论文部分内容阅读
【摘 要】近年来，国内和国际反恐形势严峻，对于在公共场合的可疑遗留异物的有效检测实现越来越迫切。本文通过程序实现了一个遗留异物视频检测系统，该系统首先通过混合高斯分布模型的方式实时得到检测区域的背景图像，将实时的监控图像和背景图像进行差分运算获取二值化斑块图像，通过斑块分析的方法锁定可以遗留异物潜在目标，最终通过遗留物遗留时间长短进行报警，实现了一个有效的遗留异物视频检测系统。
【关键词】遗留异物 视频检测 混合高斯建模
近年来，在全世界范围内很多恐怖分子都利用遗留炸弹背包的方式进行恐怖袭击，造成大量的无辜平民死伤。阻止和有效发现这种恐怖袭击的手段就需要在这些无名炸弹袭击之前能够检测到疑似遗留炸弹背包的存在，因此急需开发能够有效检测到公共场合莫名遗留异物的检测系统，该系统要求能够有效地发现遗留异物从运动到静止，并且能够静置长达一定时间阈值的目标物体。对于这种系统的急迫需求也促使很多科研人员投入到了相应算法的设计与开发工作中。
1 系统总体架构
本文实现的遗留异物视频检测系统主要实现目的是能够检测被人遗留的景致目标，特别是箱类和背包物品。该系能够针对监控场景内的疑似目标快速反应并向特定保卫人员发出警告并自动记录事件相关信息。该系统的实现不仅能够大大降低保卫人员的安全保卫的负担，而且还允许他们有足够的时间和信息来进行必要处置，并作出正确决策。该系统能够应用与多种遗留异物检测场合，例如检测炸弹背包，铁路上的障碍物如山体滚落的石头，柜台上的遗留包裹等。经查阅相关的技术资料，本系统确定最终的遗留异物视频检测系统的实现流程如图1所示。该系统首先通过混合高斯分布模型的方式实时得到检测区域的背景图像，将实时的监控图像和背景图像进行差分运算获取二值化斑块图像，通过斑块分析的方法锁定可以遗留异物潜在目标，最终通过遗留物遗留时间长短进行报警，实现了一个有效的遗留异物视频检测系统。
2 高斯混合建模
本系统针对检测算法实现的特点，考虑到遗留物检测需要长时间观察遗留异物的斑块变化，如果选用多帧平均的背景建模方式，遗留异物将很快被更新掉，因此，本系统选择采用基于混合高斯模型的背景建模方法。
混合高斯模型采用多个高斯分布对每个像素的像素值进行建模。用表示某个像素 1 至t时刻的像素值，用混合高斯模型描述t时刻像素值的概率密度为：
（1）
式中K 表示高斯分布的个数，表示估计的第i个高斯分布在t时刻的权重，、分别表示第i 个高斯分布在t 时刻的均值和协方差矩阵。η 是高斯概率密度函数。
MOG 模型包含μ、σ和ω三个初始化参数。采用第一帧图像每一像素点的像素值作为第一个高斯模型的均值，并对这个高斯模型赋一个较大方差和较小的权重，而其他的高斯模型将在后面的模型学习中加入。
获得新的像素值以后，将新像素值和K个高斯分布进行比较，如果满足：
（2）
被判断为背景，否则被判断为前景。
通过参数更新以后，背景模型的参数受到了改变，需要从混合高斯模型中估计背景。从统计角度来讲，多高斯分布中，具有高权重和低方差的分布，最有可能是背景像素的分布。因此，MOG 中，对多高斯成分按ω/σ降序排列，然后组成背景模型。
3 差分运算及二值化
本文采用背景差法来获得前景斑块。背景差分法的原理就是使用当前监控的实时图像和获得的背景图像进行差分运算，然后将差分图像通过阈值分割的方法得到二值花斑块图像。也就是将待观察图像和不包含感兴趣物体的估计图像进行比较， 二者的图像平面中存在明显差异的区域， 一般就包含运动物体的位置信息。
4 去噪
检测视频经过二值化处理过后，得到的背景差分图中有时候会存在一些随机小噪声，并且人物以及包中间可能会出现比较明显的断裂和空洞，这些都可能对遗弃物最终的判断结果造成比较大的影响。因此要对图像进行平滑去噪处理。消除噪声的方法可以选用形态学中的腐蚀和膨胀技术。
5 斑块分析
对于遗弃物的检测根本上来说是对斑块的检测分析以及后续的判断。当前的斑块是由背景建模之后，通过实时更新的背景与前景进行差分之后得到背景差分图像，再赋予灰度值，并经过二值化处理，使得前景内运动的目标以白色斑块来显示，不动的背景则以黑色显示，这样可以清楚地从图像中分辨出运动物体来。这个功能可以使用OpenCV中的一个函数来实现，即cvFindContours函数。
6 判断报警
要判断是否为遗弃物可以有一定的标准，比如在某一个地方停留超过多少秒之后的可以视其为遗弃物。在本文对于遗弃物的判断中也是使用了这一种判别方法，通过算法判定当斑块在视频图像中停留多少帧不变化时，判定为遗弃物，进行框出并报警。图4为检测出的遗留物二值化图像及在判断报警图片。
本文在分析了遗留异物检测的特点后，实现了一个实用的遗留异物视频检测系统，该系统可以通过混合高斯分布模型的方式得到检测区域的背景图像，然后将实时的监控图像和背景图像进行差分运算获取二值化斑块图像，通过去噪处理去除干扰判断的小噪声，同时通过斑块分析的方法锁定可以遗留异物潜在目标，最终通过遗留物遗留时间长短进行报警，实现遗留异物检测的功能。
参考文献：
[1]张魁.视频序列中遗留物检测研究[D].太原：太原理工大学，2010.
[2]孔晓东.智能视频监控技术研究[D].上海：上海交通大学，2008.
[3]李国辉，涂丹，袁见.监控视频运动目标检测减背景技术的研 究现状和展望，中国图像图形学报，第11卷，第7期，919-927页.
[4]汤一平，富吉勇，陈耀宇，基于全方位计算机视觉的遗留物检测系统，计算机测量与控制，第18卷，第3期，517-519页。
[5]范俊君，战荫伟，一种基于双背景模型的遗留物检测方法，计算机系统应用，第21卷，第8期，201-205页。
【关键词】遗留异物 视频检测 混合高斯建模
近年来，在全世界范围内很多恐怖分子都利用遗留炸弹背包的方式进行恐怖袭击，造成大量的无辜平民死伤。阻止和有效发现这种恐怖袭击的手段就需要在这些无名炸弹袭击之前能够检测到疑似遗留炸弹背包的存在，因此急需开发能够有效检测到公共场合莫名遗留异物的检测系统，该系统要求能够有效地发现遗留异物从运动到静止，并且能够静置长达一定时间阈值的目标物体。对于这种系统的急迫需求也促使很多科研人员投入到了相应算法的设计与开发工作中。
1 系统总体架构
本文实现的遗留异物视频检测系统主要实现目的是能够检测被人遗留的景致目标，特别是箱类和背包物品。该系能够针对监控场景内的疑似目标快速反应并向特定保卫人员发出警告并自动记录事件相关信息。该系统的实现不仅能够大大降低保卫人员的安全保卫的负担，而且还允许他们有足够的时间和信息来进行必要处置，并作出正确决策。该系统能够应用与多种遗留异物检测场合，例如检测炸弹背包，铁路上的障碍物如山体滚落的石头，柜台上的遗留包裹等。经查阅相关的技术资料，本系统确定最终的遗留异物视频检测系统的实现流程如图1所示。该系统首先通过混合高斯分布模型的方式实时得到检测区域的背景图像，将实时的监控图像和背景图像进行差分运算获取二值化斑块图像，通过斑块分析的方法锁定可以遗留异物潜在目标，最终通过遗留物遗留时间长短进行报警，实现了一个有效的遗留异物视频检测系统。
2 高斯混合建模
本系统针对检测算法实现的特点，考虑到遗留物检测需要长时间观察遗留异物的斑块变化，如果选用多帧平均的背景建模方式，遗留异物将很快被更新掉，因此，本系统选择采用基于混合高斯模型的背景建模方法。
混合高斯模型采用多个高斯分布对每个像素的像素值进行建模。用表示某个像素 1 至t时刻的像素值，用混合高斯模型描述t时刻像素值的概率密度为：
（1）
式中K 表示高斯分布的个数，表示估计的第i个高斯分布在t时刻的权重，、分别表示第i 个高斯分布在t 时刻的均值和协方差矩阵。η 是高斯概率密度函数。
MOG 模型包含μ、σ和ω三个初始化参数。采用第一帧图像每一像素点的像素值作为第一个高斯模型的均值，并对这个高斯模型赋一个较大方差和较小的权重，而其他的高斯模型将在后面的模型学习中加入。
获得新的像素值以后，将新像素值和K个高斯分布进行比较，如果满足：
（2）
被判断为背景，否则被判断为前景。
通过参数更新以后，背景模型的参数受到了改变，需要从混合高斯模型中估计背景。从统计角度来讲，多高斯分布中，具有高权重和低方差的分布，最有可能是背景像素的分布。因此，MOG 中，对多高斯成分按ω/σ降序排列，然后组成背景模型。
3 差分运算及二值化
本文采用背景差法来获得前景斑块。背景差分法的原理就是使用当前监控的实时图像和获得的背景图像进行差分运算，然后将差分图像通过阈值分割的方法得到二值花斑块图像。也就是将待观察图像和不包含感兴趣物体的估计图像进行比较， 二者的图像平面中存在明显差异的区域， 一般就包含运动物体的位置信息。
4 去噪
检测视频经过二值化处理过后，得到的背景差分图中有时候会存在一些随机小噪声，并且人物以及包中间可能会出现比较明显的断裂和空洞，这些都可能对遗弃物最终的判断结果造成比较大的影响。因此要对图像进行平滑去噪处理。消除噪声的方法可以选用形态学中的腐蚀和膨胀技术。
5 斑块分析
对于遗弃物的检测根本上来说是对斑块的检测分析以及后续的判断。当前的斑块是由背景建模之后，通过实时更新的背景与前景进行差分之后得到背景差分图像，再赋予灰度值，并经过二值化处理，使得前景内运动的目标以白色斑块来显示，不动的背景则以黑色显示，这样可以清楚地从图像中分辨出运动物体来。这个功能可以使用OpenCV中的一个函数来实现，即cvFindContours函数。
6 判断报警
要判断是否为遗弃物可以有一定的标准，比如在某一个地方停留超过多少秒之后的可以视其为遗弃物。在本文对于遗弃物的判断中也是使用了这一种判别方法，通过算法判定当斑块在视频图像中停留多少帧不变化时，判定为遗弃物，进行框出并报警。图4为检测出的遗留物二值化图像及在判断报警图片。
本文在分析了遗留异物检测的特点后，实现了一个实用的遗留异物视频检测系统，该系统可以通过混合高斯分布模型的方式得到检测区域的背景图像，然后将实时的监控图像和背景图像进行差分运算获取二值化斑块图像，通过去噪处理去除干扰判断的小噪声，同时通过斑块分析的方法锁定可以遗留异物潜在目标，最终通过遗留物遗留时间长短进行报警，实现遗留异物检测的功能。
参考文献：
[1]张魁.视频序列中遗留物检测研究[D].太原：太原理工大学，2010.
[2]孔晓东.智能视频监控技术研究[D].上海：上海交通大学，2008.
[3]李国辉，涂丹，袁见.监控视频运动目标检测减背景技术的研 究现状和展望，中国图像图形学报，第11卷，第7期，919-927页.
[4]汤一平，富吉勇，陈耀宇，基于全方位计算机视觉的遗留物检测系统，计算机测量与控制，第18卷，第3期，517-519页。
[5]范俊君，战荫伟，一种基于双背景模型的遗留物检测方法，计算机系统应用，第21卷，第8期，201-205页。