摘 要： 通过对人员异常行为有效的监测算法设计，提高视频监控和异常事故的智能识别能力。传统的人员异常行为监测算法采用视频步进跟踪学习方法，由于人员的随机性和不确定性，导致视觉识别效果不好。基于图像处理理论，提出一种基于视频帧图像阵列像素检测的人员异常行为监测算法，进行了人员异常行为特征数据采集模型设计，得到基于双相机视频监控的人员异常行为视觉特征采集模型，采用视频帧图像阵列像素检测算法，进行异常行为特征提取，得到邻域灰度值向量之间像素点为平均结构相似性聚类中心，计算人员异常行为检测全图所有像素点的加权平均位置的估计值，实现人员异常行为监测算法改进。仿真结果表明，采用该算法进行人员异常行为特征监测，能实现对特定异常人员的准确定位和清晰识别，异常检测概率较高，性能优越，在安防监控系统设计等领域具有较好的应用价值。
关键词： 图像处理; 异常行为监控; 智能识别; 数据采集
Design of personnel abnormal behavior monitoring algorithm based on image processing
WANG Shuai?peng， ZHAO Kai
（Teaching Affairs Division， Pingdingshan university， Pingdingshan 467000， China）
Abstract： The ability of intelligent recognition of video monitoring and accident is improved through design of effective monitoring algorithm for the personnel abnormal behavior. The traditional personnel abnormal behavior monitoring algorithm with video step tracking learning method result in poor visual recognition effect due to the randomness and uncertainty of the staff. A personnel abnormal behavior monitoring algorithm based on video frame image array pixel detection is proposed according to the theory of image processing. A data acquisition model of personnel abnormal behavior characteristics was designed and realized， which is based on the double camera video surveillance. The video frame image pixel arrays is used to extract abnormal behavior features for getting the pixels between neighborhood gray value vectors as the mean structure similarity clustering center. The improvement of personnel abnormal behavior monitoring algorithm was implemented by calculating the estimated values of weighted average positions of all pixel points in personnel abnormal behavior detection image. The simulation results show that the algorithm for monitoring the characteristics of personnel abnormal behavior can realize the accurate positioning and clear identification of the specific abnormal personnel， and has high detection probability and superior performance. It has high application va?
lue in the field of security monitoring system design.
Keywords： image processing; abnormal behavior monitoring; intelligent recognition; data acquisition
0 引 言
1 人员异常行为视觉特征采集
[bij（u，v）=k=0ml=0nbmk（u;λu）bnl（v;λv）Vk+（m-1）（i-1），l+（n-1）（j-1）] （3）
从而准确得到目标人员的方位信息和视觉特征信息，然后进行视频图像的背景建模，设[Fm（x，y）]为第[m]帧[（x，y）]处的像素灰度值，背景像素的灰度值为：
[Bm（x，y）=1mi=0m-1Fi（x，y）] （4）
式中m为监控视频相机的前帧序号，采用双相机视频监控方法，基于双相机视频监控的人员异常行为视觉特征采集模型如图1所示。从而，采用三角测算原理得到二维图像坐标转换矩阵计算式为：
[ZcUV0=fdx0U000fdyV000010RTOT1XwYwZw1] （5）
使用视频序列中的前100帧平滑接近背景模型的真实像素，建立图像正常扫描与运动参数变化关系，实现人员异常行为视觉特征采集。
E：＼王芳＼现代电子技术201506＼现代电子技术15年38卷第6期＼Image＼37t1.tif
图1 基于双相机视频监控的人员异常
行为视觉特征采集模型
2 特征提取预处理
在上述模型构建的基础上，为了实现对人员异常行为检测，需要对取得图像帧信号进行基于视频像素灰度值特征提取，定义特定区域人员运动状态矢量[x（t）=[x（t），y（t），z（t），x（t），y（t），z（t），x（t），y（t），z（t）]T]，状态方程和观测方程为：
[x（k+1）=Φ（k）x（k）+w（k）] （6）
[z（k）=H（k）x（k）+v（k）] （7）
式中：[Λj（k）]服从均值为0、方差为[Sj（k）]的正态分布，[Sj（k）]为人员异常行为特征信息协方差矩阵。本文基于视频帧图像阵列像素检测方法，进行人员异常行为特征的提取和预处理，假设待检测人员分布在以[M]个接收阵元（[M]为偶数）均匀对称分布的一个圆周上，圆心[O]处布设一个阵元，平面元阵的半径为[r]，以圆心[O]为坐标圆点建立坐标系，得到视频帧图像阵列如图2所示。
图2中，阵列间距D、仰角[θ]、方位角[?]、距离[r]互相关，对人员进行辨识，得到二阶加滞后LPNTI积分过程，求取视频监控图像中的灰度像素，得：
[cos φi+cos φi+M/2=0] （10）
进行视频帧图像阵列跟踪识别的初始化学习，得到[i=1Mcosφi]=0，由此可以推导出人员异常行为的灰度像素特征输出为：
[x（k/k）=jmxi（k/k）uj（k）] （11）
通过上述方法，对取得的图像帧信号进行基于视频像素灰度值的特征提取，为实现人员异常行为检测提供准确的数据基础。
图2 视频帧图像阵列示意图
3 人员异常行为监测算法改进
在视频帧图像阵列中，提取人员异常行为的视觉特征，特征提取的状态方程和观测方程的离散形式为：
式中，[wi（k）]和[vi（k）]为状态噪声和观测噪声，协方差矩阵分别为[Qi（k）]和[Ri（k）]。得到参考图像和待匹配图像中计算层级窗口，图像位差为：
在一个7×7像素的匹配窗口（以参考点为中心选定的图像区域）内拟合干扰向量，以邻域灰度值向量之间像素点为平均结构相似性聚类中心，计算人员异常行为检测全图所有像素点的加权平均位置的估计值，即：
[NLM[g]（i）=j∈Ωw（i，j）g（j）] （16）
对目标的位置进行一步或者N步预测，且在预测位置的区域搜索目标，得到人员异常行为监测特征输出结果为：
其中：
[Z（i）=j∈Ωexp-d（i，j）h2] （18）
通过由三角关系和几何关系得到目标人员异常行为的方位信息和视觉特征信息，实现准确监测。算法改进实现流程如图3所示。
E：＼王芳＼现代电子技术201506＼现代电子技术15年38卷第6期＼Image＼37t3.tif
图3 算法改进实现流程
4 仿真实验与结果分析
E：＼王芳＼现代电子技术201506＼现代电子技术15年38卷第6期＼Image＼37t4.tif
图4 人员异常行为监测特征提取
从图可见，采用本文设计的视频帧图像阵列像素检测算法进行人员异常行为特征监测，能实现对特定人员的准确定位和清晰识别，特别是第320帧和515帧目标离开和进入区域时的判断比较准确，能够可靠地跟踪和计数，能有效反映出人员异常行为的特征细节，人员异常行为监测和特征提取性能优越。为了定量分析对比，以图像监测的检测概率作为测试指标，得到不同方法下实现人员异常行为监测的检测概率对比曲线如图5所示。从图可见，采用本文算法，能有效提高对人员异常行为监测的检测概率，性能提高。
5 结 语
对人员异常行为有效的监测可以提高视频监控和异常状态突发情况的智能识别能力。本文提出一种基于视频帧图像阵列像素检测的人员异常行为监测算法，首先进行了人员异常行为特征数据采集模型设计，得到基于双相机视频监控的人员异常行为视觉特征采集模型，然后采用视频帧图像阵列像素检测算法，进行异常行为特征提取算法改进，得到邻域灰度值向量之间像素点为平均结构相似性聚类中心，计算人员异常行为检测全图所有像素点的加权平均位置的估计值，实现人员异常行为监测算法改进，仿真结果表明，采用本文设计的视频帧图像阵列像素检测算法进行人员异常行为特征监测，能实现对特定人员的准确定位和清晰识别，检测概率较高，性能优越。
E：＼王芳＼现代电子技术201506＼现代电子技术15年38卷第6期＼Image＼37t5.tif
图5 人员异常行为检测性能对比
参考文献
[2] 胡光波，周勇，徐骞.改进向量量化算法的图像压缩研究[J].科学技术与工程，2010，10（14）：3517?3519.
[4] CRISTANI M， RAGHAVENDRA R， BUE D A. Human behavior analysis in video surveillance： a social signal processing perspective [J]. Neurocomputing， 2013， 100（1）： 86?97.
[5] 傅兴玉，龙红建，付琨.基于改进Markov随机场的高分辨率SAR图像建筑物分割算法[J].电子学报，2012，40（6）：1041?1047.