基于双背景的滞留与偷窃物体检测算法研究.pdf

中国科技论文在线 基于双背景的滞留与偷窃物体检测算法研究 常亚林，冀小平，詹峰 太原理工大学信息工程学院，太原（030024 ） E-mail ：yalin2000@126.com 摘 要：本文提出了一种单个静态摄像机的滞留物与偷窃物检测算法。按照不同帧速率对视 频重新采样，结合高斯混合模型完成双背景建模；通过背景减法获得目标区域后，根据前景 状态的变化从候选对象中检测出滞留或者偷窃物并做出预警，且整个过程不需要对目标物进 行跟踪。实验结果表明，在复杂场景下本文提出的算法能对滞留和偷窃物体做出准确的判断， 具有良好的鲁棒性和适应性。 关键词：高斯混合模型；滞留物与偷窃物；双背景建模 中图分类号：TP391.41 1 引言 随着现代交通的发展和人们的出行越来越频繁，原有的采用人力进行可疑目标监控已经 满足不了需求，而以人工智能和视频分析等技术为主的智能安防系统很大程度上能弥补人力 不足的问题，有着广阔的发展空间。滞留物、偷窃物以及智能交通方面的违法停车等监测是 其重要分支。滞留物是指人留下的、无人照看的静态物体；偷窃物是指场景中被挪动或移走 的静态物体。滞留物与物品丢失的检测主要是利用图像处理的方法，在现实场景中自动检测 静态物体，准确实时的识别物体滞留或者物品丢失事实的发生，使计算机具有某种理解和分 析视频的能力，从而对物体滞留和丢失现象具有主动监测、预警的功能。 文献[1]提出利用当前图像的内部区域轮廓与二值化图像的轮廓在空间和连通性上的匹 配度来进行可疑物体的判别，再根据匹配点的个数区分滞留物和偷窃物。这种方法在环境不 复杂的情况下具有较好的检测效果。而文献[2,3]是在多摄像头条件下依靠目标跟踪和信息融 合技术实现对滞留物体的检测，但是算法复杂且仅限于室内环境。 基于以上问题，本文提出基于单个静态摄像机的滞留物与偷窃物检测算法，而且不需要 对目标物进行跟踪。使用高斯混合模型[5] (GMM-Gaussian Mixture Model)进行背景生成，通 过背景减法获得目标区域后，根据前景状态的变化从候选对象中检测出滞留物或者偷窃物并 做出预警，实现在复杂环境中对可疑目标的监控。同时加入了对目标物的连通性判断，只有 同时符合滞留物状态和连通性条件的可疑目标才能被判定为物体滞留或者是物体丢失，减小 了在复杂背景情况下的错误率。 2 滞留和偷窃物检测算法 2.1 算法主要思想 滞留物和偷窃物的检测和分类算法处理流程如图1 所示，主要分为三个模块：背景生成 模块、分析模块和触发模块。首先对原图像进行背景生成和背景减法运算，然后对得到的二 值化模板进行图像逻辑分析得到滞留物和偷窃物的信息，再对满足条件的滞留物和偷窃物的 信息进行触发报警并且把信息反馈到原图像处。其中双背景模型构建和目标物类型的判断是 算法的关键部分。 - 1 - 中国科技论文在线 图 算法流程图 2.2 双背景模型 [8] 双背景模型 由GMM 构建而成，能针对不同特点的场景完成背景构建。双背景模型由 更新间隔时间短的MS 模型（每帧更新，即每隔时间τ ）和更新间隔较长的ML 模型（每 n 帧更新一次，即每隔时间τ *n）组成。采用双背景模型是为了使其中的MS 模型适应快速变 化的场景，如快速驶过的汽车；ML 模型能适应变化比较缓慢的场景，如滞留物出现在场景 中。ML 模型的背景是由当前GMM 模型中权重最大的高斯分布期望µ组成的，在ML 模型 中会通过减缓背景模型的更新速率和提高学习率等办法来加强对缓慢变化的物体适应[4]，生 成背景BL ；均值更新采用公式（1），方差更新采用公式（2 ）： µ µ µ