基于运动图像序列的异常行为检测(2)

(2742(

计算机应用研究

i+1(x,y)= i(x,y) i+1(x,y)= i(x,y)

第27卷

(5)(6)

a)运动检测阶段,即对视频中的每一帧图像分割出运动物体。本文采用最常用的背景减除法,同时增加了背景模型的自动更新。该方法能够快速有效地分割出运动物体,具有良好的自适应能力。

b)运动方向获取阶段。由于运动历史图像能够很好地描述运动发生的位置和区域,利用运动历史图像可以精确地得到运动区域,同时结合运动历史图像可得到运动方向。

c)异常行为判断阶段。根据得到的运动方向变化幅度及次数是否符合给定要求来判别出人的正常与异常行为。

在具体的异常行为判别阶段,对获取的视频帧的运动历史图像进行运动分割操作,得到运动人体的分割部件。对所获取的分割部件进行判断,筛选出符合要求的分割区域,结合运动历史图像得到分割区域的运动方向,对每一帧中所有符合条件的运动区域的运动方向进行取平均操作作为与下一帧比较的运动方向,当运动方向改变幅度且次数符合约定,则判断为异

常事件并发出报警。

2 3 背景减法流程

单高斯建模且带有自适应背景更新的背景减法具体流程如图2所示。

具体步骤如下:a)初始化背景模型,用第一帧的该像素点的值作为均值 ,而将标准差设为较大的值;b)利用后面每帧图像每个时间点的训练图像与背景进行比较,决定是前景点还是背景点,经过后处理等一些去噪操作得到目标区域;c)运用背景模型更新公式对背景模型的参数进行更正,得到实际的背景模型;d)重复步骤b)c),对训练图像的每一个新来的图像进行背景模型的更新,通过不断学习得到实际的背景图像,从而得到准确的前景图像。

图3为一视频帧第861、1038、1632帧相对应的原始帧、提取出的背景帧、背景减除法所获取的前景帧。第1038帧时人打开柜子,柜子由背景转为前景,过后柜子又成为背景。由

2 运动检测

目前最常见的目标检测算法主要有背景减除法、光流法和

时间差分法等。时间差分方法[6,7]一般不能完全提取出所有相关的像素点,在运动实体内部容易产生空洞现象。光流法

[8]

第1632帧可以看出,柜子基本上全由前景转换为背景。由该图可以明显看出自适应背景的优点:对于背景转换为前景和前景转换为背景有很好的自适应能力。

3 运动方向获取

3 1 运动历史图像

运动历史图像[13~16](MHI)是一种静态的图像模板。MHI中每个像素的亮度都是这一点处的运动历史的函数。若以I(x,y)表示运动检测后的二值化图像序列,则MHI中每一点的像素值计算如下:

Hx(x,y,t)=

max(0,Hx(x,y,t-1)-1)

ifI(x,y,t)=1else

计算方法相当复杂,且抗噪能力差。本文采用最常用的

背景减除方法[9,10],该方法实现简单、运算速度快,在大多数情况下检测结果较好。其基本流程包括预处理、背景建模、目标

检测、后处理。2 1 单高斯背景模型

该模型

[6,7]

的基本原理为:对每一个像素利用高斯函数建

模,认为每一个像素点都服从均值 和标准差 的分布,且每一点的高斯分布都是独立的。每一个像素处理的都是一系列在相应时间内(从开始时间到结束时间)的该点的集合,即在任意时间t,像素点(x,y)的值应该是以时间为轴的点的集合中的一个,可由下式表示:

{X1,X2, ,Xt}={I(x,y,i)|1#i#t}

(1)

其中: 为行为持续运动的时间。

由上式可以看出,MHI是一个标量值图像,敏感于运动的方向,灰度的变化体现出行为运动的方向。最近运动的像素被

设置为当前时间,亮度值最大,而运动较久的像素则被清除。故MHI的生成很好地把运动的空间特征和时间信息都体现在图像中,它既在空间上很好地描述了运动发生的位置和区域,同时在时间上反映了运动是如何发生的。图4为一运动视频对应的第93和156帧的原始图像、背景减除法提取出来的前景图像和MHI。

其中:I表示这一个图像序列,也就是这个集合;i表示第i帧。

那么从时间轴上看,这些点的集合符合高斯分布,即

P(Xt)=

1e-(X- )22 (2)

其中:X I(x,y,t)。2 2 自适应背景更新

设 i(x,y)和 i(x,y)是第i帧后背景模型的均值和标准差,Xi+1(x,y)是新的视频帧在(x,y)点的灰度。如果有|Xi+1(x,y)- i(x,y)|<k i(x,y)成立,则认为(x,y)是背景像素,其中k是固定系数,一般取2.5;否则,(x,y)是前景点。若(x,y)被判为前景点,则对背景模型进行更新,更新算法如下:

i+1(x,y)=(1-!) i(x,y)+Xi+1(x,y)

2

2 2i+1(x,y)=max%i(x,y),(1-!) +

(3)(4)

!(Xi+1(x,y)- 2i(x,y))&

3 2 全局梯度方向

得到运动历史图像后,运用3 3的Sobel算子,并对图像()求得()与

其中:!是更新系数,0<!<1。若像素(x,y)被判为背景像素,

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库基于运动图像序列的异常行为检测(2)在线全文阅读。