煤矿井下危险区域视频监控运动目标检测算法的研究.pdf

声明声明下面论文由免费论文教育网 http//www.PaperE 用 户转载自互联网，版权归原作者所有，本文档仅供参考，严禁抄袭 免费免费论文论文教育教育网网 - 1 - 中国中国科技论文在线科技论文在线 煤矿井下危险区域视频监控运动目标检测 算法的研究 煤矿井下危险区域视频监控运动目标检测 算法的研究 孙永，孙岩冰，钱建生** 作者简介孙永，1985-，男，江苏徐州人，现为中国矿业大学通信工程在读硕士研究生 通信联系人钱建生，（1964-），男，浙江桐乡人，教授，博士生导师，主要研究方向为矿山通信、无线 传感网络. E-mail qianjsh （中国矿业大学信电学院，江苏 徐州 221008） 5 摘要摘要 随着视频监控在煤炭工业领域中的广泛应用， 对煤矿井下视频监控智能化图像处理如 煤矿井下视频监控图像运动物体的检测、 识别、 跟踪以及视频自动化联动的要求也在不断增 加｡本文从煤矿井下视频监控图像特点出发，验证及深层次地分析各种常用运动目标检测方 法在煤矿井下特殊环境下的检测效果， 提出了基于单高斯模型的背景差分法和累加帧间差分 法相融合的运动目标检测方法， 并通过仿真实验对比验证了改进的运动目标检测方法的有效10 性。 关键词关键词视频监控；图像处理；运动目标检测 中图分类号中图分类号TP751.1 Research on Moving Targets Detection in Dangerous Region 15 of Coal Mining Video Surveillance System SUN Yong, SUN Yanbing, QIAN Jiansheng School of Ination and Electrical Engineering of CUMT, JiangSu XuZhou 221008 Abstract With video surveillance being widely used in the field of coal industry, the requirements of intelligent image processing in coal mining video surveillance system such as moving object 20 detection, identification, tracking, and video automation is also growing. From deep analysis of characteristics in coal mining video surveillance system. we first analyse the results of several common used moving target detection s directly applying for the special environment of coal mining fields, then propose improved moving targets detection based on single-Gaussian model background difference and cumulative frame differences, and compare the 25 simulation results to show the Effectiveness of improved . Keywords Video Surveillance; Image Processing; Moving Targets Detection 1 煤矿井下视频监控图像特点煤矿井下视频监控图像特点 由于煤矿井下环境特殊， 采用全天候人工照明， 使得煤矿井下视频监控图像具有不同一30 般应用环境下的图像特点。截取煤矿井下视频监控第 k 帧图像如下图所示 - 2 - 中国中国科技论文在线科技论文在线 图 1 煤矿井下视频监控图像 Fig. 1 Video Image in Coal Mining Video Surveillance System 35 由上图可以看出，煤矿井下视频监控图像具有以下特点 （1）光照分布不均匀，亮度低。煤矿井下虽备有照明设备但属于点光源，不同于自然 露天环境下成像，远离光源的地方，亮度很低，表现在视频监控图像中为大片黑色区域，物 体轮廓十分模糊，有时需增加点光源以增加图像亮度；靠近光源的地方则亮度很大，物体表 面甚至发生镜面反射，表现在视频监控图像中为大片白色盲区，依然无法分清物体轮廓，有40 时需增加挡光板；大部分煤矿井下视频监控图像亮度不足，表现为图像整体灰度偏暗； （2）仿灰度图像。煤矿井下视频监控图像以黑、灰、白颜色为主。除了个别颜色较醒 目的标志设备外几乎没有彩色； （3）图像噪声大。由于特殊的工作环境，粉尘很大，在点光源的作用下，致使煤矿井 下视频监控图像采集信噪比不高，外加通信和其他电噪声干扰，图像信噪比下降； 45 （4）对比度低。一般煤矿井下工作人员工作服多为深蓝色、深灰色，在低照度下和背 景灰度非常接近， 再加上工作服沾染煤灰的可能性很大， 致使运动目标从背景中分离更加困 难。 （5）摄像头固定。由于工作环境所限，煤矿井下视频监控设备一般为固定摄像头，位 置固定，不可移动也不可转动，且以一定的俯视角度非平行拍摄，所摄图像中煤矿井下工作50 人员一般为半身，非全身图像。 煤矿井下视频监控图像基于上述特点， 在进行运动目标检测之前， 需进行一系列特殊的 图像预处理步骤如减少图像处理数据量，滤波去噪，提高对比度等，以达到增强运动目标检 测效果的目的。 2 运动目标检测方法运动目标检测方法 55 传统的运动目标检测方法主要有帧间差分法，光流法，以及背景差分法[1]。 帧间差分法[2]具有算法简单、图像处理硬件要求低、运动目标检测速度快、实时性高等 优点。 但其缺点是对于运动较慢的物体检出的目标轮廓是残缺不完整的。 虽然采用改进的累 积帧间差分法将多帧差分图像相加可以得到较为完整的运动目标轮廓， 利于前景目标从静止 背景中分割出来，但其衍生出新的问题是得到的运动目标轮廓比实际图像运动物体轮廓大，60 即所谓的“重影”现象，这将严重影响运动目标的精确定位。 光流法[2,3]对目标的帧间运动限制比较小，可以处理比较大的帧间位移，即使在摄像机 - 3 - 中国中国科技论文在线科技论文在线 运动存在下，也可以检测出独立的运动目标。但容易受噪声影响，抗噪性能差；其算法也十 分复杂， 由于预处理对光流场的影响和可靠性评估以及需人参与可调参数值较难确定， 在实 际应用中依然存在许多困难和挑战。又涉及相当复杂的计算，因此耗时较多，在没有特殊硬65 件支持下很难满足全帧视频流的实时处理的要求； 另外， 进行可靠性评价也十分困难。 所以， 在当前的智能视频监控应用系统中很少采用。 背景差分法[4,5]运动目标的检测效果最好，算法复杂度较低，因此更多地应用于视频监 控运动目标实时检测。 但背景模型法也有其固有的缺点和不足， 一个非常关键的问题在于背 景模型的维护和更新。 单高斯背景模型虽然可以在一定范围内调整背景更新速率， 但经自适70 应单高斯背景模型得到背景差分二值图像是含有误检运动目标的， 说明单高斯模型背景差分 法依然无法有效地避免误检现象的发生。 当背景模型不能很好地适应实际图像背景的实时变 化 （背景更新过慢） 时， 就会造成误检， 错误地将本应属于背景的区域判定为运动前景目标。 虽然提高阈值门限可以降低误检率， 但其相应地也增加了漏检率； 适当地加快背景更新速率， 也可以减少误检现象的发生， 但当背景更新过快时， 背景差分法则相应退化成为帧间差分法，75 造成被检运动目标内部出现空洞现象。 基于上述的深入分析和总结， 本文提出了基于背景差分法和帧间差分法相融合的改进算 法，其原理框图如下图所示 图 2 改进方法的原理框图 80 Fig. 2 Flow Diagram of Improved 通过引入改进的累加帧间差分法， 用以滤除单高斯模型背景差分法出现的误检目标， 同 时当用累加帧间差分法检出的误检现象和空洞现象连续出现次数超过容错上限时， 自动上调 - 输入图像 背景差分背景 更新速率 帧间差分 不输出 Y 前景 N LoLo1 Lo0 Y 空洞 N HI0 Y Lo≥Lth HIHI1 Y 前景 N 输出 Y HI≥Hth - 4 - 中国中国科技论文在线科技论文在线 和下调背景学习率参数，用以消除单高斯模型背景差分法已经出现的误检现象和空洞现象。85 使背景更新速率始终自适应地调整到合理的范围之内，而不出现误检现象和空洞现象。 3 实验仿真实验仿真 为验证改进算法的可行性和有效性，使用 Matlab 中的 Simulink 功能对改进方法进行实 验室建模仿真。 为方便比较改进前后运动目标检测效果， 先建立单高斯模型背景差分法仿真 实验模型如下图所示 90 图 3 背景差分法仿真模型 Fig. 3 Simulation Model of Background Estimation 95 根据改进算法原理建立的实验模型如下图所示 图 4 改进算法仿真模型 Fig. 4 Simulation Model of Improved 100 分别截取煤矿井下视频图像 T14.567 的实验室模拟仿真视频输出图像如下图所示 - 5 - 中国中国科技论文在线科技论文在线 a 背景差分法输出结果 105 b 改进算法输出结果 图 5 仿真实验室模拟仿真视频输出图像（T14.567） Fig. 5 Output Images of SimulationT14.567 110 由图 a 我们看到，单高斯模型背景差分法的输出图像将背景区域误检成虚假运动目标， 从而产生在时间 T14.567 煤矿井下视频监控图像中存在一个运动目标的误报；而图 b 检测 结果显示当前图像的运动目标个数为 0，即未检出运动目标。通过上述对比分析可以看出， 改进的煤矿井下视频图像运动目标检测算法可以很好地滤除原单高斯模型背景差分法存在115 的误检现象。 分别截取煤矿井下视频图像 T26.633 的实验室模拟仿真视频输出图像如下图所示 - 6 - 中国中国科技论文在线科技论文在线 a 背景差分法输出结果 120 b 改进算法输出结果 图 6 仿真实验室模拟仿真视频输出图像（T26.633） Fig. 6 Output Images of SimulationT26.633 125 由图 a 我们看到， 单高斯模型背景差分法的输出图像在正常检出图像运动目标的同时错 误地将图像下方的背景区域误检成虚假运动目标， 检测结果显示当前图像的运动目标个数为 2，即在时间 T26.633 煤矿井下视频监控图像中存在 2 个运动目标的误报；而图 b 则只检测 到当前图像的只存在一个运动目标。 通过上述对比分析可以看出， 即便存在真实运动物体的130 情况下， 改进的煤矿井下视频图像运动目标检测算法在正常检测出运动目标的同时， 依然可 以很好地滤除原单高斯模型背景差分法产生多余的误检伪目标。 通过对煤矿井下视频监控图像连续一段时间的运动目标检测误检统计结果见下表 表 1 运动目标检测误检统计表 Tab. 1 Statistics of Misdetection on Moving Targets 135 Time Period P1 P2 P3 P4 Background Estimation 2 1 2 0 Improved 1 1 0 0 - 7 - 中国中国科技论文在线科技论文在线 从上表可以看出使用单高斯模型背景差分法共计产生 5 次误检； 而改进算法在通过运动 目标前景窗口的误检次数仅为 2 次，误检率大大减小，且多分布在整个时间段的前半段，说 明改进的煤矿井下视频图像运动目标检测算法不仅可以滤除原单高斯模型背景差分法产生 多余的误检伪目标， 而且可以通过引入帧间差分法调整背景更新速率， 大大降低了误检现象 的发生率。 140 4 结论结论 上述的实验室模拟仿真的结果验证了改进后的算法弥补了背景差分法固有的缺点和不 足，在不降低检测灵敏度的情况下，很好地解决了背景差分法产生的误检现象，具有更好的 运动目标检测性能。 145 [参考文献参考文献] References [1] 冯伟, 赵荣椿. 视频序列运动目标检测与识别方法研究[D]. 西安 西北工业大学, 2003 [2] 李超, 熊璋, 赫阳, 刘玉恒. 基于帧间差的区域光流分析及其应用[J]. 计算机工程与应用, 2005, 31195-198 [3] 董颖, 陈辉, 赵彬.一种基于线性亮度变化模型的鲁棒的光流算法[J]. 计算机应用, 2008, 1216-219 150 [4] 曹丹华, 邹伟, 吴裕斌. 基于背景图像差分的运动人体检测[J]. 光电工程, 2007, 346107-111 [5] 李文斌, 周晓敏, 王长松. 一种基于背景减法的运动目标检测算法[J], 北京科技大学学报, 2008, 302212-216