基于計算機智能視頻監控系統技術分析

摘要：本文重點對用于計算機智能視頻監控分析的運動目標檢測方法進行研究，同時對目標跟蹤方法進行了相關闡述，希望能夠對日后的計算機智能視頻監控系統的分析和研究工作提供一定的理論支持和借鑒。

關鍵詞：計算機智能視頻監控；運動目標檢測方法；目標跟蹤方法

中圖分類號：TP311 文獻標識碼：A 文章編號：1674-7712 (2012) 10-0104-01

隨著人工智能技術日新月異的發展，基于人工智能的計算機視覺技術也得到了廣泛的推廣和應用，成為計算機智能領域一個重要的發展方向。到目前為止，計算機視覺技術已經過20余年的發展，其在社會人文，軍事技術及工業生產領域得到了廣泛的應用，并以其獨具特色的技術優勢逐漸形成了一門具有一定先進理論支撐的獨立學科。其中，著名學者Marr提出的視覺計算理論已成為計算機智能視頻監控領域的主導思想，為大多數該領域內的研究人員所接受。從廣義上講，計算機視覺技術的實質就是實現對在復雜環境中運動物體的幾何尺寸、形狀及相關運動狀態的識別和認知，即把實際空間中的三維對象轉換為計算機視覺系統識別的二維圖像。近年來，計算機視覺技術以其迅猛的發展態勢及成熟的應用技術成為了業界的新寵，并得到了廣泛的應用，取得了矚目的成績。

一、運動目標檢測方法分析

（一）運動目標在靜止背景條件下的檢測分析

1.差分檢測法

將同一背景不同時刻兩幅圖像進行比較，可以反映出一個運動物體在此背景下運動的結果，比較簡單的一種方法是將兩圖像做“差分”或“相減”運算，從相減后的圖像中，很容易發現運動物體的信息。在相減后的圖像中，灰度不發生變化的部分被減掉，則前區為正，后區為負，其他部分為零。由于減出的部分可以大致確定運動目標在圖像上的位置，使用相關法時就可以縮小搜索范圍。

2.自適應運動檢測方法

當兩幀圖像的背景圖像起伏較大時，簡單的差分法難以得到滿意的解。此時可以考慮用自適應背景對消的方法，該方法可以在低信雜比的情況下壓制背景雜波和噪聲，檢測出非穩態圖像信息。在背景雜波較大時，常用的門限分割不能分出這種運動目標。在圖像序列中，每一個像素點的灰度值都是這一點所對應傳感器的輸出信號值與噪聲值的疊加，因此，如何克服噪聲的影響確定一個最佳門限將目標與背景分離，就成為弱小目標檢測的一個重要環節。

（二）目標在運動背景條件下的檢測方法分析

塊匹配法是目標在運動背景條件下的主要檢測方法。基于塊的運動分析在圖像運動估計和其他圖像處理和分析中得到了廣泛的應用，比如說在數字視頻壓縮技術中，國際標準MPEG1-2采用了基于塊的運動分析和補償算法。塊運動估計與光流計算不同，它無需計算每一個像素的運動，而只是計算由若干像素組成的像素塊的運動，對于許多圖像分析和估計應用來說，塊運動分析是一種很好的近似。這里主要介紹塊匹配方法。塊匹配方法實質上是在圖像序列中做一種相鄰幀間的位置對應人物。它首先選取一個圖像塊，然后假設塊內的所有像素做相同的運動，以此來跟蹤相鄰幀間的對應位置。各種塊匹配算法的差異主要體現在：匹配準則、搜索策略及塊尺寸選擇方法上。

1.匹配準則

典型的匹配準則有：最大互相關準則、最小均方差準則、最小平均絕對值差準則、最大匹配像素數量準則等。

2.搜索策略

為了求得最佳位移估計，可以計算所有可能的位移矢量對應的匹配誤差，然后選擇最小匹配誤差對應的矢量就是最佳位移估計值。因此，人們提出了各種快速搜索策略。這種策略的最大優點是可以找到全局最優值，但十分浪費時間。因此，人們提出了各種快速搜索策略。盡管快速搜索策略得到的可能是局部最優值，但由于其快速計算的實用性，在實際中得到了廣泛的應用。下面討論兩種快速搜索方法：二維對數及三步搜索法。

二維對數搜索法開創了快速搜索算法的先例，分多個階段搜索，逐漸縮小搜索范圍，直到不能再小而結束。其基本思想是從當前像素點開始，以十字形分布的5個點構成每次搜索的點群，通過快速搜索跟蹤最小誤差MBD點。

三步搜索法與二位對數法類似，由于簡單、健壯、性能良好等特點，為人們所重視。例如其最大搜索長度為7，搜索精度取一個像素，則步長為4、2、1，只需三步即可滿足要求，因此而得名三步法。其基本思想是采用一種由粗到細的搜索模式，從原點開始，按一定步長取周圍8個點構成每次搜索的點群，然后進行匹配計算，跟蹤最小塊誤差MBD點。

三、運動目標跟蹤方法

成像跟蹤系統經過圖像的預處理、圖像的分割識別等一系列信息處理，最終實現對目標位置的實時精確測量。跟蹤策略基本上可分為兩大類：波門跟蹤和相關跟蹤。

（一）波門跟蹤法分析

參考被跟蹤目標外觀的實際尺寸形態，事先確定好跟蹤窗口就是我們通常所定義的“波門”的概念。與傳統的圖像處理方法不同，采用波門跟蹤法進行圖像的分析和處理，其原始狀態的圖像數據僅僅限于波門內的數據，這樣系統一旦捕捉到目標，不僅可以避免傳統技術對整幅圖像處理過程的耗時缺點，而且這種跟蹤技術應用和操作更為簡單，跟蹤及成像效果也能夠得到切實的保障。

（二）相關跟蹤法分析

當被跟蹤的目標物體出現運動、姿態的調整或由于自然條件等因素造成了背景的雜波干擾時，目標圖像的分割及提取工作由于目標矩心及形心的不確定將難于進行。這種情況下，就可以采用相關跟蹤的方式進行處理。這種基于圖像匹配為基礎的相關跟蹤技術是以圖像相識性度量為基礎，獲取現場圖像中實時的最接近目標圖像值的一種跟蹤方式。由于分析及處理過程中，不需對用于分割及提取的特征值進行處理，因而可以應用于對圖像數據的原始資料的處理方面，這種方法不僅可以使圖像的信息得以全部的保留，而且適合眾多復雜的環境及場景，是一種操作簡單，結果精確的測量方法。

四、結語

近年來，各行各業對視頻監控的需求不斷升溫，但已有的視頻監控產品不能滿足日益增長的需要。因此，計算機視覺和應用研究學者適時提出新一代監控—視頻智能監控。它是目前國內外計算機視覺研究領域熱點問題之一。因而，在生產實踐中，不斷加強對其的分析和研究具有非常重要的現實意義。

參考文獻：

[1]吳連玉.計算機視覺基本理論[M].北京:中國科技大學出版社，2005

[2]高峰.算法與系統原理基礎[M].北京:清華大學出版社，1998