视频监控智能分析产品核心算法及系统结构.docxVIP

产品核心算法及系统结构产品核心算法美特（MATE）使用的视频分析算法是基于背景减除方法衍生出的具有自有知识产权的高级算法。是利用当前图像和背景图像的差分，并通过特有的抗干扰算法来检测出运动区域的一种方法。此算法可以提供完整的运动目标特征数据，具有良好的精确度、灵敏度和性能表现。背景的建模是背景减除法的技术关键，在系统初始化时，系统能自动适应环境来建模，根据背景实际的“复杂程度”选取一定的学习时间。一般在系统建模完成后，随着环境因素的变化，背景会有一些改变，系统具有“背景自维护”能力，即可以将一些后来融入背景的物体，如云、光影、雨雪、波浪等自动加为背景。具体的系统分析过程为：首先系统进行背景学习，学习时间根据背景复杂程度有所不同，在学习期间中系统自动建立背景模型。之后系统进入“分析”状态，如果前景出现移动物体，并在设置的敏感区域内且目标物体大小满足设置，系统将会对该目标进行跟踪，并根据预先的设置的规则（入侵、遗留、徘徊等）触发报警。跟踪目标过程中，几种决策算法同时分析数据，从而增加了检测的可靠性和降低了误报率，系统可以在各种不同的复杂环境下正常工作。分析过程中如果背景出现雨雪，波浪，摄像机抖动，摇摆的枝叶等，系统将通过抗干扰算法来自动过滤掉这些干扰因素。我们以中运动物体检测算法为例，来说明Mate（美特）的视频智能分析技术在智能视频监控系统中的应用。首先运动检测的目的是从序列图像中将变化区域提取出来。运动区域的有效分割对于目标分类、跟踪和行为理解等后期处理非常重要，因为后期处理过程仅仅考虑图像中对应于运动区域的像素。然而，由于背景图像的动态变化，如天气、光照、影子及混乱干扰等的影响，使得运动检测成为一项相当困难的工作。通过使用背景减除法将当前每一帧图像与事先存储或者实时得到的背景图像相减，若像素差值大于某一阈值，则判定此像素为出现在运动目标上的，且相减的阈值操作后得到的结果直接给出了目标的位置、大小、形状等信息。视频图像序列图像预处理构造背景图像第n帧图像差分图像运动物体提取图像后处理背景减除法的物体运动分割流程图目标物体的识别Mate（美特）的背景减除法采用的是当前帧与背景帧的差分，这样可以进一步得到动目标的位置信息，以便确定目标的运动方向，并且为下一步的辨识工作提供可靠的数据信息。这里，背景帧的选择是一个关键问题，每一路视频都要有一个没有目标的原始图像性质的背景图像，此背景图像相对稳定，作用是提供运动检测的比较基础，即每一个视场将其当前原始图像与背景图像比较以确定运动目标区域。背景初始化稍微有些复杂，不能直接用系统启动时的原始图像进行背景初始化，因为此原始图像为系统启动时第一次采集的图像，不能保证图像中没有运动目标。如果有运动目标存在，则会做出相反的判断，把没有目标的地方误认为有目标出现，相反，有目标的地方则认为是背景了。因此作为背景的图像，要求其中不允许有运动目标出现。气象变化的自动适应由于外界环境是不断变化的，比如从早晨到傍晚，光线会由弱变强，又由强变弱；或者突然阴天，突然放晴，光线都会发生强弱变化，还有雨雪等自然现象，都应当考虑在内，不应当把空中的雨滴或是雪花当作运动目标处理。这些情况下若不能实时更新背景图像，就等于加进了人为噪声，系统运行效果会越来越差，进入恶性循环。Mate（美特）采用了实时控制机制来实现背景图像的不断更新，即在视频中没有运动目标时系统所做的工作除了保持对视频的监视外，就是不断地进行背景更新。这样就保证了背景图像能随着自然界光线的变化而变化。过滤复杂干扰的SmartScene算法在背景相对复杂的情况下，如有树枝摆动，或是背景中的相对不动的物体的微小移动，还有比如天空中雨点或是雪花的影响，都会影响到背景的更新，如果背景更新不当，就等于人为加入干扰噪声，系统的检测就会很难正确实现。。实际场景中的背景很复杂，存在各种各样的干扰，且背景是随时间不断变化的，Mate（美特）的SmartScene算法则能处理这些干扰和变化，经由该算法重建的背景满足下列情况：(1) 能适应背景随时间的缓慢变化，如在一天中不同时间的光照变化；(2) 能适应背景物体的变化，如场景中移入新的物体，背景中的物体移出场景等变化；(3) 背景模型能描述背景中的一些较大扰动，如树叶晃动、显示器屏幕闪烁等；(4) 能检测出光照的突然变化，并能在尽量短的时间内适应这种变化。Mate（美特）的SmartScene算法充分利用多帧的累计效应，通过一个增益因子，适当调节帧间的信号差，然后累加在背景帧中，通过调节增益因子的大小，可以获得最佳的背景图像。该增益因子的计算公式如下：其中α 是一渐消因子，它主要决定增益因子k(i)的大小，取值范围为α ∈(0,1)，是当前背景的估计，是前一帧背景的估计，对应的和是当前帧和前一帧图像。Mate（美特）的Smart