, 您还没有登录,请先
当前所在位置:中国门禁网 >> 行业资讯
国防工程智能视频监控系统研究
文章来源:本网    添加人:[db:添加人]  添加时间:2017-10-18

  国防工程由于地理位置,人员配属等方面的特殊性,长期以来对其实施有效的安全监控一直是一个技术难题,因此发生过多起哨兵遇袭以及重要物资设备被盗的恶性事件。视频监控作为安防、反恐系统的重要组成部分,以其直观、方便、信息内容丰富而广泛应用于各种场合。有关研究表明,仅依靠视频监控中的人工检测,即使是专业人员也难以构成真正有效的安全系统。因为只要专注于监控屏幕超过20分钟,绝大多数工作人员的注意力都会降低至无法接受的水平。显然,传统的基于人工操作的视频监控不能适应实际应用的需要,智能视频监控技术应运而生,智能视频监控(IntelligentVideo Surveillance,IVS),属于计算机视觉(ComputerVision,CV)与人工智能(ArtificialIntelligent,AI)领域研究的一"个重要分支,融合了图像处理、计算机视觉、人工智能、图像视频分析等多项技术,其发展目标在于对监视场景与事件描述之间建立一种映射关系,由计算机替代人来对视频进行分析处理,并实现对特定事件的预警。
  2国防工程智能安全监控系统功能设计系统以国防工程安全监控对智能视频技术的要求为依据,针对国防工程内部与外部安全监控的应用特点,解决智能视频监控系统对光线、动态背景等使用环境的依赖性问题,使智能视频监控这一先进技术能够在国防工程安全监控中得到切实有效的应用。
  智能视频分析算法是智能视频监控的核心,决定着系统的最终性能。通过对国防工程安全监控需求的分析,重点实现以下功能:国防工程口部外环境安全检测。国防工程口部环境复杂,存在光线、动态背景等各类不良因素的干扰,系统主要实现对口外环境的检测与分析,如出现异常入侵目标则报警;国防工程岗哨警卫安全检测。对哨兵状态进行检测,如出现异常目标进入哨兵安全警戒区,发出警报,预防发生袭击哨兵的恶性事件,同时监督哨兵执勤情况,防止哨兵脱岗;国防工程重要区域安全检测。对指挥区、通讯区等重要目标区域进行检测,如出现异常滞留、非法入侵、特定物品遗失、异常物品遗留等事件,则发出警报;口部通道人员探测与视频标注。国防工程通道口部为密封区域,检测口部关闭时通道内是否有人员滞留,并对人员经过口部时间进行标注,提高国防工程内部的管理效率;重要设备间检测。检测设备间运行状态,对重要设备出现被盗、移动等非正常事件进行报警。
  3国防工程智能安全监控系统关键技术景建模作为大多数视觉分析任务的第一步是实现目标跟踪、目标分类、行为分析等视觉任务的重要基础。
  场景建模的困难主要在于存在背景扰动,通常背景可能产生如下几种典型扰动:场景光线变化,包括逐渐的变化和突然的变化;状态变化,包括摄像机抖动和背景中物体的闪动;背景物体变化,包括物体融入和移出背景。背景的变化特性对背景模型的动态更新提出了很高的要求。时间平均模型(TemporalAverageModel)和高斯背景模型(SingleGaussianModel)计算量小,但当背景像素灰度呈多峰分布时检测效果不佳;基于卡尔曼滤波的背景估计模型能够跟踪背景的光线变化,但对于背景物体的变化不能及时跟踪,会导致目标的误检和漏检;Stauffer和Grimson提出了一种高斯混合模型(MixedGaussianModel)用于背景提取,通过多个高斯分布拟合单个像素值变化,能够及时地跟踪背景的变化,但是这种算法的计算量很大,必须采用专门的硬件才能用于实时监控系统;Elgammal和Duraiswami提出了一种非参数的核密度估计(KernelDensityEstimation)方法,不用事先假定像素值的分布,就可以直接从像素的连续变化值中估计出概率密度函数,其检测效果优于高斯混合模型。
  核密度估计是数理统计及相关应用领域的重要工具。它运用解析化的手段,对给定样本及分布规律未知的数据集求解随机变量的分布密度函数,从而构造出这些数据样本在特定空间的分布模型。
  核密度估计方法不需要假定背景特征概率分布形式,也不需要设置模型参数和对参数优化,而是从样本中直接得到概率密度估计函数。只要有充分的样本,核密度估计就能渐进收敛于任何一个概率密度函数。
  核密度估计通过加权平均中心点位于采样值的局部函数来估计未知的密度分布。给定某像素特征空间的一个样本集宽度。如果一个像素考虑个特征,核函数选择高斯函数,表示各个特征的核函数带宽,则对于(6)式可以进一步表示为44无线互联科技实验研究目标检测测试结果在核密度估计中,核函数带宽CT的选取远比核函数本身更为重要。带宽选择的过大会使概率密度估计出现欠平滑的现象,反之则会出现过平滑,这些都将对估计结果产生不利影响。假设xi服从正态分布入则(X厂服从正态分布m是相邻两帧像素特征值差的绝对值中值,即,由正态分布的对称性和中值性质得到尸在实际使用中发现,当用来进行核密度估计的样本帧序列较长时,计算样本帧序列像素的中值将耗费大量的时间,为了提高实时性,可以将样本序列的中值用均值近似,对估计结果的影响并不显著。
  核密度估计背景建模本质上是一种扩展的混合高斯背景建模方法,相对于混合高斯模型中只用35个高斯分布描述背景模型的方法而言,可以更准确地描述样本的密度分布,因而具有更强的鲁棒性。
  4安全监控系统检测实验实验系统的硬件部分主要包括计算机和视频摄像头,系统软件部分核心是视频分析软件,在VC++6.0环境下开发,实验条件分为室内和室外环境,对光线变化、阴影、遮挡等外界干扰未作特别要求。算法基本测试针对系统中涉及的关键算法本身,一方面验证算法对于光线、动态背景等环境因素变化鲁棒性,另一方面验证对于小目标、低对比度以及存在遮挡的情况下算法的检测与跟踪的灵敏度与有效性。
  目标检测测试选取了室外环境,检测目标距离摄像头70米左后,目标尺度在帧中所占比例很小,是典型的小目标检测条件。测试结果见,(a)㈦是其中两帧的目标检测结果,可以看出算法完整的提取出了小尺度目标,并且未出现误检区域,测试结果证明系统采用方法是有效的。
  5结论核密度估计作为一种有效的非参数估计方法,不需要假定模型的密度分布形式,可以直接从数据中估计未知密度函数,避免了模型形式假定以及参数优化等复杂而又困难的问题,非常适合用于智能视频分析的背景建模。但在实际应用中,此方法存在两方面的缺陷,一是基于数据序列的核密度估计方法运算量巨大,难以满足视频分析实时性要求;二是对环境中突变扰动的适应性较差,在光线短时间变化等情况下模型容易崩溃。
  本文提出了一种联合相关系数的分块分层目标检测机制,相关系数仅针对相应块进行,运算量大为降低,同时由相关系数检测提供对环境突变扰动的适应,只有在相关系数检测表明某些块中存在前景目标后,才由核密度估计对这些块进行前/背景分割。这样综合利用了核密度估计与相关系数检测各自的优点,在显著降低运算量的同时,使鲁棒性得到明显提高,在长时间的实验测试中证明了方法的有效性。
  视频监控作为安防、反恐系统的重要组成部分,以其直观、方便、信息内容丰富而广泛应用于各种场合,而在视频监控中采用智能分析技术使监控系统的监控范围更大、提供信息更全面、报警实时准确,非常适合国防工程内外部的安全监控,但目前国内在这一领域的研究和应用刚刚起步,市场上各类产品的核心算法与技术主要依赖国外大型公司,很难针对国防工程安全监控特点提供定制的检测功能,本文分析智能视频监控在国防工程智能监控的应用,实现了变被动监控为主动识别安全威胁,减少人为因素造成的误报、漏报,提高了国防工程了安全监控技术水平。
  王素玉,沈兰荪。智能视觉监控技术研究进展。中国图象图形学报,27,12(9):155-1512.贾静平,张飞舟,柴艳妹。基于核密度估计尺度空间的目标跟踪算法。清华大学学报,自然科学版,2009年,49⑷:595-598.无线互联科技bookmark8
推荐新闻
· LabVIEW在温室环境远程监控系统的应用研究..
· 电动汽车充电站和电池更换站监控系统设计方..
· 电力通信电源集中监控系统的应用
· 半导体CVD?空镀腥监控系统的设计
· 超长隧道视频和安全监控系统的应用与研究
· 谁将是性价比更高的 安防系统解决方案
· 基于Google地图接口的流动机械远程监控系统..
· 安防机器人中手机可视化远程控制技术研究
· 基于CAN总线的带式输送机监控系统的设计
· 公安视频监控系统值机人员现状研究
相关企业
深圳一智快捷科技有限公司
深圳市炜业通科技有限公司
深圳市兆科泰电子有限公司
广州伊浪电子