視頻監(jiān)控技術(shù)在客流量計數(shù)中的應(yīng)用

李想

摘要：行人流量檢測技術(shù)是當今世界智能視覺系統(tǒng)研究中一個十分活躍的新域。行人檢測、流量分析在地鐵、道路、超市出入口、城市交通環(huán)境中有著廣泛的應(yīng)用需求和明顯的社會和經(jīng)濟效益。計算機視覺監(jiān)控技術(shù)能夠利用計算機視覺和圖像處理的方法建立一個智能管理系統(tǒng)，通過對攝像機拍錄的視頻序列進行分析來實現(xiàn)行人的定位、識別和跟蹤，從而提供了一種更加先進和可行的智能處理方案。

關(guān)鍵詞：視頻監(jiān)控 目標檢測 背景差分 客流計數(shù)

一、一種簡單、有效的背景模型

本文提出一種可以快速建立背景、具有一定自適應(yīng)能力、保留背景差分目標分割完整這一優(yōu)點的背景模型。該方法用幾次連續(xù)的幀間差分法，快速地從視頻序列圖像中檢測出背景區(qū)域，然后在得到的背景基礎(chǔ)上確立每一個點的背景檢測模型具體處理過程如下：

4利用M幀差分圖像建立背景，本方法假設(shè)被運動目標遮擋的背景至少會露出來一次，這樣就可以用公式（2）提取出背景了，其中R為B¹_m不為0的次數(shù)。

5用提取出的背景信息作為參數(shù)建立初始背景模型，后續(xù)圖像前景點和背景點的判決由式（3）決定，其中f（i，j）為當前幀某個像素點的灰度值，當滿足條件時，該點為背景點，否則為前景點，其中T_N是一個動態(tài)的最佳閾值，這一點將在“基于雙置信度的背景更新”予以詳闡述。

二、目標的自適應(yīng)分割與檢測

本文的閾值T_N是一個基于直方圖的動態(tài)最佳閾值，其計算法如下：

1.求出圖像中的最小和最大灰度值，令初始閾值等于這兩個值的平均值；

2.根據(jù)閾值將圖像分割成目標和背景兩部分，求出兩部分的平均灰度值，在分割公式中可以加入權(quán)重系數(shù)，如公式（4）；

3.用Z_o和Z_a的平均值作為分割閾值；

4.如果求出的新閾值與前次的閾值相等，則結(jié)束，否則轉(zhuǎn)步驟2，直至迭代成功。

三、基于雙置信度的背景更新

由于背景是變化的，要使背景模型能夠?qū)ν饨绻饩€的變化具有自適應(yīng)性，必須實時地對背景模型進行更新，以備下次提取運動目標，使整個檢測過程持續(xù)進行。背景更新的基本思想是使當前幀有一定置信度的背景點參與更新。置信度可以通過兩方面來估計：

1.像素點與運動目標的位置關(guān)系。從差分圖像可以看出，由目標檢測得到的非運動點不定都是背景點，如較弱的陰影和噪聲等，因此只有差分值小于閾值并位于運動目標定鄰域之外的點才是需要更新的背景點，具有第一方面較高置信度。將運動目標區(qū)域進行膨脹，如果像素點在此區(qū)域之外，并且在差分圖像中的像素值小于一個較小的閾值（實驗中取6），表明該點在更新時刻具有高置信度，記為C₁（i，j）=1。

2.像素點為背景的累計時間長短。當場景中存在抖動或者噪聲的時候，我們并不希望把極短時間內(nèi)運動的點或者點集作為運動目標，而是希望當其運動累計到定程度才對其進行處理，因此這里引入了第二個方面的置信度。這個置信度是根據(jù)各點保持為背景點的歷史信息，用矩陣F表示，只有持續(xù)M幀都為背景的點才可以參與背景更新。矩陣F初始化為零矩陣，后續(xù)幀中如果像素點是前景點則其累計值賦為M，否則累計值減1，直至為0。更新時矩陣F中累計值為O的點在此刻就具有第二方面高置信度，記為C₂（i，j）=1。

本文提出的方法利用上述兩個方面的置信度來進行背景更新，同時為了防止過度更新，本文在更新公式中加入了遺忘因子α（實驗中取0.1），更新公式見公式（5）。

否則，由于本方法在更新思路方面與高斯法相近，應(yīng)用了遺忘因子作為更新參數(shù)，同時又加入了多個判定條件，使背景更新在速度方面快于高斯法的同時，在準確性方面也優(yōu)于高斯法。

四、目標跟蹤與客流量計數(shù)

系統(tǒng)在目標檢測基礎(chǔ)上對目標采用模板匹配且逐幀跟蹤，并提出了一種通過設(shè)置標志線的方法判斷行人目標是否通過并實現(xiàn)計數(shù)。同運動目標在相鄰兩幀圖像中，其運動位置、形狀、面積等特征變化相對較小。綜合考慮運動目標的位置特征、形狀特征以及統(tǒng)計特征等，為檢測到的行人目標建立特征模板，進行匹配，實現(xiàn)連續(xù)跟蹤行人。位置特征：根據(jù)行人的運動在時間和空間上的連續(xù)性，將位置作為目標匹配時首先考慮的特征，在預(yù)測位置附近進行搜索，此區(qū)域內(nèi)檢測不到目標則認為跟蹤失敗，否則結(jié)合其他信息進行匹配判斷形狀特征：用行人的面積和外接矩形的長寬比表示其形狀特性；統(tǒng)計特征：將圖像的灰度均值以及連續(xù)兩副目標圖像的相關(guān)性等統(tǒng)計特征，作為目標匹配的指標。灰度均值為endprint