智能视频监控运动目标检测技术分析综述

【摘 要】智能视频分析是计算机视觉领域中一个重要应用方向，通过对视频信息进行处理和分析，从而提高视频监控系统智能化水平，该技术在铁路、银行、商店等重要公共场所都有很重要的应用。本文主要介绍了智能视频监控现状，总结并分析了智能视频监控中对运动目标检测的几种关键的技术方法。并且对这几种方法的应用场景进行了分析。

【关键词】智能视频监控；运动目标检测；监控系统；智能化

【中图分类号】TP391.4 【文献标识码】A

引 言

智能视频是在传统的视频监控基础上发展起来的。近几年，北京铁路局视频监控系统也在逐步发展，先后开通了京沪线、京广线、京哈线等车站及沿线视频。但随着监控资源的增多，在系统维护过程中一些新的问题逐渐的暴露了出来。一方面，有限的人力无法监控到庞大的视频系统，而人力自身的特点也无法保证监控的可靠性，会存在漏报的情况发生。另一方面，对于报警后的录像数据进行分析和归类是安全人员需要进行的工作，传统的视频监控系统缺乏智能分析，很难自动的对信息进行分类和处理，智能化程度很低。

运动目标检测能将目标从监控视频的图像中分割开来，从而能够很好的识别和跟踪物体，是视频监控系统中最重要的组成部分之一。

1、运动目标检测技术概述

运动目标检测（Moving-Objectives Dectecting，MOD）的作用是从图像序列中检测出运动信息，根据得到的矢量信息，来对运动物体进行识别和跟踪。在交通，国防等安全领域有着广泛的运用，由于对运动目标的检测是识别是对目标进行追踪和分类的前提，所以运动目标检测的准确性和可靠性是有着非常重要的作用。现有的视频运动目标检测方法主要有三类，下面对该三类进行介绍。

2、运动目标检测技术

2.1相邻帧差法

相邻帧差法[1]的基本思想：该方法主要是通过灰度的变化来对位置进行判断。具体来说如果一副图像的某一位置物体发生变化，那么对应位置的灰度也将发生变化；而物体没有发生变化的部分，其灰度则不会发生变化或者变化很小。因此只需比较序列图像中相邻两幅图像的对应像素灰度的差别。

其算法略述如下：

其中：i，j表示象素位置坐标，t为时间，Th表示阙值，DF（i，j，t）表示相邻帧的帧差图像。

2.2光流法。光流[2，3，4]（Optical Flow）是空间运动物体在被观测表面上的象素点运动的瞬时速度场，包含了物体表面结构和动态行为的重要信息。由Horn和Schunk在80年代早期建立的"光流分析法"，在是数字视频处理领域中二维运动估算的重要方法。光流的计算方法大致可分为三类：（1）基于匹配的光流计算方法，包括基于特征和基于区域的两种。（2）基于频域的光流计算方法，利用速度可调的滤波组输出频率或相位信息。（3）基于梯度的方法利用图像序列的微分计算光流。

2.3背景差法。背景差法是目前视频监控中最常用的一种方法。它的基本思想是将输入图像和背景模型两者进行比较，通过对灰度特征的变化进行判定，或者是用直方图等统计信息的变化来判断异常情况的发生和对运动目标进行分割。背景差法可表述为：

其中：d（i，j，t）表示差值图象，I（i，j，t）表示当前捕获的视频图象，B（i，j，t）表示背景图象，D（i，j，t）表示目标运动图象，Th是二值化时的阈值。

3、三种运动目标检测方法的优缺点比较

3.1相邻帧差法。相邻帧差法师在运动目标检测中使用得最多的一类算法，从上面的介绍可以看出，其核心原理就是将前后两帧图像对应像素值相减。（1）它存在的优点：①能适应环境的动态变化。在环境亮度变化不大的情况下，如果对应的像素值相差很小，可以认为此景物是静止的，如果像素值变化很大，可以认为是视频中运动物体造成的，利用像素区域，可以求出运动目标在图像中的位置。②系统具有很强的鲁棒性。（2）它存在的缺点：①分割出物体不完整。这是由于其很难有效监测图像序列中运动目标变化对应但不明显导致的。②很难监测出缓慢变化的目标。

3.2光流法。（1）优点：该种方法在不需要预先知道场景的任何信息的前提下，能够监测独立运动的对象。（2）缺点：①由于实际环境中的噪声，多光源，阴影，透明性等复杂原因，使得计算出来的光流场分布不是十分可靠和精确。②光流法计算复杂，需要计算的量十分巨大，除非有特殊的硬件支持，否则很难实现实时监控。

3.3背景差法。背景差发法是常见的运动目标检测方法之一，是一种简单有效的方法，克服了相邻帧差分的缺点。（1）具有的优点：①能提供最完全的特征数据。②实现方式简单，能完整的分割出运动对象，对背景已知的应用情况，背景差法是一种有效的运动对象检测算法。（2）缺点：由于背景差依赖于相邻帧的差别实现，它对于动态场景的变化，如强光照或者外来无关事物的干扰非常敏感。

4、结论

本文对运动目标的常见三种检测方法进行了介绍和归纳性的总结，分别比较了三种方法的优缺点。通过比较可以看出，三种方式的应用场景各不相同，对我们在不同的生产环境中具体选取哪种方法，具有一定的指导意义。光流法的实现依赖于强大的计算能力，如有生产环境中具备像Hadoop这种具有大规模计算能力的系统，光流法就具有很强的应用价值。目前视频分析产品应用最多的背景差法，如果能存在很好的背景更新模型，背景差分法是一种比较合适的中小规模的应用场景。相邻帧差分法比较适合于背景固定不动的场景，如铁路沿线，商场的入口处等。结合本人实际工作中的情况，目前铁路应用的视频监控系统虽然具备运动检测方式，但效果均不理想。选择一个适合于铁路线特点的运动检测方式，对于减轻系统维护的工作量和提高系统运用质量起着至关重要的作用。尽管相邻帧差法相对其他方式较为适于铁路场景，但在具体应用时仍有种种不足，因此适于铁路应用的运动检测方式仍需进一步研究和完善。

【参考文献】

[1]王栓，艾海舟，何克忠.基于差分图象的多运动目标的检测与跟踪[J].中国图象图形学报，1999，4（6）.470-474.

[2] MiHanSonka，Vaclav Hlavae，RogerBoyle.图象处理分析与机器视觉[M].艾海舟，武勃，等译..北京：人民邮电出版社，2003：469-491.

[3] Verri A， Uras S， DeMicheli E. Motion segmentation from optical flow[C]. In：Proc the 5th Alvey Vision Conference， Brighton， UK，1989.209-214.

[4] Barron J， Fleet D， Beauchemin S. Performance of optical flow techniques[J]. International journal of computer vision， 1994：12（l）：42-77.

[5]岑峰，戚飞虎，陈茂林.长期视频监控系统的多分布模型背景差方法[J].红外与毫米波学报，2002，21（1）：59-63.