《智能视频监控》由会员分享，可在线阅读，更多相关《智能视频监控（97页珍藏版）》请在金锄头文库上搜索。
1、1Intelligent Video SurveillanceGao LinSichuan University, Spring 2010智能视频监控及其相关技术2Intelligent Video Surveillance主要内容l智能视频监视系统l目标检测l阴影去除l目标跟踪3Intelligent Video Surveillance视频监控在银行、电力、交通、 安检以及军事设施等领域的安全防范 和现场记录报警等方面有着非常广泛 的应用。4Intelligent Video Surveillance监控技术发展的三个阶段5Intelligent Video Surveillance 统计
2、数据显示，英国目前有400多万个摄像 机，而伦敦的居民平均每个人每天要被摄像 机拍摄300次。 公安部主导的“平安城市”计划，促进了视频 监控市场的迅速增长，全国约有200万个监控 摄像机用于城市监控与报警系统。 青藏铁路全线1300路通道采用视频分析，对全 线铁路进行入侵保护。6Intelligent Video Surveillance1 vs 1 1 vs N 7Intelligent Video Surveillance智能视频监控系统是利用计算机视觉技术，在不需要 人为干预的情况下，对视频信号进行处理、分析和理 解，并对视频监控系统进行控制，从而使视频监控系 统具有像人一样的智能。8
3、Intelligent Video Surveillance 应用实例 智能视频的应用大体上可以分为安全相关应用和非安全相关应用 两大类。 u安全类相关的应用是目前市场上存在的主要智能视频应用，特 别是在911恐怖袭击、马德里爆炸案以及伦敦爆炸案发生之后， 市场上对于此类应用的需求不断增长。这些应用主要作用是协助 政府或其他机构的安全部门提高室外大地域公共环境的安全防护 。此类应用主要包括：高级视频移动侦测、物体追踪、人物面部 识别、车辆识别和非法滞留等。 u除了安全相关类应用之外，智能视频还可以应用到一些非安全 相关类的应用当中。这些应用主要面向零售、服务等行业，可以 被看作管理和服务的辅助
4、工具，用以提高服务水平和营业额。此 类应用主要包括：人数统计、人群控制、注意力控制和交通流量 控制等。9Intelligent Video Surveillance 安防1、 绊线检测针对人、车通过特定运动方向绊线的监控；其应用如：警戒线、单 向闸门流向、栅栏攀爬等； 2、 警戒区域针对人、车进入或离开特定管制区域的监控；其应用例：停机坪、 码头车站的工作区域、营业场所后台等。 3、 闲逛针对不合理滞留过久的人、车发出警示讯息，以提醒安管保全人员 加以盘察注意。 4、 偷窃针对特定重要资产的保全；例如：贵重的挂画或摆饰、装备器材、 场站内的车辆或机具等。 5、 遗留物针对可能的爆裂物、易燃物、
5、生化污染物的恶意弃置。 6、 群体事件针对人群聚集10Intelligent Video Surveillance车牌识别车速测量流量统计逆行告警智能交通监控11Intelligent Video Surveillance对设定区域的移动物体（通过预先设置的大小形状来进行过滤）进行动态跟踪。 可应用于监控物理周界和虚拟周界的区域，监视是否有目标进入或预进入， 可用于监控边界、监狱、机场、化学基地等周界12Intelligent Video Surveillance13Intelligent Video SurveillanceIVS研究现状 1997年，美国国防高级研究项目署设立了以卡内基梅隆
6、大学牵头，麻省理工学院等高 校参与的视觉监控重大项目VSAM，主要研究用于战场及普通民用场景监控的自动视频 理解技术14Intelligent Video Surveillance 美国康奈尔大学计算机系设计了一套航拍视频检测与持续跟踪系统，该系统能够对多 运动目标实现长时间的准确跟踪，即使发生短时间内目标被遮挡或目标时静时动的情况 15Intelligent Video Surveillance 2005年，美国中央佛罗里达大学计算机视觉实验室开发出了基于MATLAB的COCOA 系统，用于无人机低空航拍视频图像的目标检测与跟踪处理16Intelligent Video Surveillan
7、ce 2003年,由欧盟发起，法国的SILOGIC公司和英国的雷丁大学等十几家机构参与研 究的AVITRACK项目，该系统主要针对机场停机坪周围的环境，检测和跟踪停机坪 中出现的飞机、汽车以及行人等，其目的是为机场管理者所关心的机场流量及调度 形成一个强有力的决策辅助工具，以便提高机场的利用率同时对机场的安全提供一 个有力的保障。 17Intelligent Video SurveillanceIEEE Conference on Computer Vision and Pattern Recognition18Intelligent Video Surveillance智能视频监视系统的基本
8、框架低层视觉处理中层视觉处理 高层视觉处理19Intelligent Video Surveillance目标检测将输入的视频图像中变化剧烈的 图像区域从图像背景中分离出来，它处于 视频监控技术的前端，是各种后续处理的 基础。目前，算法主要包括背景减法、相 邻帧差法和光流法等。 20Intelligent Video Surveillance目标跟踪依据目标及其所在的环境，选择 能唯一表示目标的特征，并在后续帧中搜 索与该特征最匹配的目标位置。常用的跟 踪算法包括：基于特征的跟踪算法，基于 3D模型的跟踪，基于主动轮廓模型的跟踪 以及基于运动估计的跟踪等。21Intelligent Video
9、 Surveillance目标分类利用一些图像特征值实现目标类 型（一般是人和车）的甄别。用于目标分 类的特征有空间特征和时间特征两种，空 间特征包括目标轮廓、目标尺寸、目标纹 理等，时间特征包括目标大小的变化、运 动的速度等。22Intelligent Video Surveillance行为理解指在对序列进行低级处理的基础 上，对场景中的事件进行分析和识别，用 自然语言等加以描述。根据运动目标的运 动轨迹进行行为分析。23Intelligent Video Surveillance主要内容l智能视频监视系统l目标检测l阴影去除l目标跟踪24Intelligent Video Surveil
10、lancel视频运动目标检测运动目标检测的目的是从视频图像中 将运动目标与背景分割出来，由于光 照变化、背景物运动干扰、运动目标 阴影以及摄像机运动等干扰因素的存 在，为运动目标的正确检测带来了巨 大挑战。 25Intelligent Video SurveillanceGoals of motion detection Identify moving objects Detection of unusual activity patterns Computing trajectories of moving objectsApplications of motion detection In
11、door/outdoor security Real time crime detection Traffic monitoring Many intelligent video analysis systems are based on motion detection.26Intelligent Video Surveillance典型的运动目标检测方法主要有以下三种算法典型的运动目标检测方法主要有以下三种算法： 帧间差分法帧间差分法 光流法光流法 背景差分法背景差分法27Intelligent Video Surveillance 帧间差分法帧间差分法将连续的两帧或三帧图像对应像素点的灰
12、度值相减，当环境亮度 变化不大时，如果对应像素值相差很小，则认为此处是静止的， 标记为背景；如果对应像素值相差较大，则认为这是由目标运动 引起的，该处像素标记为运动目标。 28Intelligent Video Surveillance第n-1帧第n帧29Intelligent Video Surveillance30Intelligent Video Surveillance优点： 算法实现复杂度低； 检测速度快，易于实现实时监视； 由于相邻帧的时间间隔较短，因此该方法抗干扰能力较强，对环 境有较好的适应性。缺点： 该方法检测出的运动区域包含了相邻两帧中所有存在变化的区域 ，因此提取出的运动
13、目标往往大于实际目标，不能够准确反映运 动目标的真实形状。 当运动目标存在大范围的灰度相似区域时，会产生明显的“孔洞”现 象，以至于运动目标提取不完整。 It evidently works only in particular conditions of objects speed and frame rate Very sensitive to the threshold Th31Intelligent Video Surveillance 光流法光流法光流法是通过计算图像的光流场实现运动目标检测的一种方法。 所谓光流场是指空间运动物体被观测表面上的像素点运动产生 的瞬时速度场,一个二维的
14、速度场，包含了物体表面结构和动态 行为的重要信息。 32Intelligent Video Surveillance光流可以看作带有灰度的像素点在图像平面运动产生的瞬时速 度场。假设E(x,y,t)为(x,y)点在时刻t的亮度，设t+dt时刻该点运 动到(x+dx,y+dy)点，它的亮度为E(x+dx,y+dy,t+dt)。我们认为 ，由于对应同一个点在短时内它的亮度值不变，所以E(x,y,t) = E(x+dx,y+dy,t+dt) 光流约束方程将上式右边做泰勒展开，并令dt-0，则得到：Exu+Eyv+Et = 0其中：Ex = dE/dx Ey = dE/dy Et = dE/dt u
15、= dx/dt v = dy/dt。上面的Ex,Ey,Et的计算都很简单，用离散的差分代替导 数就可以了。光流法的主要任务就是通过求解光流约束方程求 出u,v。33Intelligent Video Surveillance上述只有一个方程，有两个未知参数，所以这是个病态问题，要求解 只有加入其他的约束方程以联立求解。针对摄像机固定的这一特定情 况，问题可以大大简化。在摄像机固定的情形下，运动物体的检测其实就是分离前景和背景的 问题。我们知道对于背景，理想情况下，其光流应当为0，只有前景才有 光流。所以我们并不要求通过求解光流约束方程求出u,v。我么只要求出 亮度梯度方向的速率就可以了，即求出
16、sqrt(u*u+v*v)而由光流约束方程可以很容易求到梯度方向的光流速率为V = abs(Et/sqrt(Ex*Ex+Ey*Ey)这样我们设定一个阈值T V(x,y) T 则(x,y)是前景 ，反之是背景34Intelligent Video Surveillance 背景差分法背景差分法利用建立的背景模型来生成背景图像的像素值，然后将当前帧 与背景图像求差，差值较大的像素区域被认为是运动目标区域， 而差值较小的像素区域被认为是背景区域。 35Intelligent Video Surveillance背景图像第t帧差分后二值化36Intelligent Video Surveillance First consequent problem: how to automatically obtain the image of the scenes static background?37Intelligent Vid
