基于图像的目标检测及报警技术研究

【摘　要】近年来，中国视频监控市场受各大型赛事、平安城市、天网工程等因素的刺激和拉动，取得了快速发展。本文基于对国内目前视频监控设备的应用范围较窄的现状，利用人脸检测技术、运动目标检测技术、报警电路设计及相关算法软件编程创新结合了视频监控及报警技术，为视频监控系统的应用开拓了新方向。

【关键词】人脸检测技术；运动目标检测算法；帧间图像差分法

1、引言

基于图像的目标检测及报警技术，即在监控范围内设定警戒区域，对进入摄像机视线内的各个目标进行检查和跟踪，当有目标越过警戒区域时，进行报警联动和人脸检测输出。通过本设计的研究，实现人脸检测技术、运动目标检测技术与入侵报警技术结合的软件，为重点地区的视频监控技术的深度应用提供基础。

2、检测方法的确定

运动目标的检测跟踪是视频监控技术和计算机视觉的研究热点，其在解决智能视频监控，人机交互，智能交通系统等领域有着广泛而重要的应用[1]。人脸检测也是一种比较成熟的技术，然而人脸模式是很复杂的，而且易受外界干扰，常见的人脸检测算法一般都具有计算量大、速度慢、误报率高的弱点[2]，因此我们要制定出最适合的解决方案。

2.1目标检测方法

运动目标主要分动态背景和静态背景，目标检测常用的方法是帧间图像差分法，背景图像差分法，光流法等。通过分析比较三种常用算法的优缺点：帧间差分法在动态背景下往往具有较好的识别率，但却不能提取运动物体的全部区域，从而使检测效果达不到理想情况[3]；背景图像差分法可以较理想地提取运动物体的全部区域，但是较易受到监控现场光线变化等环境因素的影响，受到光线和天气因素影响时，需要动态确定阈值也难以满足实时处理的要求；光流法算法复杂、易受噪声影响，不利于实时处理[4]。综合考虑，帧间图像差分法计算量较小，易于实时处理，故选取帧间差分法进行目标检测。

2.2人脸检测方法

常用的人脸识别方法有基于几何特征的人脸识别方法、基于特征脸（PCA）的人脸识别方法和基于神经网络的人脸识别方法等方法。利用人脸的几何特征和面部颜色特征，找到适合实时视频处理的人脸追踪及精确标定方法。经过对这些方法的对比和研究，本课题选择了基于肤色的人脸检测算法即构建YCbCr色彩空间的肤色模型来完成人脸检测　。人脸检测是在模式识别与计算机视觉领域最有挑战性的研究课题之一。由于人脸具有稳定的肤色和五官色彩特征，与其他物体颜色相比，有较强的独特性[5]，因此，基于肤色进行人脸检测有其自身的优势。本文利用人脸肤色特征，对比人脸肤色在不同彩色空间下的聚类特性，采用YCbCr空间对彩色图像进行二值化分割，滤波，数学形态学处理等一系列预处理，精确检测并定位出彩色图像中的人脸区域。如图1所示。

3、实验方法、结果及分析

以上研究内容都要结合Matlab的仿真实验功能进行研究实现。其中包含基于肤色的人脸检测系统和运动目标检测的Matlab程序编程。作为完整的模式识别技术，人脸检测和运动目标识别都要进行特征提取、图像处理和增强、以及最终的识别分析，并联合报警电路，进而完成防区报警功能。具体来说，首先，由前端摄像机进行图像捕捉或者照相机进行图像记录，然后进行关键的图像处理，提取人脸特征或者运动目标是否侵入防区检测，最后进行判断是否有非法人员或者入侵行为进行报警。

通过matlab软件调取电脑摄像头读取实时视频图像，首先获得视频中的连续帧图像并保存，将连续的前后帧图像作差，并动态选取阈值将差值图二值化，得到目标运动的区域，将获得的目标区域进行面积比例计算，标定出运动物体的大致轮廓，并找到其中心位置，根据运动方向实时绘制其运动轨迹如图2、3所示。

对于进入监控区域的人，对其面部进行跟踪，达到合适的阈值时截取视频图像，对视频图像进行人脸区域识别，并准确标定面部各区域位置。这个过程大致描述如下：

首先将获得的包含人脸区域的图像转换到Ycbcr空间，并结合cb，cr通道提取肤色区域，然后进行形态学滤波，通过选定区域的高度宽度比例确定人脸区域，并进行标定。

最后，将运动目标检测和人脸区域跟踪及识别进行结合，在视频监控区域设定报警区域，当目标进入监控区域内后自动跟踪目标，绘制目标运动轨迹，当目标进入报警区域后自动检测目标的人脸区域，当目标人脸区域达到规定阈值，自动识别和标定人脸区域，并弹出照片，相应的发出报警。

【参考文献】

[1]汪惠兰.基于Matlab实时运动目标跟踪检测系统[J].计算机安全，2012（3）.

[2]高彦斌，徐建良.基于肤色特征的人脸检测[J].中国新技术新产品，2012（6）.

[3]Lipton　A，Fujiyoshi　H，Patil　R．Moving　target　classification　and　tracking　from　real-time　video[J]．IEEE　Workshop　of　Applications　of　Computer　Vision，Princeton，NJ，1998，8-14．

[4]刘艳丽，陈昊，余炎峰.基于帧间差分法和不变矩特征的运动目标检测与识别[J].工业控制计算机，2008（7）.

[5]陈松.基于肤色的人脸检测与识别[D].电子科技大学，2007.