《02实时视频监控系统中运动目标检测和跟踪的一种实用方法.pdf》由会员分享，可在线阅读，更多相关《02实时视频监控系统中运动目标检测和跟踪的一种实用方法.pdf（4页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第 36 卷 第 12 期2002 年12 月上海交通大学学报JOURNAL OF SHANGHAI JIAOTONG UNIVERSIT YVol.36 No.12Aug.2002收稿日期:2001-06-21作者简介:张文杰(1971-),女,辽宁锦州人,硕士,主要研究计算机视觉、多媒体技术、数字视频处理.文章编号:1006-2467(2002)12-1837-04实 时 视 频 监 控 系 统 中 运 动 目 标检 测 和 跟 踪 的 一 种 实 用 方 法张文杰,戚飞虎,江卓军(上海交通大学 计算机科学与工程系,上海 200030)摘要:针对目前信息发展的要求,讨论了视频序列中运动目标
2、检测和跟踪的一些方法,并在视频监控系统的具体应用环境中,提出了运动目标的适时检测和跟踪的一种适用方法,同时给出了相应的实验结果.结果表明,本文方法是比较实用的,能满足实时视频监控系统的要求.关键词:视频监控;智能系统;运动目标;检测跟踪中图分类号:T P 391.41文献标识码:AA Practical Method for Detecting and Tracking Objects in ImageSequences in a Real-Time Video Surveillance and Monitoring SystemZH ANG Wen-jie,QI Fei-hu,JIANG Z
3、huo-j un(Dept.of Computer Science and Eng.,Shanghai Jiaotong Univ.,Shanghai 200030,China)Abstract:In order to meet the current information needs,this paper put emphasis on the methods of de-tecting and tracking objects in image sequences.In the mean time,a practical method on object detectingand tra
4、cking in a real-time video surveillance and monitoring system was provided as well as some experi-mental results.The results show that the proposed method is a practical one.It can meet the need of thereal-time video surveillance and monitoring system.Key words:video surveillance and monitoring;inte
5、lligent system;moving object;detecting and tracking过去,计算机性能尤其是速度限制了图像处理应用的复杂性,因此大多数系统或者太慢,或者限定条件过多.近年来,随着计算机性能不断提高,利用计算机对监控系统中的视频信息进行分析,从而使监控系统的智能化成为可能 1.智能化监控系统的研究取得了不少成果,如美国 DARPA 资助的 VSAM(Video Surveillance andMonitoring)项目 2,目的是建立一个能在野外或战场等复杂环境下应用多个摄像机对人、车等的行为进行监控的系统;EC(European Commission)资助的 A
6、VS-PV(Advanced video-based surveillanceprevention of vandalism in metro stations)3和最近刚刚开始的由 EC 资助的 ADVISOR(AnnotatedDigital Video for Surveillance and Optimised Re-trieval)项目,目的是建立对地铁站内人们的活动行为进行监控.本文研究的实时视频监控系统主要包括背景提取、背景更新、运动检测、目标跟踪和控制动态摄像机(又名智能球)运动等.1检测和跟踪的关键技术智能化视频监控系统的关键技术主要涉及两方面:一是运动目标的检测和分割;另一
7、是运动目标轨迹的跟踪.(1)运动目标的检测和分割是视频流研究中的一个极其重要却又困难的问题,它不但可以从视频流中分割出目标和背景,同时它又是识别、分类和分析的基础.传统的运动目标检测方法有帧差法、背景差提取法 4和光流法 5.帧差法比较适合变化的动态场景,但不易将运动目标完全分割出来;背景差提取易将运动目标分割出来,但对环境变化比较敏感;光流法能在运动摄像机中检测出运动目标,但大多数光流法计算太复杂,若没有特定硬件的支持不能在实时系统中使用.(2)目标的跟踪技术是随着数字视频技术的发展而产生的一个极具应用价值的研究课题.由于目标跟踪的结果中蕴含了场景中每一个运动个体的大量时空信息,故在基于内容
8、的视频传输、视频检索以及数字监控等各个领域有着重要的作用 6.这方面的研究工作已取得许多成果 7,8.各种跟踪方法因跟踪过程、场景假设、运动目标类型、运动目标的运动特征、摄像机及摄像机的运动、物体的变形、背景的变化、运动目标运动的不规则、及物体在运动过程上颜色及形状的改变等的不同而差异很大.2方案及其实现2.1运动目标的检测和分割各种算法都需要解决实时性局限和背景噪声干扰两个问题.实时性是大多数应用中的首要要求,但是目前大部分算法的处理速度仅有 37 帧/s 6,不能满足系统的实时性要求.另外,在不同的应用场合中,复杂背景中的局部变化,如局部光照的变化、背景中物体的周期性闪烁等,常常对目标跟踪
9、的结果产生严重影响.由于在监控系统中的视频流有具体场景这一先验知识以及实时分割的要求,故本文首先采用背景提取与帧差法相结合的方法,然后使用消除噪声、区域合并、形态滤波等方法得到运动目标.具体地说,就是用彩色空间的多个分布模型描述彩色视频图像的背景像素点及其统计特性的方法来检测、分割运动目标.对背景模型更新时,将均值、方差的更新速率与多个分布模型的更替速率分开.对像素值属于多个分布模型的情况,则采用最小相似距离来确定要更新的模型.其方法如下:(1)背景提取.首先,把输入图像由色度空间R、G、B 转换为亮度、色度空间 s、r、g.其中:s 为亮度坐标,s=(R+G+B)/3;色度 r=R/(R+G
10、+B),g=G/(R+G+B),b=B/(R+G+B),其中 r+g+b=1.色度空间是二维的,只有 2 个色度坐标独立,在此选 r 和 g.对于视频输入序列1,2,t,第 t帧视频图像中像素 X=(x,y)的输入信号为 I(X,t)=(Is(X,t),Ir(X,t),Ig(X,t),如果没有运动目标,则视频图像相对静止,每一像素点随时间变化都服从一定的统计特性.对每个像素点分别建立一个统计模 型,称该 点的分 布模型.用该 点的均 值(Ui(X,t)和均方差(Di(X,t)来描述这个模型,树叶晃动、水面波动等背景物体对应像素点的变化,并不存在单一的模式.对此,采用多个分布模型进行描述,即 P
11、1(X,t),Pi(X,t),Pn(X,t).其中:Pi(X,t)=(Ui(X,t),Di(X,t),下标 i 表示第 i 个模型,n 表示最大模型个数.用该方法对像素点进行描述时,对不同模型各像素点的概率不同,对于运动目标,其对应的像素点属于一个新的分布模型,但其概率是很小的,而且也很短暂.因此,对各像素点的分布模型出现的概率进行排序,取前 n 个作为背景分布模型,即完成背景提取.(2)背景更新.随着时间的推移,背景模型会发生变化,如光照的变化、背景物体的移出和移入等.因此,为了使背景模型适应这种变化,需要对背景模型进行更新,方法是将输入信号与 n 个分布模型进行比较,对匹配的模型进行更新.
12、如果输入信号与多个分布模型匹配,则采用最小相似距离的方法进行更新,即对满足分布模型进行更新、不满足分布模型不进行更新.分布模型为Di(X,t)=?j=s,r,g?Ij(X,t)-Uij(X,t)?Dij(X,t)hij(X,t)其中:hij(X,t)为模型 i 的概率;Uij(X,t)为模型 i 的均值;Di(X,t)为模型 i 的方差.同时,由于监控系统的要求,必须对各分布模型的分布概率进行更新,使长时间没有出现的分布模型被新出现的分布模型所代替,以此来反映物体背景的变化.(3)运动检测.对于每个像素点I,使其与前述的n 个分布模型相比较,如果与其中的任意一个相匹配,则为背景;否则,为前景目
13、标的像素点.然后使用消除噪声、区域合并、形态滤波等方法得到运动目标.2.2运动目标的跟踪通常,运动目标的跟踪包括特征选取、运动估计和特征匹配几个步骤.但是,单一的跟踪方法有很多不足,故现在大多采用几种方法相结合.如实验中,运动目标跟踪方法采用最近临域法和卡尔曼滤波器相结合.(1)目标跟踪.最近邻域法就是根据前帧中的运动目标的位置及运动方向,采用最近距离匹配的方法确定目标在下一帧中的位置.最近邻域法简单快捷,但存在不准确的缺点.因此,本文采用和卡尔1838上海交通大学学报第 36 卷曼滤波器相结合的方法.假设运动系统的状态变化方程和观察方程分别为z(k)=?(k,k-1)z(k-1)+w(k)y
14、(k)=H(k)z(k)+v(k)其中,k=1,2,N.卡尔曼滤波器包含两个步骤:?预测.对状态和误差的协方差进行预测;?更新.求出卡尔曼增益,对状态和误差的协方差进行更新.系统状态预测方程:z?b(k)=?(k,k-1)z?a(k-1)协方差预测方程:Pb(k)=?(k,k-1)Pa(k-1)?T(k,k-1)+Q(k)卡尔曼增益方程:K(k)=Pb(k)HT(k)(H(k)Pb(k)HT(k)+R(k)-1状态更新方程:z?a(k)=z?b(k)+K(k)y(k)-H(k)z?b(k)协方差更新方程:Pa(k)=Pb(k)-K(k)H(k)Pb(k)其中,下标 a 和 b 分别表示更新前后
15、.由图 1 和图 2 的实验结果可见,这种最近邻域法和卡尔曼滤波器相结合的方法对运动目标进行跟踪的效果较好.图 1视频序列 1Fig.1Video sequence No.1(2)控制动态摄像机运动.在实验中,有静态和动态(智能球)2 个摄像机.静态摄像机用于整个场景的全景监视,在检测到运动目标后,命令动态摄像机进行跟踪并放大.这样,一方面能够在综观全景的情况下,有目的地对危险或可疑目标进行跟踪;另一方面对所关心的目标进行特殊处理,便于获得目标的详细信息.控制动态摄像机采用的是设置预置点的方法.在静态摄像机所观全景的空间下,把整个三维空间分为若干区域,即设置若干预置点.预置点主要包括 3 个参
16、数:水平位置、竖直位置及放大倍数.具体方法是检测运动目标距离预置点的距离,找到图 2视频序列 2Fig.2Video sequence No.2图 3背景模型Fig.3Background model1839第 12 期张文杰,等:实时视频监控系统中运动目标检测和跟踪的一种实用方法最近的预置点,控制运动摄像机运动到该预置点.图3 是对图 1 和图 2 视频序列的某一时刻背景模型场景中无活动目标和有两个活动目标的实验结果.图 13 中:每幅图中左上部分为视频序列,右上部分是跟踪的情况,其中方框内是运动目标,即跟踪的目标;左下和右下是分割的结果.视频序列大小为 320 240,取景为某一十字路口的
17、一部分.3结论(1)本方案对单个及少数几个运动目标的跟踪取得了比较好的检测和跟踪效果.(2)对多个目标及大目标进行跟踪时,需调整参数才能达到准确的令人满意的分割、跟踪结果.(3)对太过于复杂的场景,如人流及车辆过多的交叉路口,本方案的效果不是太理想.参考文献:1Gavrila D M,Chrysler Daimler.The analysis of hu-man motion and its application for visual surveillanceEB/OL.http:/www-2.cs.cmu.edu/vsam/Con-ferences/VS99/00370003abs.htm
18、.2Collins Robert T,Lipton Alan J,Kanade Takeo.Asystem for video surveillance and monitoringEB/OL .http:/www.ri.cmu.edu/pub-files/pub1/collins-robert-1999-1/collins-robert-1999-1.pdf.3Renard M,Huts D.AVS-PV project:an advancedvideo-based surveillance system to prevent vandalismin metro stationsEB/OL.
19、http:/www.edc.eu.int/events/salzburg291098.html.4Wren C,Azarbayejani A,Darrell T,et al.Pfinder:Real-timetrackingof thehuman bodyJ.IEEETransactions on Pattern Analysis and Machine Intelli-gence,1997,19(7):780-785.5Barron J,Fleet D,Beauchemin S.Performance of op-tical flow techniquesJ.International Jo
20、urnal ofComputer Vision,1994,12(1):42-77.6Hafed Ziad M.Object tracking J.IEEE Potentials,1999,Aug./Sep:10-13.7Najman L,Schmitt M.Geodesic saliency of water-shed contours and hierarchical segmentation J.IEEETransactions on Pattern Analysis and Machine Intelli-gence,1996,12:11371163.8Yeo Boon-Lock,Liu
21、 Bede.Rapid scene analysis oncompressed video J.IEEE Transactions on Circuitsand Systems for Video Technology,1995,5(6):533-544.下期发表论文摘要预报非圆齿轮驱动变输入转速机构的运动反求设计邹骅,姚燕安,查建中(北方交通大学 机械与电子控制工程学院,北京 100044)摘要:运用变输入转速机构的设计理念,提出一种非圆齿轮驱动变输入转速机构的运动反求设计方法.该方法的第 1 步以 B 样条曲线描述执行机构输出构件的期望运动特性;第 2 步以逆运动学方法反求执行机构输入构件的转速函数;第 3 步设计非圆齿轮传动机构来实现执行机构输入构件所需的转速函数.最后,给出两组算例来展示方法的应用程序.混合驱动五杆机构的轨迹规划马承文,邹慧君,方新国(上海交通大学 机械与动力工程学院,上海 200030)摘要:研究了混合驱动五杆机构的轨迹规划,使伺服电机在运动过程中所需扭矩的最大值为最小.通过对混合驱动五杆机构动力学的分析,得到饲服电机的扭矩表达式,在满足速度和加速度连续的情况下,对其参数进行了优化,得到在受外力作用下满足约束条件的轨迹.1840上海交通大学学报第 36 卷