室内视频监控中独居老人异常行为研究

魏华良 王金祥（通讯作者） 延边大学工学院计算机科学与技术学科

1 研究目的及内容

随着社会的进步与发展，对独居老人的异常行为检测非常有必要，本文针对室内固定摄像头采集的视频图像运用三帧差与背景差结合的方法，进行运动检测跟踪分析，对老人运动行为的不同情况做出判断，对异常的行为做出告警。

2 背景模型建立与更新

背景差分方法是对图像背景进行更新和建立的过程，因此背景图像的准确性将影响到运动目标检测的效果。本文使用Surendra 算法更新背景。

2.1 Surendra 算法的基本原理

因为前后两幅图像之间存在差异，然后判断通过帧差法得到的图像中的像素点，当像素点高于阈值时判断该点为运动区域的前景，当像素点低于阈值时判断该点为静止的背景。算法步骤如下：

步骤1：建立背景初始图像，一般选取视频中第一帧图像作为初始的背景图像。

步骤2：帧差法获得前景图像，并进行阈值处理获得二值图像。

步骤3：通过二值图像来更新背景图像。

实验证明当背景图像的更新速率约等于0.1 时背景更新效果为最佳。

2.2 无运动目标时的背景更新

当检测到无运动目标时则以当前帧为背景图像。即当前景图像经过图像处理后得到像素点全为0 的图像时，则更新背景使用当前帧作为背景图像。

3 运动目标检测及行为识别

3.1 运动目标的检测

建立好背景模型后，就可以对目标进行检测。本文将采用三帧差法与背景差法相结合的方法进行运动目标检测。三帧差可以很好的反映出目标的运动情况。但是如果目标没有运动，三帧差法就并不能很好的跟踪目标，而此时背景差法则可以弥补三帧差法的不足之处，同时三帧差法又可以弥补背景差法因前景像素值和背景像素值相近而产生的误差。两种方法结合才可以准确的检测到运动目标。

3.2 运动目标的异常行为识别与告警

本文将根据形状特征、中心下降速率以及维持一钟状态的时间三个因素来对运动目标的异常行为进行识别与告警。

对于形状特征最简单的方法就是找目标的外接矩形，提取外接矩形的方法是：通过查找经过检测后的并且经过去噪处理的运动目标前景图像中的像素点来提取。在提取完外接矩形后，根据外接矩形长宽比来判断出运动目标的状态，以及姿势等。

关于中心的下降速率的检测，只需要考察y 轴方向上的中心变化。本文取运动目标的外接矩形的中心作为人体的中心。选择一定时间间隔t 的前后两帧图像Ft、Ft-1作为检测图像，当Ft(x,y) - Ft-1(x,y)的值大于阈值K 时，则判定为危险因素，即有可能处于摔倒状态。

结合上述两种方法的检测，其中当长宽比θ维持一种状态所用时间t 不超过时间阈值ΔT 下限时，认定其为safety 级别，当t 超过时间阈值ΔT上限时，可将站立、蹲坐和躺卧三种状态给予不同级别告警。当长宽比θ维持一种状态在时间阈值ΔT 之内时，则依据中心下降速率来判断异常行为级别。

表1 不同状况的警报级别

4 实验分析与结论

4.1 模拟监控系统测试结果如下分三个等级：

直立行走状态 下蹲或预摔倒状态 摔倒或跌倒状态

4.2 实际应用：

通过实验结果表明，该系统实用性强，对于关键的异常行为如：摔倒等。检测准确率高,且抗干扰能力强。