智能視覺安全系統(tǒng)(鑒定會)

二零零八年九月現(xiàn)代港口智能圖像安保系統(tǒng)提綱一研究背景二研究內(nèi)容三關(guān)鍵技術(shù)四創(chuàng)新點五總結(jié)一研究背景港口是我國國民經(jīng)濟中的重要一環(huán)。對港口的破壞和港口生產(chǎn)秩序的影響都會波及到眾多的產(chǎn)業(yè)和企業(yè)，造成不可估量的損失。對港口進行行之有效的保護是至關(guān)重要的。港口安保工作的一個主要威脅來自從港區(qū)外進入港區(qū)的盜竊或者破壞活動。目前傳統(tǒng)的以電視墻為代表的視頻監(jiān)控系統(tǒng)不能充分滿足港口安保工作的需要。只有使用最新的監(jiān)控手段，配合警力資源的靈活調(diào)配，才能有效地完成港口的保安工作。僵化的圖象管理不能異地控制檢索查詢困難無法制定、更新安全策略無法迅速實時掌握全局狀況無法持續(xù)保持警惕！延誤甚至遺漏對威脅作出反應(yīng)。試驗證明人無法長時間保持警惕！（小于10分鐘）國外同類技術(shù)的現(xiàn)狀智能視覺監(jiān)控技術(shù)在國外是一個很活躍的綜合性研究領(lǐng)域，主要包括以下研究領(lǐng)域：運動檢測目標(biāo)跟蹤目標(biāo)分類基于行為特征的檢測圖像穩(wěn)定圖像壓縮、傳輸?shù)乩硇畔⑾到y(tǒng)事后監(jiān)控圖像檢索和分析系統(tǒng)國內(nèi)同類技術(shù)的現(xiàn)狀國內(nèi)在此領(lǐng)域有一定的研究人員和研究成果，但由于缺乏實踐經(jīng)驗的積累，還需要一段時間來解決前進中的困難。數(shù)字圖像記錄機，它將圖像存儲在硬盤上，便于檢索和存儲。有些系統(tǒng)有初級的運動檢測功能，但由于功能和系統(tǒng)結(jié)構(gòu)的限制，此類技術(shù)主要用于事后檢索。圖像壓縮、傳輸研究開發(fā)的目的和必要性“智能”的引入從根本上改變了視覺監(jiān)控系統(tǒng)的運作模式；此類技術(shù)在國外，特別是北美，已經(jīng)成功地進行了多年的商業(yè)應(yīng)用。典型客戶包括港口、機場、化工廠、電廠、水處理廠、水庫、醫(yī)院、豪宅、邊境、軍事設(shè)施、重要政府機關(guān)等；對于國內(nèi)重要設(shè)施、機構(gòu)的保護，我們需要自己的知識產(chǎn)權(quán)以及開發(fā)和技術(shù)支持能力；從長遠(yuǎn)角度來講，它可以填補我國在此項實用技術(shù)的空白。本項目的目的是針對羅涇港區(qū)的安全監(jiān)控需求，開發(fā)具有國際先進水平，擁有中國知識產(chǎn)權(quán)的智能圖像安全監(jiān)控原型系統(tǒng)。最終在羅涇港區(qū)研發(fā)一套具有國際領(lǐng)先水平的，基于智能基礎(chǔ)上的整體安全監(jiān)控解決方案。二研究內(nèi)容對駛?cè)氪a頭區(qū)域的大小船只進行實時監(jiān)控、報警；對碼頭周邊圍墻進行實時監(jiān)控、報警；對滿足預(yù)設(shè)警戒條件（時間、地點、尺寸、速度、方向等）的行人、車輛、船只進行實時報警；用標(biāo)識框標(biāo)識檢測到的運動物體；語言提示、圖像彈出兩種報警方式；存儲報警錄像。運動檢測目標(biāo)跟蹤目標(biāo)分類基于行為特征的檢測圖像穩(wěn)定圖像壓縮、傳輸事后監(jiān)控圖像檢索和分析系統(tǒng)創(chuàng)建運動忽略區(qū)圖創(chuàng)建穩(wěn)定忽略區(qū)圖創(chuàng)建分類區(qū)圖創(chuàng)建圖像映射表制定策略

區(qū)域時間分類寬度高度速度方向運動狀態(tài)攝像機監(jiān)控畫面報警畫面對進入監(jiān)控區(qū)域的人、物報警并加框突出顯示三關(guān)鍵技術(shù)誤報警及應(yīng)對手段使用多模態(tài)的背景模型。對于局部、隨機性的“噪音”信號進行低通濾波。利用噪音信號的局部性對噪音信號進行過濾。運動檢測運動檢測的目標(biāo)是將運動物體和背景分離開來。它的輸入是實時圖像，輸出是運動區(qū)域圖。此圖只有兩種狀態(tài)，前景（運動物體，黑色）和背景（白色）。跟蹤將運動檢測在每一幀上檢測到的物體blob沿幀的方向串起來，來自同一運動物體的blob被串成一條鏈。代表著此運動物體從出現(xiàn)到消失的歷史紀(jì)錄。從中還可以分析得出物體多方面的特征，例如平均速度，大小，方向，行為特征等信息。分類分類利用跟蹤模塊產(chǎn)生的運動物體信息，對物體的種類（人，車輛，船只…）進行判斷。跟蹤為分類提供了物體的尺寸，速度等信息。利用這些數(shù)據(jù)生成特征矢量作為分類的輸入數(shù)據(jù)。四創(chuàng)新點開發(fā)了基于多Gaussian背景模型的運動檢測方法很好地解決自然環(huán)境因素引起的誤報警；開發(fā)了一套基于卡曼濾波和Munkres匹配的跟蹤算法。解決了實時系統(tǒng)對多目標(biāo)進行可靠跟蹤的要求；開發(fā)了一套基于“最大可能性”算法的分類方法；開發(fā)了一套基于角類特征點的圖像位置穩(wěn)定算法，與常見的基于光流法的穩(wěn)定算法相比更穩(wěn)定，在高分辨率情況下，速度更快；研究了攝像機光圈控制對全局成像的影響，設(shè)計并開發(fā)了一套去除全局性亮度變換的解決方案；開發(fā)了一套專門的圖像流傳輸方法。在傳送MPEG4圖像流的同時，傳送運動物體框等額外信息，保證原始圖像的完整性；開發(fā)了