智能視頻監(jiān)控技術(shù)是利用計算機視覺技術(shù)對監(jiān)控場景的視頻圖像內(nèi)容進(jìn)行分析，自動檢測監(jiān)控畫面中的異常情況，并警報和提供有用信息，從而能夠更加有效地提醒安防人員及時處理非法入侵。
目前，智能視頻監(jiān)控技術(shù)中入侵檢測算法常見的有幀間差分法、背景減法和光流法。它們從視頻序列中檢測運動目標(biāo)來實現(xiàn)入侵報警功能。但是，這些算法集中于對一個視頻場景中移動物體偵測的研究，而監(jiān)控系統(tǒng)往往是多個區(qū)域同時監(jiān)控。為此，給出了一種適用于多區(qū)域視頻監(jiān)控系統(tǒng)中智能入侵報警的實現(xiàn)方法。該方法采用混合高斯背景建模移動偵測算法、OpenCV、多線程等技術(shù)實現(xiàn)了對入侵目標(biāo)的有效檢測報警功能。
1 混合高斯背景建模移動偵測算法
混合高斯背景建模移動偵測算法屬于減背景移動偵測算法的一種。減背景移動偵測算法是通過當(dāng)前幀與背景圖像差分來得到移動目標(biāo)區(qū)域。這種算法對背景圖像的要求是：1)不含運動目標(biāo)；2)不斷地更新以適應(yīng)背景不斷變化。構(gòu)建背景圖像的方法很多，混合高斯背景建模算法是其中典型的一種，該算法對外界環(huán)境不斷變化的適應(yīng)性較好。
1．1 混合高斯背景建模
對視頻幀中的每一個像素定義K個狀態(tài)，每個狀態(tài)用一個高斯分布函數(shù)表示。這些狀態(tài)中有一部分表示背景的像素值，而另一部分則表示前景的像素值。若每個像素點像素值用變量Xt表示，則其概率密度函數(shù)可用K個高斯分布函數(shù)描述，如式(1)所示：
1．2 混合高斯背景建模參數(shù)更新
當(dāng)獲得某一點t時刻像素值It時，首先利用序貫相似性檢測算法檢測所有高斯分布函數(shù)中那個與當(dāng)前像素值It匹配，其步驟如下：
1)設(shè)定偏差門限T；
2)選取均值μi,t與像素值It最接近的高斯分布函數(shù)，并檢測兩者之差的絕對值是否小于Tσi,t-1，如果|It-μi,t-1|≤Tσi,t-1成立，則判定該高斯分布函數(shù)與當(dāng)前像素值匹配，并按式(2)～式(4)更新相關(guān)參數(shù)；如果|It-μi,t-1|≤Tσi,t-1不成立，則判定無高斯分布函數(shù)與當(dāng)前像素值匹配，并將權(quán)重最小的高斯分布函數(shù)以一個新的高斯分布函數(shù)替代。新的高斯分布函數(shù)均值μi,t為It，標(biāo)準(zhǔn)差σi,t為最大初始標(biāo)準(zhǔn)差，權(quán)重ωi,t為最小初始權(quán)重。
式中，α為模型學(xué)習(xí)率，用于控制權(quán)重ωi,t的修正速度；ρ為參數(shù)學(xué)習(xí)率，近似為ρ≈(α／ωi,t)。
3)其他高斯分布函數(shù)參數(shù)不變，只歸一化它們的權(quán)重。
1．3 背景像素判斷
混合高斯背景建模算法通過計算模型中每個高斯分布函數(shù)的ωi,t／σi的值來判斷該高斯分布函數(shù)所表示的狀態(tài)是否表示背景像素值。值越高，則越可能是背景像素。
2 混合高斯背景建模入侵檢測
OpenCV是Intel公司支持的基于C／C++語言開發(fā)的圖像處理和計算機視覺開源函數(shù)庫。其中大部分函數(shù)是基于Intel處理器指令集的優(yōu)化代碼，能最大程度的發(fā)揮處理器的性能。
OpenCV具有強大的圖像和矩陣運算能力，是計算機視覺、圖像處理二次開發(fā)的理想工具。
OpenCV提供了混合高斯背景建模函數(shù)，其主要函數(shù)如下：
功能：利用一幀圖像數(shù)據(jù)初始化混合高斯背景模型。
參數(shù)：first_frame為混合高斯背景建模第一幀圖像數(shù)據(jù)；parameters為混合高斯背景建模初始化參數(shù)。
本文使用函數(shù)默認(rèn)設(shè)置：狀態(tài)數(shù)K=5，即混合高斯背景模型內(nèi)含5個高斯分布，偏差門限T=2．5，模型學(xué)習(xí)率α，最大初始方差
，背景點判定閾值ωi,t／σi>0．7。
功能：更新混合高斯背景模型。
參數(shù)：pFrame為更新高斯背景模型的視頻流幀圖像數(shù)據(jù)；bg_model為混合高斯背景模型指針，通過bg_model->background和bg_model->foreground即可獲得背景和前景圖像。
功能：釋放高斯背景模型參數(shù)占用的內(nèi)存。
前景圖像再經(jīng)形態(tài)學(xué)處理后，可檢測出一定大小的移動區(qū)域，即判定有人入侵。結(jié)果如圖1所示。
3 視頻監(jiān)控圖像數(shù)據(jù)獲取及轉(zhuǎn)換
3．1 視頻監(jiān)控圖像數(shù)據(jù)捕獲
使用天敏公司的SDK-2500型視頻監(jiān)控卡自帶函數(shù)庫編程與使用VFW函數(shù)庫編程獲得的監(jiān)控畫質(zhì)差別很大。使用自帶函數(shù)庫可充分發(fā)揮視頻監(jiān)控卡處理器的性能，監(jiān)控畫質(zhì)高，顯示分辨率可達(dá)720x576(PAL)，而使用VFW函數(shù)庫時，顯示分辨率僅為320x240。兩種方法所獲監(jiān)控畫質(zhì)比較如圖1所示。為獲得高分辨率監(jiān)控畫質(zhì)，本文使用視頻監(jiān)控卡自帶函數(shù)庫開發(fā)視頻監(jiān)控系統(tǒng)軟件。
視頻監(jiān)控卡自帶函數(shù)庫提供了兩類捕獲當(dāng)前幀圖像數(shù)據(jù)的函數(shù)。一類將圖像數(shù)據(jù)以文件形式保存在磁盤上，另一類將圖像數(shù)據(jù)復(fù)制到剪貼板上。由于剪貼板是Windows系統(tǒng)中單獨預(yù)留出來的一塊內(nèi)存，由于內(nèi)存讀寫速度是硬盤讀寫速度十倍以上，同時使用剪貼板也可避免對硬盤的反復(fù)讀寫，因此利用剪貼板捕獲圖像數(shù)據(jù)，代碼如下：
參數(shù)說明：int n為視頻監(jiān)控卡卡號：LPBITMAPINFO lpBI為指BITMAPINFO結(jié)構(gòu)的指針；void*pDIBBits為指向位圖數(shù)據(jù)的指針。
3．2 DIB到IPLImage數(shù)據(jù)格式的轉(zhuǎn)換
由于剪貼板捕獲的圖像數(shù)據(jù)格式為DIB，而OpenCV函數(shù)庫中圖像的基本格式為IPlImage*，因此，需要將DIB圖像數(shù)據(jù)格式轉(zhuǎn)為IPLImage*圖像數(shù)據(jù)格式，其代碼如下：
4 多區(qū)域?qū)崟r移動偵測
32位Windows操作系統(tǒng)采用搶先式多任務(wù)方式運行應(yīng)用程序。當(dāng)一個程序運行后，操作系統(tǒng)就啟動了一個進(jìn)程。為了讓進(jìn)程完成一些工作，每個進(jìn)程必須包含至少一線程。線程負(fù)責(zé)執(zhí)行包含在進(jìn)程地址空間中的代碼，每個線程共享所有的進(jìn)程資源，包括打開的文件、信號標(biāo)識及動態(tài)分配的內(nèi)存等。
線程是系統(tǒng)分配CPU時間的基本實體，它也是代碼執(zhí)行的最小單位。實際上，同一時間只有一個線程在運行，由于每個線程劃分的時間很小(20 ms左右)，CPU通過分時在各個線程之間頻繁地切換，使得系統(tǒng)看起來有多道程序在同時運行。
Windows提供了2種線程——輔助線程和用戶界面線程。兩種線程均為MFC庫所支持。用戶界面線程通常有窗口，因此，它具有自己的消息循環(huán)。輔助線程沒有窗口，因此，它不需要處理消息。
用戶界面線程用于響應(yīng)用戶操作和程序的其他控制，輔助線程用于多個區(qū)域視頻圖像的捕獲，并利用移動偵測算法實現(xiàn)實時入侵報警功能。程序流程如圖2所示。
5 實驗結(jié)果
為了驗證本文提出的多區(qū)域視頻監(jiān)控入侵檢測報警方法的性能，實驗采用兩塊SDK-2500型視頻監(jiān)控卡同時對室內(nèi)、室外兩個區(qū)域進(jìn)行長時間的視頻監(jiān)控，監(jiān)控視頻幀率為30幀／秒。為捕獲穩(wěn)定的視頻圖像，在輔助線程內(nèi)添加了100 ms的等待時間。隨機抽取100次報警結(jié)果，其結(jié)果如表1所示。
從測試結(jié)果可以看出，本文方法室內(nèi)誤報率為1％，室外誤報率為2％。根據(jù)保存的視頻圖像分析得知：室內(nèi)誤報警發(fā)生于開燈情況下，是因環(huán)境亮度急劇變化引起的；室外兩次誤報警均發(fā)生于刮風(fēng)情況下，由于樹枝大幅度搖擺造成的。
6 結(jié)束語
本文利用多線程技術(shù)實現(xiàn)了視頻監(jiān)控系統(tǒng)中多區(qū)域移動偵測入侵報警自動化。該方法利用視頻監(jiān)控卡自帶函數(shù)庫，充分發(fā)揮了視頻監(jiān)控卡處理器的性能，獲得了較高的監(jiān)控畫質(zhì)；該方法誤報率較低，可廣泛適用于各種視頻監(jiān)控系統(tǒng)中。