ot;display: block;">從模擬視頻到數(shù)字視頻的轉(zhuǎn)化正在給安全系統(tǒng)帶來期待已久的好處,主要的好處是數(shù)字壓縮允許傳送和存儲(chǔ)更多的圖像數(shù)據(jù)。不過新的優(yōu)勢(shì)還來自價(jià)格,數(shù)字視頻應(yīng)用的低成本允許部署更多的攝像機(jī),但需要更多的人員去監(jiān)視攝像機(jī)。存儲(chǔ)視頻信號(hào)可以減少需要瀏覽的視頻數(shù)量,因?yàn)閴嚎s算法中使用的運(yùn)動(dòng)向量和檢測(cè)器可以用來刪除沒有顯著活動(dòng)的那些幀。然而,由于運(yùn)動(dòng)向量和檢測(cè)器不能提供正在發(fā)生什么事的任何信息,必須要有人實(shí)際篩選捕獲的視頻來確認(rèn)可疑行為。
因此,業(yè)界迫切需要開發(fā)能夠提高安全和監(jiān)控視頻監(jiān)視效率的方法。視頻內(nèi)容分析(VCA)可以用電子的方法識(shí)別一串幀中重要的特征,在發(fā)生特定類型事件時(shí)能讓系統(tǒng)產(chǎn)生告警,從而加快實(shí)時(shí)安全系統(tǒng)的響應(yīng)速度。VCA可以在捕獲的視頻中自動(dòng)搜索特定內(nèi)容,將人從長(zhǎng)時(shí)間的瀏覽工作中解放出來,并減少需要人工篩選攝像機(jī)視頻的工作量。
VCA技術(shù)正在不斷發(fā)展,在不久的將來將會(huì)得到廣泛的應(yīng)用。有一點(diǎn)可以肯定的是,VCA要求大量的處理能力以便在龐大的視頻像素?cái)?shù)據(jù)流中識(shí)別出感興趣的目標(biāo)。另外,VCA系統(tǒng)必須是可編程的,這樣才能滿足應(yīng)用的各種變化,識(shí)別出不同的內(nèi)容,并適應(yīng)不斷演進(jìn)的算法。最新的視頻處理器具有特別強(qiáng)大的性能和編程靈活性,完全可以滿足壓縮、VCA和其它數(shù)字視頻要求。用以輔助處理器的軟件平臺(tái)和工具則可以簡(jiǎn)化安全和監(jiān)控產(chǎn)品的開發(fā),隨著VCA技術(shù)的發(fā)展,它們將成為關(guān)鍵的技術(shù)。
VCA流程
目前還沒有VCA的國(guó)際標(biāo)準(zhǔn),但以下是VCA的常規(guī)流程:
1. 將一個(gè)很長(zhǎng)的序列分割成幾個(gè)單獨(dú)的場(chǎng)景或圖像,以進(jìn)行分析。由于不同的場(chǎng)景具有不同的直方圖或色譜分布,因此如果某個(gè)幀的直方圖與前一幀有很大的變化,那么可以認(rèn)為發(fā)生了場(chǎng)景變換。
2. 由于前景(foreground)與靜態(tài)背景是分開的,因此場(chǎng)景中的前景對(duì)象變化可以被檢測(cè)出來。
3. 個(gè)別前景對(duì)象被提取或分割,然后逐幀地跟蹤。跟蹤過程涉及檢測(cè)對(duì)象的位置和速度。
4. 如果有必要進(jìn)行識(shí)別,可以提取對(duì)象的特征,并進(jìn)行對(duì)象分類。
5. 如果當(dāng)前事件是感興趣的事件,就向管理軟件和/或相關(guān)人員發(fā)送告警。
圖1:采用兩個(gè)DaVinci處理器處理高端VCA,能以每秒30幀的速度編碼720x1080高清晰度的視頻源。
前景/背景檢測(cè)
VCA可以檢測(cè)相對(duì)于通常靜態(tài)和不感興趣的背景下前景變化所代表的活動(dòng)。過去,前景/背景檢測(cè)在運(yùn)算量上是受限的。如今,更高性能的數(shù)字信號(hào)處理器和視頻處理器可以用來執(zhí)行更復(fù)雜的檢測(cè)算法。
一般來說有兩種前景/背景檢測(cè)方法:一種是非自適應(yīng)方法,它只使用一些視頻幀,并不維護(hù)背景模型；另一種是自適應(yīng)方法,它始終維護(hù)著一個(gè)隨時(shí)間不斷演變的背景模型。在自適應(yīng)VCA算法中,VCA流程中第2步到第4步的反饋可以用來更新和維護(hù)背景模型,這個(gè)模型再用作第1步的輸入。
非自適應(yīng)檢測(cè)
在最簡(jiǎn)單的非自適應(yīng)情況下,當(dāng)前幀中的每個(gè)像素減去前一幀中的對(duì)應(yīng)像素就能確定絕對(duì)差值,像素的絕對(duì)差值再與預(yù)先確定的門限值進(jìn)行比較。這個(gè)門限值代表的是對(duì)場(chǎng)景中和來自成像器的噪聲補(bǔ)償過后的“零”電平。如果絕對(duì)差值超過了這個(gè)門限,相應(yīng)的像素就屬于前景。否則,像素就屬于背景。
在受控環(huán)境中對(duì)視頻對(duì)象的短期跟蹤和識(shí)別可以只使用三個(gè)幀實(shí)現(xiàn)。即使這樣,非自適應(yīng)方法也只適用于高度受控、視頻場(chǎng)景不會(huì)有顯著變化的短期跟蹤應(yīng)用場(chǎng)合。當(dāng)發(fā)生場(chǎng)景或背景變化時(shí),需要人工進(jìn)行初始化。如果不進(jìn)行初始化,隨著時(shí)間積累的誤差會(huì)使檢測(cè)結(jié)果很不可靠。
自適應(yīng)檢測(cè)
由于非自適應(yīng)方法的局限,自適應(yīng)前景和背景檢測(cè)開始在VCA應(yīng)用中得到使用。自適應(yīng)檢測(cè)方法維護(hù)一個(gè)背景模型,該模型通過混合每個(gè)新視頻幀的數(shù)據(jù)進(jìn)行不斷更新。與非自適應(yīng)方法相比,自適應(yīng)方法要求更高的處理能力,而且背景模型的復(fù)雜度會(huì)改變。在基本的自適應(yīng)方法中,算法會(huì)通過在當(dāng)前幀中逐個(gè)像素地減去背景模型來確定前景(而非自適應(yīng)算法采用的減去后面的幀)。結(jié)果也反饋到模型中,從而使模型不需要復(fù)位就能適應(yīng)不斷變化的背景。這種方法非常適合目標(biāo)不斷移動(dòng)或相當(dāng)長(zhǎng)時(shí)間內(nèi)存在背景噪聲的許多視頻監(jiān)控場(chǎng)合使用。
更復(fù)雜的前景/背景檢測(cè)則采用統(tǒng)計(jì)背景模型,其中指定幀中的每個(gè)背景像素被建模為一個(gè)符合高斯分布的隨機(jī)變量。根據(jù)每一幀的視頻數(shù)據(jù),每個(gè)單獨(dú)像素的平均和標(biāo)準(zhǔn)偏差會(huì)隨時(shí)間改變。
對(duì)象跟蹤/識(shí)別與分類
在前景/背景檢測(cè)后,將創(chuàng)建出一個(gè)模板(mask)。因?yàn)榇嬖诃h(huán)境噪聲,單個(gè)目標(biāo)對(duì)象的所有組成部分可能沒有連起來,因此在將所有組成部分連為一個(gè)整體對(duì)象之前需要實(shí)現(xiàn)一個(gè)高強(qiáng)度運(yùn)算的形態(tài)學(xué)膨脹(morphological dilation)處理。膨脹涉及在模板上強(qiáng)加一個(gè)柵格,計(jì)算出柵格的每個(gè)區(qū)域的前景像素,并點(diǎn)亮每個(gè)區(qū)域的其余像素,計(jì)數(shù)指示應(yīng)該連接的獨(dú)立對(duì)象。在膨脹和組成部分連接后就可以得到每個(gè)對(duì)象的一個(gè)有邊界的框。這個(gè)框代表了包括完整對(duì)象的最小矩形,它可能出現(xiàn)在不同的幀中,從而實(shí)現(xiàn)分割。
跟蹤分割后的前景對(duì)象共有三步:預(yù)測(cè)當(dāng)前幀中每個(gè)對(duì)象的位置；確定哪個(gè)對(duì)象能最好地匹配其描述；并校正對(duì)象軌跡以預(yù)測(cè)下一幀。第一和第三步是通過Kalman遞歸濾波器完成的。由于在單個(gè)幀中只能觀察到對(duì)象的位置,因此有必要使用矩陣運(yùn)算方法即時(shí)計(jì)算出它的速度和下一個(gè)位置。
在整個(gè)過程的開始,濾波器被初始化到相對(duì)于背景模型的前景對(duì)象位置。針對(duì)每個(gè)內(nèi)部對(duì)象被跟蹤的幀,濾波器會(huì)在后續(xù)幀中預(yù)測(cè)前景對(duì)象的相對(duì)位置。當(dāng)場(chǎng)景轉(zhuǎn)到后續(xù)幀時(shí),濾波器就能定位對(duì)象并校正其軌跡。
跟蹤的第二步涉及到數(shù)據(jù)關(guān)聯(lián),它根據(jù)特征的相似性確定幀之間的對(duì)象相關(guān)性。對(duì)象尺寸、形狀和位置能夠能夠以框和幀到幀的重疊為依據(jù)。速度是Kalman濾波器要預(yù)測(cè)的一個(gè)參數(shù),直方圖將不同的對(duì)象與它們的顏色關(guān)聯(lián)起來。然而,任何或所有這些特征都可能改變。
考慮這樣的情況:一個(gè)有著紅色駕駛室的白色卡車非常靠近沿街的攝像機(jī),這時(shí)它駛?cè)胲嚨?掉頭并向相反方向駛?cè)ァ?duì)象的所有特征在整個(gè)場(chǎng)景中在不斷發(fā)生變化:大小、形狀、速度和顏色。軟件必須能夠適應(yīng)這種變化,以便準(zhǔn)確識(shí)別卡車。另外,當(dāng)跟蹤多個(gè)對(duì)象時(shí),軟件必須能夠區(qū)別出它們之間的特征來。
跟蹤的復(fù)雜性將導(dǎo)致與對(duì)象分類相關(guān)的問題。例如,一個(gè)物體通過攝像機(jī)前面的一條線比一個(gè)人通過那條線更容易使系統(tǒng)發(fā)出警告。物體的尺寸和速度可以提供用于粗略分類的向量,但更精細(xì)的分類需要更多的信息。較大的物體可以提供更多的像素信息,但對(duì)快速分類來說可能顯得太多。在這種情況下,需要采用尺寸減小技術(shù)來實(shí)現(xiàn)實(shí)時(shí)響應(yīng),即使后面的調(diào)查仍可能使用所存儲(chǔ)的幀中具有的全像素信息。
除了對(duì)象分類外,高效的VCA實(shí)現(xiàn)還必須克服許多挑戰(zhàn),這些挑戰(zhàn)包括:黃昏、水面、云層、刮風(fēng)下雨、雪和霧等導(dǎo)致的光線變化；跟蹤的多個(gè)對(duì)象路徑是交叉的,導(dǎo)致每個(gè)前景像素暫時(shí)合并,然后又分開；在多攝像機(jī)系統(tǒng)中跟蹤不同視窗的對(duì)象。解決這些問題仍然需要VCA做大量的工作。
VCA系統(tǒng)設(shè)計(jì)
實(shí)現(xiàn)VCA和視頻編碼要求高性能處理器和各種配置。新分析技術(shù)的出現(xiàn)要求編程的靈活性,這可以使用集成了最高性能以及可編程DSP與RISC微處理器內(nèi)核的處理器和視頻硬件協(xié)處理器來滿足。合適的處理器還需要集成高速通信外設(shè)和視頻信號(hào)鏈來減少系統(tǒng)元件的數(shù)量和成本。
使用該類解決方案將VCA集成進(jìn)攝像機(jī)提供了極具魯棒性和高效的網(wǎng)絡(luò)實(shí)現(xiàn)形式。VCA軟件也能被集成進(jìn)電腦中,使電腦成為多個(gè)攝像機(jī)的集中處理設(shè)備。除了VCA流程本身外,可能還需要預(yù)處理步驟,用于在前景/背景檢測(cè)和其它分析步驟之前處理去交織(de-interleaving)。
應(yīng)用軟件可能要增加用于對(duì)象識(shí)別或其它目的的處理步驟,單處理器和雙處理器設(shè)計(jì)版本都能為新增的軟件功能提供足夠的處理能力。
將前景對(duì)象從背景中分離出來、然后跟蹤對(duì)象,必要時(shí)分類可疑活動(dòng)的自適應(yīng)方法步驟是VCA的全部?jī)?nèi)容,它要求高度的實(shí)時(shí)處理運(yùn)算和自適應(yīng)能力。基于DSP的視頻處理器提供了VCA和視頻編碼所需的性能,并具有高度的編程靈活性,可適應(yīng)應(yīng)用要求和技術(shù)的不斷變化。
作者:Cheng Peng
DSP視頻應(yīng)用工程師
德州儀器公司
