游園限制區域的檢測研究

◇延邊大學工學院 董雨龍 王金祥

本文給出了一種游客進入游園限制區域的一種智能監測方法。算法首先創建一個區域背景模型，再利用背景差分法檢測并提取出運動人，接著根據限制區域檢測區域和運動人區域的位置關系、運動人在限定區域停留時間等信息融合，首先分析出是否有進入限定區域，并根據進入限定區域的程度給出不同級別的警示信息。實驗結果表明，本文方法具有實時性好、準確性較高，并具備一定的魯棒性。

1 研究的背景與意義

隨著國家經濟的飛速發展，旅游服務業在國民經濟中的比重日趨增大，越來越多的人選擇外出旅游的形式豐富生活，然而有些游客不遵守游區規定，擅自進入限制區域而受到傷害的事時有發生。對于游區監控系統中的海量信息，監控人員難以做到時刻監視，本文通過對監控圖像序列的處理和分析，實現更為高效的監控功能，首先識別出游客進入特定區域的行為，并且對有潛在危險的行為進行不同程度的警示，從而保證游客的人身財產安全。

2 建立背景模型及確定運動目標

本文所采用的是背景差法確定運動目標，根據檢測視頻估計建立背景模型為Bk-1(x,y)，其與第k幀圖像Ik差分形式為：

為了能夠檢測出運動的目標，需要優先選取適當的閾值T對差分圖像進行閾值化處理，則二值化后的差分圖像為Gk(x,y)：

為確保背景模型的準確性，確定背景模型的更新模式為：

為了減小圖像空洞現象和模糊邊緣，在進行檢測前對監控和面進行形態學操作。對二值圖像進行膨脹、腐蝕操作以去除噪聲，向上、向下采樣以確保所要提取的運動目標的完整性。同時采用中值濾波濾去圖像上大部分細碎的噪點，使圖像的輪廓更光滑更清晰，便于目標的檢測。

3 進入限定區域行為檢測與告警

本文通過在視頻中獲得限制區域的確定位置作為監測范圍，因為一般情況下游區的限制區域是確定的，而且在固定攝像頭拍攝的視頻中是穩定的。

為了進一步提高此方案的容差能力，現采用不確定性推理中基于概率論知識的可信度推理的思想，利用所得游客的具體信息進行結論不確定性的合成。首先確定各個判別條件的可信度因子，根據游客進入限制區域的艱難程度可以適當提高游客進入方向的可信度因子，本文設置為0.3。另外還應考慮到游客在限制區域內所駐留的時長，可信度置為0.3，游客進入限制區域的深度可信度置為0.2，可以理解為限定區域內的不同位置警告程度也不同。游客在限制區域運動的速度的可信度置為0.2，置信度因子隨著知識可信度的提高而動態提高，一般不超過0.4，體現局部因素的特殊性，總體保持和為1。接下來介紹游客進入限制區域的知識可信度。

對于入侵方向知識可信度的確立可按照進入限制區域的難易程度進行劃分，假定限制區域為圓形區域，以限制區域的圓心和常規入口組成的線段為基準，此角度為0o，向兩邊分別旋轉可得θ最大為180o，可表示為數學模型：k*tan（θ/2），k是某一指定系數。

對于在限制區域駐留時間的長短相應提高該條知識的可信度，此關系表示為二次函數：aT2，a為指定的系數。

對于入侵限制區域的深度，可以限制區域的中心點為半徑，隨著游客位置信息的不同確定不同大小的可信度，可信度動態變化的關系表示為：z*（r×cosθ+j），其中的z和r為給定的系數，θ為確定的角度，j為限制區域圓形區域的半徑。

對于游客在限制區域運動的速度越快對應的可信度隨之增大，數學模型可表示為一次函數：aV+b，a和b為指定的系數。

確定好知識和規則的可信度后，根據不確定性的合成算法，將規則設為E,知識設為K，CF(E)代表規則的可信度，CF(K)代表知識的可信度，CF(H)代表有游客進入限制區域的可信度：

對于有4條知識的情況利用下式進行融合判斷：

融合信息并歸一化后得到的CFp作為警告程度判斷的依據，若CF(H)∈[0.0,0.25]則不給警告，若CF(H)∈(0.25,0.5]則給予一般警告，若CF(H)∈(0.5,0.75]則給予中度警示，若CF(H)∈(0.75,1.0]則要給與嚴重警告 。

4 實驗與結論

本文在cv6.0基礎上搭載OpenCV進行實驗，實驗中利用cv2.rectangle()函數在圖像上畫矩形綠框來得到相應限制區域范圍；利用cv2.findContours函數確定輪廓；考慮到游區監控視頻的海量性，利用os.listdir和os.path.join方法獲取對應視頻的全路徑對保存在計算機中的監控視頻進行循環遍歷，按照上述視頻處理分析方法進行檢測與判別 。實驗表明，本文可以較為有效的實現預期功能，可以成功地針對游客進入應限制區的行為給出不同的警示。實驗驗證了本文算法具備良好的有效性，并且運算速度快，能滿足監測的實時性要求，算法抗干擾能力較強，具備一定的魯棒性。