智能監(jiān)控在公共安全中的應(yīng)用

摘 要

近年來由于人們生活水平的提高，大型公共活動越來越多，節(jié)假日各旅游景點(diǎn)也是人山人海，造成公共安全危機(jī)日益頻發(fā)，其中因人群密集而引發(fā)的推撞踩踏事件屢見不鮮。本文首先用背景差法檢測提取人群，并用數(shù)學(xué)形態(tài)學(xué)理論對檢測結(jié)果進(jìn)行優(yōu)化，同時提取種子點(diǎn)用于統(tǒng)計人數(shù)，借助數(shù)學(xué)建模理論，建立人群密度模型，結(jié)合實(shí)地調(diào)研結(jié)果，提出優(yōu)化人群密度方案。

【關(guān)鍵詞】人群密度優(yōu)化 異常行為檢測 智能監(jiān)控

2015年5月分九部門聯(lián)合發(fā)布《關(guān)于加強(qiáng)公共安全視頻監(jiān)控建設(shè)互聯(lián)網(wǎng)應(yīng)用工作的若干意見》，提出了“全域覆蓋、全網(wǎng)共享，全時可以、全程可控”可見國家近些年來對公共安全十分重視。這樣也就要求我們要及時的對大量的視頻數(shù)據(jù)進(jìn)行分析，但是由于視頻數(shù)量呈現(xiàn)指數(shù)增長。傳統(tǒng)的通過人為的對這些視頻進(jìn)行監(jiān)控會存在大量的隱患。為此，通過實(shí)地數(shù)據(jù)采集分析建立模型提出優(yōu)化方案并利用智能監(jiān)控系統(tǒng)實(shí)現(xiàn)對異常行為進(jìn)行的判別。

具體方法如下：

1 前景的檢測和提取

前景運(yùn)動目標(biāo)提取是從序列圖像中得出變化區(qū)域，并將感興趣的運(yùn)動目標(biāo)良好的提取出來的過程。例如我們在景區(qū)人群視頻，前景是人體。

常用方法有：光流法、背景差法以及幀差法。分析人群圖像，光流法的計算過程中，攜帶了豐富的三維結(jié)構(gòu)信息，雖然這個特點(diǎn)使得光流法的結(jié)果較其他方法更精確更適合做后期實(shí)驗(yàn)數(shù)據(jù)，但是它巨大的計算量直接拖垮了它的實(shí)用功效。幀差法和背景差法較為適合。

幀差法是因?yàn)槿说囊轮嫉拿娣e大，顏色相近，像素點(diǎn)與它鄰接點(diǎn)差異不大，所以即使人體運(yùn)動，在兩幀這個微小的間隔內(nèi)，也幾乎檢測不到，所以幀差法一般只能提取出運(yùn)動目標(biāo)的邊界；而背景差法的空洞，是因?yàn)檫@些衣服或者身體部位的顏色和背景相近，在一定的閾值下，也是很難檢測出來的，所以背景差法一般只能檢測運(yùn)動目標(biāo)中與背景差異大的部分。再考慮那些暫時靜止的人：由于靜止，相鄰幀幾乎沒有什么變化，所以幀差法很難檢測到這些人；而背景差法的背景是之前N幀的組合，當(dāng)前幀對其影響微乎其微，所以，依舊可以檢測出。

2 前景目標(biāo)的前期處理

如果提取結(jié)果不盡人意可以采用最簡單的數(shù)學(xué)形態(tài)學(xué)方法進(jìn)行修復(fù)?；跀?shù)學(xué)形態(tài)學(xué)的思路是：選取適宜的結(jié)構(gòu)元素，對原始圖像進(jìn)行腐蝕、膨脹的組合運(yùn)算。它的關(guān)鍵在于結(jié)構(gòu)元素形狀和尺寸的選取以及腐蝕膨脹進(jìn)行的順序。

3 模型建立及優(yōu)化方案的提出

根據(jù)實(shí)地調(diào)研并結(jié)合以上方法對數(shù)據(jù)進(jìn)行統(tǒng)計分析，得出模型曲線，如圖1。

4 提出優(yōu)化方案

例如設(shè)定預(yù)警值、錯峰出行、逐批放行等措施。

所謂異常行為是指概率相對較小的隨機(jī)事件并持續(xù)一定時間，比如摔倒。通過攝像設(shè)備所捕獲的視頻序列對監(jiān)控所在區(qū)域來往的人群進(jìn)行實(shí)時監(jiān)測，分析其運(yùn)動行為并對異常行為判別，給予一定響應(yīng)使之能夠及時得到合理的處理。本文設(shè)計流程為；預(yù)處理-圖像描述量獲取-前景提取-運(yùn)動目標(biāo)定位-分析行為是否異常-是否繼續(xù)監(jiān)測。

計算機(jī)視覺系統(tǒng)中，由于一些因素，如：光學(xué)鏡頭的類型、光敏器件質(zhì)量、光照變化、攝像機(jī)抖動或距離、角度的不合適導(dǎo)致所采集的圖像質(zhì)量偏離人們的需求，如出現(xiàn)傾斜、模糊、亮度低、畸變等現(xiàn)象。因此，圖像的預(yù)處理是在對圖像進(jìn)行分析前進(jìn)行一系列的合理操作，其意義在于消除圖像中的無關(guān)信息，恢復(fù)有用的真實(shí)信息，增強(qiáng)有關(guān)信息的可檢測性和最大限度上簡化數(shù)據(jù)，一般有數(shù)字圖像灰度化、復(fù)原、平滑、去噪、增強(qiáng)等步驟；在對圖像進(jìn)行分析過程中，由于被識別的圖像與原圖像相比一般有很大程度失真，其中很重要一點(diǎn)，就是獲取有效的圖像描述量，其可以是一組數(shù)據(jù)或符號，定性或定量說明描述物體的特性，或圖像各部分彼此的相關(guān)關(guān)系，并且該圖像描述量對圖像的各種畸變（如平移、旋轉(zhuǎn)）不敏感，因此引入矩特征。矩是概率與統(tǒng)計中的一個概念，是隨機(jī)變量的一種數(shù)字特征，而不變矩是一種高度濃縮的圖像特征，具有平移、灰度、旋轉(zhuǎn)、尺度不變性。M.K.Hu在1961年首次提出不變矩的概念，1979年M.R.Teague根據(jù)基于多項(xiàng)式的正交化函數(shù)提出“Zernike”矩；為了抑制不需要的背景影響，比如樹葉的擾動和光照變化。在對運(yùn)動目標(biāo)進(jìn)行分析前需要提取前景，這樣可以在最大程度上簡化背景，減少數(shù)據(jù)處理的工作量。因?yàn)榫皡^(qū)等公共場所可能存在在不固定的時間里背景的改變，所以我們的背景需要通過自學(xué)習(xí)進(jìn)行實(shí)時更新。

具體步驟如下；步驟一：預(yù)處理攝像設(shè)備所捕獲的原始圖像經(jīng)灰度化.圖像增強(qiáng).濾波等操作以克服圖像干擾，從而獲取預(yù)處理后的圖像步驟二：圖像描述量獲取步驟三：前景提取 根據(jù)機(jī)器自學(xué)習(xí)獲取實(shí)時背景圖像，對當(dāng)前幀圖像與純背景圖像做減運(yùn)算，提取出前景。步驟四：運(yùn)動目標(biāo)檢測目前目標(biāo)檢測算法很多，可根據(jù)實(shí)際現(xiàn)實(shí)情況進(jìn)行選擇。步驟五：判斷是否屬于異常，是則做出相應(yīng)；否則繼續(xù)檢測。

5 小結(jié)

異常行為檢測在各個場所尤其是公共場所中的應(yīng)用十分重要，及時預(yù)報，一方面能夠使運(yùn)動目標(biāo)得到及時治療，另一方面在出現(xiàn)比較危機(jī)的事件如踩踏時能夠及時發(fā)出警力，維護(hù)公共安全。

參考文獻(xiàn)

[1]劉國華.智能監(jiān)控在火車站反恐防恐中的應(yīng)用[J].中國公共安全，2014（07）：170-173.

[2]周杰，梁篤國.智能監(jiān)控在上海世博會中的應(yīng)用探討[J].電信科學(xué)，2009，25（11）：78-81.

作者單位

陳若寒（1987-），男，福建省福州市人。研究生學(xué)歷?，F(xiàn)為福建省警察學(xué)院助教。主要研究方向?yàn)榫W(wǎng)絡(luò)信息安全。

作者單位

福建省警察學(xué)院 福建省福州市 350000endprint