运动行人检测算法研究 - 研究 - 教育教学 -

时间：2017-02-19 04:08:23来源：网络收集Tags:     ()

甘松1 李瑞琴2 李东翔3

（贵州省安顺学院数理学院561000）

【摘要】本文的研究基础建立于交通公路监控视频系统中公路上偶尔出现的运动行人目标进行检测并报警，以方便监控人员进行处理，针对复杂场景条件下行人安全识别问题中的行人检测问题研究了单摄像头静止条件下的运动行人检测方法。

【关键词】运动行人检测背景差分法特征提取

　１　前言

智能监控视频技术是一种基于人工智能的计算机视觉技术，它是计算机视觉领域中近年来才兴起的一个研究方向，主要以视频场景中的运动物体、行人和交通工具为研究分析对象，研究内容主要包括：对监控视频图像中的运动目标进行提取、目标的识别、目标的描述以及目标的跟踪和对目标的行为进行分析等［１］。

２　运动行人检测算法研究与设计

２．１运动行人检测的基本原理

如果想要对视频图像序列中的运动行人目标进行检测，首先就要在给定的二维连续视频图像序列中发现行人目标并对其进行分割，并给出行人目标的特征信息。可以用下面公式表示视频图像序列中的第帧图像：

２．５．２阈值选取

每幅差分图像Ｄｉｆ的直方图体现的是运动目标和噪声的统计特性。它的横坐标在零值附近区域所体现出来的主要是噪声的某些统计特性，而且直方图的右侧区域和左侧区域分别体现了图像中亮目标和暗目标的统计特性。所以，分割就是找出噪声与右侧和左侧目标分布区域的两个分割阈值。

２．５．３提取运动区域

用已选的两个阈值对背景差分图像Ｄｉｆ做分割处理便可提取出图像中的运动行人。为当前帧图像进行了运动分割之后的结果是一幅二值图像，经过二值化之后的图像能清晰地显示出图像场景中的运动区域（白色区域）以及非运动区域（黑色区域），在本文中处理的图像结果中，运动区域就是视频图像序列中的运动行人。

２．６运动行人的初步检测

２．６．１目标特征的选择

交通公路上监控视频图像的障碍物可基本上简化为行人和车辆两种，而且它们的轮廓特征具有很大的差异。行人的相对高度较大，而车辆的相对高度较小，所以行人的形状可以近似地看作是其外接矩形的长宽之比；其次是形状复杂度，本文定义成周长的平方与面积之比，车辆的形状结果比较简单，形状复杂度相对较小；与车辆相比，虽然行人的面积小，但是形状比较复杂，分散度相对比较大，利用这两个特征便能把车辆障碍物消除。

２．６．２目标特征的提取

根据二值图像中能够看出，存在目标的区域为全白图像，全黑区域就是背景，把行人的模型简化成矩形，然后利用对整幅图像进行逐行扫描的方法来确定每个目标的左右和上下四个边界，并通过得到的二值图像中的目标的轮廓就能够求出目标的周长、面积等几个简单的特征，利用以上的结果计算出行人的形状复杂度和长宽比等便能判断检测到的目标是不是运动的行人。

２．６．３行人识别

人体的面积有一个大体范围，根据经验设定一定的阈值，把面积低于此阈值的连通区域中的所有象素点的灰度值全部置为０便可以滤除这些噪声点。另外一种情况是二值图像中包含一些狭长的斜的干扰点也一定要去除，判断准则是根据宽度和长度计算连通区域内的面积，并求出与实际统计的面积之比，若实际面积要比求得的面积小的多，则这个连通区域不是行人而是干扰点，应该将其滤除掉，把这个连通区域之内的全部象素点的灰度值全部变为０，也就是变为非运动区域。通过滤除这些明显存在的噪声干扰之后便能够综合所得

到的图像的目标特征，将运动区域的宽度值和高度值作比，便和己知的人体宽度与高度的比值范围进行比较，由先验知识知道行人的高宽与宽度之比的大概范围是在１．４到４之间，为了不漏掉人体，在实际应用中可适当放宽尺度范围，同时综合目标的形状复杂度对检测出来的目标进行判断是不是行人。

２．７行人的精确检测

当检测出图像中存在运动的行人之后，需要将检测的结果逆映射到世界坐标系中，便得到行人和车辆的相对位置，并确定图像平面内的行人和车辆的预定路线的横向及纵向偏移的距离，得出行人的信息，并进行指导行人的运动行为。

参考文献：

［１］邓锦豪．基于视频图像的行人检测算法研究［Ｄ］．硕士学位论文，广州：华南理工大学，２０１１．

［２］田广．基于视觉的行人检测和跟踪技术的研究［Ｄ］．博士学位论文，上海：上海交通大学，２００７．

［３］常好丽，史忠科．基于单目视觉的运动行人检测与跟踪方法［Ｊ］．交通运输工程学报，２００６．