基于图像处理公交车紧急状况检测.docVIP

基于图像处理公交车紧急状况检测 　　摘要：针对公交车内的车载监控技术不完善且很少有紧急状况检测技术的问题，提出了一种实时检测车内紧急状况（主要体现为人的快速移动）的图像处理算法。首先，根据乘客的运动轨迹划分出人群的主要活动区域；其次，运用改进的前景提取算法提取运动前景；然后，通过Harris算子对运动前景区域提取特征点，应用光流约束的光流法对特征点建立运动矢量场；最后，通过建立KPA模型来判断是否有紧急状况发生。从理论分析和实验表明，所提算法在不同环境下检测紧急状况的成功率达83.9%以上，在实际工程应用中有实时检测的优势。 　　关键词：紧急状况；主运动区域；前景提取；特征点；光流约束；KPA模型 　　中图分类号： TP391.41 　　文献标志码：A 　　Bus emergency detection based on image processing 　　LI Yanyan*， WU Wei 　　College of Internet of Things Engineering， Jiangnan University， Wuxi Jiangsu 214122， China 　　Abstract： 　　To solve the problem that the vehicle monitoring technology in the bus was not perfect and few emergencies detection method were invented， a realtime detection algorithm based on image processing was proposed to detect the emergency which mainly refers to the rapid flow of the crowd in the bus. First， the main motion area was grouped according to the trajectory of the passengers. Second， an improved moving foreground extraction method was used to extract moving foreground. Then the characteristic points in the moving foreground were extracted by Harris operator， and the optical flow constraint algorithm was used to establish the motion vector filed for characteristic points. At last， the KPA （Kinetic Potential Area） model was built to recognize the emergency. Theoretical analysis and experimental results show that， in testing the emergency under different environment， the proposed algorithm has a success rate of more than 83.9%. In addition， it has advantages of realtime detection in a practical application. 　　Key words： 　　emergency； main motion area； foreground extraction； feature point； optical flow constraint； KPA （Kinetic Potential Area） model 　　0引言 　　随着各国对公共场合下安全水平需求的提高，以及视频监控技术的广泛推广，智能视频分析成为计算机视觉中一个非常活跃的领域，尤其是视频中人类群体异常行为的检测，更是成为智能视频分析领域的研究热点。目前，公交车自燃、爆胎、被非法份子劫持、爆炸的事件越来越多，因此智能车载应运而生，如何通过监控系统检测到公交车内发生的紧急状况，已成为社会关注的热点。为检测公交车内发生的紧急状况，智能车载应运而生，成为社会关注的热点。 　　在大多数的公交车内，一般只在后门位置设有视频监控，以方便司机判断是否有乘客下车，但对于车内的情况还没有办法记录，因此当车内发生偷窃、抢劫、火灾等紧急情况时，外界对车内发生的状况无从了解，更