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前幀與背景圖像差分來得到移動目標區(qū)域,。這種算法對背景圖像的要求是：1)不含運動目標,；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,，標準差σi,t為最大初始標準差，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,。當一個程序運行后，操作系統(tǒng)就啟動了一個進程,。為了讓進程完成一些工作,，每個進程必須包含至少一線程。線程負責(zé)執(zhí)行包含在進程地址空間中的代碼,，每個線程共享所有的進程資源,，包括打開的文件,、信號標識及動態(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。