基于监控系统的人员检测设计.doc

基于监控系统的人员检测设计 摘要本文重点研究以监控系统为基础的人员检测识别设计，及应用图像处理中的灰度变换，中值滤波，自适应滤波，Wiener滤波消除图像模糊，及各种边缘检测的知识对人员图像进行去噪，滤波，及识别。并拓展了监控系统的可行性。关键字：监控系统, 图像处理, 边缘检测AbstractThe main research of this article is the recognition design of the personnel supervisory system, and use the gradation transformation in imagery processing, the value filter, the adaptive filtering, the Wiener filter eliminates the fog, and some methods of marginal detection realize the denoising image, the filter, and recognition. And develop the feasibility function of supervisory system.Key words: supervisory system, image processing, edge detection1 简介监控系统综合利用现代计算机技术、现代控制技术、现代通信技术和图像显示处理技术，能够为人们提供安全、舒适的环境，是现代人类生存环境的一个重要部分。监控系统的组成: 前端设备（一体化球形摄像机、室内用的枪机），传输部分（同轴电缆、双绞线、光缆），终端设备（监视器、机柜、硬盘录像机）1。硬件包括：摄像机，镜头，云台，智能球形摄像机。视频传输系统，传输线缆、光纤传输，共缆传输，双绞线传输，无线传输，电力载波传输等。终端显示系统，dvr硬盘录像系统，IP-SAN,视频矩阵，画面处理器，切换器，分配器，远程拓展系统，IP监控，远程监控，网络监控，视频会议等技术。对于软件，很快基于ARM的监测系统将会是个热点。ARM在嵌入式处理器市场占有率很高，技术比较成熟。嵌入式系统应用于特定环境下，针对特定用途来设计的系统。近年来图像识别技术发展迅速，其高效、低成本的特性使其在人员检测识别系统中受到越来越多的重视。图像检测可利用现有的安保监控系统，无需增加额外的设备采购费用，成本可控，检测精度可以达到要求，使之更容易推广。利用摄像机采集到的视频信号，采用集成了视频压缩与传输处理功能嵌入式实时多任务操作系统在芯片上对信号进行数字化后，基于图像处理对数字进行处理，得出结论2。2 图像采集安保监控系统是一种新型智能型控制系统。它能切换出台镜头功能控制，利用技术扩展用途的各种功能。图1：图像检测系统原理图监控摄像头是一种半导体成像器件，因而具有灵敏度高、抗强光、畸变小、体积小、寿命长、抗震动等优点。监控摄像机安全防范系统中，图像的生成当前主要是来自CCD摄像机，CCD是电荷耦合器件（Charge Coupled Device)的简称，它能够将光线变为电荷并将电荷存储及转移，也可将存储之电荷取出使电压发生变化，因此是理想的摄像机元件，以其构成的CCD摄像机具有体积小、重量轻、不受磁场影响、具有抗震动和撞击之特性而被广泛应用。在学院入口的不同角度安装高度适当的摄像头，所采集的现场图像不留死角，实现对入口的全覆盖。当有人员出现在入口时，多个摄像头会联机工作，把图像传送到处理终端，综合运用图像处理、模式识别等技术，剔除背景噪声的干扰，从中判断出现场人员进行识别，为下一步引导决策提供原始数据支持。其中对学院入口的摄像头进行选型：影像像素在25万38万之间、彩色分辨率为420线、黑白分辨率在500线上下的中档型，普通型：正常工作所需照度为13 LUX(勒克斯)。软件部分负责对采集到的图像进行预处理，编写人数识别算法，确定引导策略等。在借鉴了前人的设计思想、典型算法、研究经验后，提出了自己在智能引导系统设计上的一些新思路，在实践中验证，不断优化方案，最终建立可满足现实需求的人员监控引导系统。3 人员识别经过摄像头的图像采集，经过传输部分将采集到的现场图像送入系统中，进入了人员识别过程中。图2人员识别算法处理流程1）灰度变换灰度变换就是把原图像的像素灰度经过某个变换函数变换成新的图像灰度。常见的灰度变换方法有直接灰度变换法和直方图修正法。灰度变换课使图像对比度扩展，图像清晰，特征明显。它是图像增强的重要手段。离散余弦变换（DCT）其重要的可视信息集中在DCT的几个系数上，它被应用于图像压缩，DCT正是国际上有名的有损压缩算法JPEG的核心。图3：灰度变换2）去噪和滤波噪声是只能用概率统计方法认识，是不可预测的随机误差。图像中的噪声会妨碍视觉器官对接收的信源信息的正确理解3。图4含有白噪声的图片摄像头采集的图像或多或少含有噪声，如果直接用于图像处理会导致误判，需要对原始图像消除噪声。噪声产生的因素：环境条件、传感元器件自身的质量、光照程度等，噪声产生于图像采集、输入和处理的各个环节，不可能从源头消灭，只能在后期根据噪声的规律人为进行消除。图5：滤波对比图滤波是图像处理的重要部分，它是一种修正或增强图像的技术。可以突出图像的某些特征，也可以删除另一些特征。图像滤波本质上是一种领域操作，输出图像人意像素值都是通过输入图像对应的像素领域内的像素值利用一定算法得到的。其中中值滤波是去像素点所在领域内的像素值的中值作为该像素的输出值。对极端值较不敏感，特别适合去除椒盐噪声。自适应滤波根据图像的局部方差来调整其参数，对方差大的地方进行较小的平滑，其滤波效果好，适合白噪声。由图5也可看出自适应滤波在处理白噪声干扰效果优于中值滤波4。3）消除图像的模糊图像的模糊，也就是图像的退化引起的因素很多，在监控摄像头保持静止状态，而人员处于不断运动的状态中，摄像头和现场人员会形成相对运动。如果有人员快速经过摄像头的拍摄区域，可能会留下模糊影像，使得整个画面变得模糊不清，形成运动模糊图像。另外，当摄像头发生水平位移时也可能带来运动模糊。运动模糊使图像损失大量边缘信息，进而会造成误判。解决运动模糊的方法有两种：减少摄像头采样时间，受摄像头性能限制不可能无限减小，减少采样时间会降低图像信噪比，图像质量也随之降低，这种方法一般不采用；另一种方法就是建立运动图像的复原模型，通过数学方法消除模糊，复原图像5。下面采用Wiener滤波器消除模糊。在某种程度上Wiener反卷积可以出去图像的模糊。图6为先对原图模糊，然后利用Wiener滤波器原理消除模糊。图6：Wiener滤波消除图像的模糊4）边缘检测边缘是指图像周围像素灰度变化不连续的那些像素的集合，边缘检测的原理是寻找图像灰度值变化大的像素。其中有两条标准为：灰度值的导数的绝对值是否大于给定的阈值、二阶导数是否为0。边缘广泛存在于人员和背景之间、人员和人员之间。边缘能够勾画出目标物体，蕴含了丰富的信息，是图像分割、识别及分析中抽取图像特征的重要属性。目标的边缘是目标识别的最重要特征，边缘集中了图像大部分有效信息6。边缘检测的计算过程中，为了有效地抑制噪声的影响同时能够客观地、正确地迅速取边缘检测的门限值，改变边缘检测的操作顺序。下面利用各种算法进行边缘检测。Prewitt是一种一阶微分算子的边缘检测，利用像素点上下，左右的灰度差，在边缘处达到极值检测边缘，去掉部分伪边缘，对噪声具有平滑作用。其原理是在图像空间利用两个方向模板与图像进行邻域卷积来完成的。canny研究了最优边缘检测器所需的特性，推导出最优边缘检测器的数学表达式。canny边缘检测算子的最优形式是不同的。其一维边缘检测器与一维M-H边缘检测器几乎是一样的。在二维情况下，其方向性质使边缘检测和定位性能比M-H算子要好，具有更好的边缘强度估计，而且能产生边缘梯度方向和强度两个信息。sobel微分算子是一种奇数大小（33）的模块下的全方向微分算子，在视觉上只能感觉到该微分算子所提取出的细节轮廓相对明显一些。Robots边缘检测算子根据任意一对互相垂直方向上差分可用来计算梯度的原理，采用对角线方向相邻两像素之差，图7 边缘检测对比图边缘检测的有效性和定位的可靠性，Canny研究了最优边缘检测器所需的特性，给出了边缘性能优劣的三个指标7：1）高信噪比准则即输出信号的信噪比最大，使得非边缘点判为边缘点或者边缘点判为非边缘点的概率最小。信噪比越大，误检率越低；2）高定位精度准则即检出的边缘点和实际边缘点距离最小，使得定位精度最高；3）单一边缘响应准则即单个边缘产生多个响应的概率要低，虚假边缘响应需得到最大抑制。对于阶跃形的边缘，Canny推导出的最优边缘检测器的形状与高斯函数的一阶导数类似，因此Canny边缘检测器就是由高斯函数的一阶导数构成的。由图7的对比也可得出canny边缘检测较优，但是如果想获得更优结果必须对算法进行研究。4 结论本文运用了一系列图像处理算法完成人员检测初步工作。首先，在灰度变换以后应用DCT对图像进行压缩，有利于图像信息的传输。在滤波中自适应滤波更有利去除白噪声，避免更多的人工干预，增加系统的可操作性；应用边缘检测提取得到更多有利信息。其次，MATLAB在图像处理中的代码具有可移植性，只要不多的修改就能应用，方便移植8；最后，图像处理在监控系统人员识别中的应用将是个很大的市场，现在更基于ARM处理器的广泛使用和MATLAB与硬件及其他语言的联系，将能帮助建设更安全的社会。参考文献：1 乔增伟, 陈磊. 智能建筑安保监控系统中Winsock技术的应用J, 天中学刊, 2006, 10. 21(5): 44. 2 Yang M.H, Kriegman D, Ahuja N, Detecting faces inimages, A surveyJ, IEEE Transactions on Pattern Analysis and Machine Intelligence(PAM I), 2 002,2 4(1): 34-58.3 李波, 数字图像噪声消除算法研究D, 山东: 曲阜师范大学, 2008.4 龚声蓉, 刘纯平, 王强等, 数字图像处理与分析M, 北京: 清华大学出版社, 2006,7.5 王洪元, 石澄贤, 郑明芳等, MATLAB语言极其在电子信息工程中的应用M, 北京, 清华大学出版社, 2004,12.6 陈湘凭, 杨大磊, 陈玺, 图像的运动模糊复原技术研究J, 计算机与数字工程, 2008, 36(8): 136.7 李红. 胡方明. 初秀琴. 一种改进的Canny边缘检测算法J, 微计算机信息, 2008, 24(12): 298.8 郝文化, 田蕾, 董秀芳等, MATLAB 图形图像处理应用教程M, 北京: 中水利水电出版社, 2003, 112151.附录：灰度变换：clear,clcI=imread(h4.bmp);subplot(1,3,1),imshow(uint8(I);title(原始图像);I = rgb2gray(I);subplot(1,3,2),imshow(uint8(I);title(灰度变换后图像);J=dct2(I);subplot(1,3,3),imshow(abs(J);J(abs(J)10)=0;k=idct2(J)/255;imshow(k);title(DCT图像);去噪和滤波I=imread(h4.tif);I=rgb2gray(I);J=imnoise(I,gaussian,0,0.005);K=medfilt2(J);imshow(J);figure,imshow(K);title(中值滤波);M=wiener2(J,5,5);figure,imshow(M);title(自适应滤波);Wiener滤波器原理消除模糊I=imread(h4.tif);I=rgb2gray(I);figure;imshow(I);psf=fspecial(motion,50,45);b = imfilter(I,psf,circular,conv);figure;imshow(b);w=deconvwnr(b,psf);figure;imshow(w);边缘检测I = imread(h4.tif); J=rg