智能視頻監(jiān)控技術(shù)是利用計(jì)算機(jī)視覺技術(shù)對(duì)監(jiān)控場景的視頻圖像內(nèi)容進(jìn)行分析，自動(dòng)檢測監(jiān)控畫面中的異常情況，并警報(bào)和提供有用信息，從而能夠更加有效地提醒安防人員及時(shí)處理非法入侵。
目前，智能視頻監(jiān)控技術(shù)中入侵檢測算法常見的有幀間差分法、背景減法和光流法。它們從視頻序列中檢測運(yùn)動(dòng)目標(biāo)來實(shí)現(xiàn)入侵報(bào)警功能。但是，這些算法集中于對(duì)一個(gè)視頻場景中移動(dòng)物體偵測的研究，而監(jiān)控系統(tǒng)往往是多個(gè)區(qū)域同時(shí)監(jiān)控。為此，給出了一種適用于多區(qū)域視頻監(jiān)控系統(tǒng)中智能入侵報(bào)警的實(shí)現(xiàn)方法。該方法采用混合高斯背景建模移動(dòng)偵測算法、OpenCV、多線程等技術(shù)實(shí)現(xiàn)了對(duì)入侵目標(biāo)的有效檢測報(bào)警功能。

1 混合高斯背景建模移動(dòng)偵測算法
混合高斯背景建模移動(dòng)偵測算法屬于減背景移動(dòng)偵測算法的一種。減背景移動(dòng)偵測算法是通過當(dāng)前幀與背景圖像差分來得到移動(dòng)目標(biāo)區(qū)域。這種算法對(duì)背景圖像的要求是：1)不含運(yùn)動(dòng)目標(biāo)；2)不斷地更新以適應(yīng)背景不斷變化。構(gòu)建背景圖像的方法很多，混合高斯背景建模算法是其中典型的一種，該算法對(duì)外界環(huán)境不斷變化的適應(yīng)性較好。
1．1 混合高斯背景建模
對(duì)視頻幀中的每一個(gè)像素定義K個(gè)狀態(tài)，每個(gè)狀態(tài)用一個(gè)高斯分布函數(shù)表示。這些狀態(tài)中有一部分表示背景的像素值，而另一部分則表示前景的像素值。若每個(gè)像素點(diǎn)像素值用變量Xt表示，則其概率密度函數(shù)可用K個(gè)高斯分布函數(shù)描述，如式(1)所示：

1．2 混合高斯背景建模參數(shù)更新
當(dāng)獲得某一點(diǎn)t時(shí)刻像素值It時(shí)，首先利用序貫相似性檢測算法檢測所有高斯分布函數(shù)中那個(gè)與當(dāng)前像素值It匹配，其步驟如下：
1)設(shè)定偏差門限T；
2)選取均值μi,t與像素值It最接近的高斯分布函數(shù)，并檢測兩者之差的絕對(duì)值是否小于Tσi,t-1，如果|It-μi,t-1|≤Tσi,t-1成立，則判定該高斯分布函數(shù)與當(dāng)前像素值匹配，并按式(2)～式(4)更新相關(guān)參數(shù)；如果|It-μi,t-1|≤Tσi,t-1不成立，則判定無高斯分布函數(shù)與當(dāng)前像素值匹配，并將權(quán)重最小的高斯分布函數(shù)以一個(gè)新的高斯分布函數(shù)替代。新的高斯分布函數(shù)均值μi,t為It，標(biāo)準(zhǔn)差σi,t為最大初始標(biāo)準(zhǔn)差，權(quán)重ωi,t為最小初始權(quán)重。

式中，α為模型學(xué)習(xí)率，用于控制權(quán)重ωi,t的修正速度；ρ為參數(shù)學(xué)習(xí)率，近似為ρ≈(α／ωi,t)。
3)其他高斯分布函數(shù)參數(shù)不變，只歸一化它們的權(quán)重。
1．3 背景像素判斷
混合高斯背景建模算法通過計(jì)算模型中每個(gè)高斯分布函數(shù)的ωi,t／σi的值來判斷該高斯分布函數(shù)所表示的狀態(tài)是否表示背景像素值。值越高，則越可能是背景像素。

2 混合高斯背景建模入侵檢測
OpenCV是Intel公司支持的基于C／C++語言開發(fā)的圖像處理和計(jì)算機(jī)視覺開源函數(shù)庫。其中大部分函數(shù)是基于Intel處理器指令集的優(yōu)化代碼，能最大程度的發(fā)揮處理器的性能。
OpenCV具有強(qiáng)大的圖像和矩陣運(yùn)算能力，是計(jì)算機(jī)視覺、圖像處理二次開發(fā)的理想工具。
OpenCV提供了混合高斯背景建模函數(shù)，其主要函數(shù)如下：

功能：利用一幀圖像數(shù)據(jù)初始化混合高斯背景模型。
參數(shù)：first_frame為混合高斯背景建模第一幀圖像數(shù)據(jù)；parameters為混合高斯背景建模初始化參數(shù)。
本文使用函數(shù)默認(rèn)設(shè)置：狀態(tài)數(shù)K=5，即混合高斯背景模型內(nèi)含5個(gè)高斯分布，偏差門限T=2．5，模型學(xué)習(xí)率α，最大初始方差，背景點(diǎn)判定閾值ωi,t／σi>0．7。

功能：更新混合高斯背景模型。
參數(shù)：pFrame為更新高斯背景模型的視頻流幀圖像數(shù)據(jù)；bg_model為混合高斯背景模型指針，通過bg_model->background和bg_model->foreground即可獲得背景和前景圖像。