圖像處理在數(shù)字視頻監(jiān)控系統(tǒng)中的應(yīng)用

《圖像處理在數(shù)字視頻監(jiān)控系統(tǒng)中的應(yīng)用》由會(huì)員分享，可在線閱讀，更多相關(guān)《圖像處理在數(shù)字視頻監(jiān)控系統(tǒng)中的應(yīng)用（10頁珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

數(shù)字圖像處理技術(shù)在數(shù)字監(jiān)控中的應(yīng)用 1.概述 數(shù)字圖像處理技術(shù)在數(shù)字監(jiān)控中的應(yīng)用，最主要體現(xiàn)在基于圖像處理的自動(dòng)報(bào)警功能。自動(dòng)報(bào)警功能是基于數(shù)字圖像處理的數(shù)字監(jiān)控系統(tǒng)的關(guān)鍵部分，它直接關(guān)系到整個(gè)系統(tǒng)的信息化水平和自動(dòng)監(jiān)控報(bào)警的準(zhǔn)確率。基于圖像處理主要是對(duì)圖像內(nèi)容進(jìn)行檢測，提取出適合報(bào)警的特征，其流程如圖5所示。包括的關(guān)鍵技術(shù)有：圖像截取、圖像預(yù)處理、背景更新、目標(biāo)檢測、特征提取、特征識(shí)別等。 2.圖像截取 系統(tǒng)通過多路視頻采集器將監(jiān)控現(xiàn)場信息采集到控制中心，然后定時(shí)截取位圖圖像，用做后續(xù)目標(biāo)檢測和分析的原始圖像。位圖由像素組成，特別適合圖像處理。若每路圖像的幀數(shù)為25幀/s，則基本可以達(dá)到實(shí)時(shí)監(jiān)控的效果。 3. 圖像增強(qiáng) 視頻序列經(jīng)過編碼、解碼 、傳輸后， 由于受到多種因素的影響， 往往會(huì)使接收到的圖像與原始圖像之間產(chǎn)生某種差異，造成圖像質(zhì)量降低或退化，圖像模糊不清等。經(jīng) H． 2 6 4 解碼后得到的圖像，由于去除了幀內(nèi)、幀間的冗余，部分區(qū)域出現(xiàn)塊效應(yīng)，如地板、墻面和人的衣服等，視頻播放時(shí)偶爾有閃動(dòng)。圖像質(zhì)量的下降，除了進(jìn)一步優(yōu)化編碼器中幀內(nèi)、幀間預(yù)測模式的算法以外，還可以采用圖像處理的方式，改善人們感興趣的信息。對(duì)于數(shù)字視頻監(jiān)控系統(tǒng)來說， 引起圖像失真的主要原因有監(jiān)控環(huán)境中的噪聲、 編碼過程中產(chǎn)生的塊效應(yīng)等。針對(duì)這些原因采取有效，可以通過圖像處理的方法改善圖像的質(zhì)量。如通過增強(qiáng)對(duì)比度的辦法來看清圖像的細(xì)節(jié)； 運(yùn)用平滑技術(shù)減少塊效應(yīng)對(duì)圖像清晰度的影響；使用微分運(yùn)算突出邊界或其他變化部分等。 3.1 圖像銳化 在圖像識(shí)別中，需要有邊緣鮮明的圖像，即圖像銳化。圖像中的邊緣像素都是亮度變化較大的地方，從數(shù)學(xué)觀點(diǎn)來看，檢查圖像某區(qū)域內(nèi)灰度的變化大小就是微分的概念。圖像函數(shù)在某處的微分值大，表明像素值的變化率大， 邊緣明顯； 反之，微分值小， 表示像素值變化率小， 邊緣不明顯甚至模糊。當(dāng)微分值為0時(shí)， 表示像素值無變化。圖像銳化中最常用的方法是梯度運(yùn)算。梯度運(yùn)算法包括 R o b e r ts 算子、 S o b e l 算子和 P r e w i t t 算子等， S o b e l 算子對(duì)噪聲十分敏感 R o b e r ts 算子的魯棒性比較好。由于監(jiān)控系統(tǒng)圖像中摻雜著大量的噪聲，因此采用R o b e rt s 算子的圖像銳化方法。 圖3、4是采用 R o b e rt s 算子對(duì)圖1視頻圖像的處理，圖3是閾值取3 5時(shí)的R o b e rt s 算子邊緣檢測結(jié)果,圖4的閾值為5 。圖4的中心圖像亂成一片， 無法確認(rèn)有效信息，就是因?yàn)殚撝档倪x取不當(dāng)， 將不是邊緣的像素誤當(dāng)作邊緣的結(jié)果,沒有達(dá)到銳化的目的,所以閾值的選取是十分重要的。 3.2 鄰域平均法 平滑濾波對(duì)圖像的低頻分量進(jìn)行增強(qiáng)， 同時(shí)可以削弱圖像的高頻分量,因此一般用于消除圖像中的隨機(jī)噪聲 ,從而起到圖像平滑的作用。 圖像鄰域平均法的平滑效果與所用的鄰域像素個(gè)數(shù)有關(guān)，像素越多， 則圖像的模糊程度越大。鄰域平均法包括：簡單平均法、 閾值平均法, K一近鄰平均法和鄰域加權(quán)平均法等 。 采用對(duì) y分量對(duì)圖像進(jìn)行鄰域加權(quán)平均法平滑處理 ，對(duì)圖像邊緣像 素點(diǎn)沒有進(jìn)行處理。圖 1是視頻監(jiān)控序列的背景圖像， 圖 5是處理前的直方圖， 圖6是進(jìn)行鄰域加權(quán)平均法處理后的直方圖統(tǒng)計(jì)結(jié)果， 從圖5 、 6中可以看到， Y分量的值從0— 2 5 5變化為 2 0—2 5 5， 縮小了變化范圍，直方圖外圍曲線更加平滑，毛刺減少，缺點(diǎn)是圖像的邊界,輪廓更加模糊。 4.背景更新 目標(biāo)檢測的前提是前景幀圖像（如圖2）與背景幀圖像（如圖1）做差。所謂背景幀圖像，通常是由監(jiān)控現(xiàn)場固定的設(shè)備組成（如圖1）。 當(dāng)然，背景也不是一成不變的。例如，監(jiān)控現(xiàn)場環(huán)境，在白天與晚上，由于光線的影響，背景是不同的。背景更新技術(shù)就是為了得到最新的背景幀圖像。目前，背景更新算法有很多，本文選用簡單且效果不錯(cuò)的Adaptive Median Filter （AMF）算法。它是一種遞歸迭代算法，由非遞歸算法Median Filter改進(jìn)而來。AMF算法的基本思想是，若新輸入的圖像幀的像素值比預(yù)估計(jì)的背景圖像中的對(duì)應(yīng)位置的像素值要大，則估計(jì)背景圖像的像素值加1；反之，如果比對(duì)應(yīng)位置的像素值要小，則減1. 5. 運(yùn)動(dòng)目標(biāo)檢測 安全監(jiān)控是數(shù)字視頻監(jiān)控的重要任務(wù)， 運(yùn)動(dòng)目標(biāo)檢測能及時(shí)發(fā)現(xiàn)異常運(yùn)動(dòng)目標(biāo)，報(bào)警提醒監(jiān)控人員，是實(shí)現(xiàn)安全監(jiān)控的重要手段之一。運(yùn)動(dòng) 目標(biāo)檢測的準(zhǔn)確與否對(duì)后續(xù)步驟中的跟蹤和識(shí)別會(huì)產(chǎn)生重要的 影響。 5. 1 幀間差分法 幀間差分法通過對(duì)視頻圖像序列相鄰兩幀作差分運(yùn)算以獲取運(yùn)動(dòng)目標(biāo)的輪廓，魯棒性較好，攝像頭靜止和運(yùn)動(dòng)的情況下都能使用。與背景差分法 不同的是，由于用來差分的兩幀圖像時(shí)間間隔很短 ( 大約等于視頻幀率的倒數(shù)) ，即使背景圖像受噪聲等外部因素干擾， 背景圖像也不會(huì)產(chǎn)生太大的影響。在監(jiān)控系統(tǒng)中， 當(dāng)攝像頭靜止時(shí)， 采集到的背景圖像一般變化不大； 當(dāng)有物體出現(xiàn)或運(yùn)動(dòng)時(shí)，圖像中的像素值發(fā)生比較大的改變， 因此通過幀間像素值相減的方式， 判斷是否有異物入侵， 并通過二值化該灰度差分值來提取運(yùn)動(dòng)信息。 圖2是視頻序列的第7 2幀圖像，圖7是采用幀間差分法檢測到的運(yùn)動(dòng)目標(biāo)，圖7中可以看到，除了檢測到的運(yùn)動(dòng)物體以外， 還有許多雜質(zhì)“ 黑點(diǎn)”，這些雜質(zhì)“ 黑點(diǎn)”就是由于背景圖像受物體運(yùn)動(dòng)引起的光線變化等的影響， 兩幀圖像之間產(chǎn)生了殘差數(shù)據(jù) ， 從而誤認(rèn)為是運(yùn)動(dòng)點(diǎn)造成的。 5.2 改進(jìn)的幀間差分法 視頻監(jiān)控系統(tǒng)中運(yùn)動(dòng)物體識(shí)別的重點(diǎn)區(qū)域是“ 門” 周圍等敏感域，識(shí)別、 檢測出“ 門” 的位置， 及時(shí)發(fā) 現(xiàn)“ 門” 周圍像素的變化，是監(jiān)控系統(tǒng)圖像處理的關(guān)鍵之一。對(duì)此采用對(duì)圖像中不同區(qū)域設(shè)置不同權(quán)值的方法進(jìn)行運(yùn)動(dòng)目標(biāo)檢測。 在監(jiān)控系統(tǒng)中，應(yīng)該對(duì)最為敏感的、已檢測出的“ 門” 區(qū)域塊設(shè)置比較大的權(quán)值，其他區(qū)域設(shè)置比較小的權(quán)值。 在這種方法中， 最關(guān)鍵的是權(quán)值的選取。權(quán)值不能太大， 微小放大的同時(shí)， 也會(huì)放大噪音等干擾點(diǎn)的變化，權(quán)值太大，會(huì)將某些干擾點(diǎn)誤認(rèn)為運(yùn)動(dòng)物體； 權(quán)值太小，就會(huì)等同于上述經(jīng)典算法。 為了和經(jīng)典幀間差分算法相比較， 同樣選取7 2幀和7 3幀， 并假設(shè)在7 2幀和7 3幀之間運(yùn)動(dòng)目標(biāo)進(jìn)入“ 門” 區(qū)。與圖7相比， 圖8物體的輪廓圖更加完整，但運(yùn)動(dòng)物體周圍的雜質(zhì)點(diǎn)增多。從監(jiān)控系統(tǒng)安全檢測角度來說， 這個(gè)效果是可以接受的。因此， 在敏感區(qū)域采用加權(quán)值的方法，在一定程度上改善了視頻監(jiān)控圖像中靜止背景下的運(yùn)動(dòng)目標(biāo)檢測的效率。 6.特征提取 移動(dòng)目標(biāo)在二值圖上以白色斑塊形式體現(xiàn)，因此，斑塊信息就是移動(dòng)目標(biāo)的微觀信息，可以通過斑塊分析算法獲取斑塊信息，從而提取移動(dòng)目標(biāo)的特征。 在四連通環(huán)境下對(duì)斑塊進(jìn)行分析。所謂四連通，是指一個(gè)象素點(diǎn)的上下左右方向四個(gè)緊鄰的點(diǎn)與這個(gè)點(diǎn)是相鄰關(guān)系，而左上、左下、右上、右下四個(gè)點(diǎn)與這個(gè)點(diǎn)不屬于相鄰關(guān)系。斑塊信息越豐富，檢測和跟蹤就越精確。 本文主要采用感染算法進(jìn)行斑塊分析。感染算法主要是由主掃描和子掃描兩部分組成，詳細(xì)流程圖如圖11所示： 7.特征識(shí)別 報(bào)警知識(shí)庫是系統(tǒng)在進(jìn)行報(bào)警識(shí)別時(shí)專用的一個(gè)知識(shí)庫，它是自動(dòng)報(bào)警不可缺少的。報(bào)警知識(shí)庫是在系統(tǒng)自動(dòng)監(jiān)控過程中逐步建立起來的，并不斷得到補(bǔ)充的。知識(shí)庫中有多個(gè)知識(shí)元，例如移動(dòng)目標(biāo)的面積、位置、周長等，這些知識(shí)元的初始化可以由用戶設(shè)定，隨后可在日積月累的監(jiān)控過程中，通過自學(xué)習(xí)逐步更新，找到一個(gè)最佳值。 報(bào)警特征識(shí)別，就是將上一步提取的移動(dòng)目標(biāo)特征與報(bào)警知識(shí)庫中知識(shí)元的值進(jìn)行比對(duì)，如果達(dá)到了報(bào)警的要求，即發(fā)出報(bào)警消息。其實(shí)質(zhì)就是用提取的目標(biāo)特征與知識(shí)庫進(jìn)行匹配的一個(gè)過程。系統(tǒng)定義如果連續(xù)有兩次相鄰幀圖像的移動(dòng)目標(biāo)特征與報(bào)警知識(shí)庫匹配成功，則啟動(dòng)自動(dòng)報(bào)警功能，通知管理員。 8. 總結(jié) 針對(duì)數(shù)字視頻監(jiān)控系統(tǒng)智能化方面的薄弱環(huán)節(jié)， 采用運(yùn)動(dòng)目標(biāo)檢測和圖像增強(qiáng)方法對(duì)視頻圖像進(jìn)行處理； 針對(duì)視頻監(jiān)控 系統(tǒng)背景圖像變化不大的特點(diǎn)， 在傳統(tǒng)幀間差分運(yùn)動(dòng)目標(biāo)檢測的基礎(chǔ)上，提出了對(duì)“ 門” 等敏感區(qū)域增加權(quán)值的方法，成功分離出運(yùn)動(dòng)目標(biāo)，提高了檢測效率； 給出了監(jiān)控視頻序列 Y 分量進(jìn)行鄰域平均加權(quán)法、 R o b e r t s 算子邊緣檢測的圖像增強(qiáng)結(jié)果。