基于特定類型物體檢測的藥店視頻監(jiān)管系統(tǒng)

黃葉玨

摘 要：針對目前醫(yī)?；鸾灰捉Y(jié)算監(jiān)管的新形勢，傳統(tǒng)視頻監(jiān)控已無法滿足對藥店非準許范圍內(nèi)交易進行監(jiān)管的要求。提出一種基于特定類型物體檢測的藥店視頻監(jiān)管系統(tǒng)，該系統(tǒng)在傳統(tǒng)視頻監(jiān)控的基礎上，針對藥店監(jiān)管的具體場景進行設計，并進一步采用智能視頻分析方法檢測和識別藥店典型的非準許經(jīng)營范圍的商品。在后臺管理系統(tǒng)中，醫(yī)保中心的監(jiān)管工作人員可以非常方便地對藥店產(chǎn)品的醫(yī)?；鸾Y(jié)算交易進行監(jiān)管。

關(guān)鍵詞：醫(yī)?；鸨O(jiān)管；視頻監(jiān)控；視頻分析；特定類型物體檢測；高斯混合模型

DOIDOI：10.11907/rjdk.162272

中圖分類號：TP319

文獻標識碼：A文章編號：1672-7800（2016）012-0080-02

0 引言

隨著國家開放藥店準入機制，藥店經(jīng)營門檻降低，監(jiān)管部門為了加強對藥店的管理，在藥店里安裝了視頻監(jiān)控系統(tǒng)，但是傳統(tǒng)的視頻監(jiān)控系統(tǒng)難以滿足監(jiān)管部門的監(jiān)控需求。由于藥店處于市場自由競爭狀態(tài)，很多藥店為了自身利益，會出售一些準許經(jīng)營范圍之外的物品，如大米、紅棗、醬油等。為進一步獲取利益，不少藥店甚至違規(guī)使用醫(yī)?；?，誘導消費者使用醫(yī)保基金購買非藥品類商品，從而達到騙取醫(yī)保基金的目的。一般情況下，一個地級市有近1 000家藥店，監(jiān)管部門采用普通的視頻監(jiān)控系統(tǒng)根本不可能完成對所有藥店非法行為進行監(jiān)管的任務。因此，本文根據(jù)目前藥店的實際情況，提出一種基于特定類型物體檢測的藥店視頻監(jiān)管系統(tǒng)，它在傳統(tǒng)視頻監(jiān)控的基礎上，采用視頻分析方式對非準許經(jīng)營范圍的典型物品進行檢測[1-2]。系統(tǒng)可以對藥店每筆發(fā)生醫(yī)?；鸾Y(jié)算的交易提取現(xiàn)場視頻片段摘要，并把檢測結(jié)果推薦給監(jiān)管部門負責人，以方便對藥店交易行為進行監(jiān)管[3-4]。

1 基于交易的現(xiàn)場視頻片段摘要提取前端系統(tǒng)

基于交易的現(xiàn)場視頻片段摘要提取前端系統(tǒng)安裝在藥店的計算機上，通過Onvif或GB18181協(xié)議與藥店現(xiàn)場的網(wǎng)絡監(jiān)控相機相連。前端系統(tǒng)對藥店營業(yè)時間內(nèi)所有的監(jiān)控視頻進行解析，當藥店產(chǎn)生交易時，藥店的HIS系統(tǒng)與醫(yī)保中心的醫(yī)保結(jié)算系統(tǒng)產(chǎn)生結(jié)算記錄。在該時間點上，醫(yī)保中心的后臺系統(tǒng)推送一個時間戳給前端系統(tǒng)，前端系統(tǒng)則抓拍一張當時現(xiàn)場發(fā)生交易時的全景圖像，并保存該時間戳前后5分鐘的視頻數(shù)據(jù)，然后把兩個數(shù)據(jù)組成一個包組上傳到后臺管理系統(tǒng)中。由于前端系統(tǒng)與醫(yī)保中心的后臺系統(tǒng)發(fā)生關(guān)系時，時間點非常重要，所以前端系統(tǒng)每天上午啟動時，都會與醫(yī)保中心的后臺系統(tǒng)進行時間同步。

前端系統(tǒng)在藥店早上打開計算機進行營業(yè)時自啟動程序，程序啟動后首先隱藏自身界面，然后創(chuàng)建10分鐘的視頻碼流緩沖區(qū)；通過預先配置好的設置，通過Onvif或GB18181協(xié)議訪問藥店現(xiàn)場的網(wǎng)絡相機，獲取視頻流，并把視頻碼流放入預先創(chuàng)建的視頻碼流緩沖區(qū)中；當前端系統(tǒng)收到醫(yī)保中心后臺系統(tǒng)推送的時間戳時，從視頻碼流緩沖區(qū)中找到時間戳的位置，取出當前位置的視頻幀解碼成全景抓拍照片，再向前與向后分別截取5分鐘視頻碼流，組成10分鐘交易視頻片段；最后將全景抓拍照片與10分鐘的視頻片段組包上傳到后臺管理系統(tǒng)中[5-6]。

2 特定類型物體檢測后端識別系統(tǒng)

為進一步方便醫(yī)保中心的監(jiān)管，系統(tǒng)引入圖像識別算法，對特定類型商品（非準許經(jīng)營的商品）進行識別。當發(fā)生醫(yī)保基金結(jié)算時，后端識別系統(tǒng)根據(jù)前端系統(tǒng)提交的全景照片，識別是否存在特定類型的商品。當出現(xiàn)特定類型商品時，系統(tǒng)把該筆交易的審查優(yōu)先級提高，優(yōu)先推薦給醫(yī)保中心的監(jiān)管工作人員進行審查?？紤]到藥店數(shù)量多，交易量大，為了減輕后臺系統(tǒng)的計算壓力，根據(jù)相機視野固定的特點，可以在安裝時設置感興趣的區(qū)域，特定類型的物體檢測只在預設的感興趣區(qū)域中進行。考慮到交易過程中，商品必定會產(chǎn)生移動，所以可引入移動偵測算法，只有當出現(xiàn)移動物體時才進行識別。

特定類型的商品識別采用檢測的方式實現(xiàn)，首先收集特定商品圖片作為訓練集的正例，以及不包含特定商品的圖片作為訓練集的負例，然后針對每一種特定商品進行分類器訓練。分類器采用支持向量機算法SVM[9]，分類器特征采用HOG特征算法[7-8]。在檢測時，特征值與SVM的參數(shù)向量相乘得到一個分數(shù)，當分數(shù)小于零時，判定不是該類商品；當分數(shù)大于零時，則判定屬于該類商品。

當后端識別系統(tǒng)收到前端系統(tǒng)傳來的組包后，采用視頻移動偵測的方式計算感興趣區(qū)域內(nèi)是否存在移動物體，移動偵測采用高斯混合模型GMM算法[10-11]。當存在移動物體時，求出其外接包圍盒，并使用之前預告訓練好的特定商品分類器，識別是否為特定商品。

3 后端管理系統(tǒng)

后端管理系統(tǒng)提供給醫(yī)保中心的監(jiān)管工作人員使用，主要由人員管理、藥店注冊、實時交易視頻摘要瀏覽、藥店攝像機異常報警與違規(guī)交易統(tǒng)計5大模塊組成：人員管理模塊主要用于設置監(jiān)管工作人員的使用權(quán)限，該功能比較常見，實現(xiàn)也很簡單；藥店注冊模塊用于關(guān)聯(lián)前端系統(tǒng)、后端識別系統(tǒng)和后端管理系統(tǒng)。注冊時系統(tǒng)自動生成一個唯一的GID號代表藥店一個相機的標識，安裝人員在安裝前端系統(tǒng)時，需要在系統(tǒng)中設置該藥店攝像機的GID號，3大系統(tǒng)即可根據(jù)GID進行關(guān)聯(lián)。由于藥店攝像機數(shù)量眾多，系統(tǒng)還可提供批量導出GID號的功能，以方便前端安裝人員配置系統(tǒng)；實時交易視頻摘要瀏覽模塊是整個系統(tǒng)的核心部分，可方便醫(yī)保中心監(jiān)管工作人員審核藥店交易是否違規(guī)。瀏覽模式可以選擇按藥店名稱、交易時間、大圖或中圖模式、識別優(yōu)先級等進行瀏覽。其中，按識別優(yōu)先級瀏覽指后端識別系統(tǒng)在進行識別后，會根據(jù)違規(guī)商品檢測結(jié)果計算一個檢測分數(shù)，檢測分數(shù)高時，則優(yōu)先級也高。監(jiān)管工作人員瀏覽時，可以根據(jù)系統(tǒng)提供的正常播放、快速播放、暫停、切片等方式審核交易，并進行標記；藥店攝像機異常報警模塊主要用于檢測藥店攝像機是否存在異常，如攝像機是否正常連接、是否被遮擋、圖像品質(zhì)是否正常等。當出現(xiàn)異常情況時，則在系統(tǒng)上報警或發(fā)短信給管理人員；違規(guī)交易統(tǒng)計模塊主要用于統(tǒng)計審核后的結(jié)果，并提供各種統(tǒng)計方式。

管理系統(tǒng)為B/S架構(gòu)，主要由Java編程實現(xiàn)。與圖像和視頻處理相關(guān)的部分，比如視頻播放由C++編程實現(xiàn)，并包裝成OCX控件提供給頁面JavaScript進行調(diào)用；后端攝像機異常檢測也由C++實現(xiàn)，由于系統(tǒng)布置在Centos上，所以需要編譯成動態(tài)鏈接庫SO文件，由Java通過JNI進行調(diào)用。

4 結(jié)語

鑒于目前藥店監(jiān)管的新形勢，本文提出一種基于特定類型物體檢測的藥店視頻監(jiān)管系統(tǒng)，在傳統(tǒng)通用視頻監(jiān)控系統(tǒng)的基礎上，引入智能視頻分析算法實現(xiàn)對特定類型商品的檢測和識別，從而對藥店的違規(guī)經(jīng)營情況進行監(jiān)管。

參考文獻：

[1] TAO KONG，ANBANG YAO，YURONG CHEN，et al.HyperNet：towards accurate region proposal generation and joint object detection[C].Conference on Computer Vision and Pattern Recognition，2016.

[2] KEZE WANG，LIANG LIN，WANGMENG ZUO，et al.Dictionary pair classifier driven convolutional neural networks for object detection[C].Conference on Computer Vision and Pattern Recognition，2016.

[3] DAVID NOVOTNY，JI MATAS.Cascaded sparse spatial bins for efficient and effective generic object detection[C].ICCV，2015.

[4] CEWU LU，YONGYI LU，HAO CHEN，et al.Square localization for efficient and accurate object detection[C].ICCV，2015.

[5] 高仕博，程詠梅，肖利平，等.面向目標檢測的稀疏表示方法研究進展[J].電子學報，2015（2）：78-85.

[6] 羅大鵬，羅琛，魏龍生，等.基于在線隨機蕨分類器的實時視覺感知系統(tǒng)[J].電子學報，2016，44（5）：56-62.

[7] DALAL N，TRIGGS B.Histograms of oriented gradients for human detection[C].Computer Vision and Pattern Recognition，2005.

[8] ZHU Q，YEH M C，CHENG K T，et al.Fast human detection using a cascade of histograms of oriented gradients[C].Computer Vision and Pattern Recognition，2006.

[9] P H CHEN，C J LIN，B SCHLKOPF.A tutorial on ν-support vector machines[J].Applied Stochastic Models in Business and Industry，2005，21（2）：111-136.

[10] STAUFFER C，GRIMSON W E L.Adaptive background mixture models for real-time tracking[C].Conference on Computer Vision and Pattern Recognition，1999.

[11] STAUFFER C，GRIMSON W E L.Learning patterns of activity using real-time tracking[J].IEEE Transactions on Pattern Analysis & Machine Intelligence，2000，22（8）：747-757.

（責任編輯：黃 ?。?