《一种主动移动侦测布防方法.doc》由会员分享，可在线阅读，更多相关《一种主动移动侦测布防方法.doc（9页珍藏版）》请在三一文库上搜索。
1、一种主动移动侦测布防方法 (1.重庆交通大学 管理学院 重庆 400074； 2.广州大学 财务处，广州 510006； 3.天津大学 管理学院 天津 300072) Kind of active fortify method of moving object detection LIN Ying1 FU Yang1，2 DOU Run-liang3 (1.School of Management Chongqing Jiaotong University Chongqing 400074 China; 2.Financial Department Guangzhou University,G
2、uangzhou 510006 China; 3.School of Management Tianjin University,Tianjin 300072 China) Abstract:This paper propoesd the new method of active organizing a supervised area based on color and geometric feature. By the basis of color feature in the real supervised scene in the first instanced extracted
3、several regions of interest (ROI) with noise then matched with geometric shape by Fourier descriptors in the database sequentially achieved automatic organizing a supervised area. Experimental results prove that this method has low operation cost high efficiency accuracy and strong anti-jamming robu
4、stness. Key words：Fourier descriptors(FD); geometric feature; color feature; regions of interest (ROI) 近年来随着计算机信息技术、网络技术的发展，全程数字化、网络化的视频监控系统优势愈发明显，其高度的开放性、集成和灵活性，为整个视频监控产业的发展提供了更加广阔的发展空间，而智能视频监控则是网络化视频监控领域最前沿的应用模式之一。智能视频监控以数字化、网络化视频监控为基础，但又有别于一般的网络化视频监控，是一种更高端的视频监控应用。智能视频监控技术借助计算机强大的数据处理功能，对视频画面中的海量
5、数据进行高速分析，过滤掉监管者不关心的信息，仅仅为监控者提供有用的关键信息。在视频监控运动检测布防应用方面，传统的布防方法通过手动的方式，在监控视频画面上进行区域性的设置；然后按设定的像素宏块大小来划分整个选取检测区域，按照逐点从左到右、从上到下的扫描规则对宏块内的像素点进行差分运算并得到宏块差分系数，对于整个选取检测区域以设定的宏块按相同的规则进行扫描；最后计算出整个区域的差分系数，并与定义的灵敏度进行比较作出相应的报警处理。该布防方式在实际的应用中不能满足侦测区域自动选取及针对目标物体布防的智能化要求，且手动的方式无法满足某些要求提供具体变化度量的应用，其仅仅提供的是变化与否的判断。尤其是
6、当监控场景复杂时，采取手动方式设置侦测区域时可能选取非移动侦测区域，从而增加系统之后运动检测时的运算复杂度。针对上述运动检测区域设置方式无法对侦测区域特征目标体进行有效的提取及运动检测，本文提出由HSI空间颜色特征模型及采取由Zahn等人1提出的傅里叶描述子描述的几何形状库边界匹配相结合的一种主动智能移动侦测区域设置方法。该方法应用色彩空间的敏感性及采用由王涛等人2,3提出改进的具有旋转、平移和尺度不变的归一化傅里叶描述子对几何形状精确地描述。实验证明，该方法能够以最快和最佳的方式发出警报并提供有用信息，从而能够更加有效地协助监控人员处理危机，并最大限度地降低误报和漏报现象。 1 智能移动侦测
7、区域设置 智能移动侦测区域的设置主要根据侦测区域的颜色特征及几何形状特征由计算机自动完成侦测区域的分割与标志。出于该目的，对包含有大量各式各样景物信息的图像进行分割成为关键的一步。该处理通常是为了进一步对图像进行分析、识别、压缩编码等的主要预处理环节，其分割的准确性直接影响后续任务的有效性。图像分割技术自提出以来由于受技术条件的制约，目前在图像识别应用领域中主要采用灰度图像的分割。但灰度图像的缺点是亮度是惟一的可用信息。除亮度外人眼对颜色的感觉也是人的视觉中一个重要部分，而彩色图像由于提供了比灰度图更加丰富的信息，更能逼真地描述客观世界。本文提出在HSI空间中以颜色特征为分割条件进行图像的初步
8、分解，并对分解结果与采用傅里叶描述子描述的几何形状库进行边界匹配来实现移动侦测区域的提取。该方法主要由以下两个环节构成： a)特征颜色区域的确定（HSI空间）4。由操作人员输入特征颜色，首先将实景关键帧图像转换到色调子空间，提取特征颜色在HSI空间中H分量所在的范围，在彩色图像中初步确定若干ROI区域并进行编号。 b)特征区域的几何形状匹配。对初步确定的若干ROI区域进行二值化并采用Canny算子进行边缘分割，应用傅里叶描述子描述各分割边缘，将傅里叶描述子与傅里叶描述子描述的几何形状库进行边缘匹配。 1.1 特征颜色区域的确定（HSI空间） 根据监控现场侦测区域的特征颜色需要，通过对连续彩色视
9、频序列进行色调、饱和度和强度模型（HSI）空间4的色调子空间颜色转换，初步确定颜色特征前景。在实际的图像采集过程中，由监控器采集的图像为RGB格式，所以首先需要由RGB空间转换到HSI空间4。 首先进行归一化： r=R/255,b=B/255,g=G/255(1) 然后进行转换： H=90-arctan(F/3)180/+0,gb;180,gb(2) I=(r+b+g)/3(3) S=I-(min(r,g,b)/I)(4) F=(2r-g-b)/(g-b)(5) HSI彩色模型如图1所示。 由图1可知，可以根据监控的颜色前景模型的实际需要提取任意颜色区域。从而得到所需要的颜色前景模型区域。对自
10、动分割出若干特征颜色的ROI区域进行二值化转换并标记，然后采用双阈值Canny边缘检测算子5检测二值化ROI区域边缘，双阈值Canny边缘检测算子采用不同的阈值可保证检测边缘的连通性。一般情况下阈值较大则越易发生检测边缘不闭合。通过较小阈值检测的边缘对采用较大阈值检测的边缘进行修补，从而保证检测边缘闭合性及检测边缘的易识别性。具体过程如图2所示。 1.2 特征区域的几何形状匹配 几何形状匹配是对图像经过边缘提取、分割后获得若干分割区域图像的空间分布关系的分析，借助关于已知几何形状的知识，对分割区域进行分析和理解。对这些区域形状特征的提取是形状分析的基础。首先需要解决的问题是对分割处理后提取的几
11、何形状进行描述。该描述方法既要满足描述相同种类的形状具有较大的相似性，而不相同种类的形状则具有较大的相异性，又要满足有平移、旋转和缩放不变性。本文采用具有方向和起始点无关性的归一化形状傅里叶描述68来对边缘图像进行描述。 首先把提取的区域认为是复平面上的一个区域，纵坐标为虚轴，横坐标为实轴，则区域边界上的点(x,y)相当于复平面上的一个点(x+iy)，则边界点序列可写成如下复数列： zj=xj+iyj； j=0,1,2,N-1(6) 傅里叶描述子(FDs)定义如下： A(k)=1/NN-1j=0Zj exp(-i2kj/N) k=-N/2,-1,0,1,N/2-1(7) 逆变换为 Zj=N-1
12、j=0A(k) exp(i2kj/N)(8) 将傅里叶快速变换计算A(k)，然后进行傅里叶描述子归一化： NFD(k)=0k=1 A(k)/A(1) k=1,2,N/2 A(k+N)/A(1)k=-1,-2,-N/2+1(9) A(0)是边界曲线所围区域的质心，其余的傅里叶系数都是复数。若将A(0)置为0，则傅里叶描述子就与位置无关。另一方面，除A(0)外，其余傅里叶系数中A(1)或A(-1)的模最大，因此，所有系数除以A(1) (边界点Z0，Z1,ZN-1必须是逆时针方向)或除以A(-1) (边界Z0,Z1,ZN-1必须是顺时针方向)，则可将所有傅里叶系数归一化到01，且与位置和大小无关。若
13、所有系数除以A(1)或A(-1)，则傅里叶描述子还与方向和起始点无关。 定义如下的傅里叶描述项进行几何形状匹配： FF=(N/2k=-N/2+1NFD(k)/k)/(N/2k=-N/2+1NFD(k)(10) 在基于傅里叶描述子几何形状描述特征匹配结构中，图像库中的图像经过形状特征提取与描述模块分析之后，得到归一化的傅里叶描述子。这些归一化的傅里叶描述子经过索引组织之后生成一个几何形状特征库。通过提交，经过形状特征提取与描述模块分析，得到归一化的傅里叶描述子FFi。FFi与几何形状特征库的描述子FFq 进行相似性计算，计算的结果往往是一个反映FFi 与FFq之间距离的数值，这个数值的大小反映了
14、待匹配图像与被几何形状库图像之间的相似程度，如果不匹配则更新几何形状库，最终完成匹配运算。 通过归一化傅里叶描述子NFD(k)可以计算任意两个形状i与j间的相似程度，识别具有旋转、平移和尺度不变性的物体形状。由于傅里叶变换的各频率分量互相正交，采用欧氏距离计算归一化傅里叶描述子间的形状差异，即 dist=Mk=2FFi(k)-FFq(k)2(11) 由于形状的能量大多集中在低频部分，傅里叶变换的高频分量一般很小且容易受到高频噪声的干扰，一般只使用归一化傅里叶描述子的低频分量计算物体形状的相似差异（根据经验，一般取M=12）。 当dist = 0 时，两个形状完全相似；dist 越大，物体形状的
15、差异越大。具体匹配过程6如图3所示。 2 实验结果及分析 由于未进行压缩的256色位BMP图像的像素值与实际的数字图像保持一致，适合进行数字化的图像处理，本文实验涉及的图像均为未进行压缩的256色位BMP图像文件格式。运用本文采用的方法进行自动区域的选取，实景图像中根据颜色及形状所选取区域检测的正确率达到100%，且没有误判的情况。使用本文提出的基于颜色及几何形状为基本特征的侦测区域自动布防方法，对一幅实景图进行实验，如图48所示。 由以上实验可以得到关于这种基于颜色及几何形状为基本特征的侦测区域自动布防方法的结论： a）该方法采用了HSI颜色空间变换，利用H色调子空间进行颜色提取，使得在不同
16、的灯光条件下都具有良好的鲁棒性，并采用双阈值Canny边缘检测算子进行ROI区域边缘的提取，边缘突出满足实验要求。 b）该方法运用ROI的概念，可适应监管过程中对于监控实时性的要求，快速地确定目标区域，为后期的移动侦测提供基础。 c）采用具有相同种类的形状具有较大的相似性，而不相同种类的形状则具有较大的相异性的归一化形状傅里叶描述子来描述几何形状，在一定程度增强系统的应用范围。 3 结束语 从上面的实验可以看出，该方法以颜色特征与傅里叶描述子描述的几何形状特征作为判定侦测区域的基础条件，具有高效率、低计算量及较强的抗干扰性、鲁棒性的特点，为智能化移动侦测提供了一个全新的思路，弥补了传统手动设置侦测区域增加额外运算复杂度的缺点。通过实验证明该方法是可行的，也是有效的，但是对于不能简单地用颜色与几何形状来区分的目标体易发生误判现象，所以在对目标体的抽象描述方面仍需要进一步研究和探讨。