多监控摄像头特定目标检索方法研究赵媚娇

多监控摄像头特定目标检索方法研究赵媚娇

赵媚娇

中山联合光电科技股份有限公司

摘要：安全防范系统中，视频监控是最为主要的组成部分，随着人们安保意识的不断强化，对于安防系统的应用性能也提出了越来越高的要求，视频监控系统的技术含量也随之增加，比如以视频图像处理技术为基础的模式识别在视频监控中得到了越来越广泛的应用。在多监控摄像技术条件下，通常需要检索特定的目标事物。根据以往的调查分析发现，当前所普遍使用的检索技术可以与目标检测模型结合起来，进而形成能够应用于多监控摄像头目标的检测技术。目标跟踪模块与目标检测模块是该技术最主要的架构，能够对多个目标序列进行提取，对比检索目标，在不同监控视频中获得该检测目标的检测信息。

关键词：检索方法特定目标多监控摄像头

视频监控是新形势下数字图像、计算机视觉与人工智能的研究热点。上世纪30例年代，管摄像机就已经成为应用于监控工作的主要设备之一。随着相关技术的不断发展，闭路电视也开始在监控系统中得到广泛应用。视频监控在部分特殊场合中具有维护稳定、保证安全的重要作用。而视频监控系统在再阶段应用中的瓶颈主要体现在视频图像分辨率方面。同时，在对视频资料进行分析的过程中往往需要依赖大量的人力进行处理。尤其是在处理同步事件的过程中，所需要分析的视频信息量十分庞大，以人工手段对视频内容进行检索不仅十分培费时费力，同时也可能出现或多或不的疏漏。对监督监控系统进行智能化、可视化的处理，能够对特定目标进行自动化的跟踪与检测，对监控信息进行更加高效的检索。

1.目标检测

自动化视频监控系统的应用仍然需要克服许多方面的障碍，比如目标匹配、目标跟踪以及目标检测等。在不断研究的过程中，国内对以上几方面的限制已经取得了突破性的成果。

通过视频或图像寻找语义对象，该过程中即目标检测。通常情况下，目标检测技术能够对目标的特征进行高效的提取，根据提取结果对检测目标进行区分。

在通过视频监控系统检测运动目标的过程中，需要利用以下三种方法对视频图像信息进行计算。

1.1帧间差分法

该算法的基本思想在于通过连续两至三帧图像上的差异对运动区域进行检测，其应用优势在于算法复杂度低并且操作相对简单，具有比较强的自适应能力，能够更加高效地在动态场景下检测特定目标，其劣执主要在体现在无法处理完整区域内的目标对象，尤其是在目标移动距离较小或速度过快的情况下，通过该算法无法对目标图像的轮廓进行有效的识别。

1.2光流法

通过光流法对目标图像进行检测的应用思想主要在于，随着时间的变化，图像序列像素强度也会产生一定程度的变化，与其余像素点之间的相关性也随之发生改变，在这种情况下能够对像素点的运动状态进行分析。光流法能够在同一时间内对目标进行动态化的跟踪与检测。而该技术在应用方面的劣热主要体现在容易受到噪声、光照变化等因素的影响，对于目标完整轮廓会造成一定程度的破坏。

1.3背景减除法

背景减除法能够通过背景建模的方式识别目标运动轨迹。在背景模型参数建立完毕后，能够通过计算了解当前图片与背景图片之间的差异，进而实现对目标图像的检测。目前，高斯混合模型在背景减除法中的应用最为广泛。而高斯混合模型在应用上的劣势主要体现在全局、阴影光照变化方面的检测效果方面。

2.目标跟踪

运动目标在视频序列中的每一帖都存在不同的轮廓差异，目标跟踪也是目标检索工作中的一项难点问题。广泛应用于目标跟踪的技术主要体现以下几种。

2.1基于特征点的跟踪

通过一组或一个特征点对目标物体进行表达。对目标物体特征点进行动态化的获取与描述。通过匹配初始特征点的方式对目标进行跟踪。该技术具有比较强的实时性特点，鲁棒性特点了十分突出，然而对于形变或移动的物体则会造成比较大的特征点变化，部分情况下无法对目标进行有效的跟踪。

2.2基于整体模型的跟踪

TLD算法是最具有代表性的算法。通过该方法能够将目标跟踪与目标检测两方面的技术有机结合起来，对传统在在线学习机制进行进一步的改进，对检测目标的特征点与模型参数进行不断的改进与更新，同时也可以更加有效地处理跟踪状态下所产生的光照变化、形变以及遮挡等问题；

2.3基于统计的目标跟踪

在视频序列目标跟踪中比较常见的算法之一就是Camshift算法。能够针对每一帧对视频序列进行Meanshift运算，上一帧通过运算之后能够以初始搜索窗口的形式开始下一帧的运算。在具体应用过程中，需要事先在HSV空间环境下针对计算目标建立H分量直方图，在以反向投影的方式获取像素概率分布，完成Camshift运算，对目标框大小进行自动化的调整与跟踪。

3.目标匹配

目标匹配也是一项十分重要的目标分析环节。其中广泛应用于目标跟踪的技术主要包含以下几种：

3.1基于外观的目标匹配

该目标匹配方法主要包含特征空间匹配以及颜色走直方图匹配等。该技术的应用优势在于能够从全局的角度出发，尤其是在目标被部分遮挡的情况下也能够保证匹配结果具有比较高的准确性。

3.2基于局部特征的目标匹配

通过图像局部在区域、线段以及点等方面的特征，能够更加细致地匹配跟踪目标。在部分特征出现旋转、平衡等情况下也能够维护跟踪目标的稳定性，匹配准确度高是该技术在应用方面最为明显的优势。其中SIFT特征描述算子算法在该技术中的应用最为广泛。

3.3基于灰度的目标匹配

该技术的应用原理在于将目标几何特征通过像素点的形式描绘出来。通常情况下可以以相似性度量的方式对图片匹配情况进行判断。其应用优点主要在于计算简单、易于实现等方面，但在光照变化大的情况下会出现过于敏感的问题。

上述方法虽然在以往的应用中大幅提高了特定目标检测的效率与质量，然而在多摄像头环境下的应用中仍然需要对技术与算法进行针对不同应用场景下的改良。

4.基于DPM的特定目标检索方法

4.1总体算法框架

当前我国多蜒摄像特定目标检索主要以DPM技术为基础，在该技术的支持下能够对车辆、人等目标为材料形成目标序列图像，资料来源主要为监控视频与目标图像。通过FFmpeg逐个对视频进行解帧处理，进而得到图像序列。另外，在DPM模型基础上能够进一步检测整体视频图像，得到具体的目标位置信息。结合上下帧关系与Spatio-TemporalContext算法，能够跟踪提取目标，形成序列图像；对特定目标与多个序列进行对比，取得最终的检索信息。

4.2基于DPM模型的目标检测

在取得图像序列的情况睛，可以对具体的目标位置有一个全面的了解。在具体应用环节中，需要不同目标均有着不同的颜色，单个模型需要对易形变目标进行准确的跟踪。而在DPM模型技术环境下则不存在这方面的问题。

结束语：

本文对以往所采用的目标跟踪技术的优缺点进行的全面的分析，建议通过DPM模型技术对目标检索方法进行丰富与优化。这就需要根据检测目标对DPM模型进行训练，逐一解帧视频序列，在目标提取算法的协助下检索出多个可能目标。相比于传统检索技术来说，该技术在视频监控应用中能够体现出更好的鲁棒性与准确性特点，进而取得更高质量的检测效果，在应用中也具有较强的便利性特点，该技术也是未来一段时间内目标检索技术应用一个主要的发展趋势。

参考文献：

[1]栗金营,徐文晓.隧道监控量测的围岩稳定性信息分析[J].江西建材,2017,(23):140+146.

[2]岳彭建.浅析路桥工程机械设备远程监控故障诊断系统的设计与实现[J].江西建材,2017,(23):162-163.

[3]刘倩兰.关于智能视频监控中运动目标的分类识别研究[J].电脑迷,2017,(12):146.