游园限制区域的检测研究

◇延边大学工学院 董雨龙 王金祥

本文给出了一种游客进入游园限制区域的一种智能监测方法。算法首先创建一个区域背景模型，再利用背景差分法检测并提取出运动人，接着根据限制区域检测区域和运动人区域的位置关系、运动人在限定区域停留时间等信息融合，首先分析出是否有进入限定区域，并根据进入限定区域的程度给出不同级别的警示信息。实验结果表明，本文方法具有实时性好、准确性较高，并具备一定的鲁棒性。

1 研究的背景与意义

随着国家经济的飞速发展，旅游服务业在国民经济中的比重日趋增大，越来越多的人选择外出旅游的形式丰富生活，然而有些游客不遵守游区规定，擅自进入限制区域而受到伤害的事时有发生。对于游区监控系统中的海量信息，监控人员难以做到时刻监视，本文通过对监控图像序列的处理和分析，实现更为高效的监控功能，首先识别出游客进入特定区域的行为，并且对有潜在危险的行为进行不同程度的警示，从而保证游客的人身财产安全。

2 建立背景模型及确定运动目标

本文所采用的是背景差法确定运动目标，根据检测视频估计建立背景模型为Bk-1(x,y)，其与第k帧图像Ik差分形式为：

为了能够检测出运动的目标，需要优先选取适当的阈值T对差分图像进行阈值化处理，则二值化后的差分图像为Gk(x,y)：

为确保背景模型的准确性，确定背景模型的更新模式为：

为了减小图像空洞现象和模糊边缘，在进行检测前对监控和面进行形态学操作。对二值图像进行膨胀、腐蚀操作以去除噪声，向上、向下采样以确保所要提取的运动目标的完整性。同时采用中值滤波滤去图像上大部分细碎的噪点，使图像的轮廓更光滑更清晰，便于目标的检测。

3 进入限定区域行为检测与告警

本文通过在视频中获得限制区域的确定位置作为监测范围，因为一般情况下游区的限制区域是确定的，而且在固定摄像头拍摄的视频中是稳定的。

为了进一步提高此方案的容差能力，现采用不确定性推理中基于概率论知识的可信度推理的思想，利用所得游客的具体信息进行结论不确定性的合成。首先确定各个判别条件的可信度因子，根据游客进入限制区域的艰难程度可以适当提高游客进入方向的可信度因子，本文设置为0.3。另外还应考虑到游客在限制区域内所驻留的时长，可信度置为0.3，游客进入限制区域的深度可信度置为0.2，可以理解为限定区域内的不同位置警告程度也不同。游客在限制区域运动的速度的可信度置为0.2，置信度因子随着知识可信度的提高而动态提高，一般不超过0.4，体现局部因素的特殊性，总体保持和为1。接下来介绍游客进入限制区域的知识可信度。

对于入侵方向知识可信度的确立可按照进入限制区域的难易程度进行划分，假定限制区域为圆形区域，以限制区域的圆心和常规入口组成的线段为基准，此角度为0o，向两边分别旋转可得θ最大为180o，可表示为数学模型：k*tan（θ/2），k是某一指定系数。

对于在限制区域驻留时间的长短相应提高该条知识的可信度，此关系表示为二次函数：aT2，a为指定的系数。

对于入侵限制区域的深度，可以限制区域的中心点为半径，随着游客位置信息的不同确定不同大小的可信度，可信度动态变化的关系表示为：z*（r×cosθ+j），其中的z和r为给定的系数，θ为确定的角度，j为限制区域圆形区域的半径。

对于游客在限制区域运动的速度越快对应的可信度随之增大，数学模型可表示为一次函数：aV+b，a和b为指定的系数。

确定好知识和规则的可信度后，根据不确定性的合成算法，将规则设为E,知识设为K，CF(E)代表规则的可信度，CF(K)代表知识的可信度，CF(H)代表有游客进入限制区域的可信度：

对于有4条知识的情况利用下式进行融合判断：

融合信息并归一化后得到的CFp作为警告程度判断的依据，若CF(H)∈[0.0,0.25]则不给警告，若CF(H)∈(0.25,0.5]则给予一般警告，若CF(H)∈(0.5,0.75]则给予中度警示，若CF(H)∈(0.75,1.0]则要给与严重警告 。

4 实验与结论

本文在cv6.0基础上搭载OpenCV进行实验，实验中利用cv2.rectangle()函数在图像上画矩形绿框来得到相应限制区域范围；利用cv2.findContours函数确定轮廓；考虑到游区监控视频的海量性，利用os.listdir和os.path.join方法获取对应视频的全路径对保存在计算机中的监控视频进行循环遍历，按照上述视频处理分析方法进行检测与判别 。实验表明，本文可以较为有效的实现预期功能，可以成功地针对游客进入应限制区的行为给出不同的警示。实验验证了本文算法具备良好的有效性，并且运算速度快，能满足监测的实时性要求，算法抗干扰能力较强，具备一定的鲁棒性。