轨道交通智能视频监控的关键技术研究

摘 要：现今，智能视频监控技术已经在各行业中得到广泛应用，尤其是轨道交通监控系统当中，实现了内部异常设备、行为及建筑的智能识别。文章通过深入剖析轨道交通智能视频监控的各项关键性技术，以期为相关研究提供理论参考。

关键词：轨道交通；运动目标检测；智能视频监控

伴随当今轨道交通行业持续高速发展，传统类型的视频监控系统已经难以满足时下要求，亟需更加智能且高效的视频监控技术。所谓智能视频技术，实质为自动抽取及分析视频源当中的处于核心的关键技术。我们可将摄像机当作是人的双眼，而将智能视频设备及系统当作大脑。智能化的视频技术，实质为利用计算机所具有的对数据实施处理的功能，对视频画面当中的诸多数据实施快速而又准确的分析，在此过程中完成对用户无用信息的滤除，保留关键信息。

1 运动目标检测方法

（1）帧差法。此方法原理就是运用与图像序列相邻的二帧或三帧，将像素时间的差分作为检测的基础环节，通过运用所获取的阈值，在图像中，实现相应运动区域的提取。首先，对于处于相邻状态的帧图像，则将其素值减去，然后，则实施二值化差分。如若环境亮度所存有的变化不大，则与之对应的像素值也会存有较小变化，相比与预先设定的阈值，存在小于后者状况，则可将此处作为背景像素；若像素有改变，可将其标记为由于处于运动状态的物体所致，然后将其设置为前景像素，运用所标记像素，依据其区域范围，在图像当中，就运动目标位置给予确定。（2）光流法。对于光流法的核心任务而言，为对光流场开展更为有效的计算，依据图像所存有序列，凭借时空梯度，详细估算运动场，然后则对运动场变化进行分析，检测及分割运动目标与场景。光流法无需对场景信息事先知晓，便可对运动对象实施检测，并对运动背景情况及时处理，但却由于遮挡、阴影、多光源及噪声多等因素，而严重影响光流场分布的计算结果。

2 目标跟踪算法

2.1 基于区域的跟踪

所谓基于区域的跟踪，实质为利用图像分割或人为选定，获取相应目标模板，而后在序列图像当中，对候选模板与目标模板之间的相似程度进行计算，用相关算法，确定图像目标，完成目标跟踪任务。采用模板匹配，开展与之相适应的跟踪，直接匹配运算图像所持有的外部特征，乃是最为基本的着眼点，其与最初所选择的区域而言，在匹配度方面，则较高，即为目标区域。灰度图像，则可选用以特征与纹理为基础的相关；彩色特性，则可选用以颜色为基础的相关。当前，比较常用的区域跟踪算法，有差方和法等，此些算法可以通过与卡尔曼滤波或线性预测相结合，提升跟踪精度。

2.2 基于特征的跟踪

此种跟踪方法实质上，加入约束来解决，比如，假定处于相邻状态的帧图像特征点，具有不大的变化，并将其作为相应约束条件，构建特征点关系。此算法有两过程，分别为特征点的匹配和提取，通常情况下，可用相关算法。对于采用目标整体开展运算而言，其与基于区域的跟踪算法存有较大不同，其仅采用目标某些局部性特征，或者是某个单独特征。此种算法所具有的优点为，当目标出现被遮挡状况时，只需其中的些许特征有效，便可实施跟踪。运用SUSAN算子，则可从中获取目标角点的信息，而后则根据图像方面所存有的差异，实施匹配，以此宣召特征对应关系。

2.3 基于模型的跟踪

上述两种方法均为基于二维平面的跟踪，因均对运动目标完整信息均未用到，则对其实施精确描述，同样无法实现。如若对目标相应三维模型予以构建，以先验信息的方式，采用三维模型，实现跟踪目标的目的，则会实现跟踪鲁棒性大幅提升。基于模型的跟踪方法，其理念为，采用先验知识，依序列，就三维模型参数予以确定，由于目标为瞬时运动，因此，能够对多项参数予以获取。由VISATRAM可知，可通过简化三维模型的方式，着手于长方体模型，实施车辆的相应跟踪，基于运动状态下，获取车辆信息，如尺寸及速度等。跟踪人体时，则有三方式，即三维模型、二维模型及线图模型，而在现实运用当中，采用三维模型的较多。此方法能够对目标的三维运动轨迹进行精确分析，即便处于运动状态的目标在姿态方面存有变化，或者是存有部分遮挡状况，也可实施有效跟踪。缺点为运动分析的精度由几何模型精度所决定，且在跟踪算法方面，需花费大量的运算时间。所以，基于模型的跟踪，对于特定类型或少量的目标跟踪较为适宜，比如某种车型的跟踪、脸部跟踪及人体跟踪等。

3 轨道交通智能视频监控技术应用

（1）视频移动侦测。所谓视频移动侦测实质就是在复杂的背景环境中，对单个或者多个目标的相应运动特征、运动方向及运动情况实施精确化的识别及侦测。所具有的相应安全规则包含有多种类型，如运动方向异常报警、尾随检测及报警等。报警能够对多事项及多区域实施监控报警，如乘客非法进入隧道、非授权工作人员进入其他工作区及非地铁工作人员进入工作区等；对于绊线报警而言，其在高架线路区域及地面线路区域能够实现越界报警，另外，还可对于那些非工作人员侵入地铁限界，及时予以监控；对于尾随检测而言，其对于犯罪嫌疑分子对于某些特定目标具体的尾随行为开展综合化分析，对监控管理人员进行提示，对所发现的异常状况进行提示。其中，最为适用于地铁环境的是报警及绊线报警，能够为地铁特定限界内所存有的安全提供保证，还能够将颜色改变及环境光线变化等予以排除，对特定目标进行有效识别，避免出现误判报警状况。此外，绊线报警对于发现乘客不慎从站台摔入轨道状况能够及时报警，能够做到迅速制动列车，更好的抢救乘客。（2）智能录像控制。根据公安录像、灾害录像及运营日常录像之间所存有的差异性，需要依据不同需要，对录像规则实施分别定制，达到录像空间有效节省的目的。针对无人值守机房而言，则需与门禁系统及画面变化相结合，开展灾害发现时或有人时的触发录像操作；当发生灾害时，则可对重点灾害区域，实施触发录像操作；在白天运营期间内，进行常规形式的录像，夜间停运后，则进行触发录像。（3）运动目标跟踪。即对目标进行有效表达，并在视频中，就与目标模板作为类似的候选目标区相应位置进行寻找的过程。在轨道交通智能视频分析过程中，运动目标跟踪要求，对跟踪算法进行锁定，这对环境与目标自身变化，在适应性方面较强，另外，还能够对目标实际变形当中对于跟踪所造成的实质性影响进行锁定。在轨道交通监控过程中，促使摄像机可对物体进行自动跟踪，如若物体超出此摄像机所具有的最大监控范围时，则会对物体所在区域的设置的摄像机予以自动通知，使其继续实施追踪。依据运动目标的相似性度量及表达，可将运动目标跟踪算法进行分类划分，即基于模型的跟踪、基于特征的跟踪、基于区域的跟踪及基于主动轮廓的跟踪。运用相应搜索算法，估计假设未来时刻目标位置状态，能够实现目标搜索范围的缩小。其中最为常用的方法便是对运动体下一帧可能出现位置实施预测，并在相关区域内，就最优点进行寻找。

4 结束语

智能视频监控是当前一种新型的智能视频分析技术，通过改造轨道交通监控系统，促进对内部异常行为进行智能识别，自动发现，及时报警，减轻人员压力，促进了检测准确度的提升。

参考文献

[1]谭筠梅，王履程，雷涛，等.城市轨道交通智能视频分析关键技术综述[J].计算机工程与应用，2014，50（4）：1-6.

[2]王信.轨道交通智能高清视频监控解决方案[J].中国公共安全，2014（8）：180-183.