基于雙目計算機視覺的自適應(yīng)識別算法及其監(jiān)控應(yīng)用

基于雙目計算機視覺的自適應(yīng)識別算法及其監(jiān)控應(yīng)用

摘要：雙目計算機視覺是利用仿生學(xué)原理，通過標定后的雙攝像頭來得到同步曝光圖像，然后計算獲取的2維圖像像素點的第3維深度信息。為了對不同環(huán)境場景進行監(jiān)控提出了一種新的基于雙目計算機視覺的自適應(yīng)識別算法。該算法首先利用像素點的深度信息對場景進行識別判斷，然后采用統(tǒng)計的方法為場景建模，并通過時間濾波克服光照漸變，以及通過深度算法特性克服光照突變。與單攝像頭監(jiān)控系統(tǒng)相比，利用該算法實現(xiàn)的視頻監(jiān)控原型系統(tǒng)，可應(yīng)用于更多場合，并利用深度信息設(shè)置報警級別，來降低誤檢率。關(guān)鍵詞：雙目計算機視覺深度信息自適應(yīng)光照變化視頻監(jiān)控1引言面對日益復(fù)雜的社會和政治環(huán)境，國家安全、社會安全、個人人生安全和財產(chǎn)安全等都面臨著不同程度的威脅，都需要各種安全保護措施，在眾多場所建立切實有效的安保措施，成為一個迫切的課題。本文提出了一種基于雙目計算機視覺的自適應(yīng)識別算法，將該算法應(yīng)用于現(xiàn)有的監(jiān)控系統(tǒng)，并賦予監(jiān)控終端智能性，不僅使其脫離人而具有獨立智能、自主判斷的能力，而且使得視頻監(jiān)控系統(tǒng)在安防方面的作用大大提高。在現(xiàn)有的背景建模方法中，大多對于背景象素點的亮度值，例如最小亮度值、最大亮度值和最大亮度差值[1]，或是對顏色信息進行建模[2]。對于背景的更新，一般使用自適應(yīng)濾波器對像素的統(tǒng)計特性進行遞歸更新，為了考慮到噪聲的影響，文獻[3]提出了Kalman濾波器的方法，該文認為系統(tǒng)的最優(yōu)信息可通過估計獲得?？紤]到環(huán)境的動態(tài)緩慢改變，文獻[4]利用統(tǒng)計模型給背景建模，即由一個時域濾波器保留著一個序列均值和一個標準偏差，并通過濾波過程統(tǒng)計值隨時間改變來反映環(huán)境的動態(tài)特性。另外有一些方法解決了光照漸變等影響[5～7]，但計算較復(fù)雜。2雙目計算機視覺深度算法基于實際應(yīng)用考慮，攝像頭的數(shù)量關(guān)系著成本和計算量，所以選擇支持雙攝像頭(雙目視覺)的算法是最合適的。在支持雙目視覺的算法中，PrincetonNECresearchinstitute基于最大流算法(maximum2flow)的計算機視覺算法(Stereo2MF)在深度效果平滑性上做得較好[8，9]，適用于監(jiān)控區(qū)域深度計算的應(yīng)用背景。但原有算法所需的計算量和計算過程中的暫存數(shù)據(jù)量是較大的，雖然支持計算量的削減，但只是機械地在一塊區(qū)域中選擇中心點來進行計算，這樣計算的結(jié)果會因選擇的機械性，而出現(xiàn)大量的“偽點”，這些偽點錯誤地表現(xiàn)了該區(qū)域的平均深度信息。本文采用統(tǒng)計平均值選取計算點，通過距離因子的Gauss分布將塊內(nèi)其他點的值融合計算，從而使得計算出的值較準確的代表了這一塊內(nèi)的大致深度分布。m，n分別是圖像的長和寬所包含的像素點個數(shù)，M、N表示像素點的橫縱坐標，.d是塊內(nèi)深度統(tǒng)計平均值，dM，N為計算點的深度值，q為距離因子，dB是計算所得的塊深度代表值。圖1為改進后雙目視覺深度算法與原算法識別效果比較。由圖1可以明顯看出，修改后的算法效果在細節(jié)表現(xiàn)、平滑性、偽點減少上均有明顯改善，而且深度計算精確度能夠完全滿足視頻圖1改進后雙目視覺深度算法與原算法識別效果比較Fig.1Effectcomparisonafteralgorithmmodification度計算精確度能夠完全滿足視頻監(jiān)控應(yīng)用的需要。3自適應(yīng)識別算法對于一個固定的場景，場景各像素點的深度值是符合一個隨機概率分布。以某一均值為基線，在其附近做不超過某一偏差的隨機振蕩，這種情況下的場景稱之為背景。而場景環(huán)境往往是動態(tài)變化的，如環(huán)境自然光的緩變，燈光的突然熄滅或點亮，以及運動對象的出現(xiàn)、運動和消失等。如果能識別出場景中的動態(tài)變化，就能自適應(yīng)的更新背景值，將光照的改變?nèi)诤系奖尘爸抵?。本文采取了用統(tǒng)計模型的方式給每個像素點建模，而以像素點變化的分布情況來確定光照突變引起的深度突變，并結(jié)合深度計算本身特性，解決光照緩變突變引起的誤判問題，以及判別場景中對象的主次性。3.1背景象素點的深度值建模由于雙目計算機視覺算法得到的深度值，已經(jīng)是塊融合的，可以根據(jù)精度要求，來加大塊面積，減少數(shù)據(jù)量。本文獲得的數(shù)據(jù)量只有原像素點的(k，l分別是塊的長和寬所包含的像素點個數(shù))。以統(tǒng)計的方法給每個像素點的深度值建模，設(shè)為第u幀圖像的某個像素點的深度值，其中u代表第u幀圖像，i，j分別代表像素點的橫坐標和縱坐標。由一個時間濾波器來保持該像素點深度值的序列均值和時間偏差其中，α是一個可調(diào)增益參數(shù)，其與采樣頻率有關(guān)。通過濾波過程，來得到每個像素點的深度值基于時間的統(tǒng)計特性，由于這些統(tǒng)計特性反映了環(huán)境的動態(tài)特性，據(jù)此可以了解到是環(huán)境的光照發(fā)生了突變，還是有運動對象的運動。3.2背景更新與場景識別通過上述濾波過程，就可以將光照緩變?nèi)谌氲奖尘爸腥ィ瑢崿F(xiàn)背景的自適應(yīng)更新。而對于光照突變，此時幾乎所有的象素點的亮度值會同時增大或減小，但根據(jù)最大流算法的特性，同方向的變化對流量差不會引起太大變化，而對深度計算結(jié)果只會引起較小的同方向變化。這種全局的等量變化，可以認為是光照突變引起的。其中，a、b和c是3個可調(diào)節(jié)系數(shù)，他們的取值可依據(jù)場景的情況及檢測光照突變的速度與誤差來進行選取。s，t分別是深度圖像的長和寬所包含的像素點個數(shù)。Q是符合式(9)的像素點個數(shù)。一旦檢測到環(huán)境光照發(fā)生了突變，就把背景點像素的深