基于OpenCV智能视频监控系统设计与实现.docVIP

基于OpenCV智能视频监控系统设计与实现 　　摘要：智能视频监控在安全监控、智能交通、军事导航等领域有着广泛的应用前景，运动目标检测与跟踪是实现视频智能分析的关键技术。本文在分析运动检测与跟踪技术的基础上，设计了一个智能视频监控系统，并利用开源计算机视觉库OpenCV实现了该系统智能分析的各个功能模块。运行结果表明，该系统具有较好的稳定性、准确性，基本满足了智能视频监控系统实时性、鲁棒性的要求。 　　关键词：智能监控 运动检测 运动跟踪 OpenCV 　　中图分类号：TP391.41 文献标识码：A 文章编号：1007-9416（2012）12-0122-02 　　1、引言 　　随着视频监控系统规模和应用领域的不断扩大，大量的视频数据给实时监控的反应速度，以及数据利用的有效性带来了巨大的挑战。在此情况下，应用智能视频分析技术如何快速有效地提高系统应用效能，成为监控行业技术研究的一个热点。 　　一般而言，要实现一个功能完善、鲁棒性强的智能视频分析系统是一项非常复杂的工作，但是OpenCV的出现大大减轻了系统设计与实现的难度。OpenCV是一个很优秀的开源图像处理算法库，它包含了一系列C函数和少量的C++类，实现了图像处理和计算机视觉方面的很多通用算法。通过调用OpenCV算法库，我们可以在前人已完成的成熟算法基础上进行二次开发迅速地开展自己的工作。 　　本文的主要工作是在Visual Studio 2010开发环境下，在OpenCV提供的各类通用算法的基础上，设计实现智能视频监控系统的智能分析模块。 　　2、系统设计 　　2.1 系统总体设计 　　该系统基于视频监控前端-中心服务平台-视频监控客户端模型。如图1所示，整个系统包括：视频监控前端或叫视频监控服务器，实现音视频信息、数据信息和报警信息的采集功能以及音视频录像存储功能；中心服务平台是系统的中心管理服务器，负责业务流程的控制和策略管理，其主要包括SIP服务器、流媒体服务器、视频智能分析服务器和数据库管理系统；视频监控客户端，即系统的客户应用端，实现音视频信息、数据信息及告警信息对用户的呈现。根据客户端类型的不同，部分客户端还具备对系统的设备管理、用户管理等功能。本文主要介绍该系统中视频智能分析服务器的设计与实现。 　　2.2 视频智能分析模块设计 　　系统需要对监控现场画面中是否存在安全威胁进行检测、识别，因此运动目标的检测是系统实现的基础也是关键技术。对于动态图像的分析以及识别运动目标、基本原理是将摄像机拍摄的图像信号序列送入计算机，经过图像的预处理、运动目标检测、特征提取、特征匹配实现对目标的跟踪。本系统中，主要工作包括三个模块：目标检测模块，目标跟踪模块和智能处理模块。其系统框图如图2所示： 　　3、视频分析系统实现 　　3.1 运动目标检测模块 　　本模块是该系统的最重要的部分，运动目标检测就是得到当前图像的前景目标，提取前景目标的效果将直接影响到后边的目标跟踪与智能处理的效果。 　　背景差分法是目前视频运动分割中尤其是视频监控中最常用的一种方法，它的基本思想是将输入图像与背景模型进行比较，通过判定灰度特征的变化或用直方图等统计信息的变化来判断异常情况的发生和分割运动目标。传统的背景差分法包括三个步骤：首先，为背景中每个像素点进行统计建模：然后，将当前图像和背景模型进行比较，找出在一定阈值限定下当前图像中出现的偏离背景模型值较大的那些像素点，据此，再对图像进行二值化处理，从而得到前景像素集合（运动对象）；此外，模型还要进行周期性的背景更新以适应动态场景变化。 　　背景消除法的主要特点是：算法相对简单；能够提供目标完整特征，提取的目标运动区域精度高。但背景消除法对光线变化、背景抖动等影响比较敏感，如果不考虑背景的渐变性，背景消除法很难达到理想的检测结果。 　　帧差法就是利用图像序列中连续两帧或几帧图像的差异来进行运动检测的，即对图像序列中时间上相邻的两幅图像求绝对差，然后用一个阈值判断视频图像序列的运动特性。 　　帧差法的优点是算法简单，复杂度低，对光线和场景变化不太敏感，对于动态环境具有较强的自适应性；缺点是不能完全提取出目标对象的完整区域，只能提取出部分运动信息，在运动实体内部容易出现空洞现象。 　　基于对背景差分法和帧差法特点的研究，发现两种方法其实是两种优势互补的检测方法：背景差分法实现最简单，并且能够分割出完整的运动目标，能够弥补帧差法在目标运动速度快的情况下不能提取完整前景目标的缺点；而帧差法受场景光线变化的影响小，能弥补背景差法对场景变化敏感的不足。为了能够获得准确且完整的运动目标，本系统使用了一种将帧差法和背景差法相结合的运动目标检测方法。其算法流程如图3所示： 　　对视频图像序列分别用帧差法和背景差法提