基于视频监控的人的异常行为系统设计

李忠海，邢晓红，金海洋

（沈阳航空航天大学自动化学院，沈阳110136）

基于视频监控的人的异常行为系统设计

李忠海，邢晓红，金海洋

（沈阳航空航天大学自动化学院，沈阳110136）

“视频监控”是一种可实现夜间检测的视频监控系统，普遍用于沿街商铺、仓库、郊区独户别墅以及小区等场所。传统的视频监控对摄像头的要求较高，并且需要多人值守，对人力、财力的要求较高。针对传统视频监控存在的不足，设计了一种智能检测系统，能实现对非法入侵、物品盗移等异常状况的实时检测和及时报警，还针对夜间图像的特点设计增强算法，使普通摄像头可实现夜间监控，大大降低了视频监控的应用成本并提高了监控效率。

视频监控，图像增强，智能检测，实时监测

0 引言

20世纪80年代初期视频监控系统开始登上历史的舞台。但是由于设备的生产成本、寿命、安保效果等因素，使其在应用上受到了很大的限制。随着社会的发展和科技的进步，监控系统开始被广泛应用于交通、小区、超市、银行、校园等。但是大部分的监控设备仍是以人工督查为主，这种方式对工作人员的要求较高，劳动强度较大，而且由于人的注意力无法一直高度集中难免会出现疏忽。

智能监控系统提倡利用计算机来更多地代替人工，如目标的检测与跟踪、异常行为报警等，极大地降低了工作人员的劳动强度和人工成本，同时也减少了出现人为失误的可能性［1-3］。但是，由于算法设计的限制，不能达到很好的处理精度。

本系统的主要内容包括以下3个方面:①控制系统设计:主要包括系统的硬件和软件设计，是系统稳定运行的前提。②图像增强算法设计:在现有图像增强算法的基础上加以改进，提高算法的运行精度和速度，保证普通摄像机在夜间可以正常工作。③智能检测及报警模块设计:利用改进的目标检测与跟踪算法对目标行为进行判断，提高系统的稳定性，减少误报、错报等情况的发生。该模块是本系统的核心模块，是系统实现智能化的保障。

1 视频监控控制系统设计

1.1 系统硬件设计

对系统进行整体分析后，设计系统的硬件结构图，具体的硬件结构框架图如图1所示。

图1 系统硬件结构框图

本系统的硬件开发平台由S5PV210处理器以及一些外围模块构成，如电源模块主要为系统提供供电支持，LCD显示屏用于模拟监控视频和人机操作界面的本地显示。COM串口用于与计算机进行数据通讯，一般用作调试接口。监控视频的采集模块使用支持UVC（USB Video Class）标准的USB摄像头进行模拟，由于Linux操作系统内核包含UVC的驱动，因此，可以直接使用。综上，上述开发平台完全满足本系统的开发要求。

1.2 系统软件设计

嵌入式软件包括引导加载程序、操作系统、驱动程序、应用软件等组件。系统的软件结构如图2所示。

图2 系统软件结构图

针对控制系统可实现的功能设计系统的软件流程图，具体如图3所示。

2 图像增强算法设计

本文在MSR图像增强算法的基础上，提出了一种基于HSI空间的自适应尺度MSR（Multi-Scale Retinex）图像增强算法，根据图像的特点自适应地选择滤波函数的尺度，并且可以自动融合各个尺度的增强效果，在保持背景平滑的前提下突出目标的细节特征。然后根据韦伯定理和人眼视觉系统的特点选择尺度参数，使得处理后图像的亮度和对比度明显提高。

图3 系统软件流程图

图像增强算法设计步骤如下:

2.1 将原RGB图像转化到HSI空间

对任何3个R、G、B值，对应HSI模型中的H、S、I分量可由式计算:

2.2 自适应尺度参数选择

在HSI空间中，首先对图像进行区域划分，然后在每个区域对图像进行自适应尺度参数选择。

本文利用图像的背景强度和梯度信息对其进行二维分解，根据图像背景强度和灰度值的跳变率，将图像各个像素亮度分到不同的区域中，其中背景强度I（x，y）可通过计算邻域像素的加权均值得到:

其中，m、n、r是权值，L是待处理的像素上下左右4个方向的邻域像素组成的集合，L'是待处理像素的对角线上邻域像素组成的集合。

计算出图像像素值的梯度G（x，y），作为图像的信息跳变率。为了划分图像亮度区域，还要得到图像像素的最大差别值Id，其计算公式为:

定义图像背景强度阈值定义图像背景强度阈值Ii和梯度阈值Gi，i=1，2，3

背景强度阈值Ii如下式所示:

其中，a=0.01，b=0.5，c=0.7。

梯度阈值Gi如下式所示:

当某区域内点的像素值大于I3，且满足时，则该区域为高亮度区域，就此完成对图像各个区域的划分。

在确定图像的亮度区域后，对亮度区域不同的图像自适应的计算其尺度参数，如下所示:

当图像为低亮度图像时，其尺度参数选取公式如下:

当图像为中亮度图像时，其尺度参数选取公式如下:

当图像为高亮度图像时，其尺度参数选取公式如下:

上式中log为取对数；D1、D2、D3为基准尺度参数，最终得到的尺度参数取值在D1、D2、D3附近上下波动，本文算法分别取D1=30、D2=80、D3=120；I（x，y）为背景强度，G（x，y）为梯度；WIi和是由当前图像背景强度和梯度得到的权值，通过调节α和β的值来调节背景强度和梯度对σi的影响，α、β的值越大对σi影响越大；反之则越小，实际操作中可根据图像整体亮度的明暗来选取α和β的值。

2.3 不同尺度信息融合

利用上述步骤中选取的尺度参数值，替代MSR算法中预先设定的固定尺度，进行自适应尺度参数的MSR图像增强处理，则最后的增强图像为:

④将图像从HSI空间转换到RGB空间

当H在［0°，-120°］之间时:

当H在［120°，-240°］之间时:

当H在［240°，-360°］之间时:

算法的具体流程图如下页图4所示。

为了说明本文算法的有效性，采取信息熵、均值、方差、对比度等4个有关图像质量评价的指标来衡量本文图像增强算法的效果，并且用算法的运行时间来衡量算法的实时性，为了验证算法的有效性，本文从网上图库中下载了几张夜间图像进行处理，处理结果如下页图5所示。

图4 图像增强算法流程图

图5 本文增强算法处理结果

从图5（a）、（b）中可以看出，原始图像的亮度很低，在图像中几乎看不到图像的相关细节信息。图（a1）、（b1）是通过本文增强算法处理后的图像，可以明显看出图像达到一个较适宜的亮度，同时，可以清晰地观察到图像的一些细节信息，并且本文算法更好地保持了图像的色彩信息，有效抑制了路灯区域产生的“光晕”现象，明显减少了图像的噪声。原始图像（a）、（b）经本文增强算法处理后的图像质量参数如表1所示。

表1 处理后图像质量参数对比表

从表1可以看出，处理后图像的信息熵与均值都比原图像要高，说明处理后图像的亮度明显提升并且细节信息更加突出。另外处理后图像的方差和对比度也都在一定程度上有所增强，算法运行时间也短于传统的MSR算法，算法效率较高。

3 智能视频监控系统算法设计

3.1 运动目标的检测

本文通过引入减缓因子从背景的局部光照变化和全局光照变化两个方面改进了混合高斯背景模型的参数更新方案，并且将引入万有引力定律的图像边缘检测算法与对称差分算法相结合，有效解决了传统目标检测算法检测结果存在空洞、边缘信息破碎等问题。最后将改进的对称差分算法与改进的混合高斯背景建模算法通过逻辑与运算来融合数据，再经过形态学处理（闭运算以及空洞填充等）实现对运动目标的检测。

3.1.1 局部光照发生变化时的改进

改进后的混合高斯背景模型方差更新公式如下:

其中，Xt为像素值，σ2i，t为方差，μi，t为均值，减缓因子κ=Xt-μi，t，则当前像素值和均值的差越小，减缓因子κ越小，方差更新越缓慢。根据经验，均值更新因子取值0.015，方差更新因子取0.005。

3.1.2 全局光照发生变化时的改进

当全局光照发生突变的情况下，当前帧图像的像素值会产生较大变化，这种突变对方差估计影响不大，但是对均值估计影响很大。因此，本文对均值更新部分算法进行了改进。设平均灰度值变化阈值为Tμ，若当前帧像素的平均灰度值与背景模型的平均灰度值的绝对差值大于Tμ，表示光照强度变化较大，则更新背景模型的每一个高斯分布的均值。否则，均值正常更新。均值更新公式如下:

这里，mean（t）代表t时刻图像的平均灰度值。

3.1.3 帧间差分算法的改进

首先从图像序列中提取出三帧图像，先将前两帧图像进行帧间差分，再将后两帧图像进行帧间差分，最后再将两次帧间差分的结果进行融合。对称差分算法得到的结果比帧间差分算法更好。

算法的具体流程图，如图6所示。

图6 目标检测算法流程图

3.2 运动目标跟踪

本文中的目标跟踪模型［13-16］建立的具体步骤如下:①将距离规则项引入到测地线活动轮廓模型中，并把3.1中检测出的运动目标作为初始轮廓曲线。②利用水平集算法对轮廓曲线进行演化。③用最小二乘法预测被跟踪运动目标下一帧的位置信息。

上述模型减小了运动目标的搜索范围，降低了算法运行时间，使得系统能满足实时监控的需求。本文跟踪算法与其他跟踪算法仿真结果对比，如图7所示。

图7 跟踪算法仿真结果对比

图中（a）、（b）分别为录制视频中的第24帧、第49帧，蓝色框表示其他算法预测的目标位置区域，（c）、（d）为本文跟踪算法演化得到的行人轮廓，分别对应上面的（a）、（b）。可以看到，本文算法的搜索范围只有接近于运动目标大小的一块区域，运动目标搜索的时间大大减少，保证了智能监控系统的实时性。

3.3 异常检测及报警

对运动目标进行检测跟踪后，对目标行为进行分析。本文对异常行为的检测主要是针对非法入侵，如爬窗、闯入重要区域等。对非法入侵，仅需要在窗户或重要区域等地方设置感兴趣区域，当检测到有运动目标闯入时发出报警。

对于物品盗移，我们对贵重物品设置感兴趣区域，并利用上文中提到的改进混合高斯背景建模对包含贵重物品在内的感兴趣区域进行背景建模，并实时更新参数，当ROI内出现大的参数变化时说明物体被盗，与此同时发出报警。

窗户攀爬和闯入警戒区域的跟踪过程如图8～图10所示。

图8 窗户攀爬检测跟踪过程截图

图9 警戒区入侵跟踪过程

图10 窗户攀爬及警戒区入侵报警

本文中的视频全部由作者自己拍摄。实验证明，本文算法能满足电子更夫监控系统的实时性要求，而且本文算法计算量小，实现简单。

4 结论

智能视频监控系统的研究对小区等重要地方的安防有很大的推动作用，尤其是在夜间大大减少了值班人员的负担。本文仅研究了智能视频监控几个基本的功能，但在算法上作了一些修改和创新，提高了系统的准确性，减少了算法的运行时间，提高了系统的实时性。对于此系统还有一些要修改和扩充的地方，主要有以下几点:系统仅针对固定的摄像机作出了设计，在今后的时间里将对云台控制下的摄像机的智能监控进行研究，实现摄像机移动下的实时监控；系统所具备的智能模块相对较少，还可以集成更多的智能模块，如徘徊检测、目标类型识别、火焰识别等。

［1］骆云志，刘治红.视频监控技术发展综述［J］.兵工自动化，2009，28（1）:1-3.

［2］张晓兵，李明，白洋.浅析视频监控系统发展［J］.北方交通，2010（11）:51-53.

［3］范亚男，葛卫丽.智能视频监控系统发展及应用［J］.价值工程，2010（17）:97-98.

［4］李涛.基于ARM的USB视频采集系统研究［D］.秦皇岛:燕山大学，2011.

［5］EDWIN H L.An alternative technique in the retinex theory of color vision［J］.For the Computation of the Designator Proc. Natl.Acad.Sci.USA，1986（83）:3078-3080.

［6］RAHMAN Z，JOBSON D J，WOODEN G A.Multi-scale retinex for color image enhancement［C］//Proceedings of Image Processing，1996（3）:1003-1006.

［7］汪荣贵，张漩.一种新型自适应Retinex图像增强方法研究［J］.电子学报，2010，38（12）:2933-2936.

［8］方帅，杨静荣，曹洋，等.图像引导滤波的局部多尺度Retinex算法［J］.中国图象图形学报，2012，17（7）: 748-755.

［9］秦绪佳.HSV色彩空间的Retinex结构光图像增强算法［J］.计算机辅助设计与图形学报，2013，25（4）:1-6.

［10］胡燕，嵇启春，李智杰，等.视频监控中背景的提取和更新算法［J］.计算技术与自动化，2009，28（1）:142-144.

［11］陈俊超，张俊豪，刘诗佳，等.基于背景建模与帧间差分的目标检测改进算法［J］.计算机工程，2011，11（37）: 171-173.

［12］张春雪，陈秀宏.基于非线性滤波的万有引力边缘检测方法［J］.计算机应用，2011，31（3）:763-766.

［13］董春利，董育宁，王莉.动轮廓模型目标跟踪算法综述［J］.计算机工程与应用，2008，44（34）:208-212.

［14］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）:794-797.

［15］单勇.复杂条件下视频运动目标检测和跟踪［D］.长沙:国防科学技术大学，2006.

［16］徐杨，吴成东，陈东岳，等.采用测地线活动轮廓模型检测与跟踪运动目标［J］.控制理论与应用，2012，29（6）: 747-753.

System Design of Human Abnormal Behavior Based on Video Surveillance

LI Zhong-hai，XING Xiao-hong，JIN Hai-yang
（School of Automation，Shenyang University of Aeronautics and Astronautics，Shenyang 110136，China）

“Video surveillance”is a kind of video monitoring system that can detect the target in the night.It is widely used in shops along the street，warehouse，single-family villas in the suburb and supermarkets and so on.The traditional"video surveillance"has a high requirement to the camera and is guarded by more than one people.That means high financial resources and manpower is needed.In allusion to the shortcomings of the traditional“video surveillance”，an intelligent detection system which can recognize the illegal invasion and items stolen in real-time and alarm in time is designed.In allusion to the characteristics of the night time images，an image enhancement algorithm is designed which makes the ordinary camera can realize monitoring at night.It reduces the cost of“video surveillance”and improves the monitoring rate greatly.

electronic bellman，image enhancement，intelligent detection，real-time monitoring

TP751

A

1002-0640（2017）04-0165-06

2016-02-27

2016-04-22

李忠海（1962-），男，辽宁沈阳人，博士，教授。研究方向：图像处理与模式识别，故障诊断等。