方法進行異常行為檢測，經常性會由于人們的疏忽及疲勞或信息本身的復雜性，導致視頻監控任務效益比較低，而且監控任務重，工作壓力比較大，而智能視頻監控系統能夠自動對異常行為進行檢測，視頻智能監控系統的發展有利于公共秩序的維護，有利于有效保障公共安全，所以要做出視頻監控系統中異常行為檢測與識別，不斷提升視頻監控系統中異常行為檢測與識別效益。

1 視頻監控系統中異常行為檢測的相關概述

攝像傳輸、控制、顯示、記錄登記是監控系統的五大組成成分，攝像機通過同軸視頻電纜、網線光纖進行實時情況到控制主機的轉入，控制主機再將視頻信號分配到各監控器及錄像設備，同時將需要傳輸的語音信號同步錄入到錄像機內，通過控制主機，操作人員發出指令，對云臺的上下左右的動作進行控制及對鏡頭進行調焦變倍的操作，實現多路攝像機及云臺之間的切換，并通過特殊的錄像處理模式，可對圖像進行錄入、回放、處理等操作。監控系統是對重要場所進行實時監控的重要物理基礎，能夠實現對重點部門與重點場所的有效監控，在監控系統中能夠得到處理突發異常事件的有效資料，再依據這些資料進行及時、高效的指揮、繼而布置警力、處理案件等，其在各行各業都有非常廣泛的應用。在視頻監控系統異常檢測過程中，首先要確定什么是異常的行為或現象，在不同視頻中對異常也有著不同的定義，多數是由視頻內容的異常而定義，一般來說，在視頻場景中的小概率事件都能夠稱之為異常行為或者是異常問題。其中全局異常與局部異常是異常的兩種通常狀態，全局異常是指從某一幀開始，整個場景的群體行為都是異常的；而局部異常狀態是指視頻中某一個區域中的個體行為較之鄰近人群或場景是異常的，通過視頻異常檢測從大量的視頻中高效的檢測異常情況，進而有效維護公共安全。監控視頻系統中異常檢測一般有三個步驟，首先需要對視頻序列進行一個情景分割和提取處理，檢測出運動的目標，在進行特征的提取和篩選，將特征的提取和篩選作為基本事件，最后對異常事件進行比較準確的識別及定位。

2 前情提取和運動目標檢測的有關分析

絕大多數情況下監控視頻中的異常情況都為運動的物體或運動的目標，但在視頻中大面積的背景或是靜止的物體會讓異常檢測運算過程變得非常復雜，異常檢測難度非常大。與此同時，視頻監控系統異常檢測還會受大量的噪聲及冗雜信息的影響，讓特征提取、行為表示非常的困難，進而極大地降低了視頻監控系統中異常檢測的效益及質量，所以對運動目標檢測是智能異常檢測系統中非常重要的內容。運動目標檢測方法主要有有偵間差分法、背景減除法以及光流法，偵差法主要通過相鄰幀之間的差分判定對應像素的灰度值的變化，來檢測運動的目標。背景減除法指的是通過背景建模的方式獲得背景模型，再借助每幀圖像與背景模型圖形的對比分析得到結果。其中光流法是常用的運動目標檢測方法，基本原理是對空間物體表面上的點在視覺傳感器上的表觀運動進行觀測。

3 特征提取和行為表現的研究分析

在視頻監控系統中的異常檢測研究過程中，許多專家學者對特征的提取及行為表示提出過各類意見，其中對合適特征的高效提取是最為主要的一種方式，對正常與異常行為的及時準確鑒別具有重要意義。特征提取一般可以分為借助手動設計的方式提取人工設計特征以及通過對原始視頻幀的直接學習得到深度特征。這兩種方式都是基于生物設計理論，主要區別是特征提取的方式，第一種是模仿人類視覺框架進行設計，而第二種是對數據本身的規律進行學習探究。

4 視頻監控系統中異常行為檢測技術分析

4.1 運動目標檢測技術

運動目標檢測主要是指在視頻序列中把運動目標從背景中準確、有效地提取出來，得到目標的整體區域或者能過，這是目標跟蹤及行為分析非常重要的基礎，現階段視頻監控系統中運動目標的檢測方法主要有偵間差分法、背景差分法、基于特征的分法以及光流法。偵間差分法受場景變化的影響比較小，而且能夠非常迅速的從背景中分離出運動目標的區域，而且能夠適用各種復雜的環境，但是其很容易受運動目標的影響。背景差分法對運動目標區域的提取十分的快速與完整，但其受光照條件的變化影響比較大。基于特征的方法具有非常大的靈活性，而且具有很高的識別率，但在不同場合識別方法會不同，普遍適用范圍比較小。

4.2 目標跟蹤檢測技術

視頻監控系統中異常檢測的目標跟蹤主要是確定目標在每幀圖像的出現位置，進而能夠得到運動目標的時序運動軌跡，而根據運動目標的表達以及相似性度量，目標跟蹤檢測技術的內容包括這四類：其一是基于主動輪廓的跟蹤、其二是基于特征的跟蹤、其三是基于區域的跟蹤、其四是基于模型的跟蹤。

5 結語

總之，現代化信息技術的不斷發展，網絡化、智能化是視頻監控系統發展的重要趨勢，較之普通的視頻監控系統，智能視頻監控系統具備非常強的圖像處理能力及智能分析能力，其有著更好的應用效果，要重視視頻監控系統的異常行為的檢測及識別，不斷提升視頻監控系統的檢測效益。