基于灰度和梯度的视频异常检测

金小雪 廖念慈 王怀志 韩津 毕延冰

【摘 要】视频异常检测系统是近年来国际研究的重点课题之一。论文介绍了视频异常检测技术的发展前景并提出了一种基于灰度和梯度的视频异常检测方案，通过实验验证了该算法的实行效率和稳定性。

【Abstract】The video anomaly detection system is one of the key subjects of international research in recent years. The development prospect of video anomaly detection technology is introduced in this paper and a kind of video anomaly detection scheme based on gray level and gradient is put forward， and the implement efficiency and stability of the algorithm is verified by experiment.

【关键词】视频异常检测；灰度直方图；梯度；对比度

【Keywords】video abnormal detection； gray scale histogram； gradient； contrast

【中图分类号】TP39 【文献标志码】A 【文章编号】1673-1069（2017）11-0187-03

1 引言

随着经济的飞速发展，社会的安全领域对视频异常检测系统的要求日益增多。人们的安全防护意识也逐步强化，从公共安全到企业安全再到家庭用户安全，视频监控系统已经用于各种领域和场合。这就要求对摄像头的清晰度有着更高的要求，因此，目前所研究出的算法也越来越复杂，其中主要算法有自动聚焦算法、自动白平衡算法、自动曝光算法、宽动态算法等。这些算法不仅能够使图像更加清晰靓丽，也能够更好的适用于曝光度过强或者过弱等不理想场景。但用户可能不方便对画面实时监控，这是由于以往的视频监控系统只能够完成图像的传输和储存。因此，传统的视频监控系统只能通过专人职守的方式来对画面进行实时监控，以便及时发现突发情况。而视频异常检测系统就克服了视频监控的弊端，它能实时对视频中的物体进行智能化的识别和监控，能够在摄像头前的画面出现异常状况下，完成报警，对社会治安保障起到巨大的作用[1]。论文提出了一种有效的视频异常检测方法。

2 研究方案

基于灰度和梯度的视频异常检测中心思想是对比每帧图像的灰度直方图，若得到参数超過预定值，则判定视频异常[1]。

基于灰度和梯度的视频异常检测的算法主要由灰度全局直方图和归一化分块灰度直方图组成。该算法主要由三部分流程构成：

①取一定帧数的正常图像作为背景模型。获取每一帧的视频图像，并对图像进行灰度化处理。

②获取图片的灰度信息，并绘制灰度直方图。

③将得到的信息与其背景模型相关信息进行比较，若超过临界值则可判定该帧图片发生异常。当连续多帧图片异常时，系统判定摄像头异常并发出警报。

可以按照加权的方法来将彩色图象的灰度转化为黑白图像后的像素值（是一种广义的提法），通常，我们将R，G，B的比设为3：6：1。

任何颜色都有红、绿、蓝三原色组成，假如原来某点的颜色为RGB（R，G，B），那么，可以通过下面几种方法，将其转换为灰度：

浮点算法：Gray=R*0.3+G*0.59+B*0.11；

整数方法：Gray=（R*30+G*59+B*11）/100；

移位方法：Gray =（R*28+G*151+B*77）>>8；

平均值法：Gray=（R+G+B）/3；

仅取灰度：Gray=G；

其中分别表示某像素的红，绿，蓝三种分量。求得Gray后，将原来的RGB（R，G，B）中的R，G，B统一用Gray替换，形成新的颜色RGB（Gray，Gray，Gray），用它替换原来的RGB（R，G，B）就是灰度图[2]。

2.1 灰度全局直方图

将一幅图片中不同灰度级像素的个数值来绘制灰度直方图，灰度直方图直观地反映了不同灰度级出现的概率。当摄像头被遮挡、移动或者失焦等情况时，图片的亮度会随之发生变化，这也导致图像的灰度级发生变化，以此需要获取图像正常情况下的背景模型和每帧图像的灰度直方图[2]。

其所涉及的程序反映了全局灰度差异及分块灰度差异，除此之外，后续的一些程序反映了全局色度差异等。因此，对于获取的新一帧的归一化全局灰度直方图，要采用直方图内插相似度函数来计算它与背景模型的归一化全局灰度直方图的匹配不似度（即差异），利用此种方法，可以获取监控画面与背景模型的全局灰度差异[5]。

这里注意，首先要将图片转化为RGB格式，然后在进行其灰度化转换。

MyYuanLaiPic=imread（'e：/image/matlab/darkMouse.jpg'）；%读取RGB格式的图像。

MyFirstGrayPic=rgb2gray（MyYuanLaiPic）；%用已有的函数进行RGB到灰度图像的转换[3]。

全局灰度直方图在摄像头异常检测系统中有着重要的作用，当摄像头遭遇干扰时，一般来说，全局直方图会发生比较明显的变化，并且全局直方图对摄像机微晃具有一定的鲁棒性，也就是说，当摄像机发生微晃时，全局直方图分布的变化不大，这可以有效避免一些误报现象的发生。

2.2 归一化分块灰度直方图

全局灰度直方图已经能对图片灰度的变化进行很好的判断，但是当摄像机视场内出现较大的运动物体时，运动物体同样会引起全局直方图分布变化，这就会引起误报现象，因此，为了避免这种误报现象，需要引入分块直方图以及相似匹配来解决这一问题。为了抵消不同数量的纲对结果的影响，在聚类分析中经常会用到归一化算法[4]。基本上归一化思想是利用图像的不变矩寻找一组参数使其能够消除其他变换函数对图像变换的影响。也就是转换成唯一的标准形式以抵抗仿射变换。

对图像使用归一化算法，可以找出图像中的那些固定量，从而得知这些图像原本就是一样的或者一个系列的。

使用matlab编辑归一化函数方法如下：

[y，ps]=mapminmax（x，ymin，ymax），x是目标归一化的矩阵，ymin，ymax分别是目标归一化的区间，如想要把数据归一化到[0，10]之间，则ymin=0，ymax=10，默认是[-10，10]，此函数归一化是按行进行的，即选取一行中的最大值xmax和最小值xmin按公式y=（ymax-ymin）*（x-xmin）/（xmax-xmin）+ymin；；计算得出一行中的各个归一化后的数据并记录。

此程序反映了归一化灰度直方图以及在此基础上的归一化分块灰度直方图；通过分块灰度直方图匹配与全局灰度直方图匹配相结合，可以有效识别摄像机是否遭遇干扰，同时可以排除很多不必要的误检。

3 结果及分析

当摄像头被移动时，摄像头显示异常的前后图像如上图所示。图1中左上角为图像的帧数和状态。视频在500帧以前是正常的监控画面，在500帧以后则是摄像头被移动了后的监控画面。在最初的几帧内，移动比较缓慢，画面变化并不明显，通过第503帧与522帧的对比可以发现摄像头发生了明显的移动。从第544帧开始，系统判断视频异常并发出报警。

通过MATLAB编入算法得到的摄像头被移动时视频的灰度直方图如图2所示。

由上述实验结果，可以看出该系统可以适用于检测摄像头的各种异常情况并发出报警，证明了该系统的可行性。

4 结语

论文提出的视频异常检测方法是通过当摄像头被移动等情况时，利用灰度直方图的前后对比度变化来判断监控画面是否发生异常从而进行摄像头的异常判断。其次，将图像分块，再统计分块归一化直方图，以此来防止系统对监控画面中人物移动等情况产生误报现象。经实验得证，这种方法可有效降低误报率，使系统更精准。经多次实验验证，

相比较其他的视频异常检测算法，该算法有诸多优点，且应用范圍很广，可有效检测出摄像头异常的诸多情况，并发出警报，能有效满足系统实时性的要求，而且该算法的复杂度更低。

【参考文献】

【1】刘倩男.基于视频的人群异常检测方法研究[D].重庆：重庆大学，2016.

【2】朱建章.复杂场景下实时视觉目标跟踪的若干研究[D].武汉：武汉大学，2014.

【3】王珩，陈淑荣.一种视频监控图像条纹噪声的快速检测方法[J].微型机与应用，2011，30（17）：36-39.

【4】丁云，徐振明.基于TAPI的电话应用系统开发和研究[J].成都信息工程学院学报，2007，22（6）：L702-709.

【5】庄自超.面向视频监控的视频质量检测系统的设计与开发[D].武汉：华中师范大学，2010.