智能监控中的运动检测算法研究.docVIP

智能监控中的运动检测算法研究 摘要：介绍了室内智能监控系统中运动检测算法的具体实现。利用帧间差分法提取运动目标，通过对差分能量和运动速度的分析判断出运动目标的大致动作。 关键词：运动检测；帧间差分法；差分能量；速度分析 中图分类号：TP312 文献标识码：A 文章编号：1672-7800（2014）003-0065-02 0 引言 在基于视频的室内智能监控系统中，视频信号的处理显得尤为重要，主要包括运动目标检测以及运动目标动作判断。运动目标检测是指在序列图像中检测出变化区域并将运动目标从背景图像中提取出来。运动目标的动作判断则是智能监控系统对智能的要求。 常用的运动目标检测算法有帧间差分法、背景图像差分法、光流法等。 （1）帧间差分法是在连续图像序列的相邻两帧或三帧间进行基于像素的时间差分并阈值化提取图像中的运动区域。此算法实现简单，对外界影响不敏感，能适应各种动态环境，稳定性较好。本文采用的就是这种方法。 （2）背景图像差分法是将当前帧图像与背景图像进行差分提取运动区域。此法检测速度快，易于实现，但易受外界光照、阴影等影响，背景建模需经常更新。 （3）光流法是利用图像序列中像素强度数据的时域变化和相关性来确定各自像素位置的运动，即研究图像灰度在时间上的变化（帧序列）与景象中物体结构及其运动的关系，需要提取出光流场（图像中所有像素点构成的一种二维瞬时速度场），适合在运动场景中提取运动目标，但需要的时间开销较大，不适合实时检测。 对于运动目标的动作分析，本文引入差分能量的概念，即通过相邻图像帧中像素点的个数变化来检测室内异常行为的差分能量。差分能量在本文中指两幅图像经过RGB处理比较得到的像素点个数。 1 算法实现 室内智能监控系统中运动检测的具体算法为：①提取前一秒图像各个像素点的R、G、B值，设定为R1、G1、B1；②提取当前图像的R、G、B值，设定为R2、G2、B2；③将两幅图像RGB相减做差，得到两幅图像中变化的像素点；④利用变化的像素点进行特征值提取。 程序流程如图 1所示。 1.1 差分能量提取 利用帧间差分法提取两幅二值化图像，对比这两幅图像的像素点是否相同，若相同则变量自加一，若不同则不变，最后得到的变量值即本文的差分能量值。具体计算见公式（1）。 1.2 运动速度分析 通过分析运动目标速度可以大致判断运动动作。运动速度是一个矢量，有大小和方向。首先计算两幅图像中变化的像素点中心，同时计算其与下一个中心值间的位移，并由此计算得到所需的人体运动位移。本文每隔1秒获取图像进行处理，时间已知，因而可以得出运动速度的大小。通过两个中心点横、纵坐标相减得到的正值或负值判断运动速度方向是否各异，一共有4种情况，分别是：（+，-）、（+，+）、（-，+）、（-，-）。 运动速度大小的计算步骤如下：①计算前一秒帧图像的差分中心点（x1，y1）；②计算后一秒帧图像的差分中心点（x2，y2）；③计算运动速度的大小。 3 结语 本文介绍了室内智能监控系统中运动检测算法的具体实现。利用帧间差分法提取运动目标，以像素中心点代替运动目标，比较相邻图像求取运动速度大小及方向，再结合差分能量大小判断运动目标的动作行为。本文使用的算法虽较简单，但直方图统计等方法验证及实际应用结果表明，该方法效果良好，能够找到合适的阈值。 参考文献： [1] 邹斌斌，缪婉璐，王斌，等.室内暴力智能监控系统设计[J]. 软件导刊，2013，12（6）：50-52. [2] 薛丽霞，罗艳丽，王佐成.基于帧间差分的自适应运动目标检测方法[J].计算机应用研究，2011，28（4）：1551-1559. [3] 贾云得.机器视觉[M]. 北京：科学出版社，2004. [4] 宋磊，黄祥林，沈兰荪.视频监控中的快速异常检测与分析[J].高技术通讯，2004（10）. [5] 汪国云，李济顺.基于轮廓的物体识别与定位方法[J].河南科技大学学报：自然科学版，2006（12）. [6] COLLINS R. A system for video surveillance and monitoring：VSAM final report [R].Carnegie Mellon University，Technical Report： CMU-RI-TR-00-12， 2000. Algorithm Research of Motion Detection in Intelligent Monitoring Abstract：This paper introduces the implementation of motion detection algorithm in the indoor intelligent monitoring system. Using the inte