基于視頻分析的校園智能安全系統(tǒng)VIP

1、第十屆“挑戰(zhàn)杯”遼寧省大學(xué)生課外學(xué)術(shù)科技作品競(jìng)賽（省級(jí)競(jìng)賽專用）作品 申 報(bào) 書作品類別：¨ 自然科學(xué)類學(xué)術(shù)論文¨ 哲學(xué)社會(huì)科學(xué)類社會(huì)調(diào)查報(bào)告和學(xué)術(shù)論文¨ 科技發(fā)明制作A類þ 科技發(fā)明制作B類序號(hào)： 編碼： 說(shuō) 明1.申報(bào)者應(yīng)在認(rèn)真閱讀此說(shuō)明各項(xiàng)內(nèi)容后按要求詳細(xì)填寫。2.申報(bào)者在填寫申報(bào)作品情況時(shí)只需根據(jù)個(gè)人項(xiàng)目或集體項(xiàng)目填寫A1或A2表，根據(jù)作品類別（自然科學(xué)類學(xué)術(shù)論文、哲學(xué)社會(huì)科學(xué)類社會(huì)調(diào)查報(bào)告和學(xué)術(shù)論文、科技發(fā)明制作）分別填寫B(tài)1、B2或B3表。所有申報(bào)者可根據(jù)情況填寫C表。3.表內(nèi)項(xiàng)目填寫時(shí)一律打印，嚴(yán)禁涂抹，涂抹作廢。此申報(bào)書可復(fù)制。4.序號(hào)、

2、編碼由第十屆“挑戰(zhàn)杯”遼寧省大學(xué)生課外學(xué)術(shù)科技作品競(jìng)賽組委會(huì)填寫。5.學(xué)術(shù)論文、社會(huì)調(diào)查報(bào)告及所附的有關(guān)材料必須是中文（若是外文，請(qǐng)附中文版），請(qǐng)以四號(hào)楷體打印在A4紙上，附于申報(bào)書后。字?jǐn)?shù)在8000字以內(nèi)（文章版面尺寸14.5×22cm）。6.各校申報(bào)省級(jí)競(jìng)賽的作品一式3份，按組委會(huì)規(guī)定的時(shí)間寄至或送達(dá)競(jìng)賽組委會(huì)秘書處。7.作品申報(bào)書須按要求由各市競(jìng)賽組織協(xié)調(diào)機(jī)構(gòu)統(tǒng)一報(bào)送省組委會(huì)秘書處。8.其它參賽事宜請(qǐng)向本校競(jìng)賽組織協(xié)調(diào)機(jī)構(gòu)咨詢。9.寄送地址：沈陽(yáng)市和平區(qū)北五經(jīng)街21號(hào)第十屆“挑戰(zhàn)杯”遼寧省大學(xué)生課外學(xué)術(shù)科技作品競(jìng)賽組委會(huì)秘書處。省級(jí)競(jìng)賽組委會(huì)秘書處聯(lián)系電話：聯(lián)系人： 王大可、鄭

3、延旭郵政編碼：110003A1.申報(bào)者情況（個(gè)人項(xiàng)目）說(shuō)明：1.必須由申報(bào)者本人按要求填寫，申報(bào)者情況欄內(nèi)必須填寫個(gè)人作品的第一作者（承擔(dān)申報(bào)作品60%以上工作者）；2.本表中的學(xué)籍管理部門簽章視為對(duì)申報(bào)者情況的確定。申報(bào)者情況姓 名崔 童性 別男出生年月1986年6月1日學(xué)校全稱遼寧石油化工大學(xué)專 業(yè)控制理論與控制工程現(xiàn)學(xué)歷碩士年級(jí)09級(jí)學(xué) 制3年入學(xué)時(shí)間2009.9作品全稱基于視頻分析的校園智能安全系統(tǒng)畢業(yè)論文題目基于視頻分析的校園智能安全監(jiān)控系統(tǒng)關(guān)鍵技術(shù)研究通訊地址遼寧省撫順市望花區(qū)丹東路西段一號(hào)遼寧石油化工大學(xué)郵政編碼113001聯(lián)系電話常 住 地通訊地址遼寧省撫順市望花區(qū)丹東路西段一

4、號(hào)遼寧石油化工大學(xué)郵政編碼113001住宅電話合作者情況姓 名性 別年 齡學(xué)歷所在學(xué)校 資格認(rèn)定校學(xué)籍管理部門意見是否為2010年7月1日前正式注冊(cè)在校的全日制非成人教育、非在職的省內(nèi)各類高等院校中國(guó)籍學(xué)生（含?？粕?、本科生、碩士研究生或博士研究生）。 þ是 否若是，其學(xué)號(hào)為：01 （部門簽章）年 月 日院系負(fù)責(zé)人或?qū)熞庖姳咀髌肥欠駷檎n外學(xué)術(shù)科技或社會(huì)實(shí)踐活動(dòng)成果þ是 否 負(fù)責(zé)人簽名：年 月 日 B3.申報(bào)作品情況（科技發(fā)明制作類）說(shuō)明：1.必須由申報(bào)者本人填寫；2.本表中的學(xué)校組織協(xié)調(diào)機(jī)構(gòu)意見視為對(duì)申報(bào)者所填內(nèi)容的確認(rèn)；3.本表必須附有研究報(bào)告，并提供圖表、曲線、實(shí)驗(yàn)數(shù)

5、據(jù)、原理結(jié)構(gòu)、外觀圖（照片），也可附鑒定證書和應(yīng)用證書；4.作品分類請(qǐng)按發(fā)明點(diǎn)或創(chuàng)新點(diǎn)類別填報(bào)，分類錯(cuò)誤或分類不清視為無(wú)效作品。作品全稱基于視頻分析的校園智能安全系統(tǒng)（B）A類/B類作品分類（ B ）A.機(jī)械與控制（包括機(jī)械、儀器儀表、自動(dòng)化控制、工程、交通、建筑等） B.信息技術(shù)（包括計(jì)算機(jī)、電信、通訊、電子等） C.數(shù)理（包括數(shù)學(xué)、物理、地球與空間科學(xué)等） D.生命科學(xué)（包括生物、農(nóng)學(xué)、藥學(xué)、醫(yī)學(xué)、健康、衛(wèi)生、食品等） E.能源化工（包括能源、材料、石油、化學(xué)、化工、生態(tài)、環(huán)保等）作品設(shè)計(jì)、發(fā)明的目的和基本思路；創(chuàng)新點(diǎn)、技術(shù)關(guān)鍵和主要技術(shù)指標(biāo)目的：校園中由于學(xué)生眾多，人群密集，是踩踏等安全

6、事故頻發(fā)的場(chǎng)所，特別是高校，由于大多是開放式的校園，不便于人員管理，而現(xiàn)實(shí)社會(huì)又是紛繁復(fù)雜的，各種不同人格、性格的學(xué)生和外來(lái)人員同處在一個(gè)擁擠的空間內(nèi)，很容易發(fā)生各種矛盾和意外，且校園會(huì)經(jīng)常遭到不法分子的入侵。而這些意外往往發(fā)生在安保人員疲勞、疏忽的時(shí)候，由于沒能及時(shí)觀察到異常發(fā)生的趨勢(shì)，沒有提前采取有效的保護(hù)措施，意外發(fā)生后學(xué)?？偸浅袚?dān)無(wú)限責(zé)任，更給學(xué)生帶來(lái)無(wú)限的災(zāi)難。然而目前校園內(nèi)的視頻監(jiān)控系統(tǒng)通常是將攝像機(jī)的輸出結(jié)果記錄下來(lái)，當(dāng)異常情況發(fā)生后，保安人員才通過(guò)記錄的結(jié)果觀察發(fā)生的事實(shí)或用來(lái)當(dāng)作事后證據(jù)，在智能性上體現(xiàn)較差，沒有充分發(fā)揮其實(shí)時(shí)主動(dòng)的監(jiān)督作用。因此急需可以不間斷實(shí)時(shí)監(jiān)控，準(zhǔn)確、

7、主動(dòng)預(yù)警的智能型視頻監(jiān)控系統(tǒng)來(lái)代替舊式的人工視頻監(jiān)視系統(tǒng)?；谝曨l分析的校園智能安全系統(tǒng)對(duì)校園中教學(xué)樓的走廊、樓梯、實(shí)驗(yàn)室和樓前空地、停車場(chǎng)等敏感場(chǎng)所實(shí)行24小時(shí)無(wú)間斷實(shí)時(shí)監(jiān)控，運(yùn)用GMM和Camshift等視頻分析技術(shù)對(duì)攝像機(jī)拍錄的圖像序列進(jìn)行前景提取和目標(biāo)跟蹤，以跟蹤目標(biāo)的質(zhì)心位置、質(zhì)心移動(dòng)距離的均方差及圖像前景概率密度等信息作為特征值，進(jìn)行跨越警戒線、可疑徘徊走動(dòng)和人群密集程度的檢測(cè)與判斷。從而減少人力浪費(fèi)，減輕安保人員工作量，提高管理效率，避免由于疲勞、疏忽造成的漏報(bào)，預(yù)防和制止犯罪，提前阻止校園中踩踏等安全事故的發(fā)生，維護(hù)和確保校園環(huán)境安全、穩(wěn)定，保護(hù)學(xué)生的生命財(cái)產(chǎn)安全?；舅悸罚?

8、系統(tǒng)首先將由模擬攝像機(jī)采集的視頻序列，通過(guò)視頻線傳到視頻編碼器，編碼器中將采集到的模擬信號(hào)轉(zhuǎn)成數(shù)字信號(hào)，再交給后端解碼器將數(shù)字信號(hào)轉(zhuǎn)換成顯示器可讀的模擬信號(hào)。交換機(jī)與監(jiān)控終端用雙絞線連接，在監(jiān)控終端，即PC機(jī)的中心控制平臺(tái)上運(yùn)行軟件系統(tǒng)。系統(tǒng)運(yùn)用GMM（混合高斯背景建模）算法對(duì)圖像序列進(jìn)行前景提取，運(yùn)用Camshift算法對(duì)目標(biāo)跟蹤，以跟蹤目標(biāo)的質(zhì)心位置、質(zhì)心移動(dòng)距離的均方差及圖像前景概率密度等信息作為特征值，進(jìn)行跨越警戒線、可疑徘徊走動(dòng)和人群密集程度的檢測(cè)與判斷。當(dāng)發(fā)現(xiàn)異常時(shí)，系統(tǒng)將以語(yǔ)音提示的方式及時(shí)主動(dòng)地向安保人員報(bào)警。關(guān)鍵技術(shù)： 本系統(tǒng)檢測(cè)模塊采用的是GMM算法，跟蹤模塊采用的是Cam

9、Shift算法，陰影去除基于HSV色彩空間完成。作品的科學(xué)性先進(jìn)性（必須說(shuō)明與現(xiàn)有技術(shù)相比，該作品是否具有突出的實(shí)質(zhì)性技術(shù)特點(diǎn)和顯著進(jìn)步。請(qǐng)?zhí)峁┘夹g(shù)性分析說(shuō)明和參考文獻(xiàn)資料）目前高校中的視頻分析技術(shù)研究主要集中在初級(jí)的目標(biāo)檢測(cè)算法和中級(jí)的目標(biāo)跟蹤算法，對(duì)于行為分析技術(shù)的研究較少，因此很少形成實(shí)物產(chǎn)品應(yīng)用于實(shí)際監(jiān)控中；而視頻監(jiān)控公司則更注重實(shí)際中的應(yīng)用，產(chǎn)品中之運(yùn)用實(shí)用性強(qiáng)的算法，而忽視了對(duì)優(yōu)良的算法的應(yīng)用研究。而基于視頻分析的校園智能安全系統(tǒng)則初步的將優(yōu)良的檢測(cè)、跟蹤算法和實(shí)際應(yīng)用相結(jié)合，并加以簡(jiǎn)單行為分析技術(shù)，構(gòu)成了一套較為全面的智能視頻監(jiān)控系統(tǒng)，并在實(shí)際中得以應(yīng)用。本系統(tǒng)的檢測(cè)模塊采用的是

10、背景建模法中的GMM（混合高斯背景建模），此算法運(yùn)用了數(shù)學(xué)建模思想，對(duì)客觀事物投影的圖像序列進(jìn)行了像素域在時(shí)間尺度上的建模。由于它是基于背景樣本的統(tǒng)計(jì)學(xué)特征，因此能更客觀、更科學(xué)地表征背景信息。與目前常用的運(yùn)動(dòng)目標(biāo)識(shí)別方法背景差法、光流法和幀差法相比，GMM綜合效果更佳，更適用于實(shí)際的實(shí)時(shí)監(jiān)控。比起背景差法在受到光照和外部條件造成的場(chǎng)景變化時(shí)，GMM檢測(cè)更加穩(wěn)定，運(yùn)動(dòng)目標(biāo)更加清晰，作者使用背景差檢測(cè)室外停車場(chǎng)時(shí)，由于光線強(qiáng)烈更不無(wú)法得到前景，而運(yùn)用GMM則非常清晰、準(zhǔn)確；與光流法比較，計(jì)算更加簡(jiǎn)便，且抗噪性能更強(qiáng)；幀差法則會(huì)產(chǎn)生“孔洞”，不能完全提取出目標(biāo)的所有信息。本系統(tǒng)的目標(biāo)跟蹤模塊采用的

11、是CamShift算法，即"Continuously Apative Mean-Shift"算法，是一種運(yùn)動(dòng)跟蹤算法。它主要通過(guò)視頻圖像中運(yùn)動(dòng)物體的顏色信息來(lái)達(dá)到跟蹤的目的。Camshift利用目標(biāo)的顏色直方圖模型將圖像轉(zhuǎn)換為顏色概率分布圖，初始化一個(gè)搜索窗的大小和位置，并根據(jù)上一幀得到的結(jié)果自適應(yīng)調(diào)整搜索窗。Camshift算法就是將meanshift算法擴(kuò)展到連續(xù)圖像序列。Camshift能有效解決目標(biāo)變形和遮擋的問(wèn)題，對(duì)系統(tǒng)資源要求不高，時(shí)間復(fù)雜度低，在簡(jiǎn)單背景下能夠取得良好的跟蹤效果?？梢詼?zhǔn)確的得到運(yùn)動(dòng)目標(biāo)的位置、大小及運(yùn)動(dòng)方向，相比Mean-shift算法更加完善

12、、準(zhǔn)確。主要功能：1、越線報(bào)警：此功能主要實(shí)現(xiàn)對(duì)特定區(qū)域的監(jiān)測(cè)，利用混合高斯背景建模檢測(cè)出前景，通過(guò)設(shè)定閾值排除較小前景并將其填充為背景，然后對(duì)檢測(cè)出的較大輪廓運(yùn)用camshift算法進(jìn)行跟蹤，計(jì)算出每個(gè)輪廓的大小、方向和質(zhì)心位置。如有運(yùn)動(dòng)目標(biāo)的質(zhì)心進(jìn)入警戒線內(nèi)，則立即通過(guò)語(yǔ)音提示報(bào)警，提醒安保人員對(duì)對(duì)象予以關(guān)注并管理。2、聚集檢測(cè)：此功能將實(shí)現(xiàn)當(dāng)特定區(qū)域人員過(guò)于密集時(shí)，通過(guò)提示音提醒安保人員對(duì)該區(qū)域予以關(guān)注，并及時(shí)進(jìn)行人員疏散，防止踩踏等意外事件發(fā)生。求出混合高斯背景建模檢測(cè)出的前景所占背景的比例，如果比值大于某一閾值（閾值可調(diào)，根據(jù)實(shí)際場(chǎng)景經(jīng)實(shí)驗(yàn)計(jì)算后獲得），則說(shuō)明場(chǎng)景中的運(yùn)動(dòng)目標(biāo)過(guò)于密集

13、，出現(xiàn)擁擠或踩踏的可能性較大，此時(shí)系統(tǒng)會(huì)自動(dòng)提醒安保人員及時(shí)對(duì)人流進(jìn)行疏導(dǎo)，防止意外的發(fā)生。3、徘徊檢測(cè)：在如銀行、金店、停車場(chǎng)、幼兒園等敏感區(qū)域，長(zhǎng)時(shí)間逗留或徘徊的人員很可能是伺機(jī)實(shí)施犯罪活動(dòng)的可疑分子，由于安保人員往往需要觀察多個(gè)場(chǎng)景，因而很難注意到這些人員的可疑走動(dòng)，從而遺漏掉這些可疑行為，無(wú)法在案發(fā)前阻止犯罪。徘徊檢測(cè)模塊可疑實(shí)時(shí)、連續(xù)地監(jiān)視指定場(chǎng)景，通過(guò)對(duì)人員質(zhì)心位置均方差的計(jì)算，獲取人員的行為信息，若均方差小于某一閾值便判斷此人的正在敏感區(qū)域逗留或是徘徊，系統(tǒng)會(huì)自動(dòng)提醒保安對(duì)可疑人員予以關(guān)注。目前，系統(tǒng)可以完成對(duì)場(chǎng)景中固定人數(shù)的徘徊檢測(cè)。作品在何時(shí)、何地、何種機(jī)構(gòu)舉行的評(píng)審、鑒定、

14、評(píng)比、展示等活動(dòng)中獲獎(jiǎng)及鑒定結(jié)果作品所處階 段（ B ）A 實(shí)驗(yàn)室階段 B 中試階段 C 生產(chǎn)階段D （自填）技術(shù)擬轉(zhuǎn)讓方式作品可展示的形式 實(shí)物、產(chǎn)品 模型 圖紙 磁盤 現(xiàn)場(chǎng)演示 圖片 þ錄像 樣品使用說(shuō)明及該作品的技術(shù)特點(diǎn)和優(yōu)勢(shì)，提供該作品的適應(yīng)范圍及推廣前景的技術(shù)性說(shuō)明及市場(chǎng)分析和經(jīng)濟(jì)效益預(yù)測(cè)使用說(shuō)明：系統(tǒng)已被包成軟件安裝形式，這樣供客戶安裝的執(zhí)行文件容量會(huì)較小，以方便用戶下載、安裝和存儲(chǔ)，同時(shí)避免了由于客戶操作不當(dāng)造成的系統(tǒng)文件損壞。為了保護(hù)作者的版權(quán)，軟件包中將不提供源代碼。當(dāng)初次使用時(shí)，首先雙擊“setup.exe”文件進(jìn)行系統(tǒng)軟件的安裝，客戶可將軟件安裝到任意指定的本地

15、目錄中，并可創(chuàng)建桌面快捷方式。由于視頻格式匹配問(wèn)題，在安裝好本系統(tǒng)程序后，請(qǐng)您在安裝文件夾中找到“ffdshow.exe”文件，進(jìn)行視頻解壓器的安裝。之后的每次使用，便可點(diǎn)擊安裝目錄中的“cvWnd.exe”文件或桌面快捷方式“智能監(jiān)控”，在無(wú)需VC環(huán)境的Windows XP操作系統(tǒng)下打開本軟件的對(duì)話框界面。系統(tǒng)提供了的友好型的、操作簡(jiǎn)單的用戶交互界面，可以實(shí)現(xiàn)對(duì)本地視頻圖像的調(diào)取、播放、暫停等功能；還可以開啟攝像機(jī)對(duì)場(chǎng)景實(shí)時(shí)監(jiān)控，并將監(jiān)控視頻錄制到本地存儲(chǔ)器中保存以供隨時(shí)調(diào)用，當(dāng)發(fā)現(xiàn)異常時(shí)可以手動(dòng)回放錄制的視頻信息；在播放本地視頻文件和攝像頭采集視頻的同時(shí)對(duì)跨越警戒線、人群密度、可疑徘徊等進(jìn)

16、行檢測(cè)，異常發(fā)生時(shí)以語(yǔ)音提示方式向安保人員報(bào)警。技術(shù)特點(diǎn)及優(yōu)勢(shì)：校園智能視頻監(jiān)控系統(tǒng)具有操作簡(jiǎn)單，兼容性強(qiáng)，靈活性強(qiáng)，適用范圍廣泛的特點(diǎn)，并可為學(xué)校減少雇傭大批監(jiān)視人員所需要的人力、物力和財(cái)力的投入。技術(shù)上，在目標(biāo)檢測(cè)模塊中使用了受外界環(huán)境影響更小，可自適應(yīng)的自動(dòng)更新背景，綜合效果更佳，更適用于實(shí)際的實(shí)時(shí)監(jiān)控的GMM檢測(cè)算法，提高了檢測(cè)的準(zhǔn)確性和魯棒性；目標(biāo)跟蹤模塊采用了CamShift算法，可以準(zhǔn)確的得到運(yùn)動(dòng)目標(biāo)的位置、大小及運(yùn)動(dòng)方向，所獲得的目標(biāo)信息更加完整、準(zhǔn)確。從系統(tǒng)的兼容性、靈活性上看，本系統(tǒng)不單單僅可對(duì)校園進(jìn)行監(jiān)控，對(duì)于不同監(jiān)控場(chǎng)景的切換，我們可以通過(guò)在后臺(tái)更改參數(shù)的形式，使系統(tǒng)適

17、用于該場(chǎng)景這也擴(kuò)大了本系統(tǒng)的適用范圍。適應(yīng)范圍及推廣前景：智能視頻監(jiān)控系統(tǒng)作為一種安防的有效手段，正越來(lái)越受到人們的重視。隨著平安城市的建設(shè)，智能視頻監(jiān)控系統(tǒng)在協(xié)助政府或其他機(jī)構(gòu)的安全部門在提高室外大地域公共安全的防護(hù)方面具有以往的視頻監(jiān)控系統(tǒng)無(wú)法替代的作用。智能監(jiān)控系統(tǒng)具有廣闊的應(yīng)用前景，隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，智能監(jiān)控技術(shù)的應(yīng)用領(lǐng)域仍在不斷擴(kuò)展。同時(shí)近年來(lái)數(shù)學(xué)理論方面也取得了巨大的進(jìn)步，智能視頻監(jiān)控在發(fā)展過(guò)程中可以很好地利用這些數(shù)學(xué)工具處理問(wèn)題。因此，盡管該領(lǐng)域還存在著許多困難，現(xiàn)有技術(shù)還不能完全實(shí)現(xiàn)上述目標(biāo)，另外在惡劣的環(huán)境下 ( 如光照劇 烈變化、雨 雪天氣等 )可能會(huì)出現(xiàn)錯(cuò)誤。但是

18、廣泛的應(yīng)用范圍及其所具有的強(qiáng)大的生命力必將使得基于視頻分析的智能視頻監(jiān)控系統(tǒng)得到持續(xù)的發(fā)展，不斷的進(jìn)步，前景無(wú)限光明。市場(chǎng)分析和經(jīng)濟(jì)效益預(yù)測(cè)：目前，社會(huì)中的各行各業(yè)對(duì)于智能視頻監(jiān)控系統(tǒng)的需求都及其迫切，且需求量日益遞增。智能視頻監(jiān)控系統(tǒng)正在迅速的走進(jìn)社會(huì)各行各業(yè)中，如監(jiān)控監(jiān)獄、倉(cāng)庫(kù)等的任何運(yùn)動(dòng)物體進(jìn)行報(bào)警；對(duì)運(yùn)動(dòng)物體的運(yùn)動(dòng)屬性( 方向、速度 ) 發(fā)生變化的時(shí)候進(jìn)行報(bào)警；當(dāng)檢測(cè)到特殊場(chǎng)所如機(jī)場(chǎng)、車站等有被丟棄無(wú)人照看的物體時(shí)將進(jìn)行報(bào)警；對(duì)展覽廳、博物館等場(chǎng)所內(nèi)重要物體的移位報(bào)警；實(shí)現(xiàn)對(duì)復(fù)雜環(huán)境的自動(dòng)視頻理解，收集監(jiān)視區(qū)的可疑情況，提高監(jiān)控人員的環(huán)境感知能力。智能視頻監(jiān)控系統(tǒng)還可以在零售、服務(wù)行業(yè)

19、用作輔助工具，用于提高服務(wù)水平和營(yíng)業(yè)額，如在超市和商場(chǎng)等公共場(chǎng)合，系統(tǒng)可用于統(tǒng)計(jì)顧客數(shù)量以及在某物體前面停留的時(shí)間，識(shí)別人群的整體運(yùn)動(dòng)特征，包括速度、方向等?；谝曨l分析的智能視頻監(jiān)控系統(tǒng)有著如此廣泛而龐大的應(yīng)用范圍和需求量，必將為社會(huì)創(chuàng)造出巨大的財(cái)富和經(jīng)濟(jì)利益。目前國(guó)內(nèi)智能視頻監(jiān)控行業(yè)的兩大巨頭?？低暫驼憬笕A都已成功上市，年利潤(rùn)極為可觀。專利申報(bào)情況 提出專利申報(bào) 申報(bào)號(hào) 申報(bào)日期 年 月 日 已獲專利權(quán)批準(zhǔn) 批準(zhǔn)號(hào) 批準(zhǔn)日期 年 月 日þ未提出專利申請(qǐng)學(xué)校組織協(xié)調(diào)機(jī)構(gòu)意見（可相關(guān)部門分別蓋章，也可團(tuán)委代章）年 月 日學(xué)校意見（簽 章）年 月 日C當(dāng)前國(guó)內(nèi)外同類課題研究水平概述

20、說(shuō)明：1.申報(bào)者可根據(jù)作品類別和情況填寫；2.本欄目為可選項(xiàng)，若填寫將有助于評(píng)審。視頻監(jiān)控具有廣泛的應(yīng)用前景和潛在的經(jīng)濟(jì)價(jià)值，從而激發(fā)了國(guó)內(nèi)外廣大科研工作者及相關(guān)商家的濃厚興趣，尤其在美國(guó)、英國(guó)等國(guó)家已經(jīng)開展了大量相關(guān)項(xiàng)目的研究。實(shí)時(shí)視覺監(jiān)控系統(tǒng) W4不僅能夠定位人和分割出人的身體部分，而且通過(guò)建立模型來(lái)實(shí)現(xiàn)多人的跟蹤，并可以檢測(cè)人是否攜帶物體等簡(jiǎn)單行為；英國(guó)的雷丁大學(xué)已開展了對(duì)車輛和行人的跟蹤及其交互作用識(shí)別的相關(guān)研究；IBM 與 Microsoft等公司也正逐步將基于視覺的手勢(shì)識(shí)別接口應(yīng)用于商業(yè)領(lǐng)域中。目前視頻監(jiān)控系統(tǒng)從人工半人工監(jiān)控狀態(tài)向自動(dòng)視頻監(jiān)控狀態(tài)發(fā)展。一個(gè)具有魯棒性 、準(zhǔn)確性和實(shí)

21、時(shí)性的系統(tǒng)是智能監(jiān)控系統(tǒng)的研究方向。智能監(jiān)控系統(tǒng)從根源上講與人的視覺特性是緊密聯(lián)系在一起的，由于目前對(duì)人的視覺特性還沒有一個(gè)完善的理論。其數(shù)學(xué)模型更是難以建立。目前在國(guó)內(nèi)的研究機(jī)構(gòu)中，中國(guó)科學(xué)院北京自動(dòng)化研究所模式識(shí)別國(guó)家重點(diǎn)實(shí)驗(yàn)室的視覺監(jiān)控研究組處于領(lǐng)先地位。他們對(duì)交通場(chǎng)景的視覺監(jiān)控( 基于三維線性模型定位、基于擴(kuò)展卡爾曼濾波器的車輛跟蹤算法)、人的運(yùn)動(dòng)視覺監(jiān)控(基于步態(tài)的遠(yuǎn)距離身份識(shí)別)和行為模式識(shí)別( 提出了對(duì)目標(biāo)運(yùn)動(dòng)軌跡和行為特征學(xué)習(xí)的模糊自組織神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法)進(jìn)行了深入研究，取得了一定的研究成果。國(guó)內(nèi)其它一些高校也進(jìn)行了這方面的研究 ，如上海交通大學(xué)、北京航空航天大學(xué)、北京理工大學(xué)

22、等，他們?cè)诨旌细咚贡尘敖：涂柭鼮V波跟蹤器等算法的研究和改進(jìn)上都取得了顯著進(jìn)展。沈陽(yáng)航天航空大學(xué)還將智能視頻監(jiān)控系統(tǒng)應(yīng)用于無(wú)人機(jī)的偵查功能中。D.推薦者情況及對(duì)作品的說(shuō)明說(shuō)明：1.由推薦者本人填寫；2.推薦者必須具有高級(jí)專業(yè)技術(shù)職稱，并是與申報(bào)作品相同或相關(guān)領(lǐng)域的專家學(xué)者或?qū)I(yè)技術(shù)人員（教研組集體推薦亦可）；3.推薦者填寫此部分，即視為同意推薦；4.推薦者所在單位簽章僅被視為對(duì)推薦者身份的確認(rèn)。推薦者情況姓名曹江濤性別男年齡33職稱教授工作單位遼寧石油化工大學(xué)信息與控制工程學(xué)院通訊地址遼寧省撫順市望花區(qū)丹東路西段1號(hào)郵政編碼113001E-mail 聯(lián)系電話推薦者所在單位意見 同意申報(bào) （簽

23、 章） 年 月 日 請(qǐng)對(duì)申報(bào)情況的真實(shí)性作出闡述該作品是在老師指導(dǎo)下自行設(shè)計(jì)開發(fā)完成。設(shè)計(jì)內(nèi)容合理，結(jié)構(gòu)完整,設(shè)計(jì)具有較強(qiáng)的理論價(jià)值和應(yīng)用價(jià)值，可以實(shí)時(shí)地對(duì)校園環(huán)境進(jìn)行智能監(jiān)控。對(duì)作品的意義、技術(shù)水平、適用范圍及推廣前景作出評(píng)價(jià)該系統(tǒng)對(duì)于校園安全有著實(shí)效性的意義，對(duì)于維護(hù)和確保校園環(huán)境安全、穩(wěn)定具有高效的輔助作用。該作品采用的目標(biāo)檢測(cè)、跟蹤等算法均適用于校園實(shí)時(shí)監(jiān)控，可以應(yīng)用于環(huán)境復(fù)雜度一般的室內(nèi)外場(chǎng)景中。具有客觀的市場(chǎng)推廣前景。其它說(shuō)明D.推薦者情況及對(duì)作品的說(shuō)明說(shuō)明：1.由推薦者本人填寫；2.推薦者必須具有高級(jí)專業(yè)技術(shù)職稱，并是與申報(bào)作品相同或相關(guān)領(lǐng)域的專家學(xué)者或?qū)I(yè)技術(shù)人員（教研組集體推

24、薦亦可）；3.推薦者填寫此部分，即視為同意推薦；4.推薦者所在單位簽章僅被視為對(duì)推薦者身份的確認(rèn)。推薦者情況姓名蘇成利性別男年齡32職稱副教授工作單位遼寧石油化工大學(xué)信息與控制工程學(xué)院通訊地址遼寧省撫順市望花區(qū)丹東路西段1號(hào)郵政編碼113001E-mail聯(lián)系電話推薦者所在單位意見 同意申報(bào) （簽 章） 年 月 日 請(qǐng)對(duì)申報(bào)情況的真實(shí)性作出闡述該作品是在老師指導(dǎo)下自行設(shè)計(jì)開發(fā)完成。設(shè)計(jì)內(nèi)容合理，結(jié)構(gòu)完整,設(shè)計(jì)具有較強(qiáng)的理論價(jià)值和應(yīng)用價(jià)值，可以實(shí)時(shí)地對(duì)校園環(huán)境進(jìn)行智能監(jiān)控。對(duì)作品的意義、技術(shù)水平、適用范圍及推廣前景作出評(píng)價(jià)該系統(tǒng)對(duì)于校園安全有著實(shí)效性的意義，對(duì)于維護(hù)和確保校園環(huán)境安全、穩(wěn)定具有高

25、效的輔助作用。該作品采用的目標(biāo)檢測(cè)、跟蹤等算法均適用于校園實(shí)時(shí)監(jiān)控，可以應(yīng)用于環(huán)境復(fù)雜度一般的室內(nèi)外場(chǎng)景中。具有客觀的市場(chǎng)推廣前景。其它說(shuō)明基于視頻分析的校園智能監(jiān)控系統(tǒng)摘要： 基于視頻分析的智能監(jiān)控系統(tǒng)通過(guò)攝像機(jī)采集視頻，在不需要人為干預(yù)的情況下，系統(tǒng)自動(dòng)的分析和抽取視頻序列中的關(guān)鍵信息，檢測(cè)出運(yùn)動(dòng)物體，當(dāng)發(fā)現(xiàn)監(jiān)控場(chǎng)景中的異常時(shí)，以最快最佳的方式協(xié)助安保人員處理危機(jī)。本系統(tǒng)利用視頻分析技術(shù)中的混合高斯背景建模法（GMM）完成目標(biāo)檢測(cè)，運(yùn)用Cam-shift算法對(duì)目標(biāo)進(jìn)行跟蹤，以校園中教學(xué)樓的走廊、樓梯、實(shí)驗(yàn)室和樓前空地、停車場(chǎng)為監(jiān)控場(chǎng)景，實(shí)現(xiàn)了越線報(bào)警、聚集檢測(cè)和徘徊檢測(cè)等三個(gè)智能監(jiān)控功能。

26、其意義在于，實(shí)現(xiàn)智能、實(shí)時(shí)、主動(dòng)地監(jiān)控，減少人力浪費(fèi)，減輕安保人員工作量，避免由于保安視覺疲勞而造成的漏報(bào)，提前預(yù)防和制止犯罪，阻止校園中各種安全事故的發(fā)生，維護(hù)校園環(huán)境和諧穩(wěn)定，保障學(xué)生的生命財(cái)產(chǎn)安全。關(guān)鍵詞：視頻分析 智能監(jiān)控 GMM Camshift 校園安全目 錄引 言1第一章 視頻分析技術(shù)的學(xué)科背景2第二章 校園安全現(xiàn)狀及國(guó)內(nèi)外視頻分析監(jiān)控系統(tǒng)發(fā)展?fàn)顩r分析3第三章 系統(tǒng)概述53.1 軟件53.2 硬件53.3 系統(tǒng)總體結(jié)構(gòu)框圖5第四章 系統(tǒng)內(nèi)部設(shè)計(jì)和功能劃分74.1系統(tǒng)內(nèi)部設(shè)計(jì)框圖74.2功能74.2.1 越線報(bào)警74.2.2聚集檢測(cè)74.2.3徘徊檢測(cè)84.2.4界面按鈕8第五章

27、關(guān)鍵技術(shù)95.1目標(biāo)檢測(cè)95.1.1 空間分割法95.1.2 時(shí)間分割法95.1.3 背景建模法115.2 目標(biāo)分類125.3 目標(biāo)跟蹤135.4行為理解與描述165.5陰影抑制17第六章 系統(tǒng)特點(diǎn)19第七章 使用說(shuō)明及市場(chǎng)分析和經(jīng)濟(jì)效益預(yù)測(cè)22結(jié)束語(yǔ)24參考文獻(xiàn)25一、系統(tǒng)設(shè)計(jì)的目的和意義：學(xué)生是受關(guān)愛的群體，家長(zhǎng)和社會(huì)各界都對(duì)他們的健康成長(zhǎng)和人身安全給予了極大關(guān)注。眾所周知，校園中由于學(xué)生眾多，人群密集，非常不便于管理，是踩踏等安全事故頻發(fā)的場(chǎng)所。并且，各種不同人格、性格的學(xué)生和外來(lái)人員同處在一個(gè)擁擠的空間內(nèi)，很容易發(fā)生各種矛盾和意外，校園還會(huì)經(jīng)常遭到不法分子的入侵。而這些意外和違法行為往

28、往都發(fā)生在安保人員疲勞、疏忽的時(shí)候，由于沒能及時(shí)觀察到異常發(fā)生的趨勢(shì)，沒有提前采取有效的保護(hù)措施，意外發(fā)生后學(xué)?？偸浅袚?dān)無(wú)限責(zé)任，更給同學(xué)帶來(lái)無(wú)限的災(zāi)難。目前，許多學(xué)校已經(jīng)安裝了視頻監(jiān)控系統(tǒng)，但這些監(jiān)控系統(tǒng)只是將攝像機(jī)的輸出結(jié)果記錄下來(lái)，當(dāng)異常情況發(fā)生后，保安人員才通過(guò)記錄的結(jié)果觀察發(fā)生的事實(shí)或用來(lái)當(dāng)作事后證據(jù)，沒有充分發(fā)揮其實(shí)時(shí)主動(dòng)的監(jiān)督作用。近年來(lái)發(fā)生在小學(xué)、幼兒園門前的殺害兒童事件和高校樓梯踩踏事故，引起了社會(huì)對(duì)校園安全現(xiàn)狀的堪憂和重視，更使我們看到了學(xué)校對(duì)校園環(huán)境的監(jiān)控不力。因此急需一種能夠不間斷實(shí)時(shí)監(jiān)控，并快速自動(dòng)地對(duì)視頻信息進(jìn)行分析，準(zhǔn)確、主動(dòng)預(yù)警的智能型視頻監(jiān)控系統(tǒng)來(lái)代替舊式的人

29、工視頻監(jiān)視系統(tǒng)?；谝曨l分析的校園智能安全系統(tǒng)，使用槍式和可控云臺(tái)式兩種視頻監(jiān)控系統(tǒng)中常用的攝像機(jī)對(duì)校園中教學(xué)樓的走廊、樓梯、實(shí)驗(yàn)室和樓前空地、停車場(chǎng)等敏感場(chǎng)所實(shí)行全天候24小時(shí)全天候無(wú)間斷監(jiān)控。系統(tǒng)運(yùn)用GMM和Camshift等視頻分析技術(shù)對(duì)攝像機(jī)拍錄的圖像序列在不需人為操作的情況下自動(dòng)地進(jìn)行前景提取和目標(biāo)跟蹤，以跟蹤目標(biāo)的質(zhì)心位置、質(zhì)心移動(dòng)距離的均方差及圖像前景概率密度等信息作為特征值，進(jìn)行跨越警戒線、可疑徘徊走動(dòng)和人群密集程度的檢測(cè)與判斷。基于視頻分析的校園智能安全系統(tǒng)用攝像機(jī)代替了容易產(chǎn)生視覺疲勞的人眼，用視頻分析技術(shù)和智能分析模塊代替人腦的思維分析，使得監(jiān)控系統(tǒng)變得智能、主動(dòng)，預(yù)警更

30、加及時(shí)、準(zhǔn)確。事實(shí)證明，該系統(tǒng)可以很好的協(xié)助安保人員完成監(jiān)控任務(wù)，減輕了安保人員工作量，減少了學(xué)校的人力資源浪費(fèi)，提高監(jiān)控管理效率，避免由于安保人員視覺疲勞或疏忽造成的漏報(bào)，及時(shí)預(yù)防和制止犯罪，提前阻止校園中踩踏等安全事故的發(fā)生，維護(hù)校園環(huán)境和諧、穩(wěn)定，確保學(xué)生生命及財(cái)產(chǎn)安全。二、系統(tǒng)概述2.1設(shè)計(jì)思路： 系統(tǒng)首先將由模擬攝像機(jī)采集的視頻序列，通過(guò)視頻線傳到視頻編碼器，編碼器中將采集到的模擬信號(hào)轉(zhuǎn)成數(shù)字信號(hào)，再交給后端解碼器將數(shù)字信號(hào)轉(zhuǎn)換成顯示器可讀的模擬信號(hào)。交換機(jī)與監(jiān)控終端用雙絞線連接，在監(jiān)控終端，即PC機(jī)的中心控制平臺(tái)上運(yùn)行軟件系統(tǒng)。系統(tǒng)運(yùn)用GMM（混合高斯背景建模）算法對(duì)圖像序列進(jìn)行前

31、景提取，運(yùn)用Camshift算法對(duì)目標(biāo)跟蹤，以跟蹤目標(biāo)的質(zhì)心位置、質(zhì)心移動(dòng)距離的均方差及圖像前景概率密度等信息作為特征值，進(jìn)行跨越警戒線、可疑徘徊走動(dòng)和人群密集程度的檢測(cè)與判斷。當(dāng)發(fā)現(xiàn)異常時(shí)，系統(tǒng)將以語(yǔ)音提示的方式及時(shí)主動(dòng)地向安保人員報(bào)警。2.2 軟件平臺(tái)：本系統(tǒng)軟件方面采用Visual C+6.0搭配開源的OpenCV1.0跨平臺(tái)計(jì)算機(jī)視覺庫(kù)的模式構(gòu)建開發(fā)平臺(tái)，利用VC中的MFC框架結(jié)構(gòu)搭建系統(tǒng)的主體對(duì)話框界面，運(yùn)用VC和OpenCV中的庫(kù)函數(shù)編譯代碼及數(shù)據(jù)處理。VC的代碼執(zhí)行效率比較高，雖然編寫的代價(jià)過(guò)大，尤其在處理視頻檢測(cè)和跟蹤時(shí)，有時(shí)需要成百上千行的代碼，但是OpenCV的出現(xiàn)極大地豐

32、富了VC的函數(shù)庫(kù)，擴(kuò)展了VC的功能，降低了VC的開發(fā)難度，同時(shí)爭(zhēng)強(qiáng)了系統(tǒng)的運(yùn)行速度和實(shí)用性。2.3 硬件構(gòu)成：系統(tǒng)硬件主要包括：視頻編碼器、后端解碼器（解碼上墻）和網(wǎng)絡(luò)交換機(jī)；超寬動(dòng)態(tài)彩轉(zhuǎn)黑SONY SSC-DC598P攝像機(jī)一臺(tái)(云臺(tái)控制)；槍式攝像機(jī)3臺(tái) ；聯(lián)想揚(yáng)天A7700R臺(tái)式PC機(jī)一臺(tái)；32英寸顯示屏一臺(tái)；通信線路采用雙絞線、視頻線和控制線。 管理服務(wù)器由監(jiān)控管理軟件、服務(wù)器硬件、存儲(chǔ)服務(wù)器等組成，提供了完整的監(jiān)控中心管理、錄像管理、報(bào)警管理。監(jiān)視系統(tǒng)由監(jiān)控終端和顯示系統(tǒng)組成，配配置四核4G內(nèi)存的高性能PC機(jī)作為監(jiān)控終端。系統(tǒng)首先將由模擬攝像機(jī)采集的視頻序列，通過(guò)視頻線傳到視頻編碼器

33、，編碼器中將采集到的模擬信號(hào)轉(zhuǎn)成數(shù)字信號(hào)，再交給后端解碼器將數(shù)字信號(hào)轉(zhuǎn)換成顯示器可讀的模擬信號(hào)，傳給液晶顯示屏。交換機(jī)相當(dāng)于路由器的作用，它與監(jiān)控終端、磁盤陣列、解碼器等用雙絞線連接。磁盤陣列是一個(gè)超大容量的存儲(chǔ)器，用以儲(chǔ)存攝像機(jī)采集來(lái)的視頻文件。在監(jiān)控終端，即PC機(jī)的中心控制平臺(tái)上運(yùn)行軟件系統(tǒng)，利用視頻分析技術(shù)完成對(duì)場(chǎng)景的智能監(jiān)控。2.4 系統(tǒng)總體結(jié)構(gòu)框圖： 圖一 系統(tǒng)總體結(jié)構(gòu)框圖2.5 系統(tǒng)內(nèi)部設(shè)計(jì)框圖：圖二 系統(tǒng)內(nèi)部設(shè)計(jì)框架圖三、關(guān)鍵技術(shù)及功能介紹3.1目標(biāo)檢測(cè)運(yùn)動(dòng)目標(biāo)的檢測(cè)就是將包含運(yùn)動(dòng)信息的視頻序列運(yùn)用適當(dāng)?shù)募夹g(shù)進(jìn)行處理，把與背景存在相對(duì)運(yùn)動(dòng)的前景區(qū)分開的過(guò)程。它是計(jì)算機(jī)視覺信息提取

34、中的一個(gè)重要問(wèn)題，也是更高層次視頻分析，如基于對(duì)象的視頻編碼、目標(biāo)跟蹤 、運(yùn)動(dòng)分析的基礎(chǔ)。系統(tǒng)起初采用了背景差法、幀差法和光流法檢測(cè)目標(biāo)。但背景差法對(duì)光線極為敏感，無(wú)法用于室外光線較強(qiáng)且變化大的監(jiān)控場(chǎng)景中；而幀差法在檢測(cè)出的前景目標(biāo)中會(huì)產(chǎn)生許多空洞，不易于對(duì)目標(biāo)質(zhì)心、軌跡的分析；光流法的計(jì)算量非常大，因此產(chǎn)生的延遲較大，無(wú)法運(yùn)用到實(shí)時(shí)監(jiān)控中。最總系統(tǒng)采用了混合高斯背景建模法，即GMM算法進(jìn)行目標(biāo)檢測(cè)，實(shí)踐證明綜合效果較好。下面分別介紹一下上述四種檢測(cè)算法。3.1.1背景差法 ：背景差法的原理和算法設(shè)計(jì)簡(jiǎn)單，運(yùn)行速度較快，在背景變化緩慢的理想情況下，能夠得到比較精確的運(yùn)動(dòng)目標(biāo)信息，是目前使用較多

35、的方法。它用當(dāng)前幀減去背景幀得到包含運(yùn)動(dòng)目標(biāo)的前景圖，然后更新背景圖像，最后對(duì)前景圖作后續(xù)處理，如此循環(huán)。此法可用公式表示如下7。： Fk=|Pk-Bk| （3-1） Bk+1 =f( Bk，Pk) （3-2）其中：P為本監(jiān)控系統(tǒng)從視頻中得到的第k幀圖片；Bk為經(jīng)過(guò)更新后的第k幀對(duì)應(yīng)的背景；Fk為目標(biāo)前景圖；f為背景更新算法。最主要的環(huán)節(jié)是設(shè)計(jì)穩(wěn)定可靠的背景模型，涉及到背景的有效提取以及背景的更新。最簡(jiǎn)單的背景模型是時(shí)間平均圖像，大部分的研究人員目前都致力于開發(fā)不同的背景模型，以期減少動(dòng)態(tài)場(chǎng)景變化對(duì)于運(yùn)動(dòng)分割的影響。 3.1.2幀間差法 ：幀問(wèn)差法根據(jù)監(jiān)控場(chǎng)景中出現(xiàn)運(yùn)動(dòng)物體時(shí)，相鄰幀之間的運(yùn)動(dòng)

36、區(qū)域會(huì)出現(xiàn)比較明顯的差別，依據(jù)這一差別就可以提取出運(yùn)動(dòng)目標(biāo)。目前利用這一方法的文獻(xiàn)有很多，常見的方法有兩幀差法、三幀差分法、幀間差法和背景差法相結(jié)合的方法11-13：a ) 兩幀差法：Lipton等人采用的是兩幀差法，直接用相鄰兩幀差分并用一個(gè)閾值函數(shù)檢測(cè)出目標(biāo)。這種方法簡(jiǎn)單實(shí)用，速度很快，對(duì)前景變化非常敏感，但是這種方法檢測(cè)出的目標(biāo)是相鄰兩幀中所有變化的信息，會(huì)存在較多的噪聲，并且得到的幀差圖會(huì)有目標(biāo)區(qū)域的重疊區(qū)域。b ) 三幀差分法：三幀差分法是對(duì)兩幀差法的一個(gè)改進(jìn)，它將前幀和中間幀、中間幀和后幀分別進(jìn)行差分運(yùn)算，然后將得到的兩個(gè)結(jié)果進(jìn)行相與操作得到目標(biāo)前景圖。這個(gè)方法顯然比兩幀差法的噪聲

37、要少很多，但是也有明顯的缺點(diǎn)，即對(duì)于運(yùn)動(dòng)速度過(guò)快或者視頻截取間隔比較長(zhǎng)的情況下，會(huì)出現(xiàn)捕捉不到前景目標(biāo)的情況。而且對(duì)于一般情況下得到的目標(biāo)前景圖會(huì)有一些空洞，需要作進(jìn)一步的形態(tài)學(xué)腐蝕操作才能作后續(xù)處理。 c ) 幀間差法和背景差法相結(jié)合：針對(duì)這兩種方法的優(yōu)缺點(diǎn)，有許多文獻(xiàn)提出了背景差法和幀間差法相互結(jié)合的方法。有研究者提出了一種基于背景差法和幀間差法相結(jié)合的運(yùn)動(dòng)目標(biāo)檢測(cè)和自適應(yīng)背景更新方法，利用幀間差法檢測(cè)背景是否劇烈變化，如果是則用變化后的幀替換背景。還有人將連續(xù)兩幀差圖像和背景差圖像直接相乘， 再將相乘的結(jié)果進(jìn)行二值化處理得到運(yùn)動(dòng)檢測(cè)結(jié)果， 從而將運(yùn)動(dòng)目標(biāo)從背景圖像中分離出來(lái)，取得了較好的

38、結(jié)果。也有人提出了混合高斯模型和幀間差分相融合的自適應(yīng)相融合的自適應(yīng)背景模型方法，從而提高了背景的自適應(yīng)性。3.1.3光流法7-15：在一個(gè)圖像序列中，物體的運(yùn)動(dòng)是通過(guò)圖像中各點(diǎn)的灰度變化來(lái)體現(xiàn)的，這就是光流場(chǎng)。通過(guò)求解偏微分方程求得圖像序列的光流場(chǎng)，理論上可以跟蹤運(yùn)動(dòng)物體。光流分析法的優(yōu)點(diǎn)是可以在攝像機(jī)運(yùn)動(dòng)的情況下，仍然能檢測(cè)運(yùn)動(dòng)對(duì)象，但其計(jì)算復(fù)雜、實(shí)時(shí)性較差，需要特殊的硬件支持。如果光照強(qiáng)度或光源方位發(fā)生了變化，則會(huì)產(chǎn)生錯(cuò)誤結(jié)果，因此在應(yīng)用中比較少。 3.1.4混合高斯背景建模法：本系統(tǒng)的檢測(cè)模塊采用的就是背景建模法中的GMM（混合高斯背景建模），此算法運(yùn)用了數(shù)學(xué)建模思想，對(duì)客觀事物投影的

39、圖像序列進(jìn)行了像素域在時(shí)間尺度上的建模。由于它是基于背景樣本的統(tǒng)計(jì)學(xué)特征，因此能更客觀、更科學(xué)地表征背景信息?；旌细咚贡尘澳Ｐ凸饺缦拢耗滁c(diǎn) x在某時(shí)刻的隨機(jī)分布概率為： 式中 , K為高斯分布的數(shù)量, 是第 i個(gè)高斯分布的權(quán)值; 為第 i個(gè)高斯分布的均值向量和方差矩陣; g是第 i個(gè)概率密度的高斯分布函數(shù)。 在這個(gè)分布模型上,以 x為背景的后驗(yàn)概率 p (B / x)可進(jìn)一步表示為 (3-4-2)式中 , 為第 i個(gè)高斯分布, 為這個(gè)高斯分布在高斯混合模型中的權(quán)值,在實(shí)際運(yùn)用中,這是一個(gè)先驗(yàn)知識(shí)。當(dāng)有新的觀測(cè)點(diǎn) xt+1 來(lái)臨時(shí) ,則將這個(gè)樣本的像素值分別與 K個(gè)高斯分布的均值,t相比 ,同

40、時(shí)計(jì)算觀測(cè)點(diǎn)落入相應(yīng)高斯分布的概率 ,并按某一判斷法則選擇匹配的高斯分布。這個(gè)法則為:< c * ( i = 1, , K) (3-4-3)c為一常數(shù)。 據(jù)此 ,就可以選擇出符合判斷法則的高斯分布。當(dāng)存在匹配的高斯分布時(shí) ,則需要根據(jù)當(dāng)前像素 xt ,對(duì)這些高斯分布的權(quán)值、 均值和方差參數(shù)進(jìn)行更新處理。= (1 - )* +* ， (3-4-4)式中 ,為一與時(shí)間相關(guān)的學(xué)習(xí)速度。 (3-4-5) (3-4-6)在這些匹配的高斯分布中 ,還需要按照各自的比值進(jìn)行排序 ,然后從中選擇最能代表背景的高斯分布 ,并以此來(lái)最終確定表征背景的高斯分布。式 (11)中 ,權(quán)值較大的前 b個(gè)高斯分布被識(shí)

41、別為背景 ,即B = 3.2 目標(biāo)分類目標(biāo)分類的目的是從檢測(cè)到的運(yùn)動(dòng)區(qū)域中將對(duì)應(yīng)于人的運(yùn)動(dòng)區(qū)域提取出來(lái)。不同的運(yùn)動(dòng)區(qū)域可能對(duì)應(yīng)于不同的運(yùn)動(dòng)目標(biāo)，比如交通道路上監(jiān)控?cái)z像機(jī)所捕捉的序列圖像中可能包含行人、車輛及其它諸如飛鳥、流云、搖動(dòng)的樹枝等運(yùn)動(dòng)物體，為了便于進(jìn)一步對(duì)行人進(jìn)行跟蹤和行為分析，運(yùn)動(dòng)目標(biāo)的正確分類是完全必要的。 本系統(tǒng)采用的是基于形狀信息的分類，主要以運(yùn)動(dòng)物體的寬高比等作為特征對(duì)目標(biāo)進(jìn)行分類。當(dāng)運(yùn)動(dòng)物體的寬大與其高，即寬高比小于1時(shí)，我們認(rèn)為目標(biāo)為汽車或車與人的交匯，再將該目標(biāo)的高和寬和我們?cè)O(shè)定好的閾值進(jìn)行對(duì)比。若寬或高其中之一大于閾值，那么我們?nèi)藶槟繕?biāo)為車與人的交匯，系統(tǒng)會(huì)自動(dòng)地用綠

42、色矩形框在屏幕上圈出目標(biāo)；若高和寬都在閾值范圍內(nèi)時(shí)則認(rèn)為目標(biāo)是汽車，系統(tǒng)會(huì)自動(dòng)地用藍(lán)色矩形框在屏幕中圈目標(biāo)。這樣便進(jìn)一步區(qū)分出了目標(biāo)的具體屬性。當(dāng)運(yùn)動(dòng)物體的寬小與其高，即寬高比大于1時(shí)，并且目標(biāo)的高和寬都在設(shè)定好的閾值范圍內(nèi)時(shí)，我們認(rèn)為目標(biāo)為人，系統(tǒng)將以紅色矩形框自動(dòng)圈定目標(biāo)。3.3 目標(biāo)跟蹤跟蹤等價(jià)于在連續(xù)的圖像幀間創(chuàng)建基于位置、速度、形狀、紋理、色彩等有關(guān)特征的對(duì)應(yīng)匹配問(wèn)題。本系統(tǒng)起初采用Meanshift算法對(duì)目標(biāo)進(jìn)行跟蹤，后因該算法不能完整的提取出運(yùn)動(dòng)目標(biāo)的特性，而改用Camshift跟蹤算法，此算法可以獲取跟蹤目標(biāo)的大小、質(zhì)心、運(yùn)動(dòng)方向三個(gè)參數(shù)，由于Camshift算法是對(duì)Means

43、hift算法有限次的迭代，因此更加準(zhǔn)確。下面分別介紹一下這兩種跟蹤算法。3.3.1 Mean-shift跟蹤算法 Mean-shift算法是一種密度函數(shù)梯度估計(jì)的非參數(shù)方法，通過(guò)迭代尋優(yōu)找到概率分布的極值來(lái)定位目標(biāo)。算法過(guò)程為：在顏色概率分布圖中選取搜索窗W，計(jì)算零階矩：，計(jì)算一階矩：， (5-1)計(jì)算搜索窗質(zhì)心：； (5-2) 調(diào)整搜索窗大小寬度為，長(zhǎng)度為 1.2*s； (5-3)移動(dòng)搜索窗的中心到質(zhì)心，如果移動(dòng)距離大于預(yù)設(shè)的固定閾值，則重復(fù)、，直到搜索窗的重心和質(zhì)心間的移動(dòng)距離小于預(yù)設(shè)的固定閾值，或者循環(huán)運(yùn)算的次數(shù)達(dá)到某一最大值，停止計(jì)算。3.3.2 Camshift跟蹤算法：目標(biāo)跟蹤模塊

44、采用的是CamShift算法，即"Continuously Apative Mean-Shift"算法，是一種運(yùn)動(dòng)跟蹤算法。它主要通過(guò)視頻圖像中運(yùn)動(dòng)物體的顏色信息來(lái)達(dá)到跟蹤的目的。Camshift利用目標(biāo)的顏色直方圖模型將圖像轉(zhuǎn)換為顏色概率分布圖，初始化一個(gè)搜索窗的大小和位置，并根據(jù)上一幀得到的結(jié)果自適應(yīng)調(diào)整搜索窗口的位置和大小，從而定位出當(dāng)前圖像中目標(biāo)的中心位置。算法分為三個(gè)部分：色彩投影圖（反向投影）：RGB顏色空間對(duì)光照亮度變化較為敏感，為了減少此變化對(duì)跟蹤效果的影響，首先將圖像從RGB空間轉(zhuǎn)換到HSV空間。然后對(duì)其中的H分量作直方圖，在直方圖中代表了不同H分量值出現(xiàn)

45、的概率或者像素個(gè)數(shù)，就是說(shuō)可以查找出H分量大小為h的概率或者像素個(gè)數(shù)，即得到了顏色概率查找表。將圖像中每個(gè)像素的值用其顏色出現(xiàn)的概率對(duì)替換，就得到了顏色概率分布圖，顏色概率分布圖是一個(gè)灰度圖像。Mean-shiftMean-shift算法是一種密度函數(shù)梯度估計(jì)的非參數(shù)方法，通過(guò)迭代尋優(yōu)找到概率分布的極值來(lái)定位目標(biāo)。算法過(guò)程為：在顏色概率分布圖中選取搜索窗W，計(jì)算零階矩：，計(jì)算一階矩：，；計(jì)算搜索窗質(zhì)心：；調(diào)整搜索窗大小寬度為，長(zhǎng)度為 1.2*s；移動(dòng)搜索窗的中心到質(zhì)心，如果移動(dòng)距離大于預(yù)設(shè)的固定閾值，則重復(fù)、，直到搜索窗的重心和質(zhì)心間的移動(dòng)距離小于預(yù)設(shè)的固定閾值，或者循環(huán)運(yùn)算的次數(shù)達(dá)到某一最大

46、值，停止計(jì)算。CamshiftCamshift算法就是將Mean-shift算法擴(kuò)展到連續(xù)圖像序列。它將視頻的所有幀做Mean-shift運(yùn)算，并將上一幀的結(jié)果，即搜索窗的大小和中心，作為下一幀Mean-shift算法搜索窗的初始值。如此迭代下去，就可以實(shí)現(xiàn)對(duì)目標(biāo)的跟蹤。3.4陰影抑制運(yùn)動(dòng)物體產(chǎn)生的陰影一般面積較大，且通常與物體相連，如果不進(jìn)行抑制，會(huì)使分割得到的前景物體變形，不能得到較好的輪廓。本系統(tǒng)的陰影去除是基于HSV色彩空間完成的。HSV(hue,saturation,value)表示色相、飽和度和亮度，這個(gè)色彩空間的模型對(duì)應(yīng)于圓柱坐標(biāo)系中的一個(gè)圓錐形子集，圓錐的頂面對(duì)應(yīng)于V=1. 在

47、HSV六棱錐色彩模型中，色相H處于平行于六棱錐頂面的色平面上，他們圍繞中心軸V旋轉(zhuǎn)和變化，紅、黃、綠、青、藍(lán)、品紅六個(gè)標(biāo)準(zhǔn)色分別相隔60度。色彩明度沿六棱錐中心軸V從上至下變化，中心軸頂端呈白色（V=1），底端為黑色（V=0），他們表示無(wú)彩色系的灰度顏色。色彩飽和度（S）沿水平方向變化，越接近六棱錐中心軸的色彩，其飽和度越低，六邊形正中心的色彩飽和度為零，與最高明度的V=1相重合，最高飽和度的顏色則處于六邊形外框的邊緣線上。當(dāng)一個(gè)像素點(diǎn)被陰影覆蓋時(shí)，它的亮度值變小，飽和度值變化不大，而被運(yùn)動(dòng)目標(biāo)覆蓋時(shí)，它的亮度值可能變大，也可能變小，飽和度值變化較大。因此，HSV顏色空間的陰影檢測(cè)算法可有效的

48、檢測(cè)出陰影。我們首先將RGB色彩空間的圖像轉(zhuǎn)化成HVS色彩空間，公式為：H = arccos (6-1) S = 1- (6-2) V = (6-3) 由于陰影處的亮度與飽和度較背景暗，而色彩基本保持不變。由如下決策公式，判斷像素點(diǎn)是否為陰影： (6-4)其中：分別表示（x，y）處像素值與背景像素值的 H、S 、V分量。參數(shù)，取值要考慮陰影的強(qiáng)度，背景上投射的陰影越強(qiáng)，越??；用來(lái)增強(qiáng)對(duì)噪聲的魯棒性。 參數(shù) 的選取則主要憑經(jīng)驗(yàn)調(diào)試。 算法中 = 0.4， = 1 ， = O ，= 5 03.5系統(tǒng)功能：3.5.1 越線報(bào)警此功能主要實(shí)現(xiàn)對(duì)特定區(qū)域的監(jiān)測(cè)，利用混合高斯背景建模檢測(cè)出前景，通過(guò)設(shè)定閾

49、值排除較小前景并將其填充為背景，然后對(duì)檢測(cè)出的較大輪廓運(yùn)用camshift算法進(jìn)行跟蹤，計(jì)算出每個(gè)輪廓的大小、方向和質(zhì)心位置。如有運(yùn)動(dòng)目標(biāo)的質(zhì)心進(jìn)入警戒線內(nèi)，則立即通過(guò)語(yǔ)音提示報(bào)警，提醒安保人員對(duì)目標(biāo)予以關(guān)注并管理。 3.5.2聚集檢測(cè)此功能將實(shí)現(xiàn)當(dāng)特定區(qū)域人員過(guò)于密集時(shí)，通過(guò)提示音提醒安保人員對(duì)該區(qū)域予以關(guān)注，并及時(shí)進(jìn)行人員疏散，防止踩踏等意外事件發(fā)生。求出混合高斯背景建模檢測(cè)出的前景所占背景的比例，如果比值大于某一閾值（閾值可調(diào)，根據(jù)實(shí)際場(chǎng)景經(jīng)實(shí)驗(yàn)計(jì)算后獲得），則說(shuō)明場(chǎng)景中的運(yùn)動(dòng)目標(biāo)過(guò)于密集，出現(xiàn)擁擠或踩踏的可能性較大，此時(shí)安保人員應(yīng)及時(shí)對(duì)人流進(jìn)行疏導(dǎo)，防止意外的發(fā)生。3.5.3徘徊檢測(cè)學(xué)

50、校實(shí)驗(yàn)室中的實(shí)驗(yàn)儀器、電腦等物品都非常貴重，因此在實(shí)驗(yàn)室門前長(zhǎng)時(shí)間逗留或徘徊的人員很可能是伺機(jī)實(shí)施犯罪活動(dòng)的可疑分子，由于安保人員往往需要觀察多個(gè)場(chǎng)景，因而很難注意到這些人員的可疑走動(dòng)，從而遺漏掉這些可疑行為，無(wú)法在案發(fā)前阻止犯罪。徘徊檢測(cè)模塊可疑實(shí)時(shí)、連續(xù)地監(jiān)視指定場(chǎng)景，通過(guò)對(duì)人員質(zhì)心位置均方差的計(jì)算，獲取人員的行為信息，若均方差小于某一閾值，并且在此敏感區(qū)域內(nèi)逗留時(shí)間過(guò)長(zhǎng)，便判斷此人的正在敏感區(qū)域逗留或是可疑徘徊，系統(tǒng)會(huì)自動(dòng)提醒保安對(duì)可疑人員予以關(guān)注。目前，系統(tǒng)可以完成對(duì)場(chǎng)景中固定人數(shù)的徘徊檢測(cè)。四、系統(tǒng)特點(diǎn)目前高校中的視頻分析技術(shù)研究主要集中在初級(jí)的目標(biāo)檢測(cè)算法和中級(jí)的目標(biāo)跟蹤算法，對(duì)于

51、行為分析技術(shù)的研究較少，因此很少形成實(shí)物產(chǎn)品應(yīng)用于實(shí)際監(jiān)控中；而視頻監(jiān)控公司則更注重實(shí)際中的應(yīng)用，產(chǎn)品中之運(yùn)用實(shí)用性強(qiáng)的算法，而忽視了對(duì)優(yōu)良的算法的應(yīng)用研究。而基于視頻分析的校園智能安全系統(tǒng)則初步的將優(yōu)良的檢測(cè)、跟蹤算法和實(shí)際應(yīng)用相結(jié)合，并加以簡(jiǎn)單行為分析技術(shù)，構(gòu)成了一套較為全面的智能視頻監(jiān)控系統(tǒng)，并在實(shí)際中得以應(yīng)用。本系統(tǒng)的檢測(cè)模塊采用的是背景建模法中的GMM（混合高斯背景建模），此算法運(yùn)用了數(shù)學(xué)建模思想，對(duì)客觀事物投影的圖像序列進(jìn)行了像素域在時(shí)間尺度上的建模。由于它是基于背景樣本的統(tǒng)計(jì)學(xué)特征，因此能更客觀、更科學(xué)地表征背景信息。與目前常用的運(yùn)動(dòng)目標(biāo)識(shí)別方法背景差法、光流法和幀差法相比，GM

52、M綜合效果更佳，更適用于實(shí)際的實(shí)時(shí)監(jiān)控。比起背景差法在受到光照和外部條件造成的場(chǎng)景變化時(shí)，GMM檢測(cè)更加穩(wěn)定，運(yùn)動(dòng)目標(biāo)更加清晰，作者使用背景差檢測(cè)室外停車場(chǎng)時(shí)，由于光線強(qiáng)烈更不無(wú)法得到前景，而運(yùn)用GMM則非常清晰、準(zhǔn)確；與光流法比較，計(jì)算更加簡(jiǎn)便，且抗噪性能更強(qiáng)；幀差法則會(huì)產(chǎn)生“孔洞”，不能完全提取出目標(biāo)的所有信息。本系統(tǒng)的目標(biāo)跟蹤模塊采用的是CamShift算法，即"Continuously Apative Mean-Shift"算法，是一種運(yùn)動(dòng)跟蹤算法。它主要通過(guò)視頻圖像中運(yùn)動(dòng)物體的顏色信息來(lái)達(dá)到跟蹤的目的。Camshift利用目標(biāo)的顏色直方圖模型將圖像轉(zhuǎn)換為顏色概率分

53、布圖，初始化一個(gè)搜索窗的大小和位置，并根據(jù)上一幀得到的結(jié)果自適應(yīng)調(diào)整搜索窗。Camshift算法就是將Mean-shift算法擴(kuò)展到連續(xù)圖像序列。Camshift能有效解決目標(biāo)變形和遮擋的問(wèn)題，對(duì)系統(tǒng)資源要求不高，時(shí)間復(fù)雜度低，在簡(jiǎn)單背景下能夠取得良好的跟蹤效果?？梢詼?zhǔn)確的得到運(yùn)動(dòng)目標(biāo)的位置、大小及運(yùn)動(dòng)方向，相比Mean-shift算法更加完善、準(zhǔn)確。校園智能視頻監(jiān)控系統(tǒng)具有操作簡(jiǎn)單，兼容性強(qiáng)，靈活性強(qiáng)，適用范圍廣泛的特點(diǎn)，并可為學(xué)校減少雇傭大批監(jiān)視人員所需要的人力、物力和財(cái)力的投入。技術(shù)上，在目標(biāo)檢測(cè)模塊中使用了受外界環(huán)境影響更小，可自適應(yīng)的自動(dòng)更新背景，綜合效果更佳，更適用于實(shí)際的實(shí)時(shí)監(jiān)控的GMM檢測(cè)算法，提高了檢測(cè)的準(zhǔn)確性和魯棒性；目標(biāo)跟蹤模塊采用了