通过新国标符合性检测的视频图像管理平台产品目录(二十三)
20##年8月19日,公安部科技信息化局再次公布了《通过视频监控系统联网标准符合性检测的视频图像管理平台目录通报》,现将新增内容公布如下:查询完整目录请点击“相关新闻”。
表一:
表二:
注:
1、全项检测:指该平台可与其他符合《安全防范视频监控联网系统信息传输、交换、控制技术要求》(GB/T28181)标准要求的平台和前端设备进行互联。
2、平台互联检测:指该平台可与其他符合《安全防范视频监控联网系统信息传输、交换、控制技术要求》(GB/T28181)标准要求的平台进行互联。
第二篇:视频图像中的运动检测
第26卷 第4期 武汉理工大学学报?信息与管理工程版 Vol.26No.4文章编号:1007-144X(2004)04-0001-03
视频图像中的运动检测
董士崇,王天珍,许 刚
(武汉理工大学自动化学院,湖北武汉430070)
摘 要:。传统的运动目标检测方法有3种:背景图像差分法、,;在此基础上笔者采用了一种结合Sobel;Intel公司开发的计算机视觉库OpenCV、比较实验结果可以看出,这种运动目标,。关键词:;背景差分;自适应算法中图法分类号:TP391.41 文献标识码:A
1 引 言
随着与视频数据获取、处理和保存有关的硬件的价格大幅度降低,出现了大量与视频有关的研究和应用。视频图像中的运动分析是其中比较复杂,但具有广泛应用前景的一个研究方向。它主要的研究内容包括运动物体检测、分类和跟踪,研究成果可以广泛地应用在交通管理系统、视频监视系统和军事目标跟踪系统,同时还可以应用在基于内容的视频数据压缩编码中。运动目标的检测处于整个运动分析系统的最底层,是各种后续处理(如目标分类、目标跟踪)的基础,主要任务是从视频图像中将运动目标“抠取出来”。
有3种传统的运动目标检测方法:背景图像差分法、时态差分法和光流法[1]。光流法运算公式复杂,计算量大,在没有特殊硬件支持的条件下很难达到实时要求[2],所以在对实时要求很高的情况下都会采用计算相对简单的背景图像差分法和帧间差分法。
设定的阈值相比较,若这个像素的值大于阈值,则认为这点是前景点,否则是背景点。在运用背景图像差分法时,应该重点考虑以下几个问题:
(1)如何获得背景图像。背景图像中要求不应该包含运动目标,但是在某些情况下却很难满足这一要求,这就要求用已有图像(其中包含运动目标)去构造一个不包含运动目标的背景图像。
(2)如何处理动态背景和视频噪声。运用背景图像差分法,理想的情况就是背景完全不发生变化且没有噪声污染,可是实际中很少能达到这样的理想情况。其主要原因是,视频图像在获取的过程中都会掺入视频噪声;在户外的情况,背景经常会受到光线和风等自然因素影响而发生变化。根据噪声的来源,可以采用不同的滤波器消除噪声,同时采用自适应动态背景更新的方法来减小动态背景对检测结果的影响。
(3)如何选取阈值。阈值的选取直接决定了检测结果的好坏,只有恰当的阈值才能正确地分割出运动目标所占的区域。现在普遍采用根据经验来选取阈值的方法。
背景图像差分法同时还存在一些固有的缺点,用背景图像差分法去处理目标由静止开始运动的情况,就会出现“鬼影”现象[2],如图1所示。
图1是一段视频图像(注:此视频资源来源于美国卡内基大学机器人研究所)中两帧差分的结果,从图1中可以清晰地看到目标由静止开始运动后在目标最初位置留下的“洞”,像是目标的影
2 目标检测方法
2.1 背景图像差分法
背景图像差分法是3种传统运动目标检测方法中最直接、最简单的一种方法。它事先将背景图像储存下来,由于运动物体和背景在灰度或色彩上存在差别,通过将背景图像和当前图像做减法运算,相减的结果中每一像素的值和一个预先
收稿日期:2004-03-24.
作者简介:董士崇(1979-),男,湖北武汉人,武汉理工大学自动化学院硕士研究生.基金项目:国家自然科学基金资助项目(60275040).
2
(3)根据运动物体与背景像素值的大小,选定
适当的阈值T,在差分图像中寻找I1-I0>T
(或I1-I0<-T)的区域从而确定运动物体在参考图像I0中所占的区域。
(4)在参考图像中,将此区域内的运动物体像
图1 背景差分法中的“鬼影”现象(反色处理后)
素值分别用当前图像中相应区域内背景像素值一一替换,这样就可以得到一个不包含运动目标的背景图像。
:
BI子一样,可是实际上这个影子是不存在的。背景图像差分法也不适用于摄像机运动的情况,摄像机的运动导致背景的改变,从而使背景图像差分法失效。2.2 时态差分法
,移动的情况。时态差分法和背景图像差分法相比,由于用来差分的两帧图像时间间隔很短(大约等于视频帧率的倒数),所以动态背景(甚至摄像机移动)对差分图像影响很小,也不会出现“鬼影”现象。从理论上分析可以看到,差分后的图像具有边缘图像的性质[3],所以和静止边缘图像一样,差分图像并不是由理想封闭的轮廓区域组成,运动目标的轮廓往往是局部的、不连续的,如图2所示(此视频资源来源于美国微软公司)
。
,一般都要对获得的。笔者采用的方法是对视频图像作Sobel运算,Sobel算子是一个边缘提取算子,目的是用来获取图像水平方向或垂直方向的边缘信息。对单个视频图像作Sobel运算,处理后的图像中仅包含边界信息,其中包括运动目标和背景的边界信息,这样在以后的差分运算中阈值的选取就不再显得那么重要了,只需要正确地判断出哪些边界信息是属于运动目标的,哪些是属于背景的。
接着用背景差分法获得运动目标区域:
Mn=
1, |In-Bn-1|≥T0, 其他
(1)
式中,Mn是1个二值掩模图像,值为1的点表示是运动点,值为0的点表示是背景点;T是1个
图2 相邻两帧差分后的结果
用来判断运动点的阈值。对背景图像的更新是通过式(2)完成的:
Bn=
Bn-1
Mn=1Mn=0
3 自适应背景差分法的实验研究
鉴于以上对于背景差分法和时态差分法的分析和研究,笔者采用了一种背景模型更新的自适应背景差分算法[4],并针对以上分析的关于背景差分法的相关问题,提出了相应的解决方案。这种算法的数学模型是这样的:设Bn表示背景图像,In表示视频图像。首先是初始化背景图像,笔者采用了一种在视频图像序列中获取背景图像的简单方法。
(1)假设视频图像序列中的第一帧图像是参考图像I0;
(2)在随后的视频图像序列中寻找一帧图像作为当前图像I1,在I1和I0的差分图像中,会出现2个“洞”,一个洞表示运动部分在I0中所占的区域;另一个洞表示运动部分在I1中所占的区域,这里要求这2个区域没有重叠。
[5]
αΙ)Bn-1n+(1-α
(2)
式中,α∈[0,1],是一个用来确定背景模型更新
速度的时间常数,当α=1时,这种方法就演变成时态差分法;当α=0时,这种方法就演变成背景差分法;当α=0.5时,用视频图像序列的平均值更新背景图像。
由式(2)可以看出,背景模型的更新是通过取视频图像序列的加权平均值完成的,实际上就是一个消除噪声的过程,从理论上看,以上的式(2)就相当于一个IIR滤波器。
4 实验分析
实验中利用Intel公司开发的OpenCV计算机视觉库中提供的函数实现了自适应背景差分算法。OpenCV是Intel公司开发的一个面向应用程序开发者的计算机视觉库,其中包含了大量的
3
函数和例子用来处理计算机视觉领域中常见的问题,例如运动分析和跟踪、人脸识别、3D重建和目标识别等[6]。可以通过访问www.Sourceforge.net/projects/opencvlibrary免费获得OpenCV库
以及相关的资料。
图3是运行编制的实验程序对视频文件处理的结果
。
图3 实验程序对视频文件处理的结果
观察以上检测结果可以看出,加入Sobel预
处理后的自适应背景差分法和普通的自适应背景差分法都能正确检测出运动目标的轮廓。对这两种方法的检测结果加以比较,前者获得了完整的、连续的运动目标信息,而后者获得的运动目标的信息是局部的、不连续的。例如,在前者中检测出左边的人的手臂运动信息,而在后者方法中却没有检测出手臂。
适应背景差分法,甚至使检测失败,同时背景差分法中存在的一些缺点仍然没有得到解决,这些问题还有待进一步研究。参考文献:
[1] FujiyoshiH,LiptonA.Real-TimeHumanMotion
AnalysisbyImageSkeletonization[J].ProceedingsofIEEE.WACV98,1998:15-21.
[2] CollinsR,LiptonA,KanadeT,FujiyoshiH,Duggins
D,TsinY,TolliverD,EnomotoN,HasegawaO.ASystemforVideoSurveillanceandMonitoring[R].Tech.ReportCMU-RI-TR-00-12,RoboticsIn2stitute,CarnegieMellonUniversity,2000.
[3] 郑南宁.计算机视觉与模式识别[M].北京:国防
5 结 论
在用背景差分法作视频图像运动分析的过程
中,背景图像的获取和阈值的选择是需要重点考虑的问题。笔者设计了一个从视频图像序列中获取背景图像的简单方法,同时为了改善视频图像中运动物体的检测效果,尝试采用将静止图像中的边缘提取算子和动态图像中的运动边缘检测的差分法相结合的方法。通过观察实验检测结果发现,在某些情况下,所采用的这种先对视频图像作Sobel预处理后的自适应背景差分法不但在检测性能上优于普通的自适应背景差分法,而且使阈值的选择不再是影响检测性能的绝对性因素。应该看到,如果背景图像中包含复杂纹理或色彩分布不均匀,这种方法在性能上就会劣于普通的自
工业出版设,1998.
[4] RobertCollins.IntroductiontoVideoSurveillance
[EB/OL].http://www.cirrus.it/pdf/01lecture.pdf.2002-04-08.
[5] GonzalezR,WoodsR.数字图像处理[M].北京:电子
工业出版社,2002.
[6] IntelCorporation.OpenSourceComputerVisionRef2
erenceManual[EB/OL]./research/mrl/research/opencv/.2000-12-08.
(下转至第17页)
17
DesignofaC/S-BasedMaintenanceSystemofEnterpriseBasicData
KeChangzhong,ShiXiaoping
Abstract:Accordingtothedemandofmodernenterprisedevelopment,thebasicdataofenterprisesareana2lyzed.ThenecessitytobuildanenterprisebasicdatamaintenancesystemisdemonstratedandthedesignofC/S-basedmaintenancesystemispresented.Thesystemandfunctionaredescribed.TheproblemsarisingfrompracticaldevelopmentandtheTheactualsig2nificanceoftheestablishmentofthissystemisKeywords:C/S;basic;KeandElectricalEngineering,WUT,Wuhan430070,China1
[编辑:刘美玲]
(上接第3页)
MotionDetectioninVideoImages
DongShichong,WangTianzhen,XuGang
Abstract:Thevitalstageofmotionanalysisinvideoimagesistodetectmovingtargetsfromthevideoim2ages.Therearethreeconventionalapproachestodetectmovingtargets:backgrounddifferencing,temporaldifferencingandopticalflow.Theirfeaturesanddrawbacksareanalyzedandcompared.Anadaptiveback2groundsubtractionalgorithmcombinedwiththeSobeloperatorsisadopted,andademonstrationsoftwareusingIntel’sfreecomputervisionlibraryOpenCVisdevelopedandappliedtoaseriesexperiments.Theex2perimentresultsshowthatthisalgorithmcaneasilydetectmovingobjectsandtheperformanceindetectionisbetterthanthesimpleadaptivebackgrounddifferencing.
Keywords:videoimages;objectdetection;backgrounddifferencing;adaptivealgorithm
DongShichong:Postgraducate;SchoolofAutomation,WUT,Wuhan430070,China.
[编辑:刘美玲]