基于FPGA的行人檢測(cè)系統(tǒng)設(shè)計(jì)，實(shí)現(xiàn)智能視頻監(jiān)控

2 背景建模

真實(shí)的視頻監(jiān)控場(chǎng)景中，存在著大量的背景區(qū)域。本系統(tǒng)引入背景建模用來(lái)提取前景目標(biāo)，有利于減少目標(biāo)的搜索范圍，從而加快檢測(cè)速度。本系統(tǒng)采用單高斯背景建模法來(lái)獲取前景目標(biāo)。

單高斯分布背景模型為每一圖像像素的灰度值分布建立了用單個(gè)高斯分布表示的模型，其中下標(biāo)t表示幀號(hào)，和分別表示高斯分布的矩陣和方差。設(shè)圖像當(dāng)前像素點(diǎn)的灰度值為，若，其中T為概率閾值，則該像素點(diǎn)被判為前景點(diǎn)，否則為背景點(diǎn)。在實(shí)際應(yīng)用中，記，則取概率閾值為。

對(duì)于單高斯分布模型的更新，即各圖像點(diǎn)高斯分布參數(shù)的更新，我們引入如下更新公式：

其中為更新率，的取值對(duì)前景目標(biāo)的提取起著關(guān)鍵的作用。如果太小，則會(huì)使背景模型跟不上實(shí)際背景的更新速度；如果取太大，則可能將速度較慢的運(yùn)動(dòng)物體更新為背景模型的一部分。本系統(tǒng)將取值為0.005。

通過(guò)高斯背景建模，可以生成當(dāng)前幀圖像的前景像素點(diǎn)，將這些前景像素點(diǎn)標(biāo)記為1，背景像素點(diǎn)標(biāo)記為0，生成一張前景標(biāo)記圖像。在后續(xù)的多尺度檢測(cè)過(guò)程中，通過(guò)判斷子窗口中是否含有前景像素點(diǎn)以決定是否檢測(cè)。子窗口的遍歷不需要花費(fèi)很多時(shí)間，但級(jí)聯(lián)分類器的特征計(jì)算是非常耗時(shí)的，因此這樣做可以大大減少檢測(cè)時(shí)間。

3 多尺度檢測(cè)

本系統(tǒng)采用的檢測(cè)方法是利用檢測(cè)窗口逐像素多尺度遍歷圖像區(qū)域，用訓(xùn)練好的級(jí)聯(lián)Adaboost行人分類器檢測(cè)檢測(cè)窗口內(nèi)是否存在行人，其中檢測(cè)窗口的尺寸等于訓(xùn)練樣本的尺寸。在實(shí)際的視頻場(chǎng)景中，人的尺寸是隨著與攝像機(jī)之間的距離變化而變化的，因此需要考慮檢測(cè)目標(biāo)與樣本尺寸匹配的問(wèn)題。針對(duì)這個(gè)問(wèn)題，本系統(tǒng)采用逐層縮小原始圖像的方法，以保證檢測(cè)目標(biāo)與檢測(cè)窗口尺寸的一致性。

對(duì)于縮放系數(shù)的選擇，也是影響檢測(cè)效果的因素之一。若縮放系數(shù)太低，可能導(dǎo)致目標(biāo)形狀的畸變，從而影響檢測(cè)結(jié)果；但如果縮放系數(shù)太高，又會(huì)增加縮放次數(shù)，降低檢測(cè)效率。折衷考慮，我們選擇0.85為逐層縮放圖像的系數(shù)，圖像的逐層縮放需要在原始圖像和前景目標(biāo)圖像上同時(shí)進(jìn)行，直至圖片的尺寸小于檢測(cè)窗口的尺寸。

4 多檢測(cè)窗口的合并

由于本系統(tǒng)采用的檢測(cè)方法是逐像素多尺度遍歷檢測(cè)，可能導(dǎo)致對(duì)同一目標(biāo)產(chǎn)生多個(gè)檢測(cè)結(jié)果（如圖二（a）所示）,因此需要將這些重疊的窗口合并成一個(gè)檢測(cè)結(jié)果（如圖二（b）所示）。在合并的過(guò)程中，首先判斷當(dāng)前窗口是否有足夠的臨近窗口。所謂臨近窗口就是兩個(gè)窗口R1和R2相交的面積S（如圖二（c）陰影部分所示）與兩個(gè)窗口面積的比值均大于0.6。如果有足夠多的臨近窗口，那么保留此窗口，并且將此窗口與其臨近窗口兩兩求平均合并為一個(gè)新的窗口（如圖二（c）虛框所示）；如果沒(méi)有足夠多的臨近窗口，就將此窗口當(dāng)是錯(cuò)誤檢測(cè)結(jié)果刪除。

圖二：（a）合并前 （b）合并后 （c）矩形窗口合并方法