异常运动事件检测在视频监控系统中的研究

孙慧

摘 要：由于我国经济水平的进一步发展，过去所采用的视频监控方式已经不能够起到安全监控的效果。尤其是对于一些大企业来说，那么怎样在今后做好对异常运动事件的检测则成为了相关工作者的主要工作任务，那么下面我们就来具体的讨论一下相关的话题。

关键词：异常运动事件检测；视频监控系统；研究

中图分类号：TP391.41 文献标识码：A 文章编号：1671-2064（2017）24-0031-02

这些年以来，视频监控系统是安保工作的重要设施，在很多规模较大的企业当中都得到了应用。不过目前的视频监控系统，很多都只是具有视频图像截取功能，要是在监控期间出现异常行为，则很难进行检测，这样一来则不能够以最快的速度预防例如打架、抢劫等事件。所以在今后的工作中，相关工作人员一定要重视对异常运动事件的检测工作。

1 常见运动目标检测方法

若想让视频监控系统能够对异常运动事件进行监测，那么就一定要采用运动检测的方式来掌控好监控目标。同时，不管是跟踪工作，还是行为分析，都要根据所监控的运动物体来进行，这样一来，就会很大程度的提升智能监控的后续处理水平。

运动目标检测的方法有：首先是帧间差分法，主要是把监控系统所拍到的视频根据顺序进行排列，然后对临近的视频帧图像采取差分计算的方式，这样一来就能够获得视频帧里发生变动的部分，并将其当作运动目标。采用这种方法，好处在于操作简单，而且速度快。但同样也有缺点，那就是无法对运动对象进行合理的分割。其次就是背景分差法。首先要创建视频背景模型，之后和监控系统视频帧做差分，这样一来就可以获得视频里的运动目标，这种方法的优势在于可以采用所有的背景环境，而且能够有效的检测视频里所存在的运动目标；而缺陷则是会因为光线的变化而让让检测的效果下降。若想让背景分差法具有不错的效果，那么就一定要对背景进行按时的升级。三是光流法，先掌握好图像像素点和时间变化之间的关系，然后准确的判断出运动方向以及速度。此方法所存在的缺点为要进行很复杂的计算，因此电脑的性能必须要好，否则承担不了这么庞大的运算规模。另外，也无法达到监控的实时性。

2 监控系统中运动目标跟踪

2.1 运动目标跟踪法分类

主要分为以下几类：

基于特征点的目标跟踪。采用特征点来跟踪目标，其优点在于算法较为简便，而且对特征点比较好选择，不过缺点在于，如果运动目标在运动期间显得比较繁琐，那么则很难进行有效的跟踪。

基于运动场的运动目标跟踪。主要是根据运动目标的连续性来对每一帧的坐标进行计算，而普遍采用的算法为卡尔曼滤波算法，此算法通常会应用到对运动目标特征的比较上，而在运动目标的运行方位上基本能够形成一致性。

2.2 TLD目标跟踪算法

TLD跟踪算法的流程为：在TLD里，检测与跟踪这两个模块要一同运行，两者不能够形成干扰。第一，跟踪模块要确保跟踪目标不被挡住，而且还要始终能够显示在监控屏幕里。要是在跟踪期间对目标没有盯住，那么就会造成跟踪失败。监测模块要确保监控视频当中的所有桢是单独存在的，所以，在监测期间只需根据单独的帧来进行。另外，在TLD算法当中融入学习模块，此目的就是要解决检测期间所出现的失误，而且在处理期间，还要及时的对检测中不完善的地方进行更新。

3 基于轨迹的异常运动事件分析

3.1 常见运动分析方法

主要包括：

（1）主成分分析法：此方法重点是用在对监控目标的检测上。

（2）动态时间规整法：此前，这个方法应用于语音识别方面。因为语音信号具有随即性质，造成呢个在说话的时候相同的话会具有很多种的语音信号，所以在和模型进行搭配起家，要把语音信号所形成的时间轴采取弯折的措施，这样的话它的特征就可以很好的和模版进行搭配。此算法的优势为，就算监控目标和训练样本在目标上不相同，也能够采取合理的搭配。

（3）有限状态机法，利用行为特征去创建自动化系统，每个特征最好能够根据状态情况来对函数做好转移工作。在进行搭配期间，监控目标的状态要和模型序列采取比较的形式，这样一来就能够让监控目标和训练模型存在很多的相同之处。

（4）隐马尔可夫模型，在还没有进行检测的时候，最好对隐马尔可夫的隐藏状态进行设定，然后再对状态转换采取更新工作，这样的话，就能够让最后的输出和事先进行训练的行为模型进行搭配。

3.2 多目标运动跟踪

（1）多目标跟踪初始化。首先检测器要使用扫面窗口，而扫描窗口的大小要占据视频宽高的10%，然后有效的掌握好所有的扫描窗口和检测目标的重叠程度。

（2）利用扫描窗口，来探寻和检测目标相距最近的10个窗口，之后将所有的敞口放入Good boxes容器里。另外，如果重叠度不大于0.2的话，那么就要放入bad boxes容器。

（3）要在近距离的扫描窗口中选取10个bounding box，之后在所有的bounding box里，采取1%范围的偏移，另外，还要在所有的像素中增长一定的高斯噪声，但是这样的话，就必须要让所的box都采取进行几何转化，如此一来每10个box就会形成近200个bounding box，以此来当作正样本。

3.3 多目标跟踪过程

（1）让中值光流法与跟踪错误检测法融合在一块，就能够形成跟踪模块。第一，要采用流光法来对轨迹进行来往跟踪，从而形成后向轨迹，然后对前后轨迹的误差进行精准的运算，要是误差不大于阈值的话，那么就证明跟踪有效。

（2）检测扫描窗口的时候，需要用到方差以及集合这两种分类器，这样一来就能够准确的掌握窗口里有没有目标。方差分类器要对所有窗口的方差值进行运算，要是此方差值不小于阈值，那么就说明具有前景检测目标。每10棵树就能够组成一个集合分类器，而且所有的树中都具有13个判断节点，所有的判断点在互相对比以后能够获得一个0，这就让所有的树都能够含有13位的二进制码，其能够代表集合分类器所相匹配后验盖率，要是后验概率的值不小于阈值，那么就能够证明此项窗口在结合分类器的检测中得到了认可。

（3）在获取跟踪模块以后，所得到的目标与检测模块所获取的目标采取对比，从中挑选出具有类似特征的目标来当作跟踪结果；要是跟踪模块无法获取跟踪目标，那么就要对检测模块所获得的结果进行归类，然后再对模块进行跟踪。

（4）采用样本对分类器进行训练，在获取正样本的情况下，来对其进行显示要是跟踪成功的话，则要把跟踪结果采用矩形框的形式展现出来，另外还要把跟踪的经过利用运动轨迹展现出来。

3.4 多目标跟踪结果

第一，要采用背景差分法获得所拍摄视频里的运动目标，之后再把检测好的运动目标上传到跟踪模块里，这样一来就能够完成跟踪目标。例如要是三个运动目标一同进行跟踪，此时最好用蓝线进行标注，对其运动轨迹进行分析，并能够得知第一个目标的运动轨迹变化较大，运动期间具有反复运动的情况，同时运动方向变化很大，另外两个具有较为单一的运动轨迹，属于正常运动。

4 结语

目前的视频监控系统，很多都只是具有视频图像截取功能，要是在监控期间出现异常行为，则很难进行检测，因此想要提高这方面的水平，就一定要对运动目标检测方法、监控系统中运动目标跟踪进行有效的研究，并认真的对出轨迹的异常运动事件进行分析。因此在今后的工作中，相关工作者一定要刻苦钻研，争取让视频监控系统对异常运动事件的检测能力得到进一步的提高。

参考文献

[1]黄凯奇，陈晓棠，康运锋，谭铁牛.智能视频监控技术综述[J].计算机学报，2015，3806：1093-1118.

[2]雷玉堂.浅析几种视频异常事件的智能视频分析技术与方法[J].中国公共安全，2013，12：129-132+134-136+138+140.

[3]吴新宇，郭会文，李楠楠，王歡，陈彦伦.基于视频的人群异常事件检测综述[J].电子测量与仪器学报，2014，2806：575-584.

[4]王建文，陆璐.视频监控的异常报警机制[J].计算机与数字工程，2007，05：121-123+209.endprint