引言
近些年來,在很多涉及生命財產(chǎn)安全的行業(yè)中,安全監(jiān)控越來越引起人們的重視。鐵路行業(yè)的安全監(jiān)控一直以來是鐵道部和國家關(guān)注的重點項目,隨著我國火車的不斷提速,安全問題不容忽視,如何保證行車安全和行人安全直接關(guān)系到整個鐵路行業(yè)的發(fā)展。
本文設(shè)計的鐵路沿線視頻監(jiān)控方法是通過一種基于視頻圖像處理實現(xiàn)對于行人穿越鐵路線的監(jiān)控。當(dāng)被監(jiān)視區(qū)域中出現(xiàn)目標(biāo)后可以自動報警并且存儲相應(yīng)的故障照片,為事后的工作提供可靠的依據(jù)。算法設(shè)計的最大特點是提出一種以圖像處理為核心的安全監(jiān)控設(shè)計,通過圖像處理可以自動判斷有無危險情況發(fā)生并自動報警,特別是在監(jiān)控人員不在時能夠發(fā)揮很大的作用。
1.視頻監(jiān)控系統(tǒng)中背景的提取
背景圖像是指視場中沒有運動目標(biāo)的圖像,即使視場內(nèi)有運動目標(biāo),背景算法也通過技術(shù)處理除去目標(biāo)而獲得沒有運動目標(biāo)的背景圖像。目前常規(guī)的背景提取的方法有統(tǒng)計直方圖法、統(tǒng)計中值法、多幀圖像平均法和連續(xù)幀差法等。
以上四種方法分別有各自的缺點。統(tǒng)計直方圖法存在的問題是隨著統(tǒng)計幀數(shù)的增加,得到的背景圖像效果并不明顯;統(tǒng)計中值法存在的問題與統(tǒng)計直方圖法也相差無幾,此外該算法實現(xiàn)時計算量較大,占用計算機(jī)內(nèi)存較大,處理較慢;多幀圖像平均法得到背景圖像受目標(biāo)運動量的影響比較大,隨著平均幀數(shù)的增加,噪聲消除才會有所改善;連續(xù)幀差法靜止的背景圖像不能直接獲得,其關(guān)鍵是如何在有目標(biāo)運動的情況下獲得良好的背景圖像,由于該算法并沒有對幀差分本身進(jìn)一步處理,存在的問題是易把紋理相似的前景交疊區(qū)域誤認(rèn)為背景。
綜合考慮以上四種背景提取方法,本文采用結(jié)合多幀圖像平均法和連續(xù)幀差法這兩種方法來進(jìn)行視頻序列背景的提取?紤]到運動目標(biāo)的多樣性,有目標(biāo)經(jīng)過視場而引起的變化長時間內(nèi)可忽略不計。多幀圖像平均法時將運動目標(biāo)看作為噪聲,用累加平均的方法消除噪聲,利用目標(biāo)運行一段時間的序列圖像進(jìn)行平均而得到視場背景圖像。連續(xù)幀差算法是通過當(dāng)前幀的圖像與前一幀圖像的差值找到運動區(qū)域,對運動區(qū)域的背景保持不變,而非運動區(qū)域的背景則用當(dāng)前幀進(jìn)行更新,經(jīng)過一段時間的迭代便可提取出背景。兩種方法的結(jié)合可以很好地彌補各自的缺點,能夠適應(yīng)鐵路沿線周邊環(huán)境的要求,對存在運動目標(biāo)的背景能夠提取出質(zhì)量較高的背景圖像。具體過程如下:
只考慮三幀的情況下,首先從視頻序列中隨便提取三幀,如圖1(a)~圖1(c)所示。然后對提取出來的三幀圖像分別轉(zhuǎn)換為灰度圖并求出它們的灰度平均圖像,以灰度平均圖像作為連續(xù)幀差法的第一幀圖像(即原始圖像)。通過原始圖像和提取的三幀圖像來做連續(xù)幀差法,得到的背景圖像經(jīng)過灰度圖如圖1(d)所示。
2.視場中危險區(qū)域的劃定
從已經(jīng)得到的背景圖像灰度圖開始,進(jìn)行一系列的圖像處理,將會得到一幅標(biāo)定了危險區(qū)域的二值圖像。首先對背景灰度圖進(jìn)行均勻化處理,依次是圖像增強(qiáng)、圖像二值化、區(qū)域標(biāo)記、除去圖像毛糙和圖像膨脹。
圖像二值化后的結(jié)果如圖2(a)所示,得到的最終結(jié)果如圖2(b)所示。從兩幅圖像的對比可以看出,圖像經(jīng)過一系列處理后,基本標(biāo)定了危險區(qū)域。對于得到的圖2(b),圖中白色的區(qū)域為鐵道雙軌內(nèi)部即設(shè)定的危險區(qū)域。應(yīng)用此種方法得到的結(jié)果圖像在光照條件充足情況下能夠得到更好的效果,不適用于光照條件不足和夜間的危險區(qū)域標(biāo)定。
3 .危險情況存在時圖像的自動保存
由于視頻拍攝的位置是平行于地面,所以拍攝到的視場很寬廣。如果對拍到的整個鐵路線進(jìn)行監(jiān)控,那么周圍環(huán)境會對圖像處理帶來很大的干擾。所以為了達(dá)到較好的監(jiān)控效果,只考慮沿線的某一塊區(qū)域,本文選定的監(jiān)測區(qū)域是:行的位置從346~386的像素點,列的位置從341~370的像素點。待監(jiān)測的視頻是25幀/s,每秒鐘從視頻中抽取一幀進(jìn)行監(jiān)測。對于每一幀待監(jiān)測的圖像首先要進(jìn)行圖像的預(yù)處理,處理步驟包括有轉(zhuǎn)換為灰度圖、二值化、圖像膨脹等。把預(yù)處理后的圖像和圖2(b)做相與運算,然后對得到的結(jié)果圖像在監(jiān)測區(qū)域內(nèi)進(jìn)行像素統(tǒng)計。
首先設(shè)定一個計數(shù)器counter,并令其初始值為0。在監(jiān)測區(qū)域內(nèi)對每個像素點進(jìn)行二值判斷,如果像素點的值為0(即黑色點),那么計數(shù)器自動加1,待監(jiān)測區(qū)域內(nèi)的每個點判斷完畢后,再對counter的值進(jìn)行判斷。如果counter的值大于200(說明監(jiān)測區(qū)域有很大的干擾,即有人進(jìn)入),則自動對當(dāng)前待監(jiān)測的幀以灰度圖的形式保存起來,如果counter的值小于等于200(說明監(jiān)測區(qū)域沒有受到足夠大的干擾),則本幀監(jiān)測結(jié)束,不保存圖像,轉(zhuǎn)而監(jiān)測下一幀。
對每一幀都做上述處理,經(jīng)過一段時間的監(jiān)測后,系統(tǒng)會自動保存一些危險情況存在時的圖像(灰度圖形式)。圖像自動保存方法流程圖如圖3所示。
從監(jiān)控結(jié)果來看,得到的是一幅幅危險情況存在時的圖像,圖像自動保存的部分結(jié)果如圖4所示。這些圖像是從10 min的視頻數(shù)據(jù)中自動抽取出來的,從這些圖像中可以分析整個設(shè)計的識別率,識別率的高低影響著算法設(shè)計和程序編寫的好壞。
通過鐵軌的人總數(shù)為114人左右,計算機(jī)成功識別出的越軌行為有99人、計算機(jī)沒有識別出的越軌行為有15人,本身無越軌行為但被計算機(jī)識別出的有9人。監(jiān)控結(jié)果的成功率=(99÷114)×100%=86.8%;監(jiān)控結(jié)果的漏報率=(15÷114)×100%=13.2%;監(jiān)控結(jié)果的誤報率=(9÷114)×100%=7.9%。
4 .一種目標(biāo)識別算法
鐵路上運動目標(biāo)主要分為:行人、車輛、小動物和其他。
在對目標(biāo)進(jìn)行識別前先要對危險情況存在時灰度圖圖像自動保存的結(jié)果進(jìn)行必要的圖像處理,目的是為后續(xù)的目標(biāo)識別奠定基礎(chǔ),使經(jīng)過處理后的圖像更加方便地應(yīng)用于目標(biāo)識別。在這里圖像預(yù)處理主要包括增強(qiáng)圖像對比度、中值濾波和平滑處理等。目標(biāo)識別算法的流程圖如圖5所示。
根據(jù)運動目標(biāo)的分類可知,車輛的周長是最長的,所以首先直接判斷圖像中運動目標(biāo)的周長,如果大于某一設(shè)定好的閾值,則可輕易判斷出視場中目標(biāo)屬于車輛。余下的目標(biāo)中,行人比小動物的縱橫軸比值大,設(shè)定縱橫軸比閾值,據(jù)此可以判斷出目標(biāo)屬于行人。最后將設(shè)定一個面積閾值,面積大于此閾值則可判斷目標(biāo)屬于小動物,否則目標(biāo)屬于其他一些環(huán)境的干擾。
5 .結(jié)語
本文首先對拍攝到的視頻進(jìn)行背景提取,根據(jù)提取到的背景經(jīng)過一系列的圖像處理最終對視場中危險區(qū)域進(jìn)行劃定。然后系統(tǒng)自動監(jiān)測視頻數(shù)據(jù),自動以灰度圖的形式保存危險情況存在時的圖像,目的是為了后續(xù)的目標(biāo)識別。最后根據(jù)鐵路沿線上可能出現(xiàn)的運動目標(biāo),提出了一種運動目標(biāo)識別算法。從監(jiān)控結(jié)果可以看出,整個算法設(shè)計具有一定的可行性,可以作為基于圖像處理的鐵路沿線視頻監(jiān)控的一種算法,有一定的參考價值。