基于机器视觉的实时视频监控系统设计

智能监控系统的设计,机器视觉应用

维普资讯

苏州科技学院学报 (工程技术版 )

第 l 7卷

第 1 J o i ri f ce c n e h oo y o u h u期 . f v st o in ea dT c n lg f z o Un e y S S( n ier gadT c n lg ) E gnei n eh ooy n Ma.2 0 r 04

20 04年 3月

基于机器视觉的实时视频监控系统设计欧扬(苏州科技学院电子与信息工程系，江苏苏州 25 1 ) 10 1

摘

要：于图像处理与机器视觉技术 .基设计了一个实时视频监控系统。并对该系统基本构成、 工结果表明，系统能较好地完成自动检测场景变化功能。

作原理及图像变化检测的算法进行丁研究关键词：变化检测；图像差分；视频监控中图分类号： U9 4 T 8

文献标识码： A

文章编号： 6 2 07 (04 0— 0 60 17—6 920 )10 7— 4

以摄像机为核心的视频监视系统在现代社会公共安全保障方面起着十分重要的作用，广泛应用于保安、、银行交通、楼宇、工业等各个行业领域，在一定程度上提高了自动化水平。长期以来，视频监视系统主要是基于模拟技术的，随着计算机技术的高速发展，数字技术越来越多地应用于视频监视系统中，大地提高了系统性能，极同时也扩大了它的应用范围，但绝大多数

应用还仅局限于一般的人工监视和事后录像分析上，这种做法需要大量的人工辅助，系统缺乏一

定的自主判断能力。

视频监控技术能够利用计算机视觉和图像处理技术建立一个智能监控系统，在不需人的干预或只需很少于预情况下，通过对摄像机拍录的视频序列进行分析来实现目标监测、识别和跟踪。基于这样的应用背景，针对现有视频监视系统局限性，采用图像处理与机器视觉技术，设计了一个实时视频监控系统。系统在实现视频监视同时，该增加了视频变化检测和自动录像功

能，系统能够自动识别场景变化，检测出运动目标并锁定，同时发出警报和启动存储装置。这样

不仅可以节省大量存储空间，提高监控存储效率，减少不必要的回放，而且数据更有针对性， 因为变化部分才是真正需要注意的信息。

1系统基本构成系统由 C D摄像机、 C图像采集卡、计算机以及实时视频显示和变化检测软件组成。C D C摄像机实时拍摄现场，输出为 P L或 N S A T C制式的标准视频信号。图

像采集卡将摄像机输出 的模拟视频信号经采样、量化后转换成由 R、 B表示的像素信号。实时视频显示软件实现将 G、拍摄现场实时显示在计算机显示屏幕上的功能。变化检测软件是整个系统的核心，负责监视现场是否发生变化。 摄像机选用敏通 M V l8 E图像采集卡选用嘉恒中自公司基于 P I T— 8 1X, C总线的高速黑

白/彩色两用 O -C 0S由于采用 P I K 3/, C总线结构，传输速率可达 2 b s 5M/以上，满足系统对【日期]20—6 2收稿 0 3 0— 5【基金项目]苏州科技学院科研基金资助项目(Z 00 ) S K 24【作者简介]欧扬(99 )女， 16 -,湖南长沙人，讲师，硬士。

智能监控系统的设计,机器视觉应用

维普资讯

兰 塑图 1。

堑！于器觉实视监系设 圣机视的时频控统计,

7 7

图像实时显示要求。主机采用 Pnim m(5 H, 6M内存，3G硬盘)系统工作流程见 et 40M z 5 u 2 1

图 I系统工作流程

l

=>[

输人的视频信号经采集卡采样、量化后一方面通过显示屏幕实时显视，同时进行变化检测。P L A制式下，每秒刷新 2 . 5帧但不必埘每一帧都作出比较，系统按固定时间间隔连续采集

两帧图像到内存中进行变化检测 .正常情况下， .监视现场没有变化发生，相邻两帧图像几乎一致当现场出现运动物体，比如出现人的移动时，两帧图像会产生不一致，即现场变化引起相邻

两帧图像发生变化，通过计算两帧图像之间的差异，并与设定的阈值进行比较，自动判断系统现场是否发生变化。一旦检测到现场变化，系统立即将当前监视画面存储，同时连续采集后续几帧图像并以 JG格式压缩存储到磁盘 I这样不仅可以节省大量存储空间， P二 减少不必要的回放，而且存储的数据更有针对性

2检测原理及算法研究一

般视频图像是三维图像的二维投影，虽然不能完全反映真实的三维物体或场景，但当三

维图像发生变化时其二维投影图像也会发生相应的改变。连续视频流的场景具有连续性，图像若没有运动，连续帧图像之间变化很小：反之若有运动产生则会引起帧差。用此法可以检测图

像序列有无运动，从而判断场景是否发生变化帧差法比较两帧图像(× ) n n表示如下

¨( 1∑∑ 止！ I m一“) L: =

h

:】

L

J

J

( 1 )

f n

其

中 )=ll

一、

一

1,,

式中，￡ Y),表示图像序列在￡时刻的灰度值函数；∥￡1表示在 t1 , )一 -时

l

刻的灰度值函数；为灰度阈值， J p当参与比较的两帧图像对应像素的灰度差大于或等于阈值 P时，判定此像素发生变化，记 )1若灰度差小于阈值尸判定此像素未发生变化， L, O=,,记 (-, O

最后统计整幅图像灰度发生变化的像素数 N M, U给定像素阈值 n。i 7m≥n场景发生变化 o场景未发生变化 f/￣,// r式中灰度阈值和像素数阈值的大小决定变化检测的灵敏度。

实际使用帧差法时有下列两种模式I ( ) 1背景差分法。背景差分法采用一个作为参考图 I:像的背景图像，将当前图像与这个背景图像的差分来判断场景是否发生变化。目前现有的一些

保安系统多数是基于这种模式工作的，且一般采用的是固定背景参考图像。这种方法简单，运算量小，检测速度快，容易实现。由于动态场景中，即便是室内环境，也存在光线、像颗粒噪声图等各种变化造成的干扰，固定背景的方法存在很大的局限性。通常这类系统需要时常的手工初始化。如果不进行重新初始化，错误将随时间不停地积累造成失效。目前有相当的研究都致力

智能监控系统的设计,机器视觉应用

维普资讯

7 8

苏州科技学院学报(工程技术版)

20 04年

于开发不同的背景模型和背景更新机制_以期对各种变化造成的影响进行补偿， 2 _,弥补固定背景方法的缺欠。() 2时间差分法。时间差分法是在连续图像序列中提取相邻两帧或三帧作差分

运算后与设定阈值比较进行检测。这种方法对于动态环境具有较强的自适应性。采用这种方法时，需要考虑如何选择合适的时间间隔，一这般依赖于所监视目标的运动速度。对快速运动的物体需要选择较小的时间差，而对慢速运动的物体应该选择较大的时间间隔。 笔者采用时间差分模式，从视频图像序列中提取相邻两帧作差分运算，并对传统算法进行改进。公式() 1中描述的传统算法易于受到图像颗粒噪声影响，差分前需对图像进行滤波运算对一幅 18 18图像来说， 2 x2像素阈值 n在 0 1 8~634之间变化，以确定合适的阈值。针对这难些问题，考虑到图像变化在空间上的连续性，将图像分成 m个 n n的子块，×引入块平均值概

念，计算每一块像素灰度差的平均值，并与块灰度阈值 P比较，

用以判断每子块图像是否发生变化，算法表示如下

0I ∑∑几 - _I, J c), t( 1 1 ) x/ 2『…】 H

1。In

『】

1∑∑肚 1, p i 一，_i。 c)l/≥式中 nm() u i的取值为0或 11,表示第 i f块发生变化，个 0表示未发生变化。判断标准为两帧图像对应子块 (像素灰度差的平均值与块厌度阈值 P比较.最后统计发生变化的子块数目 ) Dm,,与全图块阈值 Z u比较，、i hm≥l图像变化 o图像未变 f u r

采用这种块平均值比较法，相当于对图像作了一次均值滤波，可有效抑制图像噪声。同时阈值取值范围大大减小，易于确定。研究过程中，经多次反复实验， 1 8全图块阈值 Z l取 1,,￣在~ 25内可由用户任意选定。 5

3检测结果本系统基于 Wi o s8和 Vsa C+ ., n w9 d i l+60实现了系统整体构架。实验中， u基于动态差分和差分背景两种方式都能检测出场景变化，但帧间差分相比于差分背景而言，受光线变化影响程度低，因而检测精度高，动态适应性更强。 2为现场未发生变化的检测结果，图差分图中几乎没有变化部分。图 3为现场发生变化的检测结果，同时给出厂差分结果的二值化图像，可以看出 变化部分被完整检测出。实验中所用图像大小为 18 l8处理速度可达到 l帧/, 2x2, 0 s满足一般问题需要

一一一前景背景差分

图 2现场未发生变化检测结果

智能监控系统的设计,机器视觉应用

维普资讯

第1 期

垫！墨的时频控系设 茎堂实视监统计

7 9

图 3现场变化检测结果

4结语

本系统具备自主检测能力，『画辅助人们更好地完成视觉保安工作。该系统还可用于电力在检测变化基础上，进一步检测出目标的运动方向速度，实现目标跟踪，是笔者下一步研究的主要内容一、

等行业中危险区域的自动监视与报警

参考文献：

[1 1章毓晋.图像工程(上册)一图像处理分析l .京：一 1 MIt清华大学出版社 J

【1 ai ol, mwo, ai LW, ell eSF iae f ep n e t iel. E ETasPtr nl i ad 2 H rag lH 'odI D V R a i V ln e ol adt ia it s]IE r a e A a s n t u 9 s— m U el op

e h rcvi J n tn ysMa hn nel e c . 0 02 ( )8 9 8 0 c ieItlgn e 2 0,2 8:0— 3, i

T eDeino e l t s a u v ia c ytm ae n h s f R a-i Viu l rel n eS se B s do g a me S lC mp trV o e h oo y o u e iin T c n lg sOU Ya g n

Ab ta t T i p p ri a nrd cit t h ein o el t iu lsrel n esse sr c: hs a e s n it u t 1 o ted s f ra—i vsa uV ia c vtm o o g a me l b sd o g rc siga dc mp trvs n tc n lg ae ni epo esn n o ue ii e h ooy ma o.

vs a s rel n e a tmaial d tc cn h n ea ds r i g aai o rse a i l uv ia c, uo t l ee tse ec a g n t e ma ed t ac mp sd w y u l c y o n e.

S st b t ras t e pet al u u e ln e T ep p rit d c stes s m c n t cin Oa o et si o l e r o t r ia c . h a e r u e h yt o s u t e sp o y sv l no e r o a dw r igp n il, i n e p a i o e loi m n i g h n ed tcin T e ts. n okn r cpe w t a m h ss n an w ag r h o ma ec a g ee t i h t o h e t.

igrs l i as rsne . n eut s l pee td o

■ ■ 一 啊

.

19 . 99

(eto Eet nc atI o ao nier g U T, zo 0 C ia Dp.f l r i n fr tnE g ei, SSS hu2 1,h ) c o s 1r m i n n u 1 1 n 5

T e ss m a mpe e t el t h y t c n i lm n a—i e r .me

Ke o d: h n ed tcin i g u t cin vs a s re ln e y w r s c a g ee t;ma es br t; i l u ia c o a o u v l

本文来源：https://www.bwwdw.com/article/0voe.html