基于雙目計(jì)算機(jī)視覺(jué)的自適應(yīng)識(shí)別算法及其監(jiān)控應(yīng)用

基于雙目計(jì)算機(jī)視覺(jué)的自適應(yīng)識(shí)別算法及其監(jiān)控應(yīng)用

摘要：雙目計(jì)算機(jī)視覺(jué)是利用仿生學(xué)原理，通過(guò)標(biāo)定后的雙攝像頭來(lái)得到同步曝光圖像，然后計(jì)算獲取的2維圖像像素點(diǎn)的第3維深度信息。為了對(duì)不同環(huán)境場(chǎng)景進(jìn)行監(jiān)控提出了一種新的基于雙目計(jì)算機(jī)視覺(jué)的自適應(yīng)識(shí)別算法。該算法首先利用像素點(diǎn)的深度信息對(duì)場(chǎng)景進(jìn)行識(shí)別判斷，然后采用統(tǒng)計(jì)的方法為場(chǎng)景建模，并通過(guò)時(shí)間濾波克服光照漸變，以及通過(guò)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(shí)現(xiàn)的視頻監(jiān)控原型系統(tǒng)，可應(yīng)用于更多場(chǎng)合，并利用深度信息設(shè)置報(bào)警級(jí)別，來(lái)降低誤檢率。關(guān)鍵詞：雙目計(jì)算機(jī)視覺(jué)深度信息自適應(yīng)光照變化視頻監(jiān)控1引言面對(duì)日益復(fù)雜的社會(huì)和政治環(huán)境，國(guó)家安全、社會(huì)安全、個(gè)人人生安全和財(cái)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(hù)措施，在眾多場(chǎng)所建立切實(shí)有效的安保措施，成為一個(gè)迫切的課題。本文提出了一種基于雙目計(jì)算機(jī)視覺(jué)的自適應(yīng)識(shí)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(dú)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(duì)于背景象素點(diǎn)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(duì)顏色信息進(jìn)行建模[2]。對(duì)于背景的更新，一般使用自適應(yīng)濾波器對(duì)像素的統(tǒng)計(jì)特性進(jìn)行遞歸更新，為了考慮到噪聲的影響，文獻(xiàn)[3]提出了Kalman濾波器的方法，該文認(rèn)為系統(tǒng)的最優(yōu)信息可通過(guò)估計(jì)獲得?？紤]到環(huán)境的動(dòng)態(tài)緩慢改變，文獻(xiàn)[4]利用統(tǒng)計(jì)模型給背景建模，即由一個(gè)時(shí)域?yàn)V波器保留著一個(gè)序列均值和一個(gè)標(biāo)準(zhǔn)偏差，并通過(guò)濾波過(guò)程統(tǒng)計(jì)值隨時(shí)間改變來(lái)反映環(huán)境的動(dòng)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(jì)算較復(fù)雜。2雙目計(jì)算機(jī)視覺(jué)深度算法基于實(shí)際應(yīng)用考慮，攝像頭的數(shù)量關(guān)系著成本和計(jì)算量，所以選擇支持雙攝像頭(雙目視覺(jué))的算法是最合適的。在支持雙目視覺(jué)的算法中，PrincetonNECresearchinstitute基于最大流算法(maximum2flow)的計(jì)算機(jī)視覺(jué)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(jì)算的應(yīng)用背景。但原有算法所需的計(jì)算量和計(jì)算過(guò)程中的暫存數(shù)據(jù)量是較大的，雖然支持計(jì)算量的削減，但只是機(jī)械地在一塊區(qū)域中選擇中心點(diǎn)來(lái)進(jìn)行計(jì)算，這樣計(jì)算的結(jié)果會(huì)因選擇的機(jī)械性，而出現(xiàn)大量的“偽點(diǎn)”，這些偽點(diǎn)錯(cuò)誤地表現(xiàn)了該區(qū)域的平均深度信息。本文采用統(tǒng)計(jì)平均值選取計(jì)算點(diǎn)，通過(guò)距離因子的Gauss分布將塊內(nèi)其他點(diǎn)的值融合計(jì)算，從而使得計(jì)算出的值較準(zhǔn)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(zhǎng)和寬所包含的像素點(diǎn)個(gè)數(shù)，M、N表示像素點(diǎn)的橫縱坐標(biāo)，.d是塊內(nèi)深度統(tǒng)計(jì)平均值，dM，N為計(jì)算點(diǎn)的深度值，q為距離因子，dB是計(jì)算所得的塊深度代表值。圖1為改進(jìn)后雙目視覺(jué)深度算法與原算法識(shí)別效果比較。由圖1可以明顯看出，修改后的算法效果在細(xì)節(jié)表現(xiàn)、平滑性、偽點(diǎn)減少上均有明顯改善，而且深度計(jì)算精確度能夠完全滿足視頻圖1改進(jìn)后雙目視覺(jué)深度算法與原算法識(shí)別效果比較Fig.1Effectcomparisonafteralgorithmmodification度計(jì)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(shí)別算法對(duì)于一個(gè)固定的場(chǎng)景，場(chǎng)景各像素點(diǎn)的深度值是符合一個(gè)隨機(jī)概率分布。以某一均值為基線，在其附近做不超過(guò)某一偏差的隨機(jī)振蕩，這種情況下的場(chǎng)景稱之為背景。而場(chǎng)景環(huán)境往往是動(dòng)態(tài)變化的，如環(huán)境自然光的緩變，燈光的突然熄滅或點(diǎn)亮，以及運(yùn)動(dòng)對(duì)象的出現(xiàn)、運(yùn)動(dòng)和消失等。如果能識(shí)別出場(chǎng)景中的動(dòng)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(jì)模型的方式給每個(gè)像素點(diǎn)建模，而以像素點(diǎn)變化的分布情況來(lái)確定光照突變引起的深度突變，并結(jié)合深度計(jì)算本身特性，解決光照緩變突變引起的誤判問(wèn)題，以及判別場(chǎng)景中對(duì)象的主次性。3.1背景象素點(diǎn)的深度值建模由于雙目計(jì)算機(jī)視覺(jué)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(lái)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(diǎn)的(k，l分別是塊的長(zhǎng)和寬所包含的像素點(diǎn)個(gè)數(shù))。以統(tǒng)計(jì)的方法給每個(gè)像素點(diǎn)的深度值建模，設(shè)為第u幀圖像的某個(gè)像素點(diǎn)的深度值，其中u代表第u幀圖像，i，j分別代表像素點(diǎn)的橫坐標(biāo)和縱坐標(biāo)。由一個(gè)時(shí)間濾波器來(lái)保持該像素點(diǎn)深度值的序列均值和時(shí)間偏差其中，α是一個(gè)可調(diào)增益參數(shù)，其與采樣頻率有關(guān)。通過(guò)濾波過(guò)程，來(lái)得到每個(gè)像素點(diǎn)的深度值基于時(shí)間的統(tǒng)計(jì)特性，由于這些統(tǒng)計(jì)特性反映了環(huán)境的動(dòng)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(yùn)動(dòng)對(duì)象的運(yùn)動(dòng)。3.2背景更新與場(chǎng)景識(shí)別通過(guò)上述濾波過(guò)程，就可以將光照緩變?nèi)谌氲奖尘爸腥?，?shí)現(xiàn)背景的自適應(yīng)更新。而對(duì)于光照突變，此時(shí)幾乎所有的象素點(diǎn)的亮度值會(huì)同時(shí)增大或減小，但根據(jù)最大流算法的特性，同方向的變化對(duì)流量差不會(huì)引起太大變化，而對(duì)深度計(jì)算結(jié)果只會(huì)引起較小的同方向變化。這種全局的等量變化，可以認(rèn)為是光照突變引起的。其中，a、b和c是3個(gè)可調(diào)節(jié)系數(shù)，他們的取值可依據(jù)場(chǎng)景的情況及檢測(cè)光照突變的速度與誤差來(lái)進(jìn)行選取。s，t分別是深度圖像的長(zhǎng)和寬所包含的像素點(diǎn)個(gè)數(shù)。Q是符合式(9)的像素點(diǎn)個(gè)數(shù)。一旦檢測(cè)到環(huán)境光照發(fā)生了突變，就把背景點(diǎn)像素的深