神朔鐵路智能視頻入侵檢測系統設計

張騰云，荊 濤，霍 炎

（北京交通大學電子信息工程學院，北京100044）

目前，鐵路安全監控與管理都是以被動方式運作的，無法在事前主動偵測事件以防止威脅事件發生。智能視頻入侵檢測技術借助計算機強大的數據處理功能，對視頻畫面中的海量數據進行高速分析，過濾掉用戶不關心的信息，僅僅為監控者提供有用的關鍵信息。智能視頻入侵檢測以數字化、網絡化視頻監控為基礎，是一種更高端的視頻入侵檢測應用[1]。

智能視頻入侵檢測技術其研究工作涉及模式識別、圖像與視頻處理、計算機視覺、人工智能、認知科學等多個信息學科知識。智能視頻入侵檢測系統通過攝像頭捕獲場景的視頻數據，通過對數據的自動分析獲取場景信息并采取相應措施，其最終目標是用攝像頭代替人眼，計算機代替人腦。其一般過程包含：動/靜態場景建模、運動檢測、物體分類識別、目標跟蹤、理解和描述行為、人和車輛的識別、多攝像頭信息融合、圖像視頻檢索等。

1 智能視頻入侵檢測系統結構

在傳統監控系統中，動/靜態場景建模、運動檢測之類的基礎應用已經比較成熟[2]，但智能視頻入侵檢測系統的核心是：物體分類識別、目標跟蹤、理解和描述行為。只有真正做到了這些功能，才能實現最終用攝像頭代替人眼，計算機代替人腦的目標[3]。

該系統實時分析監控區域內的視頻圖像，發現入侵目標后，分割入侵目標并存儲，同時發出報警信號，最終實現對入侵目標的實時檢測與異常報警。

圖1 智能視頻入侵檢測系統框圖

智能視頻入侵檢測系統框圖如圖1。該系統運行狀態分為：正常監控狀態和入侵報警監控狀態。正常監控狀態下只實時分析監控區域，入侵報警監控狀態下不但實時分析監控區域，而且發出報警信息，并存儲監控視頻。圖1中虛線框圖部分完成對監控視頻的實時分析和入侵目標的檢測和分割處理。

圖像（前端）采集：是安裝在現場的設備，包括攝像機、視頻光端機。主要任務是對現場進行實時視頻數據采集，通過光纖傳輸，將現場圖像傳到視頻處理分析部分。

視頻（智能）分析處理：設備包括視頻服務器（數字編碼/智能分析）和現場數據處理工控機。對前端采集的視頻進行分析，主要是入侵檢測和目標分割與跟蹤，設定特定的規則判斷現場的緊急情況程度，根據情況上報或報警，同時可對現場視頻錄像。

信息上傳：在指揮中心配置綜合視頻監控平臺，可以實時顯示前端報警信息、現場實時圖像等信息，并根據入侵信息發出告警信息。

2 入侵檢測

2.1 運動目標檢測

視頻入侵檢測，是通過分析視頻圖像，檢測是否有運動目標（人或落石）入侵監控區域，如圖2中檢測到工人入侵，并根據檢測結果做出應對措施。檢測入侵目標的準確性及能否分割出入侵目標，對后續的應對措施起到決定性的影響，且直接關系到視頻的編碼傳輸效率。因此，檢測運動目標的精確度就顯得尤為重要。

本文綜合了常用的視頻目標分割中基于連續幀差和背景幀差2種方法，通過當前幀、前一幀的參考背景和前一幀的圖像內容3幅圖像信息，首先計算前后2幀的差分值，根據亮度補償，更新參考背景，利用背景幀差分檢測運動的入侵目標，比較連續k幀的參考背景確定是背景變化還是目標入侵。這種方法避免了由于外界非入侵因素（如光照變化）等情況導致的對入侵目標的誤檢和漏檢，保證系統檢測的準確性和魯棒性。

2.2 初始參考背景的生成與更新

圖2 入侵檢測圖例

考慮到在區域監控時，基于背景幀差的目標分割方法，要得到一個純背景幀圖像而不包含任何入侵目標，某些情況下是很難實現的。綜合了連續幀差與靜態區域分割2種方法：（1）對運動區域的大致位置進行定位。（2）利用鄰近平均插值對運動區域進行處理，獲得初始參考背景。（3）對初始參考背景的色彩和亮度信息進行自適應調節得到當前幀的參考背景，實現參考背景的更新。

假設當前幀為I0，I0的前一幀為I-1。首先在亮度空間內，利用分水嶺算法對前一幀圖像I-1進行區域分割，然后在色度空間內分析這些區域，合并具有相同顏色距離的區域，這樣便可得到I-1的靜態分割區域。通常情況下，入侵目標具有相同或相近的灰度或顏色特征，因而分割后的入侵目標基本位于圖像中同一分割區域內。設分割后的區域為Si（i=1, 2, …），將當前幀與前一幀求差分：

若公式（1）中差分的絕對值|difI|>0，則認為是圖像的運動部分。將差分圖像difI與分割圖像相比較，若|difI|>0的像素點在某個區域Sj(j∈i)中的個數大于閾值T0，即該區域中超過T0的像素點是運動的，可以認為區域Sj是運動區域。

將圖像I-1分成3像素×3像素大小的塊，遍歷每一個塊，若某塊中部分像素位于運動區域內，則用該塊內的其余像素的均值替代這些像素；若某塊所有像素點都位于運動區域內，則用該塊上邊和左邊的塊中所有像素的平均值替代該塊中的9個像素值；若某塊中所有像素均不在運動區域內，則該塊像素值不變。這樣得到初始參考背景幀。

當進行背景更新時，同樣利用公式（1）定位運動區域。在亮度空間內，將2個相鄰幀都分成3像素×3像素大小的塊，比較背景區域中對應塊的亮度平均值，用比值α對前一幀的參考背景進行更新，便可得到當前幀的參考背景。如果背景信息有變化，則比較連續k幀的參考背景，確定是背景變化還是目標入侵。通過比較連續k幀的參考背景，如果發現同一位置都檢測到有新的物體存在或原有物體丟失，則認為是背景信息有變化（如背景物體發生了移入、移出），那么后續的幀中便使用背景信息變化后的背景。

2.3 入侵檢測與目標分割

在得到當前幀的參考背景后，分別將當前幀與其參考背景在RGB 3個顏色通道進行差分，其差分結果difi（i=R, G, B）的變化主要由2方面因素引起：監控場景內的物體運動和隨機噪聲。對3個顏色通道的差分圖像分別設置一個閾值，利用公式（2）式對差分圖像進行二值化處理。

其中，Ti是多次實驗統計值。將difi≥Ti（i=R,G, B）的像素點設為入侵目標點，difi≤Ti（i=R,G, B）的像素點認為是背景像素點，入侵點和背景點像素設置如公式（2）。

在確定入侵點和背景點后，接下來需要得到精確的入侵目標。由于存在隨機噪聲，公式（2）得到的二值化結果會存在噪聲點或區域，因此要對其進行形態學處理，得到準確的入侵目標。利用形態學處理的腐蝕和膨脹操作，腐蝕去除噪聲點和小區域，膨脹填充入侵目標，然后計算處理后的區域面積S。若S≥Th（設定的閾值），則認為監控區域異常，可能存在入侵，系統進入報警監控狀態，觸發相應的聲光、電話報警等入侵報警裝置，并錄像存儲監控視頻；否則，則認為監控區域無異常，系統保持正常監控狀態。

當檢測到監控區域異常時，需要存儲相應的視頻信息并對入侵目標編碼傳輸，因此需要分割出入侵目標。首先將得到的入侵區域和當前幀相比較，將當前幀中與入侵區域位置以外的所有像素設為0，這樣便得到了完整的入侵目標。

智能視頻入侵檢測系統具有變被動為主動、24 h×7全天候可靠監控、有效利用視頻資源，減少存儲成本，節約人力資源、適應性強、提高響應速度、提高報警精確度等優勢。

3 神朔鐵路的實現及優勢

通過智能入侵檢測系統數據的接入，實現對神塑鐵路神木北車站和蛇口峁隧道的智能視頻監控和報警功能。異物入侵報警監控狀態實現自動觸發相應的報警裝置并記錄監控圖像和報警功能。神朔鐵路公司目前在重要道口、大橋、隧道等重點部位都安排有保安或者值班人員24 h值守，在這些重要地點應用了智能視頻分析系統后，可以減少人員或完全實現無人值守，減少人員成本，提高勞動效率，減少人員在惡劣環境下的勞動強度，并且可以在地圖中記錄報警點以便后續查詢和重點關注，如圖3。

圖3 地圖報警點設置與查詢

智能視頻分析系統是從現實出發，根據重點監測部位的結構特點、運營環境、氣象地質條件設立的智能監測系統，系統能夠深入分析神朔鐵路安全運行的需求，并且及時處理行車的安全隱患，預防和監控行車過程中發生的災害事故，控制災害事故的發展從而減少事故損失，為行車指揮、設備維修、應急救援等決策提供技術支持，最大限度地保證運輸安全。

4 結束語

本文提出了一種智能視頻入侵檢測系統，并在神朔鐵路上設計實現。該系統為工務部門的管理人員提供了現場安全生產的科學依據，管理人員可以根據監測數據合理地安排工作，既避免了盲目施工的浪費，又可以保證安全行車。

[1] 陳興杰，許勁松. 基于視頻的入侵檢測研究[J] . 微計算機信息，2010，26（4-3）：193-194.

[2] 李益民，黃曉芳. 一種多區域視頻監控入侵檢測報警方法的研究[J] . 電子設計工程，2010，18（12）：146-148.

[3] Zujun Yu, Research on Intrusion Clearance Detection System for High-Speed Railway based on Binocular Stereo Vision[J] .2011 IEEE International Conference on Service Operations,Logistics, and Informatics (SOLI), 532 - 536.