视频监控技术在客流量计数中的应用

李想

摘要：行人流量检测技术是当今世界智能视觉系统研究中一个十分活跃的新域。行人检测、流量分析在地铁、道路、超市出入口、城市交通环境中有着广泛的应用需求和明显的社会和经济效益。计算机视觉监控技术能够利用计算机视觉和图像处理的方法建立一个智能管理系统，通过对摄像机拍录的视频序列进行分析来实现行人的定位、识别和跟踪，从而提供了一种更加先进和可行的智能处理方案。

关键词：视频监控 目标检测 背景差分 客流计数

一、一种简单、有效的背景模型

本文提出一种可以快速建立背景、具有一定自适应能力、保留背景差分目标分割完整这一优点的背景模型。该方法用几次连续的帧间差分法，快速地从视频序列图像中检测出背景区域，然后在得到的背景基础上确立每一个点的背景检测模型具体处理过程如下：

4利用M帧差分图像建立背景，本方法假设被运动目标遮挡的背景至少会露出来一次，这样就可以用公式（2）提取出背景了，其中R为B¹_m不为0的次数。

5用提取出的背景信息作为参数建立初始背景模型，后续图像前景点和背景点的判决由式（3）决定，其中f（i，j）为当前帧某个像素点的灰度值，当满足条件时，该点为背景点，否则为前景点，其中T_N是一个动态的最佳阈值，这一点将在“基于双置信度的背景更新”予以详阐述。

二、目标的自适应分割与检测

本文的阈值T_N是一个基于直方图的动态最佳阈值，其计算法如下：

1.求出图像中的最小和最大灰度值，令初始阈值等于这两个值的平均值；

2.根据阈值将图像分割成目标和背景两部分，求出两部分的平均灰度值，在分割公式中可以加入权重系数，如公式（4）；

3.用Z_o和Z_a的平均值作为分割阈值；

4.如果求出的新阈值与前次的阈值相等，则结束，否则转步骤2，直至迭代成功。

三、基于双置信度的背景更新

由于背景是变化的，要使背景模型能够对外界光线的变化具有自适应性，必须实时地对背景模型进行更新，以备下次提取运动目标，使整个检测过程持续进行。背景更新的基本思想是使当前帧有一定置信度的背景点参与更新。置信度可以通过两方面来估计：

1.像素点与运动目标的位置关系。从差分图像可以看出，由目标检测得到的非运动点不定都是背景点，如较弱的阴影和噪声等，因此只有差分值小于阈值并位于运动目标定邻域之外的点才是需要更新的背景点，具有第一方面较高置信度。将运动目标区域进行膨胀，如果像素点在此区域之外，并且在差分图像中的像素值小于一个较小的阈值（实验中取6），表明该点在更新时刻具有高置信度，记为C₁（i，j）=1。

2.像素点为背景的累计时间长短。当场景中存在抖动或者噪声的时候，我们并不希望把极短时间内运动的点或者点集作为运动目标，而是希望当其运动累计到定程度才对其进行处理，因此这里引入了第二个方面的置信度。这个置信度是根据各点保持为背景点的历史信息，用矩阵F表示，只有持续M帧都为背景的点才可以参与背景更新。矩阵F初始化为零矩阵，后续帧中如果像素点是前景点则其累计值赋为M，否则累计值减1，直至为0。更新时矩阵F中累计值为O的点在此刻就具有第二方面高置信度，记为C₂（i，j）=1。

本文提出的方法利用上述兩个方面的置信度来进行背景更新，同时为了防止过度更新，本文在更新公式中加入了遗忘因子α（实验中取0.1），更新公式见公式（5）。

否则，由于本方法在更新思路方面与高斯法相近，应用了遗忘因子作为更新参数，同时又加入了多个判定条件，使背景更新在速度方面快于高斯法的同时，在准确性方面也优于高斯法。

四、目标跟踪与客流量计数

系统在目标检测基础上对目标采用模板匹配且逐帧跟踪，并提出了一种通过设置标志线的方法判断行人目标是否通过并实现计数。同运动目标在相邻两帧图像中，其运动位置、形状、面积等特征变化相对较小。综合考虑运动目标的位置特征、形状特征以及统计特征等，为检测到的行人目标建立特征模板，进行匹配，实现连续跟踪行人。位置特征：根据行人的运动在时间和空间上的连续性，将位置作为目标匹配时首先考虑的特征，在预测位置附近进行搜索，此区域内检测不到目标则认为跟踪失败，否则结合其他信息进行匹配判断形状特征：用行人的面积和外接矩形的长宽比表示其形状特性；统计特征：将图像的灰度均值以及连续两副目标图像的相关性等统计特征，作为目标匹配的指标。灰度均值为endprint