静止背景下的移动目标视觉监控

高小清　吴健珍

摘 要 视觉监控是研究用机器代替人对监控视频进行处理并发现其中存在的异常情况的新兴学科。本文所提出的视觉监控系统采用三帧差分法和边缘检测法相结合来检测移动目标，通过对视频帧进行边缘提取，再用三帧差分法对图像进行处理得到前景目标的连续移动帧；采用基于变换域的跟踪方法对视频中的目标进行跟踪并可定位显示人脸。

关键词 视觉监控 移动目标 跟踪 人脸识别

中图分类号：TP391 文献标识码：A

0 引言

随着数字化、网络化的不断发展，人们的安全防范意识的不断提高，视频监控系统已深入到人们的日常生活。传统的视频监控系统是通过工作人员对监控视频的观看和分析来发现其中的危险信息，这就导致了信息获取的不及时，从而无法及时地发现危险以采取进一步的防范措施，导致财产或人身的安全遭受严重损失。此外，由于人的生理原因，会造成对监控视频的监视疏漏，基于此，视觉监控不断发展，视觉监控实现了由机器来对所获得的视频进行处理，从而可以代替人来发现视频序列中的潜在的危险，不仅可以做到全天候地进行监视处理，还能避免因人为的因素造成的漏报误报。

计算机视觉发展到今天，还没有出现哪种万能的检测和跟踪算法对所有的情况都适用。因此，在实际应用中，对复杂的移动目标进行检测和跟踪都具有相当的难度。本文主要研究基于静止背景的视频序列的移动目标监控，主要包括视频图像的预处理，移动目标的检测、分割、识别、跟踪、人脸识别。

本文的视觉监控系统流程图见图1。首先获取视频序列并对其进行预处理，再进行目标区域的检测和目标识别，这些是视觉监控的低级和中级处理部分，人脸识别和跟踪显示为视觉监控的高级部分。

图1 视觉监控系统工作流程

1 视频图像预处理

在实际应用中，由于监控场景中光照、噪声等方面的影响，使我们所获得的图像质量不高，这就需要通过图像预处理技术来对视频图像进行相应的处理，达到抑制噪声、改善图像质量的目的。

1.1 灰度化

将采集到的彩色图像序列进行灰度处理。

1.2 二值化

本文采用整体阈值法对视频图像进行二值化处理，以取得移动目标。

2 视频监控算法

2.1 移动目标的检测

移动检测就是检测物体的移动区域，它的目的是在输入的若干图像序列中搜索到移动目标的区域，并确定其位置和尺寸大小等信息。

常用的移动目标检测法有背景减除法、帧间差分法、光流法，本文采用三帧差分法和边缘检测法相结合的方法来进行移动目标的检测，主要过程是先用canny算子边缘检测法对视频帧进行边缘的提取，再把连续三帧的视频帧两两相减并与规定的阈值进行比较，根据与阈值的大小关系，判断其为固定背景或是移动前景，从而得到移动目标形状，达到检测的效果。边缘检测的目的是检测并找出图像中屋顶变化和阶跃变化的像素点，把这些像素点连接起来就构成了物体的边缘，即检测出了物体的边缘。

边缘检测主要包括以下四个步骤：（1）图像滤波；（2）图形加强：增强图像中灰度的对比度，突出领域变化显著地点；（3）图像检测：用幅值阈值判据确定边缘点；（4）图像定位。

检测出物体边缘后再对其进行三帧差分算法的计算。

三帧差分法的基本原理是先选取视频图像序列中连续的三帧图像并分别计算相邻两帧的差分图像，然后将差分图像通过选取适当的阈值进行二值化处理，得到二值化图像，最后对每一个像素点得到的二值图像进行逻辑与运算，获取共同部分，从而获得移动目标的轮廓信息。假设三帧图像分别为（）、（）和（）， 分别计算前二帧图像和后二帧图像的差值并二值化处理，得到二值化图像为（）和（），将（）和（）与给定的阈值进行比较，若和都大于给定的阈值T，则把中间帧（）作为前景图像，最终得到移动目标图像。阈值T为人工选取值，在对不同的视频进行处理时，要设定不同的T值。原理图如图2所示。

与传统检测算法相比，三帧差分法和边缘检测法结合的检测效果更好，主要表现在不会出现传统差分法出现的检测目标的空洞问题，也避免了边缘检测法的边缘不清晰问题；相邻两帧时间间隔一般较短，其对于场景光线变化敏感度不高，适应性强，鲁棒性好，稳定性好，能适应场景的小幅度变化；背景不随着时间累积，其更新速度较快，相对易于实现实时监控。

2.2 移动目标跟踪

本文使用基于变换域的跟踪方法和基于脸部特征的跟踪方法来实现移动目标跟踪。

2.3 人脸检测

本文的人脸跟踪部分主要用到了MATLA 2012B中的Computer Vision System Toolbox（计算机视觉工具箱）的vision.CascadeObjectDetector（）函数，可以通过更改括号内的参数决定某种跟踪。

图2 三帧差分法的基本原理图

3 仿真实验与分析

本文在MATLA 2012B平台上进行仿真实验，对一段自己拍摄的视频进行测试，处理速度为每秒15帧，用三帧差分法和边缘检测法相结合的方法来对移动目标的检测，用基于变换域的跟踪方法对人体进行跟踪，用基于脸部特征的跟踪方法进行人脸的提取和跟踪。

仿真结果见图3、图4、图5。

从仿真结果可以看出，三帧差分法和边缘检测法相结合的方法比只用三帧差分法或只用边缘检测法能更好的提取出移动目标，提取出来的运动目标轮廓更加清晰，内部的空洞比较少，且实用性强，不仅可以检测移动人体还可以检测任何移动物体。跟踪算法能很好的跟踪运动目标，并能准确地标出运动轨迹，识别精度较高。人脸识别跟踪能准确地识别视频中的人脸并进行跟踪。

4 结论

本文的创新点在于针对传统的视频序列中移动目标检测算法的不足，提出了一种将三帧差分法与边缘检测法相结合的移动物体目标的检测算法。该方法能适应复杂环境，有效克服光照对视频中移动目标检测的影响，检测提取的移动目标轮廓与实际物体轮廓相符，且适用性强，不仅可以检测跟踪目标人体，还可以检测任何移动物体。在人脸识别部分，能较准确地识别并提取出人脸。仿真结果表明该方法准确高效，适用范围广，能应用于银行、高级办公楼、超市、交通监控等方面，可以有效减少人力物力的投入，获得比较好的经济效益。

参考文献

[1] 赵世喆.基于序列图像的移动目标检测和跟踪算法研究[D].北方工业大学硕士学位论文，2006.

[2] 涂虬，许毅平，周曼丽.基于全局最小化活动轮廓的多目标检测跟踪[J].计算机应用研究，2010.27（2）：219-220.

[3] 张娟，毛晓波，陈铁军.运动目标跟踪算法烟具综述[J].计算机应用研究，2009.26（12）：4407-4410.

[4] 夏永泉，李卫丽，甘勇，张素智.智能视频监控中的运动目标检测技术研究[J].通信技术，2009.42（6）：3-4.

[5] 吴健珍.控制系统CAD与数字仿真[M].北京：清华大学出版社，2014.endprint

摘 要 视觉监控是研究用机器代替人对监控视频进行处理并发现其中存在的异常情况的新兴学科。本文所提出的视觉监控系统采用三帧差分法和边缘检测法相结合来检测移动目标，通过对视频帧进行边缘提取，再用三帧差分法对图像进行处理得到前景目标的连续移动帧；采用基于变换域的跟踪方法对视频中的目标进行跟踪并可定位显示人脸。

关键词 视觉监控 移动目标 跟踪 人脸识别

中图分类号：TP391 文献标识码：A

0 引言

随着数字化、网络化的不断发展，人们的安全防范意识的不断提高，视频监控系统已深入到人们的日常生活。传统的视频监控系统是通过工作人员对监控视频的观看和分析来发现其中的危险信息，这就导致了信息获取的不及时，从而无法及时地发现危险以采取进一步的防范措施，导致财产或人身的安全遭受严重损失。此外，由于人的生理原因，会造成对监控视频的监视疏漏，基于此，视觉监控不断发展，视觉监控实现了由机器来对所获得的视频进行处理，从而可以代替人来发现视频序列中的潜在的危险，不仅可以做到全天候地进行监视处理，还能避免因人为的因素造成的漏报误报。

计算机视觉发展到今天，还没有出现哪种万能的检测和跟踪算法对所有的情况都适用。因此，在实际应用中，对复杂的移动目标进行检测和跟踪都具有相当的难度。本文主要研究基于静止背景的视频序列的移动目标监控，主要包括视频图像的预处理，移动目标的检测、分割、识别、跟踪、人脸识别。

本文的视觉监控系统流程图见图1。首先获取视频序列并对其进行预处理，再进行目标区域的检测和目标识别，这些是视觉监控的低级和中级处理部分，人脸识别和跟踪显示为视觉监控的高级部分。

图1 视觉监控系统工作流程

1 视频图像预处理

在实际应用中，由于监控场景中光照、噪声等方面的影响，使我们所获得的图像质量不高，这就需要通过图像预处理技术来对视频图像进行相应的处理，达到抑制噪声、改善图像质量的目的。

1.1 灰度化

将采集到的彩色图像序列进行灰度处理。

1.2 二值化

本文采用整体阈值法对视频图像进行二值化处理，以取得移动目标。

2 视频监控算法

2.1 移动目标的检测

移动检测就是检测物体的移动区域，它的目的是在输入的若干图像序列中搜索到移动目标的区域，并确定其位置和尺寸大小等信息。

常用的移动目标检测法有背景减除法、帧间差分法、光流法，本文采用三帧差分法和边缘检测法相结合的方法来进行移动目标的检测，主要过程是先用canny算子边缘检测法对视频帧进行边缘的提取，再把连续三帧的视频帧两两相减并与规定的阈值进行比较，根据与阈值的大小关系，判断其为固定背景或是移动前景，从而得到移动目标形状，达到检测的效果。边缘检测的目的是检测并找出图像中屋顶变化和阶跃变化的像素点，把这些像素点连接起来就构成了物体的边缘，即检测出了物体的边缘。

边缘检测主要包括以下四个步骤：（1）图像滤波；（2）图形加强：增强图像中灰度的对比度，突出领域变化显著地点；（3）图像检测：用幅值阈值判据确定边缘点；（4）图像定位。

检测出物体边缘后再对其进行三帧差分算法的计算。

三帧差分法的基本原理是先选取视频图像序列中连续的三帧图像并分别计算相邻两帧的差分图像，然后将差分图像通过选取适当的阈值进行二值化处理，得到二值化图像，最后对每一个像素点得到的二值图像进行逻辑与运算，获取共同部分，从而获得移动目标的轮廓信息。假设三帧图像分别为（）、（）和（）， 分别计算前二帧图像和后二帧图像的差值并二值化处理，得到二值化图像为（）和（），将（）和（）与给定的阈值进行比较，若和都大于给定的阈值T，则把中间帧（）作为前景图像，最终得到移动目标图像。阈值T为人工选取值，在对不同的视频进行处理时，要设定不同的T值。原理图如图2所示。

与传统检测算法相比，三帧差分法和边缘检测法结合的检测效果更好，主要表现在不会出现传统差分法出现的检测目标的空洞问题，也避免了边缘检测法的边缘不清晰问题；相邻两帧时间间隔一般较短，其对于场景光线变化敏感度不高，适应性强，鲁棒性好，稳定性好，能适应场景的小幅度变化；背景不随着时间累积，其更新速度较快，相对易于实现实时监控。

2.2 移动目标跟踪

本文使用基于变换域的跟踪方法和基于脸部特征的跟踪方法来实现移动目标跟踪。

2.3 人脸检测

本文的人脸跟踪部分主要用到了MATLA 2012B中的Computer Vision System Toolbox（计算机视觉工具箱）的vision.CascadeObjectDetector（）函数，可以通过更改括号内的参数决定某种跟踪。

图2 三帧差分法的基本原理图

3 仿真实验与分析

本文在MATLA 2012B平台上进行仿真实验，对一段自己拍摄的视频进行测试，处理速度为每秒15帧，用三帧差分法和边缘检测法相结合的方法来对移动目标的检测，用基于变换域的跟踪方法对人体进行跟踪，用基于脸部特征的跟踪方法进行人脸的提取和跟踪。

仿真结果见图3、图4、图5。

从仿真结果可以看出，三帧差分法和边缘检测法相结合的方法比只用三帧差分法或只用边缘检测法能更好的提取出移动目标，提取出来的运动目标轮廓更加清晰，内部的空洞比较少，且实用性强，不仅可以检测移动人体还可以检测任何移动物体。跟踪算法能很好的跟踪运动目标，并能准确地标出运动轨迹，识别精度较高。人脸识别跟踪能准确地识别视频中的人脸并进行跟踪。

4 结论

本文的创新点在于针对传统的视频序列中移动目标检测算法的不足，提出了一种将三帧差分法与边缘检测法相结合的移动物体目标的检测算法。该方法能适应复杂环境，有效克服光照对视频中移动目标检测的影响，检测提取的移动目标轮廓与实际物体轮廓相符，且适用性强，不仅可以检测跟踪目标人体，还可以检测任何移动物体。在人脸识别部分，能较准确地识别并提取出人脸。仿真结果表明该方法准确高效，适用范围广，能应用于银行、高级办公楼、超市、交通监控等方面，可以有效减少人力物力的投入，获得比较好的经济效益。

参考文献

[1] 赵世喆.基于序列图像的移动目标检测和跟踪算法研究[D].北方工业大学硕士学位论文，2006.

[2] 涂虬，许毅平，周曼丽.基于全局最小化活动轮廓的多目标检测跟踪[J].计算机应用研究，2010.27（2）：219-220.

[3] 张娟，毛晓波，陈铁军.运动目标跟踪算法烟具综述[J].计算机应用研究，2009.26（12）：4407-4410.

[4] 夏永泉，李卫丽，甘勇，张素智.智能视频监控中的运动目标检测技术研究[J].通信技术，2009.42（6）：3-4.

[5] 吴健珍.控制系统CAD与数字仿真[M].北京：清华大学出版社，2014.endprint

摘 要 视觉监控是研究用机器代替人对监控视频进行处理并发现其中存在的异常情况的新兴学科。本文所提出的视觉监控系统采用三帧差分法和边缘检测法相结合来检测移动目标，通过对视频帧进行边缘提取，再用三帧差分法对图像进行处理得到前景目标的连续移动帧；采用基于变换域的跟踪方法对视频中的目标进行跟踪并可定位显示人脸。

关键词 视觉监控 移动目标 跟踪 人脸识别

中图分类号：TP391 文献标识码：A

0 引言

随着数字化、网络化的不断发展，人们的安全防范意识的不断提高，视频监控系统已深入到人们的日常生活。传统的视频监控系统是通过工作人员对监控视频的观看和分析来发现其中的危险信息，这就导致了信息获取的不及时，从而无法及时地发现危险以采取进一步的防范措施，导致财产或人身的安全遭受严重损失。此外，由于人的生理原因，会造成对监控视频的监视疏漏，基于此，视觉监控不断发展，视觉监控实现了由机器来对所获得的视频进行处理，从而可以代替人来发现视频序列中的潜在的危险，不仅可以做到全天候地进行监视处理，还能避免因人为的因素造成的漏报误报。

计算机视觉发展到今天，还没有出现哪种万能的检测和跟踪算法对所有的情况都适用。因此，在实际应用中，对复杂的移动目标进行检测和跟踪都具有相当的难度。本文主要研究基于静止背景的视频序列的移动目标监控，主要包括视频图像的预处理，移动目标的检测、分割、识别、跟踪、人脸识别。

本文的视觉监控系统流程图见图1。首先获取视频序列并对其进行预处理，再进行目标区域的检测和目标识别，这些是视觉监控的低级和中级处理部分，人脸识别和跟踪显示为视觉监控的高级部分。

图1 视觉监控系统工作流程

1 视频图像预处理

在实际应用中，由于监控场景中光照、噪声等方面的影响，使我们所获得的图像质量不高，这就需要通过图像预处理技术来对视频图像进行相应的处理，达到抑制噪声、改善图像质量的目的。

1.1 灰度化

将采集到的彩色图像序列进行灰度处理。

1.2 二值化

本文采用整体阈值法对视频图像进行二值化处理，以取得移动目标。

2 视频监控算法

2.1 移动目标的检测

移动检测就是检测物体的移动区域，它的目的是在输入的若干图像序列中搜索到移动目标的区域，并确定其位置和尺寸大小等信息。

常用的移动目标检测法有背景减除法、帧间差分法、光流法，本文采用三帧差分法和边缘检测法相结合的方法来进行移动目标的检测，主要过程是先用canny算子边缘检测法对视频帧进行边缘的提取，再把连续三帧的视频帧两两相减并与规定的阈值进行比较，根据与阈值的大小关系，判断其为固定背景或是移动前景，从而得到移动目标形状，达到检测的效果。边缘检测的目的是检测并找出图像中屋顶变化和阶跃变化的像素点，把这些像素点连接起来就构成了物体的边缘，即检测出了物体的边缘。

边缘检测主要包括以下四个步骤：（1）图像滤波；（2）图形加强：增强图像中灰度的对比度，突出领域变化显著地点；（3）图像检测：用幅值阈值判据确定边缘点；（4）图像定位。

检测出物体边缘后再对其进行三帧差分算法的计算。

三帧差分法的基本原理是先选取视频图像序列中连续的三帧图像并分别计算相邻两帧的差分图像，然后将差分图像通过选取适当的阈值进行二值化处理，得到二值化图像，最后对每一个像素点得到的二值图像进行逻辑与运算，获取共同部分，从而获得移动目标的轮廓信息。假设三帧图像分别为（）、（）和（）， 分别计算前二帧图像和后二帧图像的差值并二值化处理，得到二值化图像为（）和（），将（）和（）与给定的阈值进行比较，若和都大于给定的阈值T，则把中间帧（）作为前景图像，最终得到移动目标图像。阈值T为人工选取值，在对不同的视频进行处理时，要设定不同的T值。原理图如图2所示。

与传统检测算法相比，三帧差分法和边缘检测法结合的检测效果更好，主要表现在不会出现传统差分法出现的检测目标的空洞问题，也避免了边缘检测法的边缘不清晰问题；相邻两帧时间间隔一般较短，其对于场景光线变化敏感度不高，适应性强，鲁棒性好，稳定性好，能适应场景的小幅度变化；背景不随着时间累积，其更新速度较快，相对易于实现实时监控。

2.2 移动目标跟踪

本文使用基于变换域的跟踪方法和基于脸部特征的跟踪方法来实现移动目标跟踪。

2.3 人脸检测

本文的人脸跟踪部分主要用到了MATLA 2012B中的Computer Vision System Toolbox（计算机视觉工具箱）的vision.CascadeObjectDetector（）函数，可以通过更改括号内的参数决定某种跟踪。

图2 三帧差分法的基本原理图

3 仿真实验与分析

本文在MATLA 2012B平台上进行仿真实验，对一段自己拍摄的视频进行测试，处理速度为每秒15帧，用三帧差分法和边缘检测法相结合的方法来对移动目标的检测，用基于变换域的跟踪方法对人体进行跟踪，用基于脸部特征的跟踪方法进行人脸的提取和跟踪。

仿真结果见图3、图4、图5。

从仿真结果可以看出，三帧差分法和边缘检测法相结合的方法比只用三帧差分法或只用边缘检测法能更好的提取出移动目标，提取出来的运动目标轮廓更加清晰，内部的空洞比较少，且实用性强，不仅可以检测移动人体还可以检测任何移动物体。跟踪算法能很好的跟踪运动目标，并能准确地标出运动轨迹，识别精度较高。人脸识别跟踪能准确地识别视频中的人脸并进行跟踪。

4 结论

本文的创新点在于针对传统的视频序列中移动目标检测算法的不足，提出了一种将三帧差分法与边缘检测法相结合的移动物体目标的检测算法。该方法能适应复杂环境，有效克服光照对视频中移动目标检测的影响，检测提取的移动目标轮廓与实际物体轮廓相符，且适用性强，不仅可以检测跟踪目标人体，还可以检测任何移动物体。在人脸识别部分，能较准确地识别并提取出人脸。仿真结果表明该方法准确高效，适用范围广，能应用于银行、高级办公楼、超市、交通监控等方面，可以有效减少人力物力的投入，获得比较好的经济效益。

参考文献

[1] 赵世喆.基于序列图像的移动目标检测和跟踪算法研究[D].北方工业大学硕士学位论文，2006.

[2] 涂虬，许毅平，周曼丽.基于全局最小化活动轮廓的多目标检测跟踪[J].计算机应用研究，2010.27（2）：219-220.

[3] 张娟，毛晓波，陈铁军.运动目标跟踪算法烟具综述[J].计算机应用研究，2009.26（12）：4407-4410.

[4] 夏永泉，李卫丽，甘勇，张素智.智能视频监控中的运动目标检测技术研究[J].通信技术，2009.42（6）：3-4.

[5] 吴健珍.控制系统CAD与数字仿真[M].北京：清华大学出版社，2014.endprint