(通信与信息系统专业论文)机场监控视频相关事件检测.pdf_第1页
(通信与信息系统专业论文)机场监控视频相关事件检测.pdf_第2页
(通信与信息系统专业论文)机场监控视频相关事件检测.pdf_第3页
(通信与信息系统专业论文)机场监控视频相关事件检测.pdf_第4页
(通信与信息系统专业论文)机场监控视频相关事件检测.pdf_第5页
已阅读5页,还剩60页未读, 继续免费阅读

(通信与信息系统专业论文)机场监控视频相关事件检测.pdf.pdf 免费下载

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

独创性( 或创新性) 声明 册舢 y 1 7 h l 5 lr i m l 9 i i i i l 3 i h i ih 3 i l l i 。9 i i i i i i 本人声明所呈交的论文是本人在导师指导下进行的研究工作及取得的研究 成果。尽我所知,除了文中特别加以标注和致谢中所罗列的内容以外,论文中不 包含其他人已经发表或撰写过的研究成果,也不包含为获得北京邮电大学或其他 教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任 何贡献均已在论文中作了明确的说明并表示了谢意。 申请学位论文与资料若有不实之处,本人承担一切相关责任。 本人签名: 垫丛一 日期: 丝坦:至:兰 关于论文使用授权的说明 学位论文作者完全了解北京邮电大学有关保留和使用学位论文的规定,即: 研究生在校攻读学位期间论文工作的知识产权单位属北京邮电大学。学校有权保 留并向国家有关部门或机构送交论文的复印件和磁盘,允许学位论文被查阅和借 阅;学校可以公布学位论文的全部或部分内容,可以允许采用影印、缩印或其它 复制手段保存、汇编学位论文。( 保密的学位论文在解密后遵守此规定) 保密论文注释:本学位论文属于保密范围,在一年解密后适用本授权书。 非保密论文注释:本学位论文不属于保密范围,适用本授权书。 本人签名: 壑熊 r 期: 垫坦:至: 导师签名:日期:兰堕! 人学硕:i :学位论文 北京邮电大学硕上学位论文摘要 机场监控视频相关事件检测 摘要 视频监控是当前社会进行安保工作的重要手段,随着社会对安全 工作的重视,在很多重要的场合都安装了高分辨率的摄像监控设备, 但当前完成具体监控的主体还主要是依赖安保人员的人眼。因此,如 何通过技术手段使得计算机具备对视频中的行为的识别能力就成为 一项很有意义的研究。相关的研究被归类于智能监控。 本文介绍了所实现的机场监控视频中“跑步、“指人”和“穿 黄马甲的人 三种事件的检测方法。根据每个需要监控的事件的特点, 我们设计实现了以h o g ( 梯度方向直方图) 特征和s v m ( 支持向量 机) 分类器为主、辅以其它识别方法的事件检测算法,其中“跑步 事件检测结合了前景框图的大小,“指人”事件检测结合了角点检测 ,信息,而“穿黄马甲的人 事件检测结合了图像的色度分量进行判断。 通过对实验结果的分析以及与其他方法的对比,给出了本文方法的优 缺点及未来可能的改进方向。 关键字:h o g ,s v m ,分类,识别 北京邮电大学硕:j 二学位论文 摘要 u 北京邮电大学硕i :学位论文 摘要 t h er e s e a r c ha n di m p l e m e n t a t i o n o fa l g o r i t h m so fl i c e n s ep l a t e l o c a l i z a t i o na n dc h a r a c t e rs e g m e n t a t i o n a b s t r a c t v i d e os u r v e i l l a n c ei sa ni m p o r t a n ta p p r o a c ht od e a lw i t hs e c u r i t y m e a s u r e st oa v o idp u b l i cd a m a g ea n du n a u t h o r i z e da c c e s s w i t ht h e a d v a n c e m e n ti nt e c h n o l o g y , m o r ea n dm o r ep e o p l eb e c o m ea w a r eo fi t s i m p o r t a n c e ,s u r v e i l l a n c ec a m e r a s a r em o r ee f f e c t i v et h a ne v e rb e f o r e ,a n d p r o t e c t i o np r o v i d e db ym a n yh i g hr e s o l u t i o nr a t i oc a m e r a sa r es e ti n c o u n t l e s sa p p l i c a t i o n ss u c ha sb a n k s ,a i r p o r t se t c i nv i d e os u r v e i l l a n c e , t h em a i nm o n i t o r i n gs u b je c t sa r et h ep e o p l e s o ,t h er e s u l t sa r ea f f e c t e d b yt h ep e o p l e ss u b je c tf a c t o r h o wt oq u a l i t yt h ec o m p u t e rt op r o c e s st h e v i d e os u r v e i l l a n c ei so u rm a i nw o r k t h i ss u b j e c ti sq u i t em e a n i n g f u l ,a n d i sc l a s s i f i e dt os m a r ts u r v e i l l a n c e t h i sp a p e rm a i n l yi n t r o d u c e san e wm e t h o dt od e t e c tt h ea c t i v i t i e s w h i c hh a p p e n si nt h ea i r p o r t ,i n c l u d i n g r u n n i n gp e r s o n ”、”p o i n t i n g a n d ”p e r s o ni n y e l l o wv e s t ”w ef o r m u l a t ed i f f e r e n ts t r a t e g yf o rd i f f e r e n t a c t i o nd e t e c t i o ns y s t e m ,s i n c ee a c ha c t i o nh a ss e p a r a t ef e a t u r e s t h e o v e r a l ls c h e m ei sq u i t es i m i l a ra si nt h eh o gf e a t u r e sa n ds v mc l a s s i f i e r t od e t e c tt h er u n n i n ga c t i o n ,w ee m p l o yt h es i z eo ft h e ,r e c t a n g l e ;t o d e t e c tt h ep o i n t i n ga c t i o n ,w eu s ec o m e rd e t e c t i o nm e t h o dt oh e l pu s f i n dt h em o v e m e n to ff i n g e r s ;t od e t e c tt h ep e r s o n sw h oi ny e l l o wv e s t a p p e a ri nt h ev i d e o ,w ec a l c u l a t et h eu c o m p o n e n to ft h ei m a g ec h r o m a f i n a l l y , w et e s t i f yo u rs c h e m ew i t hs o m ev i d e o s ,a n db a s e do nt h e e x p e r i m e n t a lr e s u l t s ,d e t a i la n a l y s i sa r ep r e s e n t e d m o r e o v e r , w ea l s o d i s c u s s e dl i m i t a t i o no fo u rm e t h o d ,a n dg i v es o m er e c o m m e n d a t i o n st o f u r t h e ri m p r o v ei t k e y w o r d s :h o g ,s v m ,c l a s s i f i c a t i o n ,r e c o g n i t i o n i i i 北京邮i 乜人学硕l :学位论文 摘要 i v 一厂 一 一 、_ _ 、 i 北京邮j 乜人学硕: :学位论文目录 目录 摘要i a b s t 融屹t i i i 目勇专v 第一章绪论l 1 1 课题研究的背景。l 1 1 1 智能视频监控简介。l 1 1 2 智能视频监控的研究内容1 1 2 课题研究的意义4 1 3 国内外研究现状4 1 3 1 背景建模5 1 3 2 视频中运动人体检测5 1 3 3 人体动作识别6 1 4 论文主要成果及安排6 1 4 1 论文主要成果6 1 4 2 论文的安排7 ,第二章“跑步一事件检测8 2 1 事件说明。8 2 2 相关的基础理论。8 2 2 1 背景建模。8 2 2 2 图像去噪1 0 2 2 3 形态学处理。1 l 2 2 4 支持向量机( s v m ) 1 3 2 2 5h o g 特征提取。1 4 2 2 6 直方图相似1 6 2 3 “跑步事件”检测算法设计与实现1 9 2 3 1 背景建模1 9 2 3 2 前景去噪和形态学处理2 0 2 3 4 前景区域标注2 l 2 3 5计算h o g 特征值2 2 2 3 6s v m 特征表示2 4 2 3 7s v m 分类器的训练2 4 2 3 8 事件分类2 5 2 4检测“跑步事件”的算法改进2 7 2 4 1 s v m 分类的算法优化:2 7 2 4 2 按图像大小分类识别2 8 2 5 实验结果及其分析。2 8 v 北京邮电大学硕j :学位论文 目录 2 6 本章小结3 0 第三章“指人 事件检测3 2 3 1事件说明3 2 3 2 相关的基础理论3 2 3 2 1 分块帧间差3 2 3 2 2 角点检测3 3 3 2 3 光流法3 5 3 3 “指人事件”检测算法设计与实现3 6 3 4实验结果及其分析3 8 3 5本章小结3 9 第四章“穿黄马甲的人 事件检测4 0 4 1 事件说明4 0 4 2相关的基础理论4 0 4 2 1 视觉原理4 0 4 3 “穿黄马甲的人”的算法设计与实现一4 2 4 4 实验结果及其分析4 4 4 5本章小结4 5 第五章结束语4 7 5 1论文总结4 7 5 2工作展望4 7 参考文献4 9 缩略语5 3 致谢一5 4 攻读硕士学位期间已发表学术论文5 5 v i 一, - 北京邮电人学硕i :学位论文第一每绪论 1 1 课题研究的背景 第一章绪论 人类对自然界的感知主要是通过视觉来实现的。随着计算机的出现,人们试 图让计算机代替人类对世界进行感知,从而能更有效地从事繁杂或危险的工作。 这就要求计算机具有图像获取、分析的能力。为此,计算机视觉【l 。4 】作为一门新 的学科就诞生了。计算机视觉的研究目的就是让计算机像人一样对周围的环境能 做出正确的认知和判断,其涉及的相关知识面非常广泛,包括了计算机、心理学、 生理学、物理学、信号处理和应用数学等。计算机视觉的研究开始于二十世纪六 十年代,之后有很多人员投入这门新学科的研究,到今天为止已经取得了很多相 关研究成果。其中视频监控就是应用计算机视觉进行研究的一个较为成功的分支 方向。本课题主要研究计算机视觉在视频监控方面的应用。 1 1 1 智能视频监控简介 智能视频监控( i v s :i n t e l l i g e n tv i d e os u r v e i l l a n c e ) 是由计算机视觉领域衍生 出来的一个实用型应用方向【5 培】。它主要利用计算机视觉技术对获取的视频信号 进行分析和相应的处理,使得系统对视频中发生的事件具有及时反应能力。 智能视频监控技术主要包括对视频图像帧序列自动地进行运动对象的提取、 描述、识别和行为分析等方面的内容。其主要模块如图1 1 。通过这些步骤的处 理,智能视频监控系统能获取图像中运动目标的信息,分析其正在进行的动作, 便于采取相应的反应措施。 图1 1 智能监控系统框图 1 1 2 智能视频监控的研究内容 1 1 2 1 目标提取 目标提取的方法一般分为背景差法【3 7 枷】和帧间差法【4 8 l 。 北京邮l 乜人学硕i :学位论文第一章绪论 背景差法通过建立一个动态更新的实时背景,将当前帧图像与背景相减,获 得实时前景目标。其中背景模型的建立也有多种方式,包括最简单的单高斯模型、 复杂的多高斯模型等等。 帧问差法通过逐帧图像对应位置像素之差,来获取实时运动目标的边缘轮 廓。 1 1 2 2 目标描述 视频中运动对象的描述是指以一定量的特征数据来表征该对象的信息。现实 中的物体形状、颜色等千差万别,所以用来描述目标的方法也很多,常用的有基 于颜色的特征、基于纹理的特征和基于形状的特征等等。 1 基于颜色特征的方法 基于颜色特征的图像方法最简单直观。其主要的思想是1 9 9 1 年s w a i n 和 b a l l a r d 9 】提出的颜色空间直方图方法。它先将颜色空间划分为若干个固定的子空 间,然后对每个对象统计属于各子空间的像素数目,最后用直方图的重叠交集来 度量对象之间的相似度。该方法具有计算简单、对平移和旋转不敏感等优点。其 不足之处是:只是从整体上获取每个像素点值的分布,不能正确地反映各个目标 在图像中的具体位置信息。1 9 9 5 年s t r i c k e r t m 】等提出累加直方图法,将对象分成 若干区域,分别对每个区域计算其颜色直方图,对象描述就变为区域颜色直方图 距离的计算,大大提高了描述精度。此法克服了单一颜色直方图丢失颜色的空间 信息的问题。 2 基于纹理特征的方法 纹理一般指图像在局部区域内呈现不规则性而在整体上表现出某种规律性 的特性。纹理是描述图像的一类重要特征,也是人们分析判断图像的重要直观依 据。不同的物体,其纹理特征一般存在着或多或少的差别,没有完全相同纹理的 物体存在。很多人都对纹理特征进行了较为深入的研究,h a r a l i c k j 等提出了关 于纹理特征的共生矩阵表示,但其缺陷是这些统计特征没有和人在视觉上对纹理 特征鉴别之间建立对应关系。而1 9 7 8 年t a m u r a 眩】等人发展了对视觉纹理特征的 近似计算,通过计算图像中像素的相关亮度,得出了6 个视觉纹理特性:粗糙度 ( c o a r s e n e s s ) ,对比度( c o n t r a s t ) ,方向度( d i r e c t i o n a l i t y ) ,线像度( 1 i n e l i k e n e s s ) ,规 整度( r e g u l a r i t y ) ,粗略度( r o u g h n e s s ) 。这一纹理特征集很好地对应于人类视觉感 知,非常适合用于图像描述,被广泛采用。之后小波技术的出现,使得通过纹 理特征对物体进行分类得到了长足的发展。其中m a 和m a j u n n a t h 1 3 】评价了各种 小波变换形式,总结出基于g a b o r 基小波变换的纹理描述方法具有最好的分类效 果。 2 l , 北京邮电大学硕1 :学位论文第一章绪论 3 基于形状特征的方法 能通过视觉进行判断的物体都是具有特定形状的,形状相似的方法也是一种 直观判断方法。其中最基本的就是h o u g h 变换法对直线和各种曲线的检测。 h o u g h 变换将曲线空间进行坐标变换,通过数据降维等操作得到对图像中曲线的 描述方程,从而确定图像中的曲线分布。h o u g h 变换法缺陷是对于高维图形,计 算复杂度高,耗时长,而且无法用于变形物体的检测。对形状进行分析和分类的 方法很多,近年来又有一些新的方法提出,其中比较典型的有几何参数法【1 4 1 , 不变矩法【1 5 】,小波多分辨率描述法【1 6 】,边缘距离直方图法【17 1 ,切线空间法【18 1 , 隐马尔可夫法【i9 j 等等。 1 1 2 3 目标对象的识别 视频运动识别的基础是模式识另t j ( p a t t e r nr e c o g n i t i o n ) 。模式识别通过对各种 描述物体的特征方法的研究,推动了智能识别系统的发展。 模式识别系统由训练和分类两个过程组成。训练是指用一定数量的样本训练 集对分类器进行训练,以优化分类器的各种参数。分类则是指用训练好的分类器 对待识别的样本( 测试集) 进行分类决策。 主要的模式识别方法包括: 1 最近邻法 c o v e r 和h a r t 冽在1 9 6 8 年最先提出最近邻法,通过将各个模式累的分布归 类到其最近的模式类,得到最大概率的模式识别结果。直至现在它仍是模式识别 非参数法中最重要的方法之一。 2 f i s h e r 线性判别方法 r a f i s h e r 2 1 】在1 9 3 6 最先提出f i s h e r 线性判别方法,其主要思想是通过 坐标变换,将模式类的识别解问题转换到更低维数的空间,从而减少计算量,提 高识别效率。 3 基于h a m 特征和a d a b o o s t 的方法 v i o l a 和j o n e s 2 2 】于2 0 0 1 年提出了基于类h a m 特征和a d a b o o s t 级联分 类器对物体进行快速检测。随后,l i e n h a r t 和m a y d t 【2 3 1 对v i o l a 的方法进行了 改进,增加了一些4 5 。倾斜类h a m 特征模板。这类方法都是通过a d a b o o s t 级 联分类器对对象的类h a m 特征进行分类,达到欣慰识别的目的。但一般由于级 联分类器的运算时间较长,速度很难满足实时应用的需求。 1 1 2 4 人的行为分析 对于人的行为分析而言,目前主要有下述两种方法: 3 北京邮电大学硕上学位论文第一章绪论 1 模板相似方法( t e m p l a t em a t c h i n g ) 通过对需要进行分析的人体行为建立样本模板信息,然后在视频中寻找与此 模板相匹配的图像,获取行为分析识别结果。 2 状态空间方法( s t a t es p a c ea p p r o a c h e s ) 状态空间方法将所有的运动信息作为数学概率对待,认为人体进行各种行为 都存在一定的概率。通过对运动序列的概率统计,预测某种发生概率最大的行为 是当前正在进行的动作。 1 2 2 5 基于机场监控视频的事件检测 本文主要讨论的是机场监控视频的相关事件检测。机场由于人流量大,可能 给犯罪人员提供了更隐蔽的作案机会,一旦发生事故,会造成较严重的影响;另 一方面,机场人口密度高,容易发生人体碰撞、物品丢失等,这些对监控系统的 可靠性和有效性提出了更高的要求。机场视频监控的事件检测系统通过合理的算 法设计,检测监控镜头中人体正在进行的动作,比如跑步、弯腰、拥抱等等。其 中本文主要介绍“跑步”、“指人和“穿黄马甲的人 事件的检测。 1 2 课题研究的意义 由于现在的技术的限制,使得我们的整套视频监控系统的性能不能得到充分 地发挥。虽然我们在前端的视频数据采集设备以及高质量的传输线路已经能够满 足大多数情况下的清晰视频获取,并及时传输到处理终端,但我们现在的处理终 端性能还不能满足实时准确的行为识别。这样由于进行监控的安保人员自身的疲 劳和疏忽,很容易导致漏判,当然也存在一定情况下的识别错误导致误判。在耗 费了大量的人力物力时,我们还是无法使整套监控系统发挥完全的功用。这样就 对我们的智能实时监控系统提出了应用需求。 1 3国内外研究现状 对于智能监控系统的事件检测,主要的技术难点集中在背景建模、前景入的 检测和动作识别三个部分,这些也是本文重点讨论的部分。对于这三个模块,国 内外很多研究人员都进行了深入的研究,也提出了相应的算法,下面对这些算法 作简单的介绍: 4 北京邮电人学硕: :学位论文 第一章绪论 1 3 1 背景建模 t a t s u y at a n a k a 和a t s u s h is h i m a d a 等【2 4 j 提出使用p a r z e nd e n s i t ye s t i m a t e 快速 计算像素亮度值的概率密度函数( p d f ) ,简化了计算复杂度,从而减少了计算 时间。n i z a rz a r k a 等【2 5 】提出根据背景分类适用不同的更新方法,背景根据光照 变化可以分为快变背景和慢变背景,如昼夜变化引起的为慢变背景,而云遮住太 阳为快变背景;在动态背景的初始化阶段,都使用h i 曲e s tr e d u n d a n c yr a t i o ( h r r ) a l g o r i t h m 来避免中值算法的5 0 问题,而在接下来的背景更新阶段, 采用两种不同的更新方式进行更新;对于慢变背景,使用连续更新法,而对于快 变背景使用周期更新法。j u l i oc e z a rs i l v e i r aj a c q u e sj r 等【2 6 】提出只适用于单色图 的只更新阴影和高亮点的更新,而不更新整个前景物体,通过计算局部的像素点 亮度变化率,若一块区域与背景成比例则判定为阴影。s t e v e nc h e n g ,x i n g z h il u o a n ds u c h e n d r am 2 7 】提出在动态场景中静态前景物体的通用换算背景模型,用来 解决快变问题和“s l e e pp e r s o np r o b l e m 即静态前景问题,其中对图像中的每个 位置的像素点结合了k 个高斯分布统计。s i n d u p a l l i ,m a a l i ,b b o u f a m a 2 8 】提出 基于直方图的动态背景建模,其中主要方法有k - m e a n sc l u s t e r i n gt e c h n i q u e 和 h s v c o l o rs p a c e ,当前景目标和背景类似时,将已检测出的部分前景用背景替代, 然后用原图减去这个替代后的图,得到一个残留前景图,将部分前景图与残留前 景图结合得到较完整的前景图。周箴毅、胡福乔【2 州提出一个适用于动态背景的 基于非参数估计的前景背景对比模型,该模型通过核函数估计模拟了像素点五维 特征向量( 彩色灰度值,图像坐标) 的概率分布,并在图像序列中滚动更新;对于每 一个新入帧通过马尔可夫随机场最大后验概率判决框架将前景背景全局分割问 题转化为最大流最小切求解。王宏群、孙洪伟【3 0 】介绍了在视觉监控领域经常用 到的几种基于自适应背景模型的经典方法,如非参数模型、单高斯模型和混合高 斯模型等。 1 3 2 视频中运动人体检测 n i z a rz a r k a 【2 5 】等提出前景人体的检测包括重心点特征、速度特征、大小特征 和颜色特征,即用尽量详细的描述来表示运动物体,从而得到前景目标。重心点 特征指物体的位置的描述,速度特征用来预测物体在下一帧中的位置和运动方 向;大小特征用来描述物体拥有前景像素点的数目;颜色特征用来辅助判定发生 遮挡时的运动目标跟踪。具体到对于人体的检测,包括人头和四肢的联合建模 ( s t a rs k e l e t o n i z a t i o n 模型) ;边界轮廓抽取;极点检测和骨架特征配置。张铁力、 王然冉、李晓佳p i j 提出了一种静止背景的情况下人体运动目标的检测与跟踪的 5 北京邮哇三人学硕i :学位论文第一章绪论 新方法,该方法利用背景差分法与粒子滤波器算法相结合。根据人体运动区域的 大小、形心、速度三个参数建立跟踪模型。实验结果证明,该方法对人体目标跟 踪是快速且有效的,并且有很好的鲁棒性。傅莉、方帅、徐心和1 3 2 j 提出基于计 算机视觉的人体运动目标检测,采用小波变换的方法,有效地处理了人体运动图 像的模糊,同时,去除了阴影对图像处理的负面影响,较好地提取出基于标志点的 人体运动图像的边缘,为人体步态分析系统的研发提出了一个切实可行的方法。 1 3 3 人体动作识别 j u a nc a r l o s 等【3 3 】提出基于混合成分的分级模型,将整个图像中前景的描述分 为p a r t 层和f e a t u r e 层。其中p a r t 层由一组相对位置用一个高斯密度表征的p 部 分的集合构成,而f e a t u r e 层表述外貌分布和指定某个p a r t 的f e a t u r e 的相对位置。 然后根据p a r t 层和f e a t u r e 层的相对对应关系调用e m 算法进行动作的识别。 i s m a i l h a r i t a o g l u 等【3 4 】提出针对晚上和低亮度环境条件下室外多人行为的识别。 文章的主要思路是进行静态轮廓形状和动态周期性分析。对于每个运动的人都给 出一个外貌模型,同时考虑其静态形状模型和动态外貌模型判断当前跟踪的人, 然后根据人的身体6 个组成部分分布判断正在进行的动作。黄天羽、石崇德、 李凤霞、程成【3 5 】提出了一种基于判别随机场模型的联机行为识别方法,将传统 列帧 骆 ,指 人跑 述图 统中 镜头 北京邮电人学硕一l :学位论文 第一章绪论 中的人体跑步动作。 3 设计完成了基于s v m 和角点检测的指人动作识别算法 本文通过对分块帧问差法和角点检测算法,结合s v m 分类器,实现了 检测镜头中的指人动作的系统。 4 构造实现了基于分块帧间差的“穿黄马甲的人 识别算法 本文通过对背景差法获取前景并提取h o g 特征,运用s v m 分类器,结 合当前帧色度u 分量检测算法,实现了检测镜头中的“穿黄马甲的人”的系 统。 1 4 2 论文的安排 第一章为绪论,概括地介绍了机场监控视频的背景知识、相关理论、课题意 义和研究现状。第二章为跑步动作检测,叙述了背景建模、图像去噪、形态学处 理、s v m 训练和分类、h o g 特征提取等相关理论,详细介绍了本文所完成的跑 步事件检测算法,并给出了实验结果及分析。第三章叙述手指指人动作检测,介 绍了分块帧间差法提取前景、角点检测、光流法对比实验、图像去噪、形态学处 理、s v m 训练和分类、h o g 特征提取等,并给出了实验结果与分析。第四章叙 述黄马甲事件检测,介绍了颜色空间理论、背景建模、图像去噪、形态学处理等 理论,并给出了实验结果与分析。第五章是全文的结束语,进行了整篇文章内容 的总结,并对未来可以改进的工作进行了有意义的展望。 7 北京邮电大学硕一l 二学位论文第二章“跑步事件柃测” 2 1事件说明 第二章“跑步”事件检测 视频中的“跑步 事件定义为:人在监控场景中奔跑。需要检测出“跑步 事件及起止时刻,事件的起始时刻是人开始跑步动作的帧,终止时刻是人停止跑 步动作的帧。与普通的走路动作不同,人在跑步时的姿态是有比较明显的胳膊和 腿弯曲,而且运动速度比通常的走路要快。针对这些具体特点,设计检测算法的 主要步骤是:一、检测运动中的人体目标,排除非人体运动物体。二、检测运动 人体的行为姿势,判定其是否在进行跑步动作。 本文实现的“跑步事件”检测算法包含背景建模、对象( 人) 检测、对象特 征提取、对象行为分类几个模块。 2 2 相关的基础理论 在监控视频中对特定行为事件进行检测,需要用到基础的理论包括:背景建 模、图像去噪、形态学处理、s v m 训练分类、h o g 特征提取以及直方图相似, 下面对其一一做简单的介绍。 2 2 1背景建模 2 2 1 1 背景建模的意义 视频中的背景建模对于运动目标的提取具有很重要的意义。背景建模基于一 个假定事实t 在一段视频中,前景目标出现的持续时间远远少于背景。所以通过 对视频所有帧的各个位置像素点值的统计分布进行分析,根据一定的判断准则, 可以确定每个对应像素点位置的背景灰度值,从而有效地获取前景目标在帧内的 空间分布信息。 2 2 1 2 背景建模常用方法 背景建模方法通过对一定量的图像的数学统计和分析,判断出视频中的背景 图像的值。常用的背景模型有单模态和多模态两种【3 7 1 。单模态法主要应用在每 个背景点上的颜色分布比较集中,可以用单个概率分布模型来描述的情况;而多 北京邮电大学硕i j 学位论文第二章“跑步”事件检测 模态背景模型法则应用在需要多个分布模型来共同描述的场合。在现实应用环境 中多呈现出多模态的特性。 最常用的描述背景点颜色分布的概率模型是高斯分布( 正态分布) 【3 8 】。高 斯分布假设同一图像点位置在一段时间内的颜色分布特性呈现高斯函数。通过假 设图像分布中高斯函数的出现次数,可以将问题区分为单高斯模型和多高斯模型 进行处理。 1 单高斯分布背景模型 单高斯分布背景模型【3 9 】适用于单模态背景情形,为图像中每个位置的图像 点的颜色分布都只建立唯一的一个高斯分布模型刁( z ,鸬,) ,其中下标t 表示时 间,通过对整个高斯分布模型函数的数学统计分析,得到其均值鸬和方差厶。 通常还设定一个概率阈值乙,r ( x , ,r ) 0 时该点被判定为前景点,否则为 背景点。 单高斯分布背景模型的更新是对图像点颜色高斯分布参数的更新。其更新公 式为: f + l = ( 1 一瑾) l + 口。x l ( 2 - 1 、 ,+ l = ( 1 一口) 鸬+ 口d ,j - ( 2 2 ) 其中口为系统更新率,用来表征系统更新的快慢程度。如果取更新率口为 1 0 0 ,则背景模型方法退化为帧间差分方法,口为0 则表示不进行更新。 单高斯分布背景模型适合于简单运动场景的前景检测;其优点是运算较快, 满足一般场景的前景检测需求;缺点是复杂场景下检测效果较差。 2 多高斯分布背景模型 多高斯分布背景模型应用于通过多个高斯分布来共同描述一个图像点上的 颜色分布。s t a u f f e r t 4 0 1 等提出对每个像素使用多个高斯模型的自适应混合高斯模 型。设用来描述每个点颜色的高斯分布共有k 个,分布记为 r ( x , p “,“) ,f _ l ,2 ,k 。各高斯分布具有不同的权值r j ( e c o ,21 ) 和优先级 p i2 ( - 0 i ,i 乞“i ,按照优先级的高低排列。假定适当的背景权值部分和阈值, 按照优先级次序将a ,与高斯分布逐一匹配,若没有表示背景分布的高斯分布与 ,匹配,则判定该点为前景点,否则为背景点。 多高斯分布背景模型的更新要更新高斯分布自身的参数,以及各分布的权 重、优先级等。若检测时没有找到目标和高斯分布与 ,匹配,则将优先级最小 的一个高斯分布去除,并根据以,引入一个新的高斯分布,并赋予较小的权值和 较大的方差,然后对所有高斯分布重新进行权值归一化处理。若第m 个高斯分 布与a ,匹配,则对第i 个高斯分布的权值更新如下: 9 北京邮i 也人学硕l :学位论文第 二章“跑步”事件柃测 颤9,+j=:。l一-fl,)-qejt+。1。i+q+lj i - - - - - f i t 任用 ( 2 3 ) 其中b 是另一个表示背景更新快慢的常数一权值更新率。这样能达到某个高 斯分布的动态更新。在更新完高斯分布的参数和各分布权值后,还要对各个分布 重新计算优先级和排序,并确定背景分布的数目。 3 卡尔曼滤波模型 k a r m a n n 和b r a n d 4 1 】提出的卡尔曼滤波器将图像背景序列中每个像素点的灰 度值变化过程理解为一个信号处理系统。通过对前一段时刻该点像素值的变化规 律的分析,合理预测下一时刻该点的位置和运动信息。 在时间1 t 的估计是 x ( t i ) = z ( f i ) + k ( 咿阶f ) 一h ( t 地) 】 ( 2 4 ) 其中预测项 舅( f f ) = 么( 0 ) z ( 一1 ) ( 2 - 5 ) a ( t 3 是系统矩阵,日( ) 称为测量矩阵,z ( ) 是系统输入,足( ) 是卡尔曼 增益矩阵。卡尔曼滤波模型是递归的,估计值包括了过去的全部系统信息而不需 要存储所有的测量值。 卡尔曼滤波模型用于视频背景模型主要是利用其对运动的估计模型,考虑背 景变化率的条件下根据预测点像素和实际解帧得到的图像像素的差值判断是否 为前景点。 2 2 2 图像去噪 2 2 2 1 图像去噪的意义 一般的原始数字图像都或多或少地掺杂了一定量的噪声污染【4 2 】。噪声一般 指与需要检测的目标无关的引入值。在不同的应用场合中,噪声的定义有所区别。 比如在需要检测动态目标时,静态目标就是检测噪声。需要通过一定的技术手段 来去除这些噪声,以避免它们对实际要检测目标的干扰。 2 2 2 2 图像去噪常用方法 噪声的种类有很多种,根据其分布特性可以分为:随机噪声和干扰噪声。 噪声模型如下: g ( x ,y ) = f ( x ,y ) + h ( x ,” ( 2 - 6 ) 其中g ( x ,y ) 为坐标位置为( x ,y ) 位置的像素点的值,而f ( x ,y ) 为图像原始 l o 北京邮电大学硕f j 学位论文 第二章“跑步”事件检测 像素值,h ( x ,”是在该点位置处的噪声函数值。 通常空域中去噪处理常用的有均值法、中值法、低通滤波等等:时域中主要 是多图平均法( 类似空域的均值法) 。时域中,通常通过多幅连续图像平均: m 一- i g ( x ,y ) = ( 1 m ) 木:g f ( x ,y ) ( 2 7 ) i = o 式2 7 中m 是用来进行平均运算的图像帧数和,g i ( x , y ) 是第i 帧中位于坐 标值( x ,y ) 位置的像素值。 由于噪声信息的随机性,多次平均后趋于0 ,图像分量多次平均仍不变,达 到平滑的目的。空域中常用的有中值滤波法、均值滤波法、低通滤波器等等。均 值滤波器模板越大,效果越明显,图像越模糊,其中心像素点值的求取公式为 ( ,一1 ) ,2 ( j r i ) 2 f ( x ,y ) = 1 ( m 幸加枣g ( x + i ,y + ,) ( 2 8 ) i ;一( f 一1 ) ,2j = 一( 一1 ) 2 其中m 和n 分别为图像宽和高;中值滤波器中心像素点值为邻域内像素值 按大d , c 4 歹t j 后的中问值;低通理想滤波器振铃较大,效果不好。其频率特性如下: h ( u , v ) : 1 脚j 胁 ( 2 9 9 ) = 1 一 ” ( 2 ) 、0d ( u v ) d o 图像去噪在静态图像处理和视频处理中都是很重要的基本方法。通常得到的 原始图像由于各种因素的干扰,存在着各式的噪声,对检测实际目标照成一定影 响。因此,图像去噪方法也得到广泛应用。对图像去噪方法的要求是算法复杂度 低,去噪效果好。 2 2 3 形态学处理 2 2 3 1 形态学处理的意义 形态学( m o t p h o l o g y ) 【4 3 】一词通常代表生物学的一个分支。它是研究动物和植 物的形态和结构的学科。在这里使用同一词语表示数学形态学的内容,将数学形 态学( m a t h e n m f i c a lm o r p h o l o g y ) 作为工具从图像中提取对于表达和描绘区域形状 有用处的图像分量,比如边界、骨架以及凸壳,等等。对用于预处理或后处理的 形态学技术同样感兴趔删,比如形态学过滤、细化和修剪,等等。 2 2 3 2 形态学处理常用方法 的。 图像实际上是像素的集合,通过对像素值的处理来达到处理整幅图像的目 北京邮电人学硕j :学位论文第二章“跑步”事件榆测 交运算 并运算 平移运算 彳n 曰= plp a ,p b ) a u 曰= plp a ) u pp b ) a p = a + p ia a ( 2 1 0 ) ( 2 一1 1 ) ( 2 1 2 ) 二值图像a 被一个像素点p 平移是指将的原点移到p 。 膨胀( d i l a t i o n ) :扩张图像区域 结构元原点是指定的,不一定是图像左上角 多种解释:图像位移、结构元位移 彳0b = p lp = p + b ,p 彳,b b ) ( 2 1 3 ) 么。曰= u 以= u 见 6 ba e a ( 2 1 4 ) 用结构元进行膨胀运算也可以描述为:结构元的原点像素经过待膨胀的二值 图像中所有1 像素点时,对应结构元所有1 像素的二值图像像素置为1 像素; 腐蚀( e r o s i o n ) :获得表示结构元所有出现位置的图像 彳。口= plp + b 彳,v b b ) ( 2 1 5 ) a o b = p 限彳) ,p a ( 2 1 6 ) 用结构元进行腐蚀运算也可以描述为:结构元的原点像素经过待腐蚀的二值 图像中所有1 像素点时,如果结构元中有一个l 像素没有对应待腐蚀二值图像的 1 像素,则对应结构元原点的待腐蚀二值图像1 ,像素置为0 开运算( o p e n i n g ) - 去除比结构元小的区域像素 用同一结构元腐蚀后再膨胀 彳。曰= ( 彳。b ) 0b ( 2 1 7 ) 关运算( d o s i n g ) :填充比结构元小的孔洞 用同一结构元膨胀后再腐蚀 彳b = ( 彳0b ) 。b ( 2 1 8 ) 如此处的膨胀和腐蚀一样,开操作和闭操作也是一对关于集合求补及映像的 对偶操作。 ( 彳b ) 。= ( 彳。b ) ( 2 1 9 ) 开操作满足下列性质: ( 1 ) 彳。召是a 的子集合( 子图) 。 ( 2 ) 如果c 是d 的子集,则c 。b 是d 。b 的子集。 ( 3 ) ( 彳。b ) 。b = 彳。b 同样,闭操作也满足下列性质: ( 1 ) a 是a 曰的子集( 子图) 。 ( 2 )如果c 是d 的子集,则c b 是d 曰的子集。 r 3 、( 彳曰) b = 彳曰 1 2 北京邮l 乜大学硕l :学位论文第一二章“跑步事件检测 霪燕卫口 圆圆圈 一b = ( 一t 国嚣) e 口 图2 1 形态学处理示意图 形态学处理通过基本结构元在整幅图像上

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论