基于OpenCV的智能視頻監(jiān)控設(shè)計

摘要：采用智能視頻分析技術(shù)的智能監(jiān)控系統(tǒng)能夠最大限度地減少人為干預(yù)，提高監(jiān)控效率，減輕人的工作負擔，并可對動態(tài)場景視頻中的目標物體進行檢測、分離、跟蹤與有效識別。文中介紹了opencv中的運動模板檢測方法，并給出了使用該檢測方法來對運動目標進行檢測、跟蹤與智能判斷的實驗結(jié)果。
關(guān)鍵詞：opencv；視頻監(jiān)控；目標檢測；智能識別

O 引言
智能視頻監(jiān)控以數(shù)字化、網(wǎng)絡(luò)化視頻監(jiān)控為基礎(chǔ)，但又有別于一般的網(wǎng)絡(luò)化視頻監(jiān)控，它是一種更高端的視頻監(jiān)控應(yīng)用。智能視頻監(jiān)控系統(tǒng)能夠識別不同的物體。發(fā)現(xiàn)監(jiān)控畫面中的異常情況，并能以最快和最佳的方式發(fā)出警報和提供有用信息，從而能夠更加有效地協(xié)助安全人員處理危機，并最大限度地降低誤報和漏報現(xiàn)象。智能視頻監(jiān)控中的運動目標檢測與跟蹤技術(shù)則是實現(xiàn)這一環(huán)節(jié)的關(guān)鍵技術(shù)。目前比較常用的運動目標檢測方法是幀間差分法、背景差分法和光流法。而幾種較受關(guān)注的目標跟蹤算法則有粒子濾波、基于邊緣輪廓的跟蹤和基于模板的目標建模等方法。
通過計算機開源視覺庫(openCV)中的運動模板檢測能對視頻圖像中運動目標有效地進行檢測與跟蹤，本文首先介紹了openCV算法，然后在該算法的基礎(chǔ)上，給出了實現(xiàn)智能視頻監(jiān)控中對運動目標進行跟蹤，并根據(jù)運動目標的質(zhì)心位置作出相應(yīng)智能判斷的具體方法。

1 0penCV簡介
OpenCV是“Open Source Computer Vision Library”的簡寫，是Intel開源計算機視覺庫。它由一系列C函數(shù)和少量的C++類構(gòu)成，是可實現(xiàn)圖像處理和計算機視覺方面的很多通用算法。OpenCV擁有包括300多個C函數(shù)的、跨平臺的中、高層API，它不依賴與其它的外部庫。Op-enCV對非商業(yè)應(yīng)用和商業(yè)應(yīng)用都是免費的；另外，OpenCV為Intel的IPP也提供了透明接口。這意味著，如果有為特定處理器優(yōu)化的IPP庫，那么，OpenCV將在運行時自動加載這些庫，以使函數(shù)性能達到最好。OpenCV的優(yōu)點是開放源代碼，具有基于Intel處理器指令集開發(fā)的優(yōu)化代碼，統(tǒng)一的結(jié)構(gòu)和功能定義，強大的圖像和矩陣運算能力，以及方便靈活的用戶接口，同時支持MS-Windows和Linux平臺。
最新的OpenCV庫已經(jīng)包含有大量的函數(shù)和例子，可用來處理計算機視覺領(lǐng)域中常見的問題，其中主要涉及到以下幾個方面的內(nèi)容：
(1) Motion Analysis and Objection Tracking-運動分析和目標跟蹤；
(2)Image Analysis-圖像分析；
(3) StructuralA nalysis-結(jié)構(gòu)分析；
(4)ObjectR ecognition-目標識別；
(5)3D Reconstruction-3D重建。

2 算法流程
運動模塊檢測算法的流程圖如圖1所示。該流程首先是獲得當前幀與上一幀的差，接著對差圖像進行二值化，以去掉超時影響，更新運動歷史圖像，然后計算運動歷史圖像的梯度方向，并將整個運動分割為獨立的運動部分，再用一個結(jié)構(gòu)序列標記每一個運動分割，最后計算選擇區(qū)域的全局運動方向，從而獲得運動目標的質(zhì)心位置與運動方向。