金小雪 廖念慈 王懷志 韓津 畢延冰

【摘 要】視頻異常檢測(cè)系統(tǒng)是近年來(lái)國(guó)際研究的重點(diǎn)課題之一。論文介紹了視頻異常檢測(cè)技術(shù)的發(fā)展前景并提出了一種基于灰度和梯度的視頻異常檢測(cè)方案，通過(guò)實(shí)驗(yàn)驗(yàn)證了該算法的實(shí)行效率和穩(wěn)定性。

【Abstract】The video anomaly detection system is one of the key subjects of international research in recent years. The development prospect of video anomaly detection technology is introduced in this paper and a kind of video anomaly detection scheme based on gray level and gradient is put forward， and the implement efficiency and stability of the algorithm is verified by experiment.

【關(guān)鍵詞】視頻異常檢測(cè)；灰度直方圖；梯度；對(duì)比度

【Keywords】video abnormal detection； gray scale histogram； gradient； contrast

【中圖分類(lèi)號(hào)】TP39 【文獻(xiàn)標(biāo)志碼】A 【文章編號(hào)】1673-1069（2017）11-0187-03

1 引言

隨著經(jīng)濟(jì)的飛速發(fā)展，社會(huì)的安全領(lǐng)域?qū)σ曨l異常檢測(cè)系統(tǒng)的要求日益增多。人們的安全防護(hù)意識(shí)也逐步強(qiáng)化，從公共安全到企業(yè)安全再到家庭用戶(hù)安全，視頻監(jiān)控系統(tǒng)已經(jīng)用于各種領(lǐng)域和場(chǎng)合。這就要求對(duì)攝像頭的清晰度有著更高的要求，因此，目前所研究出的算法也越來(lái)越復(fù)雜，其中主要算法有自動(dòng)聚焦算法、自動(dòng)白平衡算法、自動(dòng)曝光算法、寬動(dòng)態(tài)算法等。這些算法不僅能夠使圖像更加清晰靚麗，也能夠更好的適用于曝光度過(guò)強(qiáng)或者過(guò)弱等不理想場(chǎng)景。但用戶(hù)可能不方便對(duì)畫(huà)面實(shí)時(shí)監(jiān)控，這是由于以往的視頻監(jiān)控系統(tǒng)只能夠完成圖像的傳輸和儲(chǔ)存。因此，傳統(tǒng)的視頻監(jiān)控系統(tǒng)只能通過(guò)專(zhuān)人職守的方式來(lái)對(duì)畫(huà)面進(jìn)行實(shí)時(shí)監(jiān)控，以便及時(shí)發(fā)現(xiàn)突發(fā)情況。而視頻異常檢測(cè)系統(tǒng)就克服了視頻監(jiān)控的弊端，它能實(shí)時(shí)對(duì)視頻中的物體進(jìn)行智能化的識(shí)別和監(jiān)控，能夠在攝像頭前的畫(huà)面出現(xiàn)異常狀況下，完成報(bào)警，對(duì)社會(huì)治安保障起到巨大的作用[1]。論文提出了一種有效的視頻異常檢測(cè)方法。

2 研究方案

基于灰度和梯度的視頻異常檢測(cè)中心思想是對(duì)比每幀圖像的灰度直方圖，若得到參數(shù)超過(guò)預(yù)定值，則判定視頻異常[1]。

基于灰度和梯度的視頻異常檢測(cè)的算法主要由灰度全局直方圖和歸一化分塊灰度直方圖組成。該算法主要由三部分流程構(gòu)成：

①取一定幀數(shù)的正常圖像作為背景模型。獲取每一幀的視頻圖像，并對(duì)圖像進(jìn)行灰度化處理。

②獲取圖片的灰度信息，并繪制灰度直方圖。

③將得到的信息與其背景模型相關(guān)信息進(jìn)行比較，若超過(guò)臨界值則可判定該幀圖片發(fā)生異常。當(dāng)連續(xù)多幀圖片異常時(shí)，系統(tǒng)判定攝像頭異常并發(fā)出警報(bào)。

可以按照加權(quán)的方法來(lái)將彩色圖象的灰度轉(zhuǎn)化為黑白圖像后的像素值（是一種廣義的提法），通常，我們將R，G，B的比設(shè)為3：6：1。

任何顏色都有紅、綠、藍(lán)三原色組成，假如原來(lái)某點(diǎn)的顏色為RGB（R，G，B），那么，可以通過(guò)下面幾種方法，將其轉(zhuǎn)換為灰度：

浮點(diǎn)算法：Gray=R*0.3+G*0.59+B*0.11；

整數(shù)方法：Gray=（R*30+G*59+B*11）/100；

移位方法：Gray =（R*28+G*151+B*77）>>8；

平均值法：Gray=（R+G+B）/3；

僅取灰度：Gray=G；

其中分別表示某像素的紅，綠，藍(lán)三種分量。求得Gray后，將原來(lái)的RGB（R，G，B）中的R，G，B統(tǒng)一用Gray替換，形成新的顏色RGB（Gray，Gray，Gray），用它替換原來(lái)的RGB（R，G，B）就是灰度圖[2]。

2.1 灰度全局直方圖

將一幅圖片中不同灰度級(jí)像素的個(gè)數(shù)值來(lái)繪制灰度直方圖，灰度直方圖直觀地反映了不同灰度級(jí)出現(xiàn)的概率。當(dāng)攝像頭被遮擋、移動(dòng)或者失焦等情況時(shí)，圖片的亮度會(huì)隨之發(fā)生變化，這也導(dǎo)致圖像的灰度級(jí)發(fā)生變化，以此需要獲取圖像正常情況下的背景模型和每幀圖像的灰度直方圖[2]。

其所涉及的程序反映了全局灰度差異及分塊灰度差異，除此之外，后續(xù)的一些程序反映了全局色度差異等。因此，對(duì)于獲取的新一幀的歸一化全局灰度直方圖，要采用直方圖內(nèi)插相似度函數(shù)來(lái)計(jì)算它與背景模型的歸一化全局灰度直方圖的匹配不似度（即差異），利用此種方法，可以獲取監(jiān)控畫(huà)面與背景模型的全局灰度差異[5]。

這里注意，首先要將圖片轉(zhuǎn)化為RGB格式，然后在進(jìn)行其灰度化轉(zhuǎn)換。

MyYuanLaiPic=imread（'e：/image/matlab/darkMouse.jpg'）；%讀取RGB格式的圖像。

MyFirstGrayPic=rgb2gray（MyYuanLaiPic）；%用已有的函數(shù)進(jìn)行RGB到灰度圖像的轉(zhuǎn)換[3]。

全局灰度直方圖在攝像頭異常檢測(cè)系統(tǒng)中有著重要的作用，當(dāng)攝像頭遭遇干擾時(shí)，一般來(lái)說(shuō)，全局直方圖會(huì)發(fā)生比較明顯的變化，并且全局直方圖對(duì)攝像機(jī)微晃具有一定的魯棒性，也就是說(shuō)，當(dāng)攝像機(jī)發(fā)生微晃時(shí)，全局直方圖分布的變化不大，這可以有效避免一些誤報(bào)現(xiàn)象的發(fā)生。

2.2 歸一化分塊灰度直方圖

全局灰度直方圖已經(jīng)能對(duì)圖片灰度的變化進(jìn)行很好的判斷，但是當(dāng)攝像機(jī)視場(chǎng)內(nèi)出現(xiàn)較大的運(yùn)動(dòng)物體時(shí)，運(yùn)動(dòng)物體同樣會(huì)引起全局直方圖分布變化，這就會(huì)引起誤報(bào)現(xiàn)象，因此，為了避免這種誤報(bào)現(xiàn)象，需要引入分塊直方圖以及相似匹配來(lái)解決這一問(wèn)題。為了抵消不同數(shù)量的綱對(duì)結(jié)果的影響，在聚類(lèi)分析中經(jīng)常會(huì)用到歸一化算法[4]?；旧蠚w一化思想是利用圖像的不變矩尋找一組參數(shù)使其能夠消除其他變換函數(shù)對(duì)圖像變換的影響。也就是轉(zhuǎn)換成唯一的標(biāo)準(zhǔn)形式以抵抗仿射變換。

對(duì)圖像使用歸一化算法，可以找出圖像中的那些固定量，從而得知這些圖像原本就是一樣的或者一個(gè)系列的。

使用matlab編輯歸一化函數(shù)方法如下：

[y，ps]=mapminmax（x，ymin，ymax），x是目標(biāo)歸一化的矩陣，ymin，ymax分別是目標(biāo)歸一化的區(qū)間，如想要把數(shù)據(jù)歸一化到[0，10]之間，則ymin=0，ymax=10，默認(rèn)是[-10，10]，此函數(shù)歸一化是按行進(jìn)行的，即選取一行中的最大值xmax和最小值xmin按公式y(tǒng)=（ymax-ymin）*（x-xmin）/（xmax-xmin）+ymin；；計(jì)算得出一行中的各個(gè)歸一化后的數(shù)據(jù)并記錄。

此程序反映了歸一化灰度直方圖以及在此基礎(chǔ)上的歸一化分塊灰度直方圖；通過(guò)分塊灰度直方圖匹配與全局灰度直方圖匹配相結(jié)合，可以有效識(shí)別攝像機(jī)是否遭遇干擾，同時(shí)可以排除很多不必要的誤檢。

3 結(jié)果及分析

當(dāng)攝像頭被移動(dòng)時(shí)，攝像頭顯示異常的前后圖像如上圖所示。圖1中左上角為圖像的幀數(shù)和狀態(tài)。視頻在500幀以前是正常的監(jiān)控畫(huà)面，在500幀以后則是攝像頭被移動(dòng)了后的監(jiān)控畫(huà)面。在最初的幾幀內(nèi)，移動(dòng)比較緩慢，畫(huà)面變化并不明顯，通過(guò)第503幀與522幀的對(duì)比可以發(fā)現(xiàn)攝像頭發(fā)生了明顯的移動(dòng)。從第544幀開(kāi)始，系統(tǒng)判斷視頻異常并發(fā)出報(bào)警。

通過(guò)MATLAB編入算法得到的攝像頭被移動(dòng)時(shí)視頻的灰度直方圖如圖2所示。

由上述實(shí)驗(yàn)結(jié)果，可以看出該系統(tǒng)可以適用于檢測(cè)攝像頭的各種異常情況并發(fā)出報(bào)警，證明了該系統(tǒng)的可行性。

4 結(jié)語(yǔ)

論文提出的視頻異常檢測(cè)方法是通過(guò)當(dāng)攝像頭被移動(dòng)等情況時(shí)，利用灰度直方圖的前后對(duì)比度變化來(lái)判斷監(jiān)控畫(huà)面是否發(fā)生異常從而進(jìn)行攝像頭的異常判斷。其次，將圖像分塊，再統(tǒng)計(jì)分塊歸一化直方圖，以此來(lái)防止系統(tǒng)對(duì)監(jiān)控畫(huà)面中人物移動(dòng)等情況產(chǎn)生誤報(bào)現(xiàn)象。經(jīng)實(shí)驗(yàn)得證，這種方法可有效降低誤報(bào)率，使系統(tǒng)更精準(zhǔn)。經(jīng)多次實(shí)驗(yàn)驗(yàn)證，

相比較其他的視頻異常檢測(cè)算法，該算法有諸多優(yōu)點(diǎn)，且應(yīng)用范圍很廣，可有效檢測(cè)出攝像頭異常的諸多情況，并發(fā)出警報(bào)，能有效滿(mǎn)足系統(tǒng)實(shí)時(shí)性的要求，而且該算法的復(fù)雜度更低。

【參考文獻(xiàn)】

【1】劉倩男.基于視頻的人群異常檢測(cè)方法研究[D].重慶：重慶大學(xué)，2016.

【2】朱建章.復(fù)雜場(chǎng)景下實(shí)時(shí)視覺(jué)目標(biāo)跟蹤的若干研究[D].武漢：武漢大學(xué)，2014.

【3】王珩，陳淑榮.一種視頻監(jiān)控圖像條紋噪聲的快速檢測(cè)方法[J].微型機(jī)與應(yīng)用，2011，30（17）：36-39.

【4】丁云，徐振明.基于TAPI的電話應(yīng)用系統(tǒng)開(kāi)發(fā)和研究[J].成都信息工程學(xué)院學(xué)報(bào)，2007，22（6）：L702-709.

【5】莊自超.面向視頻監(jiān)控的視頻質(zhì)量檢測(cè)系統(tǒng)的設(shè)計(jì)與開(kāi)發(fā)[D].武漢：華中師范大學(xué)，2010.