基於OpenCV技術的預警係統

    應用研究

    作者：梁卜元　練峰雲

    摘 要 傳統的預警係統智能化有待提高，因此預警效果不太顯著，本文提出了一種基於OpenCV技術的預警係統，該係統是基於圖像和視頻處理的運動檢測和目標跟蹤相關技術的基礎上，重點研究了運動物體（行人）危險檢測技術的基本原理和實現算法，應用OpenCV設計了一個預警係統，可以實現智能交通控製、智能視頻監控等。

    關鍵詞 OpenCV 運動檢測 預警係統

    中圖分類號：TP311 文獻標識碼：A

    0背景

    在日常生活中，存在著很多安全問題，若能有效地分析人的行為，而進行預警，可很好地防盜竊等。例如當監控場景中的物體被偷盜或者移動時，算法將自動檢測這種動作並產生警報，常用於貴重物品和關鍵設備的監控；本文使用智能視頻監控係統，利用計算機對數字視頻圖像進行智能化處理，結合計算機科學、機器視覺、圖像處理、模式識別、人工智能等多種學科，把視頻數據經過幀處理，運動檢測、目標分類、目標跟蹤和行為理解等步驟，提取出高級的語義信息，從而指導和規劃行動，實現高層次的人工智能。本文研究的重點是對智能視頻監控中行人危險行為的檢測和跟蹤。

    1運動目標檢測基本思路

    本預警係統在對視頻錄入的幀圖像進行二值化的基礎上，通過相鄰圖像間的差進行運動檢測，運用OpenCV中函數提取運動目標的輪廓，並對其進行違規判斷。由於錄入視頻中運動物體種類繁多，通過麵積大小及運動的規律性，對運動物體進行性質判斷，確定是否為檢測目標，再對運動目標進行進一步處理。

    研究運動目標檢測時，由於背景的變化較小，故采用幀差法檢測運動目標。首先是將連續的視頻處理成分割的幀圖像，得到幀圖像之後做差得到差圖像，然後對差圖像進行一係列的圖像處理。包括：二值化，平滑處理，形態學膨脹，輪廓提取。然而並非全部輪廓都是由目標產生，背景的擾動、噪聲的影響使結果中出現一些背景區域像素點被檢測為運動區域。為消除這些影響，首先將上述結果用形態學方法進行處理，找出處理後的連通域，拋棄麵積小於一定值的區域。

    2運動目標的跟蹤

    運動目標的跟蹤是智能視頻監控係統中基本且關鍵的部分，它銜接了運動目標檢測和目標行為分析理解，是在檢測運動目標的基礎上，來區分運動目標並獲得其運動軌跡。主要思路是係統在檢測到運動目標後，對運動目標的特征進行提取，以識別運動目標的種類、大小、運動方向以及其他特征信息，從而進行跟蹤。同時也可以根據運動軌跡判斷運動目標是否存在違章行為，或者檢測出在敏感區域中一直徘徊的可疑運動目標。

    在分析了多種目標跟蹤方法的基礎上，我們選擇使用基於特征跟蹤的方式進行目標跟蹤。選擇應用圖像處理函數cvFindContours（）提取目標輪廓信息，此函數可以得到運動目標的輪廓偏移量及長度寬度，根據這些數據，我們可以得到運動目標的中心

    點，比較其與檢測區或者敏感區的位置關係，繼續後續的檢測。其跟蹤的詳細設計為：