煤矿智能视频监控中的运动目标检测研究.pdf

第 4 2卷 第 4期 2 0 1 6 年 4月 工矿 自 动 化 I nd us t r y a n d M i ne Aut o ma t i on V0 1 ． 4 2 NO ． 4 Ap r ． 2 0 1 6 a t l l , ◆l i lt ●i i,◆i[ i t ●iI , ●h 实验研 究 ．⋯ ．1 ．⋯ ◆ ◆I I’ 文章 编 号 1 6 7 1 2 5 1 X 2 0 1 6 0 4 0 0 3 1 0 6 DO I 1 0 ． 1 3 2 7 2 ／ j ． i s s n ． 1 6 7 1 2 5 1 X ． 2 0 1 6 ． 0 4 ． 0 0 8 张谢华， 赵小虎． 煤矿智能视频监控中的运动 目标检测研究E J ] ． 工矿 自动化， 2 0 1 6 ， 4 2 4 3 1 3 6 ． 煤矿智能视频监控中的运动 目标检测研究 张谢 华 ， 赵 小虎 1 ． 江苏师范大学 智能教育学院 ， 江苏 徐州 2 2 1 1 1 6 ； 2 ． 中国矿业大学 物联网 感知矿山 研究中心，江苏 徐州 2 2 1 0 0 8 摘要 针对煤矿智能视频监控环境存在各种复杂动态场景变化的情况， 研究了运动 目标检测 中的 3个重 要 环 节 背景 建模 与更新 、 前 景检 测 和运 动 阴影检 测与 去 除。针 对这 3个 环 节 ， 提 出了相 应 的处理 方 法 基 于 I F C M 聚类算 法 的 自适 应背景 建模 与更 新 方法 ， 对 像 素灰度 取值 进行 无监 督聚 类 ， 自适 应 选取 不 同个数 的 聚 类构建 各像 素背景模 型 ， 随场 景 变化进 行 聚 类修 改、 添加 和 删 除 以完成 背景 自动 更 新 ； 联 合 背 景 差 分信 息 、 三 帧差 分信 息和 空间邻域 信 息的前 景检 测方 法 ， 据 此 获得较 为准 确 的前 景 目标 ； 运 动 阴影检 测 与 去 除 方 法 ， 依据在 阴影覆盖前后的灰度 图像 中， 像素具有亮度值相关性和纹理特征值不变性， 实现 了运动阴影的检测与 去 除 。实验 结果验证 了本 文 所提 方法 的有效 性和优 越 性 。 关键 词 煤 矿视 频监 控 ；运动 目标检 测 ；背景 建模 ；前景 检 测 ；运动 阴影检 测 中图分类 号 TD 6 7 文献 标志码 A 网络 出版 时 间 2 0 1 6 0 4 0 5 l l 2 6 网络 出版地 址 h t t p ／ ／ www． c n k i ． n e t ／ k c ms ／ d e t a i l ／ 3 2 ． 1 6 2 7 ． T P ． 2 0 1 6 0 4 0 5 ． 1 1 2 6 ． 0 0 8 ． h t ml Re s e a r c h o n mo v i n g t a r g e t d e t e c t i o n i n c o a l mi n e i n t e l l i g e nt v i d e o mo n i t o r i n g ZH ANG Xi e hu a ， ZH AO Xi a ohu 1 ． S c h o o l o f Ed u c a t i o n I n t e l l i g e n t Te c h n o l o g y，J i a n g s u No r ma l Un i v e r s i t y，Xu z h o u 2 2 1 1 1 6 ，Ch i n a 2． 1 0T Pe r c e pt i on M i ne Re s e a r c h Ce nt e r ，Chi n a U n i ve r s i t y of M i n i n g a n d Te c h n o l o g y ，Xu z h o u 2 2 1 0 0 8 ，Ch i n a Ab s t r a c t I n v i e w o f c o n d i t i o n o f c o mp l e x d y n a mi c s c e n e c h a n g e s i n c o a l mi n e i n t e l l i g e n t v i d e o mo ni t o r i n g e n vi r o nme nt ， t hr e e i m p or t a nt s t e ps i n mo v i ng t a r g e t d e t e c t i on we r e r e s e a r c he d whi c h we r e b a c k g r o u n d mo d e l i n g a n d u p d a t i n g，f o r e g r o u n d d e t e c t i n g ，mo t i o n s h a d o w d e t e c t i n g a n d r e mo v i n g ．F o r t h e t h r e e s t e p s ，c o r r e s p o n d i n g p r o c e s s i n g me t h o d s we r e p u t f o r wa r da s e l f a d a p t i v e b a c k g r o u n d mo d e l i n g a n d u pd a t i n g me t ho d ba s e d on I FCM c l us t e r i ng a l g o r i t h m wa s p r o po s e d，t he me t ho d wa s us e d t o un s up e r v i s e d c l u s t e r i n g o f p i x e l s g r a y v a l u e s ，d i f f e r e n t n u mb e r o f c l u s t e r s wa s a d a p t i v e l y s e l e c t e d t o c o n s t r u c t t h e p i x e l s “ b a c k g r o u n d mo d e l ，a n d a u t o ma t i c u p d a t i n g o f t h e b a c k g r o u n d mo d e l wa s c o mp l e t e d b y mo d i f y i n g ， a dd i ng a nd d e l e t i ng c l us t e r s wi t h t he s c e ne s c h a ng e；a f o r e g r ou nd de t e c t i o n me t h od wa s pr o po s e d whi c h c o mb i n e d t h e b a c k g r o u n d d i f f e r e n c e ，t h r e e f r a me d i f f e r e n c e a n d s p a t i a l n e i g h b o r h o o d i n f o r ma t i o n， S O a c c u r a t e f or e gr o un d t a r g e t s we r e ob t a i n e d；a mot i o n s ha d o w de t e c t i o n a n d r e m o v a l me t h od wa s pr o po s e d o n t h e b a s i s t h a t t h e p i x e l s o f g r a y i ma g e s h a v e c h a r a c t e r i s t i c s o f l u mi n a n c e c o r r e l a t i o n a n d t e x t u r e i n v a r i a n c e b e f o r e a n d a f t e r s h a d o w c o v e r i n g ，S O d e t e c t i n g a n d r e mo v i n g mo v i n g s h a d o w wa s r e a l i z e d．Th e 收稿 日期 2 0 1 5 1 2 - 1 6 ； 修回 日期 2 0 1 6 - 0 2 一 O 1 ； 责任编辑 张强 。 基 金项 目 国家科技支撑计划项 目 2 0 1 2 B AHI 2 B 0 0 ； 江苏师范大学博士学位教师科 研支持项 目 2 0 1 5 XL R1 8 。 作者简介 张谢华 1 9 7 7 ～ ， 女 ， 安徽宿松人， 副教授 ， 博士 ， 主要研究方向为运动 目标检测 、 运动 目标 跟踪等 ， E ma i l 8 5 3 9 1 9 2 0 q q ． c o m。 3 2 工矿 自动 化 2 0 1 6 年 第 4 2卷 e x p e r i me n t a l r e s u l t s v e r i f y e f f e c t i v e n e s s a n d s u p e r i o r i t y o f t h e me t h o d． Ke y wo r ds c o a l m i n e vi d e o mo ni t or i n g； mo t i o n t a r ge t d e t e c t i on；ba c kg r ou nd mod e l i n g； f or e gr ou nd de t e c t i o n；m o t i on s ha d o w d e t e c t i on 0 引言 煤矿智能视频监控作为现代矿井安全生产系统 中必不可少的组成部分 ， 对保 障煤矿企业的安全 、 高 效生产具有十分重要的意义l 1 ] 。运动 目标检测是视 频监控中的关键步骤之一 ， 为后续运动 目标分类 、 跟 踪以及行为分析等提供必要 的基础 。目前 ， 各煤矿 生产企业主要配备 固定式摄像 机进行定点监测 ， 拍 摄背景属于相对静止不变的类型 。背景减除法是应 用最 为广 泛 的静 态 背 景 下 的运 动 目标 检 测 方 法 ， 其 中的重要环节包括背景建模与更 新、 前景检测 以及 运动阴影检测与去除。 基于 混 合 高 斯 模 型 Ga u s s i a n Mi x t u r e Mo d e ， G MM 的背景建模 与更新 方法为场景 中的每个像 素建立 K个高斯分布来进行背景建模 ， 通过更新高 斯分布的各个参数来 完成背景更新 。实 际上 ， 背景 各状态均符合高斯分布 的假设并不完全成立 ， 算法 计算量很大 ， 不太适用于实时性要求较高的系统 ， 而 且背 景更新 的速度 较 慢 ， 难 以及 时 反 映 背景 的实 际 变化 。参 考 文 献 [ 2 ]采 用 核 密 度 估 计 Ke r n e l D e n s i t y E s t i ma t i o n ，KD E 方法进 行背 景建模 ， 无 需假定背景概率模型 的具体形式 ， 直接从历史像素 值估算出背景概率密度函数 。但其建模与更新过程 都以历史视频帧数据为基础， 需要消耗大量存储空 间 ， 算法运行速度慢 、 实时性较差 。 在 煤 矿 工 作 环 境 中频 繁 出 现 局 部 场 景 变 动 情 况 ， 背 景模 型难 以实 现 同步 更 新 。仅 利 用背 景 差 分 信息进行前景检测 ， 会 引起大量背景像素和前景像 素的误判 ， 出现较大的检测误差。另外 ， 由于 自然光 照和人工照明的影响 ， 前景检测结果 中包含相应 的 阴影区域 。参考文献[ 3 ] 根据特定先验信息建立 阴 影统计模型 ， 然后以模型为依据判别像素是否 属于 阴影区域 。其局限在于一方面需要提前获得各种先 验知识 ， 另一方面对形状复杂 的非刚性物体进行 阴 影建模十分困难 。参 考文献[ 4 ] 通过分析 阴影覆盖 前后场景像素的特征属性变化来进行阴影判断 ， 但 仅利用单一特征属性难以获得较高的阴影检测率 。 针对煤矿智能视频监控场景的特点和运动 目标 检测 的需 求 ， 本文 提 出一 种基 于 I F C M I mp r o v e d F u z z y C Me a n s 聚类算法 的 自适应背景 建模 与更 新方法 ， 构建了鲁棒的背景模 型； 提出基于联合信息 的前景检测方法 ， 以获得较高的前景检测率； 设计了 多特征融合的阴影检测方法 ， 确保得到准确 的运动 目标检测结果 。实验结果表明， 本文方法能够适应 复杂的煤矿智能视频监控环境， 具有较高的运行效 率和较好的检测效果。 1 基 于 I F C M 聚 类 算 法 的 自适 应 背 景 建模 与 更 新 方法 采用聚类技术进行背景建模基于一个合理的事 实 复杂场景中每个像素的取值随时间变化而变化 ， 其中稳定连续取值和动态跳变取值分别对应像素背 景和前景 。聚类分析将对数 据集合进行无 指导分 类， 使得同类数据的相似性最大、 不 同类数据 的相似 性 最小 。因此 ， 可采 用 聚 类 方 法 对 一段 时 间 内 的像 素值进行分类 ， 统计各类像素值的出现频率 ， 选出频 率超过阈值的类别 ， 即稳定状态作为该像素背景 。 1 ． 1 I F C M 聚类 算 法 模 糊 C均值 算 法 F u z z y C Me a n s ， F C M 是 当 前最受关 注的 聚类算 法之一 ， 它将数 据集 合 X一 X 1 ， z 2 ， ⋯ ， z 划分 成 k类 忌 1 ， 7 i 一1 ， 2 ， ⋯ ， 走 为第 i 个聚类 中心， 为样本 z ， 属于第 i 类 的隶属 ． f一 度， 且有 ∈E o ， 1 1 ， ∑ 一1 ， 0 1 5 M -z ， y 一 ’ 。 ’ “ 【 0 ， 其他 再将 Mb s 与 M 进行逻辑与运算 ， 得 f 1 ， M6 ， z， ．y M Iz ， 一 1 M z， Y一 E ⋯ z ， 1 9 l F NNC ．Y1 实际上灰度值小于背 景的前景像素 ， 仍有可能 属于运动 目标 ， 所 以， 本文根据纹理特征变化进一步 判别阴影 的存在与否 。局部二值模式 L o e a t B i n a r y P a t t e r n ， L B P 是一 种 纹 理 特征 的描 述 算 子 ， 其 计 算 简 单 ， 具 有很 好 的纹 理 描 述 性 。参 考 文 献 [ 5 ] 证 明 ， L B P纹理 特 征 在 阴 影 区域 和 背 景 图像 中具 有 不 变 性 。式 2 0 给 出 了依据 纹 理不 变 性 的 阴影 判 别 第 4 2卷 第 4期 2 0 1 6年 4月 工矿 自 动化 I nd us t r y a nd M i n e Aut o ma t i o n Vo 1 ． 4 2 NO ． 4 Ap r ． 2 01 6 文章 编号 1 6 7 1 2 5 1 X 2 0 1 6 0 4 0 0 3 6 0 5 DO I 1 0 ． 1 3 2 7 2 ／ j ． i s s n ． 1 6 7 1 ～ 2 5 l x ． 2 0 1 6 ． 0 4 ． 0 0 9 徐荣鑫 ， 司垒 ， 魏英豪 ， 等． 综采工作面监控 图像混合增强算法E J ] ． 工矿 自动化 ， 2 0 1 6 ， 4 2 4 3 6 ～ 4 0 ． 综采工作面监控图像混合增强算法 徐 荣鑫 ， 司 垒 ， 魏 英 豪 ， 王如 ， 陈文鹏 1 ． 中国矿业大学 机 电工程学院，江苏 徐州2 2 1 1 1 6 ； 2 ． 中国矿业大学 信息与电气工程学院，江苏 徐州2 2 1 1 1 6 摘要 针对单尺度 Re t i n e x算法会产生较严重纵向条纹噪声的问题 ， 提 出了一种混合 图像增强算法。该 算法利用模板去噪算法减少常规单尺度 Re t i n e x算 法产生的纵 向条纹噪声， 并结合拉普拉斯 算子增强图像 细节， 提高图像质量。采用实际综采工作 面不同工况下的监控 图像对该算法进行 实验验证 ， 结果表 明， 该 算 法具 有 图像 清晰度 高、 对 比度 大与 图像 细节 增强优 的特 点 。 关键词 综采工作面；图像增强；单尺度 R e t i n e x 纵向条纹噪声 ； 拉普拉斯算子 中图分类号 TD 6 7 文献标志码 A 网络出版时间 2 0 1 6 0 4 0 5 1 1 2 7 网络 出版 地址 h t t p ／ ／ ww w． c n k i ． n e t ／ k c ms ／ d e t a i l ／ 3 2 ． 1 6 2 7 ． TP ． 2 0 1 6 0 4 0 5 ． 1 1 2 7 ． 0 0 9 ． h t ml A mi x e d e n ha nc e me n t a l g o r i t h m o f v i de o mo n i t o r i n g i ma g e o n f u l l y me c ha ni z e d c o a l mi n i ng f a c e XU Ro n gxi n ， SI Le i 一， W EI Yi n gh a o ， W ANG Ru ， CH EN W e np e ng 1． Sc h oo l of M e c h a t r on i e En gi ne e r i n g，Chi na Uni v e r s i t y o f M i n i ng a n d Te c hn ol o gy，Xuz ho u 22 1 11 6， Chi n a；2． Sc h o ol of I n f o r m a t i o n a nd El e c t r i c a l En gi n e e r i n g ，Chi na U ni ve r s i t y of M i ni n g a nd Te c h n o l o g y ，Xu z h o u 2 2 1 1 1 6 ，Ch i n a Ab s t r a c t I n v i e w o f p r o b l e m o f l o n g i t u d i n a l s t r i p e n o i s e e x i s t e d i n s i n g l e d i me n s i o n Re t i n e x a l g o r i t h m 收稿 日期 2 0 1 5 - 1 2 - 1 5 ； 修回 日期 2 O l 6 一 O 1 0 8 ； 责任编辑 张强 。 基金项 目 中国博 士后科 学基金第 5 8批 面上资助项 目 2 0 1 5 M5 8 1 8 7 9 。 作者 简介 徐荣 鑫 1 9 9 2 一 ， 男 ， 江苏盐城人 ， 硕士研究生 ， 主要研究方 向为机 电一体化 ， E - ma i l x u r x p a p e r l 6 3 ． c o m。 其检 测效 果显 然优 于 D NM1和 F NC C方 法 。 5 结语 在优化选取初始聚类中心和设计新聚类有效性 指标的基础上， 提出了 I F C M 聚类算法 ， 并将其应用 于各像素背景模型的 自适应构建和更新 ； 提 出了基 于联合信息的前景检测方法 ， 将像 素背景差分信息 与三帧差分信息进行 或运算处理 ， 提高前景检测时 对动态场景变化的适 应性 ， 进一步联合空 间邻域信 息来减少前景中的噪声 ； 提出了运 动阴影检测与去 除方法 ， 采用像素对应 F NC C函数 的取值判别候选 阴影区域， 然后依据纹理特征值不变性 ， 确定并去除 运动阴影 ， 因此 ， 获得 了较为准确的运动 目标 。实验 结果表明 ， 本文方法能将运动 目标从复杂煤矿工作 场景中检测 出来 ， 为后续视频监控过程做好 了充分 准 备 。 同时将本 文方 法 与相应 经 典算法 进 行 了 比较 分 析 ， 结 果 验证 了本 文方 法 的有效 性和 优越 性 。 参 考文献 [ 1 ] 潘涛． 煤矿生产系统集成的层次结构及其标准化问题 研究E J 1 ． 工矿 自动 化 ， 2 0 1 4 ， 4 0 9 1 9 2 3 ． E 2 ] 芮挺 ， 周避 ， 马光彦 ， 等． 核密度估 计与高斯模型联 级运 动目标检测 [ J ] ． 计算机工程与应用， 2 0 1 1 ， 4 7 1 8 1 3 ． [ 3 ] 李 鹏伟 ， 葛 文英 ， 刘 国英． 基 于 阴影 概 率模 型 的遥 感 影像 阴影 检 测 方 法 [ J ] ． 计 算 机 应 用 ， 2 0 1 5 ， 3 5 2 51 0 - 5 13 ． E 4 ] 韩延祥 ， 张志胜 ， 郝 飞 ， 等． 灰度序列图像 中基 于纹 理特 征 的移动 阴影检测 E J ] ． 光 学精 密工程 ， 2 0 1 3 ， 2 1 1 1 29 31 29 4 0． E s 2 曹健 ， 陈红倩 ， 张凯 ， 等． 结合区域颜色和纹理 的运动 阴 影检测方 法f J ] ． 机器人 ， 2 0 1 l ， 3 3 5 6 2 8 6 3 3 ．