基于視頻分析的校園智能安全系統(tǒng)

1、第十屆“挑戰(zhàn)杯”遼寧省大學生課外學術科技作品競賽（省級競賽專用）作品 申 報 書作品類別：¨ 自然科學類學術論文¨ 哲學社會科學類社會調查報告和學術論文¨ 科技發(fā)明制作A類þ 科技發(fā)明制作B類序號： 編碼： 說 明1.申報者應在認真閱讀此說明各項內容后按要求詳細填寫。2.申報者在填寫申報作品情況時只需根據(jù)個人項目或集體項目填寫A1或A2表，根據(jù)作品類別（自然科學類學術論文、哲學社會科學類社會調查報告和學術論文、科技發(fā)明制作）分別填寫B(tài)1、B2或B3表。所有申報者可根據(jù)情況填寫C表。3.表內項目填寫時一律打印，嚴禁涂抹，涂抹作廢。此申報書可復制。4.序號、

2、編碼由第十屆“挑戰(zhàn)杯”遼寧省大學生課外學術科技作品競賽組委會填寫。5.學術論文、社會調查報告及所附的有關材料必須是中文（若是外文，請附中文版），請以四號楷體打印在A4紙上，附于申報書后。字數(shù)在8000字以內（文章版面尺寸14.5×22cm）。6.各校申報省級競賽的作品一式3份，按組委會規(guī)定的時間寄至或送達競賽組委會秘書處。7.作品申報書須按要求由各市競賽組織協(xié)調機構統(tǒng)一報送省組委會秘書處。8.其它參賽事宜請向本校競賽組織協(xié)調機構咨詢。9.寄送地址：沈陽市和平區(qū)北五經街21號第十屆“挑戰(zhàn)杯”遼寧省大學生課外學術科技作品競賽組委會秘書處。省級競賽組委會秘書處聯(lián)系電話：聯(lián)系人： 王大可、鄭

3、延旭郵政編碼：110003A1.申報者情況（個人項目）說明：1.必須由申報者本人按要求填寫，申報者情況欄內必須填寫個人作品的第一作者（承擔申報作品60%以上工作者）；2.本表中的學籍管理部門簽章視為對申報者情況的確定。申報者情況姓 名崔 童性 別男出生年月1986年6月1日學校全稱遼寧石油化工大學專 業(yè)控制理論與控制工程現(xiàn)學歷碩士年級09級學 制3年入學時間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)關鍵技術研究通訊地址遼寧省撫順市望花區(qū)丹東路西段一號遼寧石油化工大學郵政編碼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、號遼寧石油化工大學郵政編碼113001住宅電話合作者情況姓 名性 別年 齡學歷所在學校 資格認定校學籍管理部門意見是否為2010年7月1日前正式注冊在校的全日制非成人教育、非在職的省內各類高等院校中國籍學生（含?？粕?、本科生、碩士研究生或博士研究生）。 þ是 否若是，其學號為：01 （部門簽章）年 月 日院系負責人或導師意見本作品是否為課外學術科技或社會實踐活動成果þ是 否 負責人簽名：年 月 日 B3.申報作品情況（科技發(fā)明制作類）說明：1.必須由申報者本人填寫；2.本表中的學校組織協(xié)調機構意見視為對申報者所填內容的確認；3.本表必須附有研究報告，并提供圖表、曲線、實驗數(shù)

5、據(jù)、原理結構、外觀圖（照片），也可附鑒定證書和應用證書；4.作品分類請按發(fā)明點或創(chuàng)新點類別填報，分類錯誤或分類不清視為無效作品。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.機械與控制（包括機械、儀器儀表、自動化控制、工程、交通、建筑等） B.信息技術（包括計算機、電信、通訊、電子等） C.數(shù)理（包括數(shù)學、物理、地球與空間科學等） D.生命科學（包括生物、農學、藥學、醫(yī)學、健康、衛(wèi)生、食品等） E.能源化工（包括能源、材料、石油、化學、化工、生態(tài)、環(huán)保等）作品設計、發(fā)明的目的和基本思路；創(chuàng)新點、技術關鍵和主要技術指標目的：校園中由于學生眾多，人群密集，是踩踏等安全

6、事故頻發(fā)的場所，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)實社會又是紛繁復雜的，各種不同人格、性格的學生和外來人員同處在一個擁擠的空間內，很容易發(fā)生各種矛盾和意外，且校園會經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、疏忽的時候，由于沒能及時觀察到異常發(fā)生的趨勢，沒有提前采取有效的保護措施，意外發(fā)生后學?？偸浅袚鸁o限責任，更給學生帶來無限的災難。然而目前校園內的視頻監(jiān)控系統(tǒng)通常是將攝像機的輸出結果記錄下來，當異常情況發(fā)生后，保安人員才通過記錄的結果觀察發(fā)生的事實或用來當作事后證據(jù)，在智能性上體現(xiàn)較差，沒有充分發(fā)揮其實時主動的監(jiān)督作用。因此急需可以不間斷實時監(jiān)控，準確、

7、主動預警的智能型視頻監(jiān)控系統(tǒng)來代替舊式的人工視頻監(jiān)視系統(tǒng)。基于視頻分析的校園智能安全系統(tǒng)對校園中教學樓的走廊、樓梯、實驗室和樓前空地、停車場等敏感場所實行24小時無間斷實時監(jiān)控，運用GMM和Camshift等視頻分析技術對攝像機拍錄的圖像序列進行前景提取和目標跟蹤，以跟蹤目標的質心位置、質心移動距離的均方差及圖像前景概率密度等信息作為特征值，進行跨越警戒線、可疑徘徊走動和人群密集程度的檢測與判斷。從而減少人力浪費，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，預防和制止犯罪，提前阻止校園中踩踏等安全事故的發(fā)生，維護和確保校園環(huán)境安全、穩(wěn)定，保護學生的生命財產安全。基本思路：

8、系統(tǒng)首先將由模擬攝像機采集的視頻序列，通過視頻線傳到視頻編碼器，編碼器中將采集到的模擬信號轉成數(shù)字信號，再交給后端解碼器將數(shù)字信號轉換成顯示器可讀的模擬信號。交換機與監(jiān)控終端用雙絞線連接，在監(jiān)控終端，即PC機的中心控制平臺上運行軟件系統(tǒng)。系統(tǒng)運用GMM（混合高斯背景建模）算法對圖像序列進行前景提取，運用Camshift算法對目標跟蹤，以跟蹤目標的質心位置、質心移動距離的均方差及圖像前景概率密度等信息作為特征值，進行跨越警戒線、可疑徘徊走動和人群密集程度的檢測與判斷。當發(fā)現(xiàn)異常時，系統(tǒng)將以語音提示的方式及時主動地向安保人員報警。關鍵技術： 本系統(tǒng)檢測模塊采用的是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。作品的科學性先進性（必須說明與現(xiàn)有技術相比，該作品是否具有突出的實質性技術特點和顯著進步。請?zhí)峁┘夹g性分析說明和參考文獻資料）目前高校中的視頻分析技術研究主要集中在初級的目標檢測算法和中級的目標跟蹤算法，對于行為分析技術的研究較少，因此很少形成實物產品應用于實際監(jiān)控中；而視頻監(jiān)控公司則更注重實際中的應用，產品中之運用實用性強的算法，而忽視了對優(yōu)良的算法的應用研究。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、跟蹤算法和實際應用相結合，并加以簡單行為分析技術，構成了一套較為全面的智能視頻監(jiān)控系統(tǒng)，并在實際中得以應用。本系統(tǒng)的檢測模塊采用的是

10、背景建模法中的GMM（混合高斯背景建模），此算法運用了數(shù)學建模思想，對客觀事物投影的圖像序列進行了像素域在時間尺度上的建模。由于它是基于背景樣本的統(tǒng)計學特征，因此能更客觀、更科學地表征背景信息。與目前常用的運動目標識別方法背景差法、光流法和幀差法相比，GMM綜合效果更佳，更適用于實際的實時監(jiān)控。比起背景差法在受到光照和外部條件造成的場景變化時，GMM檢測更加穩(wěn)定，運動目標更加清晰，作者使用背景差檢測室外停車場時，由于光線強烈更不無法得到前景，而運用GMM則非常清晰、準確；與光流法比較，計算更加簡便，且抗噪性能更強；幀差法則會產生“孔洞”，不能完全提取出目標的所有信息。本系統(tǒng)的目標跟蹤模塊采用的

11、是CamShift算法，即"Continuously Apative Mean-Shift"算法，是一種運動跟蹤算法。它主要通過視頻圖像中運動物體的顏色信息來達到跟蹤的目的。Camshift利用目標的顏色直方圖模型將圖像轉換為顏色概率分布圖，初始化一個搜索窗的大小和位置，并根據(jù)上一幀得到的結果自適應調整搜索窗。Camshift算法就是將meanshift算法擴展到連續(xù)圖像序列。Camshift能有效解決目標變形和遮擋的問題，對系統(tǒng)資源要求不高，時間復雜度低，在簡單背景下能夠取得良好的跟蹤效果?？梢詼蚀_的得到運動目標的位置、大小及運動方向，相比Mean-shift算法更加完善

12、、準確。主要功能：1、越線報警：此功能主要實現(xiàn)對特定區(qū)域的監(jiān)測，利用混合高斯背景建模檢測出前景，通過設定閾值排除較小前景并將其填充為背景，然后對檢測出的較大輪廓運用camshift算法進行跟蹤，計算出每個輪廓的大小、方向和質心位置。如有運動目標的質心進入警戒線內，則立即通過語音提示報警，提醒安保人員對對象予以關注并管理。2、聚集檢測：此功能將實現(xiàn)當特定區(qū)域人員過于密集時，通過提示音提醒安保人員對該區(qū)域予以關注，并及時進行人員疏散，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，根據(jù)實際場景經實驗計算后獲得），則說明場景中的運動目標過于密集

13、，出現(xiàn)擁擠或踩踏的可能性較大，此時系統(tǒng)會自動提醒安保人員及時對人流進行疏導，防止意外的發(fā)生。3、徘徊檢測：在如銀行、金店、停車場、幼兒園等敏感區(qū)域，長時間逗留或徘徊的人員很可能是伺機實施犯罪活動的可疑分子，由于安保人員往往需要觀察多個場景，因而很難注意到這些人員的可疑走動，從而遺漏掉這些可疑行為，無法在案發(fā)前阻止犯罪。徘徊檢測模塊可疑實時、連續(xù)地監(jiān)視指定場景，通過對人員質心位置均方差的計算，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)會自動提醒保安對可疑人員予以關注。目前，系統(tǒng)可以完成對場景中固定人數(shù)的徘徊檢測。作品在何時、何地、何種機構舉行的評審、鑒定、

14、評比、展示等活動中獲獎及鑒定結果作品所處階 段（ B ）A 實驗室階段 B 中試階段 C 生產階段D （自填）技術擬轉讓方式作品可展示的形式 實物、產品 模型 圖紙 磁盤 現(xiàn)場演示 圖片 þ錄像 樣品使用說明及該作品的技術特點和優(yōu)勢，提供該作品的適應范圍及推廣前景的技術性說明及市場分析和經濟效益預測使用說明：系統(tǒng)已被包成軟件安裝形式，這樣供客戶安裝的執(zhí)行文件容量會較小，以方便用戶下載、安裝和存儲，同時避免了由于客戶操作不當造成的系統(tǒng)文件損壞。為了保護作者的版權，軟件包中將不提供源代碼。當初次使用時，首先雙擊“setup.exe”文件進行系統(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題，在安裝好本系統(tǒng)程序后，請您在安裝文件夾中找到“ffdshow.exe”文件，進行視頻解壓器的安裝。之后的每次使用，便可點擊安裝目錄中的“cvWnd.exe”文件或桌面快捷方式“智能監(jiān)控”，在無需VC環(huán)境的Windows XP操作系統(tǒng)下打開本軟件的對話框界面。系統(tǒng)提供了的友好型的、操作簡單的用戶交互界面，可以實現(xiàn)對本地視頻圖像的調取、播放、暫停等功能；還可以開啟攝像機對場景實時監(jiān)控，并將監(jiān)控視頻錄制到本地存儲器中保存以供隨時調用，當發(fā)現(xiàn)異常時可以手動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對跨越警戒線、人群密度、可疑徘徊等進

16、行檢測，異常發(fā)生時以語音提示方式向安保人員報警。技術特點及優(yōu)勢：校園智能視頻監(jiān)控系統(tǒng)具有操作簡單，兼容性強，靈活性強，適用范圍廣泛的特點，并可為學校減少雇傭大批監(jiān)視人員所需要的人力、物力和財力的投入。技術上，在目標檢測模塊中使用了受外界環(huán)境影響更小，可自適應的自動更新背景，綜合效果更佳，更適用于實際的實時監(jiān)控的GMM檢測算法，提高了檢測的準確性和魯棒性；目標跟蹤模塊采用了CamShift算法，可以準確的得到運動目標的位置、大小及運動方向，所獲得的目標信息更加完整、準確。從系統(tǒng)的兼容性、靈活性上看，本系統(tǒng)不單單僅可對校園進行監(jiān)控，對于不同監(jiān)控場景的切換，我們可以通過在后臺更改參數(shù)的形式，使系統(tǒng)適

17、用于該場景這也擴大了本系統(tǒng)的適用范圍。適應范圍及推廣前景：智能視頻監(jiān)控系統(tǒng)作為一種安防的有效手段，正越來越受到人們的重視。隨著平安城市的建設，智能視頻監(jiān)控系統(tǒng)在協(xié)助政府或其他機構的安全部門在提高室外大地域公共安全的防護方面具有以往的視頻監(jiān)控系統(tǒng)無法替代的作用。智能監(jiān)控系統(tǒng)具有廣闊的應用前景，隨著計算機技術的不斷發(fā)展，智能監(jiān)控技術的應用領域仍在不斷擴展。同時近年來數(shù)學理論方面也取得了巨大的進步，智能視頻監(jiān)控在發(fā)展過程中可以很好地利用這些數(shù)學工具處理問題。因此，盡管該領域還存在著許多困難，現(xiàn)有技術還不能完全實現(xiàn)上述目標，另外在惡劣的環(huán)境下 ( 如光照劇 烈變化、雨 雪天氣等 )可能會出現(xiàn)錯誤。但是

18、廣泛的應用范圍及其所具有的強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，不斷的進步，前景無限光明。市場分析和經濟效益預測：目前，社會中的各行各業(yè)對于智能視頻監(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)正在迅速的走進社會各行各業(yè)中，如監(jiān)控監(jiān)獄、倉庫等的任何運動物體進行報警；對運動物體的運動屬性( 方向、速度 ) 發(fā)生變化的時候進行報警；當檢測到特殊場所如機場、車站等有被丟棄無人照看的物體時將進行報警；對展覽廳、博物館等場所內重要物體的移位報警；實現(xiàn)對復雜環(huán)境的自動視頻理解，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、服務行業(yè)

19、用作輔助工具，用于提高服務水平和營業(yè)額，如在超市和商場等公共場合，系統(tǒng)可用于統(tǒng)計顧客數(shù)量以及在某物體前面停留的時間，識別人群的整體運動特征，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用范圍和需求量，必將為社會創(chuàng)造出巨大的財富和經濟利益。目前國內智能視頻監(jiān)控行業(yè)的兩大巨頭?？低暫驼憬笕A都已成功上市，年利潤極為可觀。專利申報情況 提出專利申報 申報號 申報日期 年 月 日 已獲專利權批準 批準號 批準日期 年 月 日þ未提出專利申請學校組織協(xié)調機構意見（可相關部門分別蓋章，也可團委代章）年 月 日學校意見（簽 章）年 月 日C當前國內外同類課題研究水平概述

20、說明：1.申報者可根據(jù)作品類別和情況填寫；2.本欄目為可選項，若填寫將有助于評審。視頻監(jiān)控具有廣泛的應用前景和潛在的經濟價值，從而激發(fā)了國內外廣大科研工作者及相關商家的濃厚興趣，尤其在美國、英國等國家已經開展了大量相關項目的研究。實時視覺監(jiān)控系統(tǒng) W4不僅能夠定位人和分割出人的身體部分，而且通過建立模型來實現(xiàn)多人的跟蹤，并可以檢測人是否攜帶物體等簡單行為；英國的雷丁大學已開展了對車輛和行人的跟蹤及其交互作用識別的相關研究；IBM 與 Microsoft等公司也正逐步將基于視覺的手勢識別接口應用于商業(yè)領域中。目前視頻監(jiān)控系統(tǒng)從人工半人工監(jiān)控狀態(tài)向自動視頻監(jiān)控狀態(tài)發(fā)展。一個具有魯棒性 、準確性和實

21、時性的系統(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，由于目前對人的視覺特性還沒有一個完善的理論。其數(shù)學模型更是難以建立。目前在國內的研究機構中，中國科學院北京自動化研究所模式識別國家重點實驗室的視覺監(jiān)控研究組處于領先地位。他們對交通場景的視覺監(jiān)控( 基于三維線性模型定位、基于擴展卡爾曼濾波器的車輛跟蹤算法)、人的運動視覺監(jiān)控(基于步態(tài)的遠距離身份識別)和行為模式識別( 提出了對目標運動軌跡和行為特征學習的模糊自組織神經網(wǎng)絡學習算法)進行了深入研究，取得了一定的研究成果。國內其它一些高校也進行了這方面的研究 ，如上海交通大學、北京航空航天大學、北京理工大學

22、等，他們在混合高斯背景建模和卡爾曼濾波跟蹤器等算法的研究和改進上都取得了顯著進展。沈陽航天航空大學還將智能視頻監(jiān)控系統(tǒng)應用于無人機的偵查功能中。D.推薦者情況及對作品的說明說明：1.由推薦者本人填寫；2.推薦者必須具有高級專業(yè)技術職稱，并是與申報作品相同或相關領域的專家學者或專業(yè)技術人員（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推薦者身份的確認。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信息與控制工程學院通訊地址遼寧省撫順市望花區(qū)丹東路西段1號郵政編碼113001E-mail 聯(lián)系電話推薦者所在單位意見 同意申報 （簽

23、 章） 年 月 日 請對申報情況的真實性作出闡述該作品是在老師指導下自行設計開發(fā)完成。設計內容合理，結構完整,設計具有較強的理論價值和應用價值，可以實時地對校園環(huán)境進行智能監(jiān)控。對作品的意義、技術水平、適用范圍及推廣前景作出評價該系統(tǒng)對于校園安全有著實效性的意義，對于維護和確保校園環(huán)境安全、穩(wěn)定具有高效的輔助作用。該作品采用的目標檢測、跟蹤等算法均適用于校園實時監(jiān)控，可以應用于環(huán)境復雜度一般的室內外場景中。具有客觀的市場推廣前景。其它說明D.推薦者情況及對作品的說明說明：1.由推薦者本人填寫；2.推薦者必須具有高級專業(yè)技術職稱，并是與申報作品相同或相關領域的專家學者或專業(yè)技術人員（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推薦者身份的確認。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信息與控制工程學院通訊地址遼寧省撫順市望花區(qū)丹東路西段1號郵政編碼113001E-mail聯(lián)系電話推薦者所在單位意見 同意申報 （簽 章） 年 月 日 請對申報情況的真實性作出闡述該作品是在老師指導下自行設計開發(fā)完成。設計內容合理，結構完整,設計具有較強的理論價值和應用價值，可以實時地對校園環(huán)境進行智能監(jiān)控。對作品的意義、技術水平、適用范圍及推廣前景作出評價該系統(tǒng)對于校園安全有著實效性的意義，對于維護和確保校園環(huán)境安全、穩(wěn)定具有高

25、效的輔助作用。該作品采用的目標檢測、跟蹤等算法均適用于校園實時監(jiān)控，可以應用于環(huán)境復雜度一般的室內外場景中。具有客觀的市場推廣前景。其它說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)通過攝像機采集視頻，在不需要人為干預的情況下，系統(tǒng)自動的分析和抽取視頻序列中的關鍵信息，檢測出運動物體，當發(fā)現(xiàn)監(jiān)控場景中的異常時，以最快最佳的方式協(xié)助安保人員處理危機。本系統(tǒng)利用視頻分析技術中的混合高斯背景建模法（GMM）完成目標檢測，運用Cam-shift算法對目標進行跟蹤，以校園中教學樓的走廊、樓梯、實驗室和樓前空地、停車場為監(jiān)控場景，實現(xiàn)了越線報警、聚集檢測和徘徊檢測等三個智能監(jiān)控功能。

26、其意義在于，實現(xiàn)智能、實時、主動地監(jiān)控，減少人力浪費，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，提前預防和制止犯罪，阻止校園中各種安全事故的發(fā)生，維護校園環(huán)境和諧穩(wěn)定，保障學生的生命財產安全。關鍵詞：視頻分析 智能監(jiān)控 GMM Camshift 校園安全目 錄引 言1第一章 視頻分析技術的學科背景2第二章 校園安全現(xiàn)狀及國內外視頻分析監(jiān)控系統(tǒng)發(fā)展狀況分析3第三章 系統(tǒng)概述53.1 軟件53.2 硬件53.3 系統(tǒng)總體結構框圖5第四章 系統(tǒng)內部設計和功能劃分74.1系統(tǒng)內部設計框圖74.2功能74.2.1 越線報警74.2.2聚集檢測74.2.3徘徊檢測84.2.4界面按鈕8第五章

27、關鍵技術95.1目標檢測95.1.1 空間分割法95.1.2 時間分割法95.1.3 背景建模法115.2 目標分類125.3 目標跟蹤135.4行為理解與描述165.5陰影抑制17第六章 系統(tǒng)特點19第七章 使用說明及市場分析和經濟效益預測22結束語24參考文獻25一、系統(tǒng)設計的目的和意義：學生是受關愛的群體，家長和社會各界都對他們的健康成長和人身安全給予了極大關注。眾所周知，校園中由于學生眾多，人群密集，非常不便于管理，是踩踏等安全事故頻發(fā)的場所。并且，各種不同人格、性格的學生和外來人員同處在一個擁擠的空間內，很容易發(fā)生各種矛盾和意外，校園還會經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、疏忽的時候，由于沒能及時觀察到異常發(fā)生的趨勢，沒有提前采取有效的保護措施，意外發(fā)生后學校總是承擔無限責任，更給同學帶來無限的災難。目前，許多學校已經安裝了視頻監(jiān)控系統(tǒng)，但這些監(jiān)控系統(tǒng)只是將攝像機的輸出結果記錄下來，當異常情況發(fā)生后，保安人員才通過記錄的結果觀察發(fā)生的事實或用來當作事后證據(jù)，沒有充分發(fā)揮其實時主動的監(jiān)督作用。近年來發(fā)生在小學、幼兒園門前的殺害兒童事件和高校樓梯踩踏事故，引起了社會對校園安全現(xiàn)狀的堪憂和重視，更使我們看到了學校對校園環(huán)境的監(jiān)控不力。因此急需一種能夠不間斷實時監(jiān)控，并快速自動地對視頻信息進行分析，準確、主動預警的智能型視頻監(jiān)控系統(tǒng)來代替舊式的人

29、工視頻監(jiān)視系統(tǒng)。基于視頻分析的校園智能安全系統(tǒng)，使用槍式和可控云臺式兩種視頻監(jiān)控系統(tǒng)中常用的攝像機對校園中教學樓的走廊、樓梯、實驗室和樓前空地、停車場等敏感場所實行全天候24小時全天候無間斷監(jiān)控。系統(tǒng)運用GMM和Camshift等視頻分析技術對攝像機拍錄的圖像序列在不需人為操作的情況下自動地進行前景提取和目標跟蹤，以跟蹤目標的質心位置、質心移動距離的均方差及圖像前景概率密度等信息作為特征值，進行跨越警戒線、可疑徘徊走動和人群密集程度的檢測與判斷?；谝曨l分析的校園智能安全系統(tǒng)用攝像機代替了容易產生視覺疲勞的人眼，用視頻分析技術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，預警更

30、加及時、準確。事實證明，該系統(tǒng)可以很好的協(xié)助安保人員完成監(jiān)控任務，減輕了安保人員工作量，減少了學校的人力資源浪費，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，及時預防和制止犯罪，提前阻止校園中踩踏等安全事故的發(fā)生，維護校園環(huán)境和諧、穩(wěn)定，確保學生生命及財產安全。二、系統(tǒng)概述2.1設計思路： 系統(tǒng)首先將由模擬攝像機采集的視頻序列，通過視頻線傳到視頻編碼器，編碼器中將采集到的模擬信號轉成數(shù)字信號，再交給后端解碼器將數(shù)字信號轉換成顯示器可讀的模擬信號。交換機與監(jiān)控終端用雙絞線連接，在監(jiān)控終端，即PC機的中心控制平臺上運行軟件系統(tǒng)。系統(tǒng)運用GMM（混合高斯背景建模）算法對圖像序列進行前

31、景提取，運用Camshift算法對目標跟蹤，以跟蹤目標的質心位置、質心移動距離的均方差及圖像前景概率密度等信息作為特征值，進行跨越警戒線、可疑徘徊走動和人群密集程度的檢測與判斷。當發(fā)現(xiàn)異常時，系統(tǒng)將以語音提示的方式及時主動地向安保人員報警。2.2 軟件平臺：本系統(tǒng)軟件方面采用Visual C+6.0搭配開源的OpenCV1.0跨平臺計算機視覺庫的模式構建開發(fā)平臺，利用VC中的MFC框架結構搭建系統(tǒng)的主體對話框界面，運用VC和OpenCV中的庫函數(shù)編譯代碼及數(shù)據(jù)處理。VC的代碼執(zhí)行效率比較高，雖然編寫的代價過大，尤其在處理視頻檢測和跟蹤時，有時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，擴展了VC的功能，降低了VC的開發(fā)難度，同時爭強了系統(tǒng)的運行速度和實用性。2.3 硬件構成：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)絡交換機；超寬動態(tài)彩轉黑SONY SSC-DC598P攝像機一臺(云臺控制)；槍式攝像機3臺 ；聯(lián)想揚天A7700R臺式PC機一臺；32英寸顯示屏一臺；通信線路采用雙絞線、視頻線和控制線。 管理服務器由監(jiān)控管理軟件、服務器硬件、存儲服務器等組成，提供了完整的監(jiān)控中心管理、錄像管理、報警管理。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內存的高性能PC機作為監(jiān)控終端。系統(tǒng)首先將由模擬攝像機采集的視頻序列，通過視頻線傳到視頻編碼器

33、，編碼器中將采集到的模擬信號轉成數(shù)字信號，再交給后端解碼器將數(shù)字信號轉換成顯示器可讀的模擬信號，傳給液晶顯示屏。交換機相當于路由器的作用，它與監(jiān)控終端、磁盤陣列、解碼器等用雙絞線連接。磁盤陣列是一個超大容量的存儲器，用以儲存攝像機采集來的視頻文件。在監(jiān)控終端，即PC機的中心控制平臺上運行軟件系統(tǒng)，利用視頻分析技術完成對場景的智能監(jiān)控。2.4 系統(tǒng)總體結構框圖： 圖一 系統(tǒng)總體結構框圖2.5 系統(tǒng)內部設計框圖：圖二 系統(tǒng)內部設計框架圖三、關鍵技術及功能介紹3.1目標檢測運動目標的檢測就是將包含運動信息的視頻序列運用適當?shù)募夹g進行處理，把與背景存在相對運動的前景區(qū)分開的過程。它是計算機視覺信息提取

34、中的一個重要問題，也是更高層次視頻分析，如基于對象的視頻編碼、目標跟蹤 、運動分析的基礎。系統(tǒng)起初采用了背景差法、幀差法和光流法檢測目標。但背景差法對光線極為敏感，無法用于室外光線較強且變化大的監(jiān)控場景中；而幀差法在檢測出的前景目標中會產生許多空洞，不易于對目標質心、軌跡的分析；光流法的計算量非常大，因此產生的延遲較大，無法運用到實時監(jiān)控中。最總系統(tǒng)采用了混合高斯背景建模法，即GMM算法進行目標檢測，實踐證明綜合效果較好。下面分別介紹一下上述四種檢測算法。3.1.1背景差法 ：背景差法的原理和算法設計簡單，運行速度較快，在背景變化緩慢的理想情況下，能夠得到比較精確的運動目標信息，是目前使用較多

35、的方法。它用當前幀減去背景幀得到包含運動目標的前景圖，然后更新背景圖像，最后對前景圖作后續(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為經過更新后的第k幀對應的背景；Fk為目標前景圖；f為背景更新算法。最主要的環(huán)節(jié)是設計穩(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。最簡單的背景模型是時間平均圖像，大部分的研究人員目前都致力于開發(fā)不同的背景模型，以期減少動態(tài)場景變化對于運動分割的影響。 3.1.2幀間差法 ：幀問差法根據(jù)監(jiān)控場景中出現(xiàn)運動物體時，相鄰幀之間的運動

36、區(qū)域會出現(xiàn)比較明顯的差別，依據(jù)這一差別就可以提取出運動目標。目前利用這一方法的文獻有很多，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閾值函數(shù)檢測出目標。這種方法簡單實用，速度很快，對前景變化非常敏感，但是這種方法檢測出的目標是相鄰兩幀中所有變化的信息，會存在較多的噪聲，并且得到的幀差圖會有目標區(qū)域的重疊區(qū)域。b ) 三幀差分法：三幀差分法是對兩幀差法的一個改進，它將前幀和中間幀、中間幀和后幀分別進行差分運算，然后將得到的兩個結果進行相與操作得到目標前景圖。這個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，即對于運動速度過快或者視頻截取間隔比較長的情況下，會出現(xiàn)捕捉不到前景目標的情況。而且對于一般情況下得到的目標前景圖會有一些空洞，需要作進一步的形態(tài)學腐蝕操作才能作后續(xù)處理。 c ) 幀間差法和背景差法相結合：針對這兩種方法的優(yōu)缺點，有許多文獻提出了背景差法和幀間差法相互結合的方法。有研究者提出了一種基于背景差法和幀間差法相結合的運動目標檢測和自適應背景更新方法，利用幀間差法檢測背景是否劇烈變化，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， 再將相乘的結果進行二值化處理得到運動檢測結果， 從而將運動目標從背景圖像中分離出來，取得了較好的

38、結果。也有人提出了混合高斯模型和幀間差分相融合的自適應相融合的自適應背景模型方法，從而提高了背景的自適應性。3.1.3光流法7-15：在一個圖像序列中，物體的運動是通過圖像中各點的灰度變化來體現(xiàn)的，這就是光流場。通過求解偏微分方程求得圖像序列的光流場，理論上可以跟蹤運動物體。光流分析法的優(yōu)點是可以在攝像機運動的情況下，仍然能檢測運動對象，但其計算復雜、實時性較差，需要特殊的硬件支持。如果光照強度或光源方位發(fā)生了變化，則會產生錯誤結果，因此在應用中比較少。 3.1.4混合高斯背景建模法：本系統(tǒng)的檢測模塊采用的就是背景建模法中的GMM（混合高斯背景建模），此算法運用了數(shù)學建模思想，對客觀事物投影的

39、圖像序列進行了像素域在時間尺度上的建模。由于它是基于背景樣本的統(tǒng)計學特征，因此能更客觀、更科學地表征背景信息?；旌细咚贡尘澳Ｐ凸饺缦拢耗滁c x在某時刻的隨機分布概率為： 式中 , K為高斯分布的數(shù)量, 是第 i個高斯分布的權值; 為第 i個高斯分布的均值向量和方差矩陣; g是第 i個概率密度的高斯分布函數(shù)。 在這個分布模型上,以 x為背景的后驗概率 p (B / x)可進一步表示為 (3-4-2)式中 , 為第 i個高斯分布, 為這個高斯分布在高斯混合模型中的權值,在實際運用中,這是一個先驗知識。當有新的觀測點 xt+1 來臨時 ,則將這個樣本的像素值分別與 K個高斯分布的均值,t相比 ,同

40、時計算觀測點落入相應高斯分布的概率 ,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。當存在匹配的高斯分布時 ,則需要根據(jù)當前像素 xt ,對這些高斯分布的權值、 均值和方差參數(shù)進行更新處理。= (1 - )* +* ， (3-4-4)式中 ,為一與時間相關的學習速度。 (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行排序 ,然后從中選擇最能代表背景的高斯分布 ,并以此來最終確定表征背景的高斯分布。式 (11)中 ,權值較大的前 b個高斯分布被識

41、別為背景 ,即B = 3.2 目標分類目標分類的目的是從檢測到的運動區(qū)域中將對應于人的運動區(qū)域提取出來。不同的運動區(qū)域可能對應于不同的運動目標，比如交通道路上監(jiān)控攝像機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、搖動的樹枝等運動物體，為了便于進一步對行人進行跟蹤和行為分析，運動目標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，主要以運動物體的寬高比等作為特征對目標進行分類。當運動物體的寬大與其高，即寬高比小于1時，我們認為目標為汽車或車與人的交匯，再將該目標的高和寬和我們設定好的閾值進行對比。若寬或高其中之一大于閾值，那么我們人為目標為車與人的交匯，系統(tǒng)會自動地用綠

42、色矩形框在屏幕上圈出目標；若高和寬都在閾值范圍內時則認為目標是汽車，系統(tǒng)會自動地用藍色矩形框在屏幕中圈目標。這樣便進一步區(qū)分出了目標的具體屬性。當運動物體的寬小與其高，即寬高比大于1時，并且目標的高和寬都在設定好的閾值范圍內時，我們認為目標為人，系統(tǒng)將以紅色矩形框自動圈定目標。3.3 目標跟蹤跟蹤等價于在連續(xù)的圖像幀間創(chuàng)建基于位置、速度、形狀、紋理、色彩等有關特征的對應匹配問題。本系統(tǒng)起初采用Meanshift算法對目標進行跟蹤，后因該算法不能完整的提取出運動目標的特性，而改用Camshift跟蹤算法，此算法可以獲取跟蹤目標的大小、質心、運動方向三個參數(shù)，由于Camshift算法是對Means

43、hift算法有限次的迭代，因此更加準確。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)梯度估計的非參數(shù)方法，通過迭代尋優(yōu)找到概率分布的極值來定位目標。算法過程為：在顏色概率分布圖中選取搜索窗W，計算零階矩：，計算一階矩：， (5-1)計算搜索窗質心：； (5-2) 調整搜索窗大小寬度為，長度為 1.2*s； (5-3)移動搜索窗的中心到質心，如果移動距離大于預設的固定閾值，則重復、，直到搜索窗的重心和質心間的移動距離小于預設的固定閾值，或者循環(huán)運算的次數(shù)達到某一最大值，停止計算。3.3.2 Camshift跟蹤算法：目標跟蹤模塊

44、采用的是CamShift算法，即"Continuously Apative Mean-Shift"算法，是一種運動跟蹤算法。它主要通過視頻圖像中運動物體的顏色信息來達到跟蹤的目的。Camshift利用目標的顏色直方圖模型將圖像轉換為顏色概率分布圖，初始化一個搜索窗的大小和位置，并根據(jù)上一幀得到的結果自適應調整搜索窗口的位置和大小，從而定位出當前圖像中目標的中心位置。算法分為三個部分：色彩投影圖（反向投影）：RGB顏色空間對光照亮度變化較為敏感，為了減少此變化對跟蹤效果的影響，首先將圖像從RGB空間轉換到HSV空間。然后對其中的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、的概率或者像素個數(shù)，就是說可以查找出H分量大小為h的概率或者像素個數(shù)，即得到了顏色概率查找表。將圖像中每個像素的值用其顏色出現(xiàn)的概率對替換，就得到了顏色概率分布圖，顏色概率分布圖是一個灰度圖像。Mean-shiftMean-shift算法是一種密度函數(shù)梯度估計的非參數(shù)方法，通過迭代尋優(yōu)找到概率分布的極值來定位目標。算法過程為：在顏色概率分布圖中選取搜索窗W，計算零階矩：，計算一階矩：，；計算搜索窗質心：；調整搜索窗大小寬度為，長度為 1.2*s；移動搜索窗的中心到質心，如果移動距離大于預設的固定閾值，則重復、，直到搜索窗的重心和質心間的移動距離小于預設的固定閾值，或者循環(huán)運算的次數(shù)達到某一最大

46、值，停止計算。CamshiftCamshift算法就是將Mean-shift算法擴展到連續(xù)圖像序列。它將視頻的所有幀做Mean-shift運算，并將上一幀的結果，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，就可以實現(xiàn)對目標的跟蹤。3.4陰影抑制運動物體產生的陰影一般面積較大，且通常與物體相連，如果不進行抑制，會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，這個色彩空間的模型對應于圓柱坐標系中的一個圓錐形子集，圓錐的頂面對應于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旋轉和變化，紅、黃、綠、青、藍、品紅六個標準色分別相隔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。當一個像素點被陰影覆蓋時，它的亮度值變小，飽和度值變化不大，而被運動目標覆蓋時，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算法可有效的

48、檢測出陰影。我們首先將RGB色彩空間的圖像轉化成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度，背景上投射的陰影越強，越??；用來增強對噪聲的魯棒性。 參數(shù) 的選取則主要憑經驗調試。 算法中 = 0.4， = 1 ， = O ，= 5 03.5系統(tǒng)功能：3.5.1 越線報警此功能主要實現(xiàn)對特定區(qū)域的監(jiān)測，利用混合高斯背景建模檢測出前景，通過設定閾

49、值排除較小前景并將其填充為背景，然后對檢測出的較大輪廓運用camshift算法進行跟蹤，計算出每個輪廓的大小、方向和質心位置。如有運動目標的質心進入警戒線內，則立即通過語音提示報警，提醒安保人員對目標予以關注并管理。 3.5.2聚集檢測此功能將實現(xiàn)當特定區(qū)域人員過于密集時，通過提示音提醒安保人員對該區(qū)域予以關注，并及時進行人員疏散，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，根據(jù)實際場景經實驗計算后獲得），則說明場景中的運動目標過于密集，出現(xiàn)擁擠或踩踏的可能性較大，此時安保人員應及時對人流進行疏導，防止意外的發(fā)生。3.5.3徘徊檢測學

50、校實驗室中的實驗儀器、電腦等物品都非常貴重，因此在實驗室門前長時間逗留或徘徊的人員很可能是伺機實施犯罪活動的可疑分子，由于安保人員往往需要觀察多個場景，因而很難注意到這些人員的可疑走動，從而遺漏掉這些可疑行為，無法在案發(fā)前阻止犯罪。徘徊檢測模塊可疑實時、連續(xù)地監(jiān)視指定場景，通過對人員質心位置均方差的計算，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)域內逗留時間過長，便判斷此人的正在敏感區(qū)域逗留或是可疑徘徊，系統(tǒng)會自動提醒保安對可疑人員予以關注。目前，系統(tǒng)可以完成對場景中固定人數(shù)的徘徊檢測。四、系統(tǒng)特點目前高校中的視頻分析技術研究主要集中在初級的目標檢測算法和中級的目標跟蹤算法，對于

51、行為分析技術的研究較少，因此很少形成實物產品應用于實際監(jiān)控中；而視頻監(jiān)控公司則更注重實際中的應用，產品中之運用實用性強的算法，而忽視了對優(yōu)良的算法的應用研究。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、跟蹤算法和實際應用相結合，并加以簡單行為分析技術，構成了一套較為全面的智能視頻監(jiān)控系統(tǒng)，并在實際中得以應用。本系統(tǒng)的檢測模塊采用的是背景建模法中的GMM（混合高斯背景建模），此算法運用了數(shù)學建模思想，對客觀事物投影的圖像序列進行了像素域在時間尺度上的建模。由于它是基于背景樣本的統(tǒng)計學特征，因此能更客觀、更科學地表征背景信息。與目前常用的運動目標識別方法背景差法、光流法和幀差法相比，GM

52、M綜合效果更佳，更適用于實際的實時監(jiān)控。比起背景差法在受到光照和外部條件造成的場景變化時，GMM檢測更加穩(wěn)定，運動目標更加清晰，作者使用背景差檢測室外停車場時，由于光線強烈更不無法得到前景，而運用GMM則非常清晰、準確；與光流法比較，計算更加簡便，且抗噪性能更強；幀差法則會產生“孔洞”，不能完全提取出目標的所有信息。本系統(tǒng)的目標跟蹤模塊采用的是CamShift算法，即"Continuously Apative Mean-Shift"算法，是一種運動跟蹤算法。它主要通過視頻圖像中運動物體的顏色信息來達到跟蹤的目的。Camshift利用目標的顏色直方圖模型將圖像轉換為顏色概率分

53、布圖，初始化一個搜索窗的大小和位置，并根據(jù)上一幀得到的結果自適應調整搜索窗。Camshift算法就是將Mean-shift算法擴展到連續(xù)圖像序列。Camshift能有效解決目標變形和遮擋的問題，對系統(tǒng)資源要求不高，時間復雜度低，在簡單背景下能夠取得良好的跟蹤效果?？梢詼蚀_的得到運動目標的位置、大小及運動方向，相比Mean-shift算法更加完善、準確。校園智能視頻監(jiān)控系統(tǒng)具有操作簡單，兼容性強，靈活性強，適用范圍廣泛的特點，并可為學校減少雇傭大批監(jiān)視人員所需要的人力、物力和財力的投入。技術上，在目標檢測模塊中使用了受外界環(huán)境影響更小，可自適應的自動更新背景，綜合效果更佳，更適用于實際的實時監(jiān)控的GMM檢測算法，提高了檢測的準確性和魯棒性；目標跟蹤模塊采用了