智能视频监控下的多目标跟踪技术研究

【摘要】本文主要论述了运动目标的阴影检测、多目标跟踪、克服遮挡目标的方法以及多视角下监控目标的相互传递。首先，对运动目标的阴影光照和颜色特征进行分析探讨，改进原有的检测办法；其次，探讨研究先利用目标的特点，辨别运动状态，再处理不同跟踪里的不同状态达到跟踪多目标；再次，构建符合目标颜色的模型，运用颜色的特点克服对目标的遮挡。最后，分析多视角的监控系统应用需求，设计智能监控框架，研究一种新型的多视角的监控跟踪办法，实现不同视角的信息传递。

【关键词】智能视频监控；多目标跟踪；多视角监控

1.引言

当今时代，随着网络的快速发展与人们生活水平迅速提高，视频监控越来越受到人们青睐。视频监控具有直观和方便的两大优点，智能监控系统可以使企业大幅度减少管理人员和提高人们工作的效率。智能视频监控可以实时的检测现实场景，得到相应的视频数据，使人们可以通过监控跟踪运动目标，了解目标的运动情况，为监控管理人员提供准确有效的视频信息。它能自动提取出检测的目标，对目标进行有效跟踪。

2.智能视频监控下的多目标检测应用的现状及存在的问题

从应用领域角度看，它被广泛应用于各行各业，诸如档案室、资料室、银行等重要地点的监视；从功能角度上看，它常被人们应用在对安全的防范、对信息的获取及对调度的指挥工作等；尤其交通领域用处非常多，它可以远程监控高速收费管理处躲避收费、交通违章等现象。视频监控完全符合未来信息产业的发展需求，蕴含巨大的经济效益，因此，一直是信息产业所重视的热门产品。尤其是近几年，伴随经济和技术的发展，对监视的有效性、精准性有了更高的要求。这些要求可以大概分为两方面：一方面是人们要求监控系统可监测的范围更广，已经由原来的只是用于安全监控向生产监控和管理检查的方向发展。

同时，要求视频系统可以监测更大的面积与更远的距离。另一方面因为监控系统被逐渐用于管理，所以它需要符合管理的实际需要，要能与网络相结合，要压缩和存储大量的视频内容，为管理人员带来方便。智能监控系统的中心工作就是分析处理运动目标的各种图像，通过检测目标、跟踪目标、识别目标，有效分析运动目标。之所以要对目标进行检测，是要在图像中把不同变化区域内的背景图像分离出来，有效分离运动区域才能对后续的目标分类，但是背景图像时常变化，它会受到天气、其他物体影子和光照等影响，使检测工作有一定难度。常用的检测办法主要是背景减除法、运动能量法、差分时间法和光流方法。背景减除法对场景变化特别敏感，容易受外来事件的干扰；差分时间法常常不能将目标的所有特质都提取出来，容易产生漏洞现象；光流方法对光流的计算过程很复杂，同时抗噪声能力差，不能很好地处理视频流；运动能量法对现象的分离准确性不高，很难实现。图1是一个典型的智能监控系统示意图。

3.分析运动目标的阴影光照和颜色特征，有效检测目标

对目标的检测是对目标进行识别和对事件检测的基础，是整个监控系统重要组成的一部分，通过观察序列图像是否变化来确定是否有目标出现。常见的物体检测方法大概有四种，背景差法、运动的能量法、计算光流法和帧差法。对其他三种方法相比，背景差法提供的数据更完整，如果光照的变化有规律，检测的效果一般都比较理想。实际监控中，因为运动对象常相互遮挡和光照偶尔不均，致使时常产生阴影。运动对象和阴影都有可感知性和运动特性，因此，阴影难免被划为前景点，严重影响到分离与提取运动对象。特别是当多个目标都在同一场景时，会大大降低多个目标跟踪的可靠性，所以，为提高多目标的跟踪可靠性需要对目标提取更精准，要想办法排出阴影的影响。根据目标所处场景不同，本文采取背景估计方法，在场景的背景变化时，取得目前运动像素点，像素里点含有运动目标、背景的噪声和运动的阴影，先排除阴影，再运用滤波法去除里面的噪声，连同余下的像素点，使他们并到一个运动区域内，再提取分析区域内的特点，得到目标信息。排除阴影需要先检测阴影，阴影一旦被覆盖，颜色就会加深，可以充分利用颜色的变化来辨别运动阴影与运动目标。许多的实验证明，在阴影覆盖像素点后，像素点的饱和度与色度的变化都很小，目标对背景色度和亮度的影响并没有规律性，比较随机，而与目标的颜色相关联，所以，根据阴影的亮度变化特性与色度变化特性，可以十分容易地将它和目标区分开来。

4.多目标跟踪的实现

要分析多目标的运动状态，对不同状态实行不同的跟踪方法，有效提高跟踪的性能。卡尔曼滤波与矩形跟踪法是常见的跟踪方法。卡尔曼滤波通过建立目标的运动模型和运动轨迹，判断目标的下一位置，根据位置特征进行跟踪，这种方法的准确度随着模型的准确度而变化。矩形跟踪运用运动时获得的矩形特征完成对目标的跟踪。它适用于简单的情况下判断目标的产生和消失，但无法进行深入的分析，也就不能进行稳定跟踪。因为多目标图像在空间领域和时间领域都变化的特性不同，以往用于单视角的卡尔曼滤波法和矩形跟踪法都不能满足多目标同时处于运动场景时的跟踪，如果充分利用两种方法的优点，将它们有效结合，分离目标位置、面积等特征，通过构建特征识别矩阵分析目标运动状态，再对不同状态实施相应的跟踪办法。多目标跟踪一直是智能监控的难点，首先，因为在多个目标都存在运动时，目标之间相互产生干扰，严重影响区域检测的精度；其次，在时间上它们相互关联，多目标间有可能有对应的因果关系，大大增加复杂度；再次，多个目标在同一时刻运动时，必须采用和运动状态相对应的提取处理办法。所以，多目标跟踪不仅和运动分离精度有关系，也和目标特征选择、状态分析紧密相连。要实现对目标各种运动状态的实时监测，包括新目标出现时、目标保留在场景内但没有与其他目标相互干扰、目标出现分裂现象、目标出现融合现象以及目标突然消失，帮助我们了解场景内多样运动的信息。构建特征辨识矩阵，充分利用目标的特征与目前目标所处的区域特点构建新矩阵，利用矩形跟踪法判别目标是否产生、是否消失，注意分析目标特征，预判目标状态空间，判断目标的运动状态。判断目标所处状态，将目标分为新目标、目标奋力、目标的融合与目标的消失，当新目标出现时，立刻构建新目标的信息，预测它的形心位置；当目标出现分裂时，分析产生分裂的原因，跟踪分裂；当不同目标出现相互融合时，对融合后的目标进行融合处理；当跟踪的目标消失时，首先判断是否真消失，如果真消失，再删除原有的数据信息。

图2是目标由于遮挡而暂时分裂的情况。图中目标分裂时，其外接矩形没有明显的扩张，目标面积的增长减慢，且分裂块合并后的形心与原目标匹配，因此系统判断其处于遮挡状态，并给出了正确的跟踪结果。

5.运用颜色的特点克服对目标的遮挡

在系统监控过程中，目标一旦被遮挡，如果不能及时做好被遮挡目标的标记和提供多的数据信息，会造成系统不能正常辨别目标的行为，大大降低监控的可靠性。特征辨识矩阵能判断目标是否被遮挡，如果是被静止物所档，会出现临时消失，这时可运用目标之前的运动数据来预测现在的运动情况，在目标再次出现结束被遮挡时，系统将自动更新回到正常跟踪的状态。多个目标相互遮挡时，系统依次记录每个目标被遮挡前的最后图像，结束遮挡后，但利用模板匹配之前的图像标记，并不能很好地展现遮挡过程中的运动。所以，有效获得遮挡信息和相对位置非常关键。用颜色的特点来克服目标遮挡，颜色作为目标图像重要特征之一，对分析目标特性具有重要作用。亮度、饱和度和色调是颜色的最基本属性。场景内目标的颜色在正常光照下可以被准确感知，即使目标运动，颜色根据时间产生的变化也很缓慢，可以说目标颜色基本不变。区域块彼此的颜色约束和位置约束都达到颜色特征需要的标准，取得目标颜色组成后还远远不够，实际的跟踪过程还需要每个目标区别于其他目标的特点。当新目标出现时，系统自动对它进行连通性分析，找出颜色特征模型，分割颜色块；当目标被遮挡时，把跟踪遮挡目标转为是跟踪颜色块。通过建立颜色块的时间关联，机械颜色块的持续跟踪，目标位置完全可以根据部分颜色块所体现，颜色块的大小及位置有效反映目标相对位置，根据跟踪颜色块判断目标和运动区的联系，进而得到目标位置和遮挡情况，保持被遮挡时的特征。

6.分析多视角的监控系统

智能监控系统里，单视角系统有着片面性的特点，因此需要多个单视角共同实现。近几年，多摄像机共同工作产生监控越来越多出现在各种场景，这种多个摄像机构成的网络结构中的每个机器都能独立跟踪，系统处理中心对每个机器里的有用信息融合，实现智能监控。多台摄像机进行多视角的监控绝非简单的独立监控，而是各台间相互协调工作。运用多个摄像机进行多视角跟踪，将空间场景构建成三维坐标，多台摄像机协同跟踪，通过相互交换信息，使系统对场景的未知度降低，提升容错率，即便在某个视角或多个视角产生错误跟踪时，系统仍然可以正常运行。

7.结束语

智能视频监控能够现实复杂场景中对运动目标的识别和跟踪，检测场景事件和判断危险事件的发生，因此，应加大对多目标跟踪技术的研究工作，提高视频监控系统的智能化水平，改善监控系统的精准度，为社会的经济发展和社会治安贡献一份力量。

参考文献

[1]袁国武.智能视频监控中的运动目标检测和跟踪算法研究[D].云南大学，2012.

[2]江浩.基于多目标识别与跟踪技术的视频监控应用[J].中国公共安全（综合版），2012（14）.

[3]潘美莲，刘志强.城市安全与应急保障管理智能视频监控系统的应用探讨[J].电脑知识与技术，2013（30）.

[4]陈媛媛，郭淑琴，陆俊杰，张标标.基于视频处理的行人检测系统[J].杭州电子科技大学学报，2014（01）.

[5]王加梁.基于计算机技术的智能视频监控系统探讨[J].电子测试，2013（07）.

[6]於时才，张文香，龚仁彬.智能视频监控中的一种快速运动目标检测方法[J].兰州理工大学学报，2012（02）.

作者简介：郭勇（1980―），男，壮族，广西南宁人，通信工程师，广西壮族自治区公安厅科技信息化处副科长（正科级），研究方向：通信工程。