呂金娜，張志軍

（1. 河南科技學(xué)院 信息工程學(xué)院，新鄉(xiāng) 453003；2. 空軍95824部隊，北京 100195）

0 引言

視頻存儲是視頻監(jiān)控系統(tǒng)的關(guān)鍵技術(shù)，嵌入式視頻監(jiān)控系統(tǒng)中，數(shù)據(jù)存儲技術(shù)一般的做法是把從嵌入式視頻監(jiān)控服務(wù)器端的視頻數(shù)據(jù)存儲在大容量的存儲器中，但是在許多場合存儲時間都會受到存儲器大小的限制，從而會在存儲終端增加存儲器容量。其實一般被人們關(guān)注的存儲視頻往往是那些異常視頻，基于這樣的事實[1]，本文提出一種基于緩沖區(qū)和異常檢測機(jī)制的視頻存儲算法。

基于緩沖區(qū)與異常檢測機(jī)制的視頻存儲算法是在視頻圖像中的場景出現(xiàn)異常時，才執(zhí)行視頻存儲操作。這樣大大節(jié)省硬盤空間，減少訪問硬盤的頻率，有效性地提高系統(tǒng)效率。

基本思想：利用異常檢測機(jī)制，只有在場景中發(fā)生異常的情況下才進(jìn)行視頻存儲，視頻存儲時引入緩沖區(qū)機(jī)制，根據(jù)異常檢測精度的需求的不同設(shè)置緩沖區(qū)大小，存儲異常視頻幀前后某個閾值內(nèi)的視頻流，同時為可以滿足以后視頻回放的需求，一般用戶只對異常發(fā)生時候的前后一段的內(nèi)視頻感興趣。

1 基于異常檢測算法視頻存儲方案

1.1 緩沖區(qū)機(jī)制

緩沖區(qū)技術(shù)實現(xiàn)的基本思想是：當(dāng)用戶要求在某個設(shè)備上進(jìn)行讀操作時，從系統(tǒng)中獲得一個空的緩沖區(qū)，并將一個物理記錄讀到緩沖區(qū)中。當(dāng)用戶要求使用這些數(shù)據(jù)時，系統(tǒng)將根據(jù)用戶要求，把當(dāng)前需要的邏輯記錄從緩沖區(qū)中取出并發(fā)送到用戶進(jìn)程存儲中。緩沖區(qū)技術(shù)可以提高CPU和I/O設(shè)備的并行性，以及I/O設(shè)備之前的并行性[2]，從而提高整個系統(tǒng)的效率。

在本算法中引入緩沖區(qū)機(jī)制，可以比較完整的存儲異常產(chǎn)生時的視頻信息，同時提高系統(tǒng)效率。具體的引入緩沖區(qū)機(jī)制的異常檢測存儲算法步驟如下：

1）申請一個緩沖區(qū)Buffer[n];//n為一個取定的素數(shù)；

2）對于緩沖區(qū)Buffer[n]接收第k幀采集的視頻圖像并把第k幀圖像存放在Buffer[k%n]；

3）當(dāng)k%n=[n/2]時，調(diào)用異常檢測算法進(jìn)行異常檢測；

4）如果第k幀圖像被判定為異常，將緩沖區(qū)Buffer[n]的視頻信息存儲到硬盤中，否則第i

5）如果沒有輸入視頻圖像，則算法停止。

1.2 異常檢測算法

運(yùn)動檢測的靈敏度、正確性和魯棒性是嵌入式視頻監(jiān)控系統(tǒng)性能評價的關(guān)鍵指標(biāo)[3,4]，在傳統(tǒng)的運(yùn)動檢測方法中一般使用單一的準(zhǔn)則來判斷是否發(fā)生異常情況，這必然導(dǎo)致靈敏度、正確性和魯棒性指標(biāo)相互沖突。該算法采用運(yùn)動矢量與運(yùn)動補(bǔ)償技術(shù)。運(yùn)動矢量是用來計算圖像幀之間的變化，而運(yùn)動補(bǔ)償技術(shù)屏蔽因噪聲或其它輕微變化產(chǎn)生的影響，從而降低誤報率提高監(jiān)控系統(tǒng)的魯棒性。具體算法如下：

1）采用運(yùn)動檢測與加權(quán)運(yùn)動補(bǔ)償技術(shù)，獲取變化的運(yùn)動標(biāo)量MSk與加權(quán)運(yùn)動補(bǔ)償后的殘差信號能量 D iffEnergyk；

2）根據(jù)假定的運(yùn)動矢量與殘差信號能量的閾值：MSmin與DiffEnergymin，判斷當(dāng)前場景是否為正常，異常、可疑狀態(tài)。

3）如果MSk≥MSmin且DiffEnergyk≥ D iffEnergymin，當(dāng)前幀為異常幀，返回異常狀態(tài)；

4）如果MSk＜MSmin且DiffEnergyk＜ D iffEnergymin,當(dāng)前幀為正常幀，返回正常狀態(tài)；

5）如果MSk≥MSmin且 DiffEnergyk＜ D iffEnergymin,當(dāng)前幀為可疑幀，進(jìn)行連續(xù)運(yùn)動分析，轉(zhuǎn)到7）；

6）如果MSk＜MSmin且DiffEnergyk≥ D iffEnergymin,當(dāng)前幀為可疑幀，進(jìn)行連續(xù)運(yùn)動分析，轉(zhuǎn)到7）；

其中MSk與DiffEnergyk的計算如下：

運(yùn)動矢量刻畫了圖像中的運(yùn)動信息。H.264標(biāo)準(zhǔn)的運(yùn)動預(yù)測具有1/4像素精度，對運(yùn)動矢量的計算比以往標(biāo)準(zhǔn)更為精細(xì)。因此，當(dāng)有外來物體進(jìn)入畫面時，即運(yùn)動緩慢，其運(yùn)動趨勢也可以立即在運(yùn)動矢量集合中得到體現(xiàn)，有助于提高監(jiān)控系統(tǒng)的靈敏度[5]。

在H.264編碼標(biāo)準(zhǔn)中，運(yùn)動估計補(bǔ)償比以前的標(biāo)準(zhǔn)更加靈活有效，支持可變塊大小的運(yùn)動估計運(yùn)動補(bǔ)償模式[6]。設(shè)H.264編碼流中的某一幀圖像經(jīng)過運(yùn)動補(bǔ)償預(yù)測后被劃分為Np個圖像塊，利用SAD加權(quán)系數(shù)值最小作為匹配準(zhǔn)則進(jìn)行運(yùn)動預(yù)測，對于左上端頂點位于s=(x，y)處、序號為 n p（1≤ np≤Np）、尺寸為 S izenp=M×N的圖像塊，設(shè)最終得到的運(yùn)動矢

其中SAD值由下式得到：

其中， Yn為當(dāng)前圖像的亮度值，YR為參考圖像的亮度值。Wnp是為了補(bǔ)償光線變化的影響所引入的加權(quán)系數(shù)，定義如下：

可見運(yùn)動標(biāo)量MSk是圖像運(yùn)動塊的距離之和。

為了降低計算復(fù)雜度，采用式(1)使用的SADnp值作為第 np個圖像塊的殘差信號能量值，該值可以在運(yùn)動預(yù)測過程中直接得到。于是第k幀圖像的殘差信號能量 D iffEnergyk可表示為： D iffEnergyk

2 實驗與算法分析

視頻監(jiān)控異常檢測涉及的異常變化種類繁多[7]，對算法的性能和效率進(jìn)行評估并不容易，本文根據(jù)異常檢測算法的實時性和有效性，根據(jù)正確檢測率RD和錯誤報警率RFA對本文算法與以下幾種算法做比較，包括一般的運(yùn)動異常檢測、靜止物體緩慢變化時的監(jiān)控、背景變換情況下的檢測和光線緩慢變化時背景的更新[8]。分析比較結(jié)果如表所示。其中：

KTP表示正確檢出異常發(fā)生的情況；KFP表示錯誤檢出的運(yùn)動無力的情況；KFN表示存在異常但未檢出的情況即漏檢。

表1 各種異常檢測算法效率評價

RD反映了異常檢測的正確度，RFA反映了算法的精度，誤報率越低精度越高，在這里，本文有加入算法平均時間TE和算法效率ηHE兩個參數(shù)，因為在視頻監(jiān)控中實時性要求很高，盡量要設(shè)計簡單執(zhí)行效率的高的算法才能滿足系統(tǒng)的整體性能。其中TE用算法復(fù)雜度來衡量，ηHE計算如下：

其中α、β、γ為RD、RFA和TE在評價中所占的權(quán)重。

本算法分析的測試實驗是利用包含大約2000幀圖像，由10個具有一定圖像細(xì)節(jié)和運(yùn)動的圖像序列組成的視頻流，異常情況有：物體進(jìn)出鏡頭、物體的位移和形變、光線的變換，采用公式（5）到公式（7）計算公式對幾種算法進(jìn)行分析，結(jié)果如表1所示。其中正確檢測率最高的是光線緩慢變化時背景的更新算法，但是它的誤報率較高，因為此算法在背景中存在緩慢變化的物體時不斷替換背景，一旦場景發(fā)生劇烈變化就產(chǎn)生持續(xù)報警，背景無法更新。背景變化情況下的檢測誤報率低，但是算法平均時間比較長，本文算法正確檢測率高，雖然存在一定的誤報率，不過也非常低，而且算法效率較高，算法平均時間短，能夠嵌入式視頻監(jiān)控的實時性和高效性。

3 結(jié)論

為了提高視頻監(jiān)控系統(tǒng)中視頻存儲的效率，本文提出一種基于緩沖區(qū)與異常檢測機(jī)制的視頻存儲算法。該算法有效節(jié)省視頻監(jiān)控系統(tǒng)存儲負(fù)荷，并可以比較完整的存儲異常視頻信息。同時有利于用戶回放視頻的便捷性。通過實驗分析，與目前算法相比，本算法具有高效性與較高的正確檢測率。

[1] 呂金娜,周兵,張志軍.嵌入式數(shù)字視頻監(jiān)控系統(tǒng)通用存儲與檢索方案[J].計算機(jī)工程與設(shè)計,2009,30(21):4864-4867.

[2] 宋麗華,張曉彤,王沁,郭艷飛.一種高效嵌入式協(xié)議棧緩沖區(qū)管理機(jī)制[J].小型微型計算機(jī)系統(tǒng),2008,29(1):1-6.

[3] 武智霞,王化,王沛.基于H.264壓縮域的運(yùn)動目標(biāo)檢測算法[J].電子科技,2010,23(7):4-6.

[4] Peng Zhang, Yanning Zhang, Tony Thomas. Moving people tracking with detection by latent semantic analysis for visual surveillance applications. Multimedia Tools and Applications.2012.5(13).

[5] 吳國紅.基于H.264視頻流鏡頭邊界檢測的研究[D].武漢:武漢科技大學(xué).2008.

[6] 王敬.基于壓縮域的運(yùn)動目標(biāo)檢測與跟蹤算法研究[D].上海師范大學(xué).2012.

[7] Ping-guang Cheng,Zeng Zheng. Moving Object Tracking in Intelligent Video Surveillance System. Proceedings of the International Conference on Information Engineering and Applications (IEA) 2012(2).

[8] 宋磊.視頻監(jiān)控若干關(guān)鍵技術(shù)的初步研究[D].北京:北京工業(yè)大學(xué)，2003.