基于灰度和梯度视频异常检测.docVIP

基于灰度和梯度视频异常检测 　　【摘 要】视频异常检测系统是近年来国际研究的重点课题之一。论文介绍了视频异常检测技术的发展前景并提出了一种基于灰度和梯度的视频异常检测方案，通过实验验证了该算法的实行效率和稳定性。 　　【Abstract】The video anomaly detection system is one of the key subjects of international research in recent years. The development prospect of video anomaly detection technology is introduced in this paper and a kind of video anomaly detection scheme based on gray level and gradient is put forward， and the implement efficiency and stability of the algorithm is verified by experiment. 　　【关键词】视频异常检测；灰度直方图；梯度；对比度 　　【Keywords】video abnormal detection； gray scale histogram； gradient； contrast 　　【中图分类号】TP39 【文献标志码】A 【文章编号】1673-1069（2017）11-0187-03 　　1 引言 　　随着经济的飞速发展，社会的安全领域对视频异常检测系统的要求日益增多。人们的安全防护意识也逐步强化，从公共安全到企业安全再到家庭用户安全，视频监控系统已经用于各种领域和场合。这就要求对摄像头的清晰度有着更高的要求，因此，目前所研究出的算法也越来越复杂，其中主要算法有自动聚焦算法、自动白平衡算法、自动曝光算法、宽动态算法等。这些算法不仅能够使图像更加清晰靓丽，也能够更好的适用于曝光度过强或者过弱等不理想场景。但用户可能不方便对画面实时监控，这是由于以往的视频监控系统只能够完成图像的传输和储存。因此，传统的视频监控系统只能通过专人职守的方式来对画面进行实时监控，以便及时发现突发情况。而视频异常检测系统就克服了视频监控的弊端，它能实时对视频中的物体进行智能化的识别和监控，能够在摄像头前的画面出现异常状况下，完成报警，对社会治安保障起到巨大的作用[1]。论文提出了一种有效的视频异常检测方法。 　　2 研究方案 　　基于灰度和梯度的视频异常检测中心思想是对比每帧图像的灰度直方图，若得到参数超?^预定值，则判定视频异常[1]。 　　基于灰度和梯度的视频异常检测的算法主要由灰度全局直方图和归一化分块灰度直方图组成。该算法主要由三部分流程构成： 　　①取一定帧数的正常图像作为背景模型。获取每一帧的视频图像，并对图像进行灰度化处理。 　　②获取图片的灰度信息，并绘制灰度直方图。 　　③将得到的信息与其背景模型相关信息进行比较，若超过临界值则可判定该帧图片发生异常。当连续多帧图片异常时，系统判定摄像头异常并发出警报。 　　可以按照加权的方法来将彩色图象的灰度转化为黑白图像后的像素值（是一种广义的提法），通常，我们将R，G，B的比设为3：6：1。 　　任何颜色都有红、绿、蓝三原色组成，假如原来某点的颜色为RGB（R，G，B），那么，可以通过下面几种方法，将其转换为灰度： 　　浮点算法：Gray=R*0.3+G*0.59+B*0.11； 　　整数方法：Gray=（R*30+G*59+B*11）/100； 　　移位方法：Gray =（R*28+G*151+B*77）8； 　　平均值法：Gray=（R+G+B）/3； 　　仅取灰度：Gray=G； 　　其中分别表示某像素的红，绿，蓝三种分量。求得Gray后，将原来的RGB（R，G，B）中的R，G，B统一用Gray替换，形成新的颜色RGB（Gray，Gray，Gray），用它替换原来的RGB（R，G，B）就是灰度图[2]。 　　2.1 灰度全局直方图 　　将一幅图片中不同灰度级像素的个数值来绘制灰度直方图，灰度直方图直观地反映了不同灰度级出现的概率。当摄像头被遮挡、移动或者失焦等情况时，图片的亮度会随之发生变化，这也导致图像的灰度级发生变化，以此需要获取图像正常情况下的背景模型和每帧图像的灰度直方图[2]。 　　其所涉及的程序反映了全局灰度差异及分块灰度差异，除此之外，后续的一些程序反映了全局色度差异等。因此，对于获取的新一帧的归一化全局灰度直方图，要采用直方图内插相似度函数来计算它与背景模型的归一化全局灰度直方图的匹配不似度（即差异），利用此种方法，可