0  引  言

近些年來，在很多涉及生命財(cái)產(chǎn)安全的行業(yè)中，安全監(jiān)控越來越引起人們的重視。鐵路行業(yè)的安全監(jiān)控一直以來是鐵道部和國(guó)家關(guān)注的重點(diǎn)項(xiàng)目，隨著我國(guó)火車的不斷提速，安全問題不容忽視，如何保證行車安全和行人安全直接關(guān)系到整個(gè)鐵路行業(yè)的發(fā)展。

本文設(shè)計(jì)的鐵路沿線視頻監(jiān)控方法是通過一種基于視頻圖像處理實(shí)現(xiàn)對(duì)于行人穿越鐵路線的監(jiān)控。當(dāng)被監(jiān)視區(qū)域中出現(xiàn)目標(biāo)后可以自動(dòng)報(bào)警并且存儲(chǔ)相應(yīng)的故障照片，為事后的工作提供可靠的依據(jù)。算法設(shè)計(jì)的最大特點(diǎn)是提出一種以圖像處理為核心的安全監(jiān)控設(shè)計(jì)，通過圖像處理可以自動(dòng)判斷有無危險(xiǎn)情況發(fā)生并自動(dòng)報(bào)警，特別是在監(jiān)控人員不在時(shí)能夠發(fā)揮很大的作用。

1視頻監(jiān)控系統(tǒng)中背景的提取

背景圖像是指視場(chǎng)中沒有運(yùn)動(dòng)目標(biāo)的圖像，即使視場(chǎng)內(nèi)有運(yùn)動(dòng)目標(biāo)，背景算法也通過技術(shù)處理除去目標(biāo)而獲得沒有運(yùn)動(dòng)目標(biāo)的背景圖像。目前常規(guī)的背景提取的方法有統(tǒng)計(jì)直方圖法、統(tǒng)計(jì)中值法、多幀圖像平均法和連續(xù)幀差法等。

以上四種方法分別有各自的缺點(diǎn)。統(tǒng)計(jì)直方圖法存在的問題是隨著統(tǒng)計(jì)幀數(shù)的增加，得到的背景圖像效果并不明顯；統(tǒng)計(jì)中值法存在的問題與統(tǒng)計(jì)直方圖法也相差無幾，此外該算法實(shí)現(xiàn)時(shí)計(jì)算量較大，占用計(jì)算機(jī)內(nèi)存較大，處理較慢；多幀圖像平均法得到背景圖像受目標(biāo)運(yùn)動(dòng)量的影響比較大，隨著平均幀數(shù)的增加，噪聲消除才會(huì)有所改善；連續(xù)幀差法靜止的背景圖像不能直接獲得，其關(guān)鍵是如何在有目標(biāo)運(yùn)動(dòng)的情況下獲得良好的背景圖像，由于該算法并沒有對(duì)幀差分本身進(jìn)一步處理，存在的問題是易把紋理相似的前景交疊區(qū)域誤認(rèn)為背景。

綜合考慮以上四種背景提取方法，本文采用結(jié)合多幀圖像平均法和連續(xù)幀差法這兩種方法來進(jìn)行視頻序列背景的提取?？紤]到運(yùn)動(dòng)目標(biāo)的多樣性，有目標(biāo)經(jīng)過視場(chǎng)而引起的變化長(zhǎng)時(shí)間內(nèi)可忽略不計(jì)。多幀圖像平均法時(shí)將運(yùn)動(dòng)目標(biāo)看作為噪聲，用累加平均的方法消除噪聲，利用目標(biāo)運(yùn)行一段時(shí)間的序列圖像進(jìn)行平均而得到視場(chǎng)背景圖像。連續(xù)幀差算法是通過當(dāng)前幀的圖像與前一幀圖像的差值找到運(yùn)動(dòng)區(qū)域，對(duì)運(yùn)動(dòng)區(qū)域的背景保持不變，而非運(yùn)動(dòng)區(qū)域的背景則用當(dāng)前幀進(jìn)行更新，經(jīng)過一段時(shí)間的迭代便可提取出背景。兩種方法的結(jié)合可以很好地彌補(bǔ)各自的缺點(diǎn)，能夠適應(yīng)鐵路沿線周邊環(huán)境的要求，對(duì)存在運(yùn)動(dòng)目標(biāo)的背景能夠提取出質(zhì)量較高的背景圖像。具體過程如下：

只考慮三幀的情況下，首先從視頻序列中隨便提取三幀，如圖1(a)～圖1(c)所示。然后對(duì)提取出來的三幀圖像分別轉(zhuǎn)換為灰度圖并求出它們的灰度平均圖像，以灰度平均圖像作為連續(xù)幀差法的第一幀圖像(即原始圖像)。通過原始圖像和提取的三幀圖像來做連續(xù)幀差法，得到的背景圖像經(jīng)過灰度圖如圖1(d)所示。

2視場(chǎng)中危險(xiǎn)區(qū)域的劃定

從已經(jīng)得到的背景圖像灰度圖開始，進(jìn)行一系列的圖像處理，將會(huì)得到一幅標(biāo)定了危險(xiǎn)區(qū)域的二值圖像。首先對(duì)背景灰度圖進(jìn)行均勻化處理，依次是圖像增強(qiáng)、圖像二值化、區(qū)域標(biāo)記、除去圖像毛糙和圖像膨脹。

圖像二值化后的結(jié)果如圖2(a)所示，得到的最終結(jié)果如圖2(b)所示。從兩幅圖像的對(duì)比可以看出，圖像經(jīng)過一系列處理后，基本標(biāo)定了危險(xiǎn)區(qū)域。對(duì)于得到的圖2(b)，圖中白色的區(qū)域?yàn)殍F道雙軌內(nèi)部即設(shè)定的危險(xiǎn)區(qū)域。應(yīng)用此種方法得到的結(jié)果圖像在光照條件充足情況下能夠得到更好的效果，不適用于光照條件不足和夜間的危險(xiǎn)區(qū)域標(biāo)定。

3  危險(xiǎn)情況存在時(shí)圖像的自動(dòng)保存

由于視頻拍攝的位置是平行于地面，所以拍攝到的視場(chǎng)很寬廣。如果對(duì)拍到的整個(gè)鐵路線進(jìn)行監(jiān)控，那么周圍環(huán)境會(huì)對(duì)圖像處理帶來很大的干擾。所以為了達(dá)到較好的監(jiān)控效果，只考慮沿線的某一塊區(qū)域，本文選定的監(jiān)測(cè)區(qū)域是：行的位置從346～386的像素點(diǎn)，列的位置從341～370的像素點(diǎn)。待監(jiān)測(cè)的視頻是25幀／s，每秒鐘從視頻中抽取一幀進(jìn)行監(jiān)測(cè)。對(duì)于每一幀待監(jiān)測(cè)的圖像首先要進(jìn)行圖像的預(yù)處理，處理步驟包括有轉(zhuǎn)換為灰度圖、二值化、圖像膨脹等。把預(yù)處理后的圖像和圖2(b)做相與運(yùn)算，然后對(duì)得到的結(jié)果圖像在監(jiān)測(cè)區(qū)域內(nèi)進(jìn)行像素統(tǒng)計(jì)。

首先設(shè)定一個(gè)計(jì)數(shù)器counter，并令其初始值為0。在監(jiān)測(cè)區(qū)域內(nèi)對(duì)每個(gè)像素點(diǎn)進(jìn)行二值判斷，如果像素點(diǎn)的值為0(即黑色點(diǎn))，那么計(jì)數(shù)器自動(dòng)加1，待監(jiān)測(cè)區(qū)域內(nèi)的每個(gè)點(diǎn)判斷完畢后，再對(duì)counter的值進(jìn)行判斷。如果counter的值大于200(說明監(jiān)測(cè)區(qū)域有很大的干擾，即有人進(jìn)入)，則自動(dòng)對(duì)當(dāng)前待監(jiān)測(cè)的幀以灰度圖的形式保存起來，如果counter的值小于等于200(說明監(jiān)測(cè)區(qū)域沒有受到足夠大的干擾)，則本幀監(jiān)測(cè)結(jié)束，不保存圖像，轉(zhuǎn)而監(jiān)測(cè)下一幀。

對(duì)每一幀都做上述處理，經(jīng)過一段時(shí)間的監(jiān)測(cè)后，系統(tǒng)會(huì)自動(dòng)保存一些危險(xiǎn)情況存在時(shí)的圖像(灰度圖形式)。圖像自動(dòng)保存方法流程圖如圖3所示。

從監(jiān)控結(jié)果來看，得到的是一幅幅危險(xiǎn)情況存在時(shí)的圖像，圖像自動(dòng)保存的部分結(jié)果如圖4所示。這些圖像是從10 min的視頻數(shù)據(jù)中自動(dòng)抽取出來的，從這些圖像中可以分析整個(gè)設(shè)計(jì)的識(shí)別率，識(shí)別率的高低影響著算法設(shè)計(jì)和程序編寫的好壞。

通過鐵軌的人總數(shù)為114人左右，計(jì)算機(jī)成功識(shí)別出的越軌行為有99人、計(jì)算機(jī)沒有識(shí)別出的越軌行為有15人，本身無越軌行為但被計(jì)算機(jī)識(shí)別出的有9人。監(jiān)控結(jié)果的成功率=(99÷114)×100％=86.8％；監(jiān)控結(jié)果的漏報(bào)率=(15÷114)×100％=13.2％；監(jiān)控結(jié)果的誤報(bào)率=(9÷114)×100％=7.9％。

4  一種目標(biāo)識(shí)別算法

鐵路上運(yùn)動(dòng)目標(biāo)主要分為：行人、車輛、小動(dòng)物和其他。

在對(duì)目標(biāo)進(jìn)行識(shí)別前先要對(duì)危險(xiǎn)情況存在時(shí)灰度圖圖像自動(dòng)保存的結(jié)果進(jìn)行必要的圖像處理，目的是為后續(xù)的目標(biāo)識(shí)別奠定基礎(chǔ)，使經(jīng)過處理后的圖像更加方便地應(yīng)用于目標(biāo)識(shí)別。在這里圖像預(yù)處理主要包括增強(qiáng)圖像對(duì)比度、中值濾波和平滑處理等。目標(biāo)識(shí)別算法的流程圖如圖5所示。

根據(jù)運(yùn)動(dòng)目標(biāo)的分類可知，車輛的周長(zhǎng)是最長(zhǎng)的，所以首先直接判斷圖像中運(yùn)動(dòng)目標(biāo)的周長(zhǎng)，如果大于某一設(shè)定好的閾值，則可輕易判斷出視場(chǎng)中目標(biāo)屬于車輛。余下的目標(biāo)中，行人比小動(dòng)物的縱橫軸比值大，設(shè)定縱橫軸比閾值，據(jù)此可以判斷出目標(biāo)屬于行人。最后將設(shè)定一個(gè)面積閾值，面積大于此閾值則可判斷目標(biāo)屬于小動(dòng)物，否則目標(biāo)屬于其他一些環(huán)境的干擾。

5  結(jié)  語

本文首先對(duì)拍攝到的視頻進(jìn)行背景提取，根據(jù)提取到的背景經(jīng)過一系列的圖像處理最終對(duì)視場(chǎng)中危險(xiǎn)區(qū)域進(jìn)行劃定。然后系統(tǒng)自動(dòng)監(jiān)測(cè)視頻數(shù)據(jù)，自動(dòng)以灰度圖的形式保存危險(xiǎn)情況存在時(shí)的圖像，目的是為了后續(xù)的目標(biāo)識(shí)別。最后根據(jù)鐵路沿線上可能出現(xiàn)的運(yùn)動(dòng)目標(biāo)，提出了一種運(yùn)動(dòng)目標(biāo)識(shí)別算法。從監(jiān)控結(jié)果可以看出，整個(gè)算法設(shè)計(jì)具有一定的可行性，可以作為基于圖像處理的鐵路沿線視頻監(jiān)控的一種算法，有一定的參考價(jià)值。