（二）运动跟踪及行为判断

    行为的自动理解和分析是实现智能视频监控的关键，目前已有的行为分析方法主要有三种：基于人体结构分析方法、基于时空特征的模式分析方法、基于图像统计处理的分析方法。其中基于时空特征的模式分析方法是先提取每帧图像中的人体区域，然后利用该动作的人体轮廓序列的各种形状特征对人体行为进行表述和识别，如Bobick通过提取运动历史图像的Hu不变矩来描述人体行为[7]，也有通过提取运动序列中所有人体轮廓线所组成的时空边缘线的各种几何特征来分析人体的动作[8][9]。这类方法依赖于每帧图像中人体区域的准确度的提取来对行为进行描述。本文中的人体跟踪及行为判断是基于时空特征的模式分析方法再结合Opencv相关函数提出的一个种改进方法。

    在本方法中人体跟踪算法及行为判断实现的过程为：在每帧图像中提取人体区域．每个行人的图像范围用矩形表示，选用矩形框中心点作为跟踪特征点。根据中心点的位置变化来算出人体运动的轨迹，画出人体运动曲线。利用矩形框获得人体水平投影和垂直投影的比值，根据此比值判定人体的各种姿势，描述人体运动的行为。其结构图如图4所示。

    对于前景检测针对本系统所面对的对象，我们采用的是背景法[10]该法对噪声具有相对的鲁棒性。从程序运行情况来看得到的检测结果是较好的如图5所示。从图中我们也可以看出基于Opencv程序实现的背景法不但继承而且提高了其对噪声的鲁棒性，只在第二个图中出现了一个噪声点。

    对于监控视频段的行为特征提取，本系统主要是通过提取该视频段中每一前景帧的团块运动方向，然后对该视频段的所有团运动方向做2值化如图6所示，得到该视频段的行为描述特征，团运动方向的2值化图可以有效地描述不同行为之间的差异，最后根据所得到的2值化图进行轨迹处理来得到视频段的行为判断。这种基于前景帧的团块运动方向轨迹处理得到的描述特征能够较好的区分正常行为和异常行为。在本系统程序中异常行为的判断主要是看是否有单向、双向跨越警戒线和是否有进入、离开、出现于警戒区域事件。这些都可以通过程序中的相关函数的调用来实现如double函数等。

    最后，对于实时监控报警的实现是当发现视频段出现了异常行为后，本系统会通过银行系统内部局域网向装在监控区域上方的音箱发出信号，使其发出报警信号，同时也将报警信号发送到该区域的安保中心，实现双向报警。从而实现对于银行相关区域的智能视频图象处理监控。

    四、结论

    本文从人体的检测、人体运动跟踪及行为判断出发。通过对计算机视觉与模式识别的综合运用并采用Intel公司开发的OpenCV视觉库，设计出了一个基于OpenCV的银行智能视频图象处理监控系统，本系统对于各种监控区域的变化有较强的适应性，能够确保基于其非变化区域刷新的背景图像及时的更新，而且通过对时空特征模式分析方法的改进，并利用背景法对噪声相对鲁棒的特点较好的实现了对前景帧的判断，为系统对异常行为的准确判断提供了保证，这也使得本系统从本质上解决了传统银行营业网点监控系统无实时性报警的缺点，极大的提高了所监控区域内的安全性，为银行营业场所的安全运行提供了强有力的保障。