以机器视觉为基础应用於安全监控之遗留物侦测.docVIP

以機器視覺為基礎應用於安全監控之遺留物偵測 Abandoned object detection using dual statistical background model for security surveillance 蔡篤銘1,* 徐顥2 林雨儂3 摘要 　　在傳統監視系統中，透過監控人員長時間在監視畫面前觀察異常，既費時又費力。因此，我們建立一套自動偵測遺留物系統，可以自動偵測監控環境中被放置的遺留物並發出警訊，提醒作業人員迅速前來處理，即可達到節省人力與時間之效果。 　　我們利用以統計管制界線為基礎之前景分割法，將前景從背景中分離出後，再透過交集法將移動物體與靜態物體區別開來，最後分析靜態物體之幾何特徵後，正確判斷出遺留物，並且標示出其位置。實驗結果顯示在停車場、地鐵站、校園內皆不受到移動車輛、人群及光源變化等背景影響，能夠正確的偵測出遺留物。 關鍵詞：機器視覺、安全監控、遺留物偵測。 Abstract 　　Most of the monitoring systems rely on human personnel to observe the anomalies in videos, which are wasting time and require lot of human resources. This paper proposes a video surveillance system can automatically detect the abandoned objects by using SPC (statistical process control) based foreground segmentation, still-object detection and Blob analysis. Experimental results have shown that the proposed method can well detect objects left behind in a subway, a campus building and a parking lot. Keyword：Machine vision, Video surveillance, abandoned objects. 壹、前言 　　在民國九十八年五月期間，有則新聞為雪山隧道內因小貨車乘客將未熄滅之煙蒂彈出車外，煙蒂被風吹進後車斗後引燃了放置於後車斗的毛毯，車內乘客遂將著火之毛毯朝隧道內丟棄，幸虧監視人員透過監控畫面即時發現異常狀況做出反應，才未釀成大禍。 　　在雪山隧道這種大型監視系統中，勢必要聘請足夠的監控人員才能同時監控眾多監視畫面，但過多的人手又容易形成資源的浪費，而監視人員也會因為疲倦而發生遺漏重要畫面的情形。為了避免人手不足或是人員疲倦而影響到偵測隧道內異常事件發生的效，因此本研究的目的是希望能夠發展出一套自動偵測遺留物的系統，當系統偵測到異常時，能夠自動的提出警訊以便監視人員做立即處理，達到節省人力與時間的效果。 貳、文獻探討 　　為了在一連串時序的影像中偵測出遺留物，我們必須先將影像中的前景從背景中分離出來。我們簡單的將過去研究的方法敘述如下。 一、背景相減法 (Background subtraction) 背景相減法是利用目前影像與背景影像的灰階值來檢測出前景的外型、位置、邊緣特徵等。例Wang and Ooi [1]就是利用背景相減法來比對連續影像，最後判斷靜止不動的物體為可疑物體。Fig. 1(a)為汽車行經停車場之原始影像，而背景相減法可以提供最完整的前景資訊，但當背景有所改變時，如光源的變化或是背景的變化(例如樹葉受風吹而晃動)影響會特別嚴重，例Fig. 1(b)，因此，研究學者Haritaoglu et al. [2]利用統計的原理去計算一連串影像中的每個像素的標準差及中位數以進行，週期性的更新背景McKenna et al. [3]則是利用像素與梯度訊息時序差異法 (Temporal differencing)Lipton et al. [4]就是計算二張連續時序(Edges)，若物體靜止不動時，則會被判斷成背景區域，例Fig. 1(c)。 (a)原始影像 (b)背景相減法 (c)時序差異法 Fig. 1前景分割法之比較 三、混合高斯機率模型 此方法是對多張連續影像中的每個像素點利用混合高斯分佈建立背景模型，並利用線性估計來更新混合高斯分佈之參數以調整背景模型Stauffer and Grimson [5]、Tian et al. [6]和Friedman and Russell [7]即是利用此方法建立