Canny边缘检测算法是一种优秀的边缘检测算法，能精确地检测出边缘来。边界线一般呈现白色，通过颜色过滤，通过统计边界线的R、G、B的范围，可将边界线的大致位置求出，再进行边缘检测，能减少算法运行时间。Canny边缘检测的主要步骤是：1) 去噪；2) 用一阶偏导的有限差分来计算梯度的幅值和方向；3) 对梯度幅值进行非极大值抑制；4) 用双阈值算法检测和连接边缘。图2(b)显示经过颜色过滤，再使用Canny边缘检测求出图2(a)中的边界线。

在监控视频中，特定行人乙越过边界线则进行报警。为了检测行人是否越界，首先要将边界线的具体位置计算出来。边界线的定位直接决定了检测行人越界的正确率。常见的边界线寻找方法有颜色标定法、直线检测法等。其中，颜色标定法对光照鲁棒性不好，各种噪声也会影响边界线的检测结果。边界线一般由白色的横条组，最好的检测方法是采用霍夫直线检测。

霍夫变换是图像变换中的一种重要的方法，主要是从图像中分离出具有相同属性的形状。霍夫变换寻找直线的方法比其他方法更好的减少噪声的干扰。霍夫变换检测直线的原理是：直角系坐标跟极坐标是在直角坐标系和极坐标系的对应关系，点、直线在两个坐标系中是对偶关系。即直角坐标系中的点是极坐标系中的线，直角坐标系中的线是极坐标系中的点。反过来也成立。检测图像中的直线，可以转化

图1. 行人越界检测算法流程

图2. 颜色过滤以及边缘检测后的结果

为统计检测极坐标系中的点 。图像中直线的表示，可由斜率和截距表示，而极坐标中用 表示。

对应于 空间的一条正弦曲线：多个点在 平面上就是多条正弦曲线，而多条正弦曲线会相交，交点就是直角坐标系中的直线。直角坐标系中的一条直线上的三个点对应于 空间中三条曲线，并交于一点。统计一个矩阵中多条线相交的点作为检测直线的极坐标表现形式，这样就能求出图像中存在的直线。在寻找边界线的时候，会有很多直线被检测出，在同一水平线上，去顶部和底部直线的中点，作为检测的边界线。

混合高斯模型是目前背景建模最成功的方法之一，运用混合高斯模型对样本的概率密度分布进行估计，而估计采用的模型(训练模型)是几个高斯模型的加权和。每个高斯模型就代表了一个类。对样本中的数据分别在几个高斯模型上投影，就会分别得到在各个类上的概率。然后我们可以选取概率最大的类作为判决结果，使用K (基本为3到5个)个高斯模型来表征图像中各个像素点的特征，在新一帧图像获得后更新混合高斯模型，用当前图像中的每个像素点与混合高斯模型匹配，如果成功则判定该点为背景点，否则为前景点。

混合高斯模型前景运动检测算法的流程是：

1) 每个新像素值 同当前K个模型按照下式进行比较，直到找到匹配新像素值的分布模型，即同该模型的均值偏差在 内

2) 如果所匹配的模式符合背景要求，则该像素属于背景，否则属于前景。

3) 各模式权值按如下公式更新，其中 是学习速率，对于匹配的模式 ，否则 ，然后各模式的权重进行归一化：

4) 未匹配模式的均值 与标准差不变，匹配模式的参数按照如下公式更新：

5) 如果第1步中没有任何模式匹配，则权重最小的模式被替换，即该模式的均值为当前像素值，标准差为初始较大值，权重为较小值。

6) 各模式根据 按降序排列，权重大、标准差小的模式排列靠前。

7) 选前B个模式作为背景，B满足下式，参数T表示背景所占比例

该步骤的详细算法是：

1) 设置三个标记矩阵，大小跟每帧图像的大小相同，分别用来标记特定行人甲、特定行人乙以及无人时的图像；

2) 依次遍历图像中的每个像素点，判断每个像素点的范围，当符合一定的范围，则在相应的标记矩阵中进行标记；其中，掩模M1的获取方法是通过统计特别行人甲的衣服像素范围得到，掩模M2的获取方法是通过统计特别行人乙的衣服像素范围得到，掩模M3是统计其他行人衣服的像素范围得到。这些不同人所穿的衣服颜色各不相同，通过统计衣服的颜色，就能获得相应的掩模。

3) 分别依次计算三个标记矩阵的像素总和以及重心，判断是否是M2 (特定行人乙)标记，如判定是，同时

标记矩阵过线，则进行报警。

如图3所示。

在行人越界监控系统中，平常行人跟特定行人的衣服着装是区分开来的，并且衣服颜色均是固定的。识别平常行人和特定行人最好的方法就是分辨其所穿着衣服的颜色。平常人衣服的颜色RGB值会呈现在一定的范围内，其着装衣服的颜色范围为

特定的行人的衣服颜色范围为

图3. 特定行人越界检测流程图

通过统计每帧图像中颜色的范围以及高斯混合模型前景运动检测算法检测出来的掩模，可以得到行人属性的二值图像，然后统计图像中标记像素的重心以及像素的个数，从而确定该行人属于正常人还是属于特定行人。重心计算的公式为：

其中，x%，y%，为计算后的重心横、纵坐标值， ， 为离散的横、纵坐标值。

在计算出重心坐标值后，需要辨别当前帧重心和前一帧重心以及边界线的位置的关系，判断重心是否超过了边界线。当边界线的位置，处于前一帧重心和当前帧重心中间时，并且通过颜色统计法检测出的运动行人是特定行人乙时，则报警。特定行人乙越界的关系示意图如图4所示。