基于视频分析的校园智能安全系统

1、第十届“挑战杯”辽宁省大学生课外学术科技作品竞赛（省级竞赛专用）作品 申 报 书作品类别：¨ 自然科学类学术论文¨ 哲学社会科学类社会调查报告和学术论文¨ 科技发明制作A类þ 科技发明制作B类序号： 编码： 说 明1.申报者应在认真阅读此说明各项内容后按要求详细填写。2.申报者在填写申报作品情况时只需根据个人项目或集体项目填写A1或A2表，根据作品类别（自然科学类学术论文、哲学社会科学类社会调查报告和学术论文、科技发明制作）分别填写B1、B2或B3表。所有申报者可根据情况填写C表。3.表内项目填写时一律打印，严禁涂抹，涂抹作废。此申报书可复制。4.序号、

2、编码由第十届“挑战杯”辽宁省大学生课外学术科技作品竞赛组委会填写。5.学术论文、社会调查报告及所附的有关材料必须是中文（若是外文，请附中文版），请以四号楷体打印在A4纸上，附于申报书后。字数在8000字以内（文章版面尺寸14.5×22cm）。6.各校申报省级竞赛的作品一式3份，按组委会规定的时间寄至或送达竞赛组委会秘书处。7.作品申报书须按要求由各市竞赛组织协调机构统一报送省组委会秘书处。8.其它参赛事宜请向本校竞赛组织协调机构咨询。9.寄送地址：沈阳市和平区北五经街21号第十届“挑战杯”辽宁省大学生课外学术科技作品竞赛组委会秘书处。省级竞赛组委会秘书处联系电话：联系人： 王大可、郑

3、延旭邮政编码：110003A1.申报者情况（个人项目）说明：1.必须由申报者本人按要求填写，申报者情况栏内必须填写个人作品的第一作者（承担申报作品60%以上工作者）；2.本表中的学籍管理部门签章视为对申报者情况的确定。申报者情况姓 名崔 童性 别男出生年月1986年6月1日学校全称辽宁石油化工大学专 业控制理论与控制工程现学历硕士年级09级学 制3年入学时间2009.9作品全称基于视频分析的校园智能安全系统毕业论文题目基于视频分析的校园智能安全监控系统关键技术研究通讯地址辽宁省抚顺市望花区丹东路西段一号辽宁石油化工大学邮政编码113001联系电话常 住 地通讯地址辽宁省抚顺市望花区丹东路西段一

4、号辽宁石油化工大学邮政编码113001住宅电话合作者情况姓 名性 别年 龄学历所在学校 资格认定校学籍管理部门意见是否为2010年7月1日前正式注册在校的全日制非成人教育、非在职的省内各类高等院校中国籍学生（含专科生、本科生、硕士研究生或博士研究生）。 þ是 否若是，其学号为：01 （部门签章）年 月 日院系负责人或导师意见本作品是否为课外学术科技或社会实践活动成果þ是 否 负责人签名：年 月 日 B3.申报作品情况（科技发明制作类）说明：1.必须由申报者本人填写；2.本表中的学校组织协调机构意见视为对申报者所填内容的确认；3.本表必须附有研究报告，并提供图表、曲线、实验数

5、据、原理结构、外观图（照片），也可附鉴定证书和应用证书；4.作品分类请按发明点或创新点类别填报，分类错误或分类不清视为无效作品。作品全称基于视频分析的校园智能安全系统（B）A类/B类作品分类（ B ）A.机械与控制（包括机械、仪器仪表、自动化控制、工程、交通、建筑等） B.信息技术（包括计算机、电信、通讯、电子等） C.数理（包括数学、物理、地球与空间科学等） D.生命科学（包括生物、农学、药学、医学、健康、卫生、食品等） E.能源化工（包括能源、材料、石油、化学、化工、生态、环保等）作品设计、发明的目的和基本思路；创新点、技术关键和主要技术指标目的：校园中由于学生众多，人群密集，是踩踏等安全

6、事故频发的场所，特别是高校，由于大多是开放式的校园，不便于人员管理，而现实社会又是纷繁复杂的，各种不同人格、性格的学生和外来人员同处在一个拥挤的空间内，很容易发生各种矛盾和意外，且校园会经常遭到不法分子的入侵。而这些意外往往发生在安保人员疲劳、疏忽的时候，由于没能及时观察到异常发生的趋势，没有提前采取有效的保护措施，意外发生后学校总是承担无限责任，更给学生带来无限的灾难。然而目前校园内的视频监控系统通常是将摄像机的输出结果记录下来，当异常情况发生后，保安人员才通过记录的结果观察发生的事实或用来当作事后证据，在智能性上体现较差，没有充分发挥其实时主动的监督作用。因此急需可以不间断实时监控，准确、

7、主动预警的智能型视频监控系统来代替旧式的人工视频监视系统。基于视频分析的校园智能安全系统对校园中教学楼的走廊、楼梯、实验室和楼前空地、停车场等敏感场所实行24小时无间断实时监控，运用GMM和Camshift等视频分析技术对摄像机拍录的图像序列进行前景提取和目标跟踪，以跟踪目标的质心位置、质心移动距离的均方差及图像前景概率密度等信息作为特征值，进行跨越警戒线、可疑徘徊走动和人群密集程度的检测与判断。从而减少人力浪费，减轻安保人员工作量，提高管理效率，避免由于疲劳、疏忽造成的漏报，预防和制止犯罪，提前阻止校园中踩踏等安全事故的发生，维护和确保校园环境安全、稳定，保护学生的生命财产安全。基本思路：

8、系统首先将由模拟摄像机采集的视频序列，通过视频线传到视频编码器，编码器中将采集到的模拟信号转成数字信号，再交给后端解码器将数字信号转换成显示器可读的模拟信号。交换机与监控终端用双绞线连接，在监控终端，即PC机的中心控制平台上运行软件系统。系统运用GMM（混合高斯背景建模）算法对图像序列进行前景提取，运用Camshift算法对目标跟踪，以跟踪目标的质心位置、质心移动距离的均方差及图像前景概率密度等信息作为特征值，进行跨越警戒线、可疑徘徊走动和人群密集程度的检测与判断。当发现异常时，系统将以语音提示的方式及时主动地向安保人员报警。关键技术： 本系统检测模块采用的是GMM算法，跟踪模块采用的是Cam

9、Shift算法，阴影去除基于HSV色彩空间完成。作品的科学性先进性（必须说明与现有技术相比，该作品是否具有突出的实质性技术特点和显著进步。请提供技术性分析说明和参考文献资料）目前高校中的视频分析技术研究主要集中在初级的目标检测算法和中级的目标跟踪算法，对于行为分析技术的研究较少，因此很少形成实物产品应用于实际监控中；而视频监控公司则更注重实际中的应用，产品中之运用实用性强的算法，而忽视了对优良的算法的应用研究。而基于视频分析的校园智能安全系统则初步的将优良的检测、跟踪算法和实际应用相结合，并加以简单行为分析技术，构成了一套较为全面的智能视频监控系统，并在实际中得以应用。本系统的检测模块采用的是

10、背景建模法中的GMM（混合高斯背景建模），此算法运用了数学建模思想，对客观事物投影的图像序列进行了像素域在时间尺度上的建模。由于它是基于背景样本的统计学特征，因此能更客观、更科学地表征背景信息。与目前常用的运动目标识别方法背景差法、光流法和帧差法相比，GMM综合效果更佳，更适用于实际的实时监控。比起背景差法在受到光照和外部条件造成的场景变化时，GMM检测更加稳定，运动目标更加清晰，作者使用背景差检测室外停车场时，由于光线强烈更不无法得到前景，而运用GMM则非常清晰、准确；与光流法比较，计算更加简便，且抗噪性能更强；帧差法则会产生“孔洞”，不能完全提取出目标的所有信息。本系统的目标跟踪模块采用的

11、是CamShift算法，即"Continuously Apative Mean-Shift"算法，是一种运动跟踪算法。它主要通过视频图像中运动物体的颜色信息来达到跟踪的目的。Camshift利用目标的颜色直方图模型将图像转换为颜色概率分布图，初始化一个搜索窗的大小和位置，并根据上一帧得到的结果自适应调整搜索窗。Camshift算法就是将meanshift算法扩展到连续图像序列。Camshift能有效解决目标变形和遮挡的问题，对系统资源要求不高，时间复杂度低，在简单背景下能够取得良好的跟踪效果。可以准确的得到运动目标的位置、大小及运动方向，相比Mean-shift算法更加完善

12、、准确。主要功能：1、越线报警：此功能主要实现对特定区域的监测，利用混合高斯背景建模检测出前景，通过设定阈值排除较小前景并将其填充为背景，然后对检测出的较大轮廓运用camshift算法进行跟踪，计算出每个轮廓的大小、方向和质心位置。如有运动目标的质心进入警戒线内，则立即通过语音提示报警，提醒安保人员对对象予以关注并管理。2、聚集检测：此功能将实现当特定区域人员过于密集时，通过提示音提醒安保人员对该区域予以关注，并及时进行人员疏散，防止踩踏等意外事件发生。求出混合高斯背景建模检测出的前景所占背景的比例，如果比值大于某一阈值（阈值可调，根据实际场景经实验计算后获得），则说明场景中的运动目标过于密集

13、，出现拥挤或踩踏的可能性较大，此时系统会自动提醒安保人员及时对人流进行疏导，防止意外的发生。3、徘徊检测：在如银行、金店、停车场、幼儿园等敏感区域，长时间逗留或徘徊的人员很可能是伺机实施犯罪活动的可疑分子，由于安保人员往往需要观察多个场景，因而很难注意到这些人员的可疑走动，从而遗漏掉这些可疑行为，无法在案发前阻止犯罪。徘徊检测模块可疑实时、连续地监视指定场景，通过对人员质心位置均方差的计算，获取人员的行为信息，若均方差小于某一阈值便判断此人的正在敏感区域逗留或是徘徊，系统会自动提醒保安对可疑人员予以关注。目前，系统可以完成对场景中固定人数的徘徊检测。作品在何时、何地、何种机构举行的评审、鉴定、

14、评比、展示等活动中获奖及鉴定结果作品所处阶 段（ B ）A 实验室阶段 B 中试阶段 C 生产阶段D （自填）技术拟转让方式作品可展示的形式 实物、产品 模型 图纸 磁盘 现场演示 图片 þ录像 样品使用说明及该作品的技术特点和优势，提供该作品的适应范围及推广前景的技术性说明及市场分析和经济效益预测使用说明：系统已被包成软件安装形式，这样供客户安装的执行文件容量会较小，以方便用户下载、安装和存储，同时避免了由于客户操作不当造成的系统文件损坏。为了保护作者的版权，软件包中将不提供源代码。当初次使用时，首先双击“setup.exe”文件进行系统软件的安装，客户可将软件安装到任意指定的本地

15、目录中，并可创建桌面快捷方式。由于视频格式匹配问题，在安装好本系统程序后，请您在安装文件夹中找到“ffdshow.exe”文件，进行视频解压器的安装。之后的每次使用，便可点击安装目录中的“cvWnd.exe”文件或桌面快捷方式“智能监控”，在无需VC环境的Windows XP操作系统下打开本软件的对话框界面。系统提供了的友好型的、操作简单的用户交互界面，可以实现对本地视频图像的调取、播放、暂停等功能；还可以开启摄像机对场景实时监控，并将监控视频录制到本地存储器中保存以供随时调用，当发现异常时可以手动回放录制的视频信息；在播放本地视频文件和摄像头采集视频的同时对跨越警戒线、人群密度、可疑徘徊等进

16、行检测，异常发生时以语音提示方式向安保人员报警。技术特点及优势：校园智能视频监控系统具有操作简单，兼容性强，灵活性强，适用范围广泛的特点，并可为学校减少雇佣大批监视人员所需要的人力、物力和财力的投入。技术上，在目标检测模块中使用了受外界环境影响更小，可自适应的自动更新背景，综合效果更佳，更适用于实际的实时监控的GMM检测算法，提高了检测的准确性和鲁棒性；目标跟踪模块采用了CamShift算法，可以准确的得到运动目标的位置、大小及运动方向，所获得的目标信息更加完整、准确。从系统的兼容性、灵活性上看，本系统不单单仅可对校园进行监控，对于不同监控场景的切换，我们可以通过在后台更改参数的形式，使系统适

17、用于该场景这也扩大了本系统的适用范围。适应范围及推广前景：智能视频监控系统作为一种安防的有效手段，正越来越受到人们的重视。随着平安城市的建设，智能视频监控系统在协助政府或其他机构的安全部门在提高室外大地域公共安全的防护方面具有以往的视频监控系统无法替代的作用。智能监控系统具有广阔的应用前景，随着计算机技术的不断发展，智能监控技术的应用领域仍在不断扩展。同时近年来数学理论方面也取得了巨大的进步，智能视频监控在发展过程中可以很好地利用这些数学工具处理问题。因此，尽管该领域还存在着许多困难，现有技术还不能完全实现上述目标，另外在恶劣的环境下 ( 如光照剧 烈变化、雨 雪天气等 )可能会出现错误。但是

18、广泛的应用范围及其所具有的强大的生命力必将使得基于视频分析的智能视频监控系统得到持续的发展，不断的进步，前景无限光明。市场分析和经济效益预测：目前，社会中的各行各业对于智能视频监控系统的需求都及其迫切，且需求量日益递增。智能视频监控系统正在迅速的走进社会各行各业中，如监控监狱、仓库等的任何运动物体进行报警；对运动物体的运动属性( 方向、速度 ) 发生变化的时候进行报警；当检测到特殊场所如机场、车站等有被丢弃无人照看的物体时将进行报警；对展览厅、博物馆等场所内重要物体的移位报警；实现对复杂环境的自动视频理解，收集监视区的可疑情况，提高监控人员的环境感知能力。智能视频监控系统还可以在零售、服务行业

19、用作辅助工具，用于提高服务水平和营业额，如在超市和商场等公共场合，系统可用于统计顾客数量以及在某物体前面停留的时间，识别人群的整体运动特征，包括速度、方向等。基于视频分析的智能视频监控系统有着如此广泛而庞大的应用范围和需求量，必将为社会创造出巨大的财富和经济利益。目前国内智能视频监控行业的两大巨头海康威视和浙江大华都已成功上市，年利润极为可观。专利申报情况 提出专利申报 申报号 申报日期 年 月 日 已获专利权批准 批准号 批准日期 年 月 日þ未提出专利申请学校组织协调机构意见（可相关部门分别盖章，也可团委代章）年 月 日学校意见（签 章）年 月 日C当前国内外同类课题研究水平概述

20、说明：1.申报者可根据作品类别和情况填写；2.本栏目为可选项，若填写将有助于评审。视频监控具有广泛的应用前景和潜在的经济价值，从而激发了国内外广大科研工作者及相关商家的浓厚兴趣，尤其在美国、英国等国家已经开展了大量相关项目的研究。实时视觉监控系统 W4不仅能够定位人和分割出人的身体部分，而且通过建立模型来实现多人的跟踪，并可以检测人是否携带物体等简单行为；英国的雷丁大学已开展了对车辆和行人的跟踪及其交互作用识别的相关研究；IBM 与 Microsoft等公司也正逐步将基于视觉的手势识别接口应用于商业领域中。目前视频监控系统从人工半人工监控状态向自动视频监控状态发展。一个具有鲁棒性 、准确性和实

21、时性的系统是智能监控系统的研究方向。智能监控系统从根源上讲与人的视觉特性是紧密联系在一起的，由于目前对人的视觉特性还没有一个完善的理论。其数学模型更是难以建立。目前在国内的研究机构中，中国科学院北京自动化研究所模式识别国家重点实验室的视觉监控研究组处于领先地位。他们对交通场景的视觉监控( 基于三维线性模型定位、基于扩展卡尔曼滤波器的车辆跟踪算法)、人的运动视觉监控(基于步态的远距离身份识别)和行为模式识别( 提出了对目标运动轨迹和行为特征学习的模糊自组织神经网络学习算法)进行了深入研究，取得了一定的研究成果。国内其它一些高校也进行了这方面的研究 ，如上海交通大学、北京航空航天大学、北京理工大学

22、等，他们在混合高斯背景建模和卡尔曼滤波跟踪器等算法的研究和改进上都取得了显著进展。沈阳航天航空大学还将智能视频监控系统应用于无人机的侦查功能中。D.推荐者情况及对作品的说明说明：1.由推荐者本人填写；2.推荐者必须具有高级专业技术职称，并是与申报作品相同或相关领域的专家学者或专业技术人员（教研组集体推荐亦可）；3.推荐者填写此部分，即视为同意推荐；4.推荐者所在单位签章仅被视为对推荐者身份的确认。推荐者情况姓名曹江涛性别男年龄33职称教授工作单位辽宁石油化工大学信息与控制工程学院通讯地址辽宁省抚顺市望花区丹东路西段1号邮政编码113001E-mail 联系电话推荐者所在单位意见 同意申报 （签

23、 章） 年 月 日 请对申报情况的真实性作出阐述该作品是在老师指导下自行设计开发完成。设计内容合理，结构完整,设计具有较强的理论价值和应用价值，可以实时地对校园环境进行智能监控。对作品的意义、技术水平、适用范围及推广前景作出评价该系统对于校园安全有着实效性的意义，对于维护和确保校园环境安全、稳定具有高效的辅助作用。该作品采用的目标检测、跟踪等算法均适用于校园实时监控，可以应用于环境复杂度一般的室内外场景中。具有客观的市场推广前景。其它说明D.推荐者情况及对作品的说明说明：1.由推荐者本人填写；2.推荐者必须具有高级专业技术职称，并是与申报作品相同或相关领域的专家学者或专业技术人员（教研组集体推

24、荐亦可）；3.推荐者填写此部分，即视为同意推荐；4.推荐者所在单位签章仅被视为对推荐者身份的确认。推荐者情况姓名苏成利性别男年龄32职称副教授工作单位辽宁石油化工大学信息与控制工程学院通讯地址辽宁省抚顺市望花区丹东路西段1号邮政编码113001E-mail联系电话推荐者所在单位意见 同意申报 （签 章） 年 月 日 请对申报情况的真实性作出阐述该作品是在老师指导下自行设计开发完成。设计内容合理，结构完整,设计具有较强的理论价值和应用价值，可以实时地对校园环境进行智能监控。对作品的意义、技术水平、适用范围及推广前景作出评价该系统对于校园安全有着实效性的意义，对于维护和确保校园环境安全、稳定具有高

25、效的辅助作用。该作品采用的目标检测、跟踪等算法均适用于校园实时监控，可以应用于环境复杂度一般的室内外场景中。具有客观的市场推广前景。其它说明基于视频分析的校园智能监控系统摘要： 基于视频分析的智能监控系统通过摄像机采集视频，在不需要人为干预的情况下，系统自动的分析和抽取视频序列中的关键信息，检测出运动物体，当发现监控场景中的异常时，以最快最佳的方式协助安保人员处理危机。本系统利用视频分析技术中的混合高斯背景建模法（GMM）完成目标检测，运用Cam-shift算法对目标进行跟踪，以校园中教学楼的走廊、楼梯、实验室和楼前空地、停车场为监控场景，实现了越线报警、聚集检测和徘徊检测等三个智能监控功能。

26、其意义在于，实现智能、实时、主动地监控，减少人力浪费，减轻安保人员工作量，避免由于保安视觉疲劳而造成的漏报，提前预防和制止犯罪，阻止校园中各种安全事故的发生，维护校园环境和谐稳定，保障学生的生命财产安全。关键词：视频分析 智能监控 GMM Camshift 校园安全目 录引 言1第一章 视频分析技术的学科背景2第二章 校园安全现状及国内外视频分析监控系统发展状况分析3第三章 系统概述53.1 软件53.2 硬件53.3 系统总体结构框图5第四章 系统内部设计和功能划分74.1系统内部设计框图74.2功能74.2.1 越线报警74.2.2聚集检测74.2.3徘徊检测84.2.4界面按钮8第五章

27、关键技术95.1目标检测95.1.1 空间分割法95.1.2 时间分割法95.1.3 背景建模法115.2 目标分类125.3 目标跟踪135.4行为理解与描述165.5阴影抑制17第六章 系统特点19第七章 使用说明及市场分析和经济效益预测22结束语24参考文献25一、系统设计的目的和意义：学生是受关爱的群体，家长和社会各界都对他们的健康成长和人身安全给予了极大关注。众所周知，校园中由于学生众多，人群密集，非常不便于管理，是踩踏等安全事故频发的场所。并且，各种不同人格、性格的学生和外来人员同处在一个拥挤的空间内，很容易发生各种矛盾和意外，校园还会经常遭到不法分子的入侵。而这些意外和违法行为往

28、往都发生在安保人员疲劳、疏忽的时候，由于没能及时观察到异常发生的趋势，没有提前采取有效的保护措施，意外发生后学校总是承担无限责任，更给同学带来无限的灾难。目前，许多学校已经安装了视频监控系统，但这些监控系统只是将摄像机的输出结果记录下来，当异常情况发生后，保安人员才通过记录的结果观察发生的事实或用来当作事后证据，没有充分发挥其实时主动的监督作用。近年来发生在小学、幼儿园门前的杀害儿童事件和高校楼梯踩踏事故，引起了社会对校园安全现状的堪忧和重视，更使我们看到了学校对校园环境的监控不力。因此急需一种能够不间断实时监控，并快速自动地对视频信息进行分析，准确、主动预警的智能型视频监控系统来代替旧式的人

29、工视频监视系统。基于视频分析的校园智能安全系统，使用枪式和可控云台式两种视频监控系统中常用的摄像机对校园中教学楼的走廊、楼梯、实验室和楼前空地、停车场等敏感场所实行全天候24小时全天候无间断监控。系统运用GMM和Camshift等视频分析技术对摄像机拍录的图像序列在不需人为操作的情况下自动地进行前景提取和目标跟踪，以跟踪目标的质心位置、质心移动距离的均方差及图像前景概率密度等信息作为特征值，进行跨越警戒线、可疑徘徊走动和人群密集程度的检测与判断。基于视频分析的校园智能安全系统用摄像机代替了容易产生视觉疲劳的人眼，用视频分析技术和智能分析模块代替人脑的思维分析，使得监控系统变得智能、主动，预警更

30、加及时、准确。事实证明，该系统可以很好的协助安保人员完成监控任务，减轻了安保人员工作量，减少了学校的人力资源浪费，提高监控管理效率，避免由于安保人员视觉疲劳或疏忽造成的漏报，及时预防和制止犯罪，提前阻止校园中踩踏等安全事故的发生，维护校园环境和谐、稳定，确保学生生命及财产安全。二、系统概述2.1设计思路： 系统首先将由模拟摄像机采集的视频序列，通过视频线传到视频编码器，编码器中将采集到的模拟信号转成数字信号，再交给后端解码器将数字信号转换成显示器可读的模拟信号。交换机与监控终端用双绞线连接，在监控终端，即PC机的中心控制平台上运行软件系统。系统运用GMM（混合高斯背景建模）算法对图像序列进行前

31、景提取，运用Camshift算法对目标跟踪，以跟踪目标的质心位置、质心移动距离的均方差及图像前景概率密度等信息作为特征值，进行跨越警戒线、可疑徘徊走动和人群密集程度的检测与判断。当发现异常时，系统将以语音提示的方式及时主动地向安保人员报警。2.2 软件平台：本系统软件方面采用Visual C+6.0搭配开源的OpenCV1.0跨平台计算机视觉库的模式构建开发平台，利用VC中的MFC框架结构搭建系统的主体对话框界面，运用VC和OpenCV中的库函数编译代码及数据处理。VC的代码执行效率比较高，虽然编写的代价过大，尤其在处理视频检测和跟踪时，有时需要成百上千行的代码，但是OpenCV的出现极大地丰

32、富了VC的函数库，扩展了VC的功能，降低了VC的开发难度，同时争强了系统的运行速度和实用性。2.3 硬件构成：系统硬件主要包括：视频编码器、后端解码器（解码上墙）和网络交换机；超宽动态彩转黑SONY SSC-DC598P摄像机一台(云台控制)；枪式摄像机3台 ；联想扬天A7700R台式PC机一台；32英寸显示屏一台；通信线路采用双绞线、视频线和控制线。 管理服务器由监控管理软件、服务器硬件、存储服务器等组成，提供了完整的监控中心管理、录像管理、报警管理。监视系统由监控终端和显示系统组成，配配置四核4G内存的高性能PC机作为监控终端。系统首先将由模拟摄像机采集的视频序列，通过视频线传到视频编码器

33、，编码器中将采集到的模拟信号转成数字信号，再交给后端解码器将数字信号转换成显示器可读的模拟信号，传给液晶显示屏。交换机相当于路由器的作用，它与监控终端、磁盘阵列、解码器等用双绞线连接。磁盘阵列是一个超大容量的存储器，用以储存摄像机采集来的视频文件。在监控终端，即PC机的中心控制平台上运行软件系统，利用视频分析技术完成对场景的智能监控。2.4 系统总体结构框图： 图一 系统总体结构框图2.5 系统内部设计框图：图二 系统内部设计框架图三、关键技术及功能介绍3.1目标检测运动目标的检测就是将包含运动信息的视频序列运用适当的技术进行处理，把与背景存在相对运动的前景区分开的过程。它是计算机视觉信息提取

34、中的一个重要问题，也是更高层次视频分析，如基于对象的视频编码、目标跟踪 、运动分析的基础。系统起初采用了背景差法、帧差法和光流法检测目标。但背景差法对光线极为敏感，无法用于室外光线较强且变化大的监控场景中；而帧差法在检测出的前景目标中会产生许多空洞，不易于对目标质心、轨迹的分析；光流法的计算量非常大，因此产生的延迟较大，无法运用到实时监控中。最总系统采用了混合高斯背景建模法，即GMM算法进行目标检测，实践证明综合效果较好。下面分别介绍一下上述四种检测算法。3.1.1背景差法 ：背景差法的原理和算法设计简单，运行速度较快，在背景变化缓慢的理想情况下，能够得到比较精确的运动目标信息，是目前使用较多

35、的方法。它用当前帧减去背景帧得到包含运动目标的前景图，然后更新背景图像，最后对前景图作后续处理，如此循环。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为本监控系统从视频中得到的第k帧图片；Bk为经过更新后的第k帧对应的背景；Fk为目标前景图；f为背景更新算法。最主要的环节是设计稳定可靠的背景模型，涉及到背景的有效提取以及背景的更新。最简单的背景模型是时间平均图像，大部分的研究人员目前都致力于开发不同的背景模型，以期减少动态场景变化对于运动分割的影响。 3.1.2帧间差法 ：帧问差法根据监控场景中出现运动物体时，相邻帧之间的运动

36、区域会出现比较明显的差别，依据这一差别就可以提取出运动目标。目前利用这一方法的文献有很多，常见的方法有两帧差法、三帧差分法、帧间差法和背景差法相结合的方法11-13：a ) 两帧差法：Lipton等人采用的是两帧差法，直接用相邻两帧差分并用一个阈值函数检测出目标。这种方法简单实用，速度很快，对前景变化非常敏感，但是这种方法检测出的目标是相邻两帧中所有变化的信息，会存在较多的噪声，并且得到的帧差图会有目标区域的重叠区域。b ) 三帧差分法：三帧差分法是对两帧差法的一个改进，它将前帧和中间帧、中间帧和后帧分别进行差分运算，然后将得到的两个结果进行相与操作得到目标前景图。这个方法显然比两帧差法的噪声

37、要少很多，但是也有明显的缺点，即对于运动速度过快或者视频截取间隔比较长的情况下，会出现捕捉不到前景目标的情况。而且对于一般情况下得到的目标前景图会有一些空洞，需要作进一步的形态学腐蚀操作才能作后续处理。 c ) 帧间差法和背景差法相结合：针对这两种方法的优缺点，有许多文献提出了背景差法和帧间差法相互结合的方法。有研究者提出了一种基于背景差法和帧间差法相结合的运动目标检测和自适应背景更新方法，利用帧间差法检测背景是否剧烈变化，如果是则用变化后的帧替换背景。还有人将连续两帧差图像和背景差图像直接相乘， 再将相乘的结果进行二值化处理得到运动检测结果， 从而将运动目标从背景图像中分离出来，取得了较好的

38、结果。也有人提出了混合高斯模型和帧间差分相融合的自适应相融合的自适应背景模型方法，从而提高了背景的自适应性。3.1.3光流法7-15：在一个图像序列中，物体的运动是通过图像中各点的灰度变化来体现的，这就是光流场。通过求解偏微分方程求得图像序列的光流场，理论上可以跟踪运动物体。光流分析法的优点是可以在摄像机运动的情况下，仍然能检测运动对象，但其计算复杂、实时性较差，需要特殊的硬件支持。如果光照强度或光源方位发生了变化，则会产生错误结果，因此在应用中比较少。 3.1.4混合高斯背景建模法：本系统的检测模块采用的就是背景建模法中的GMM（混合高斯背景建模），此算法运用了数学建模思想，对客观事物投影的

39、图像序列进行了像素域在时间尺度上的建模。由于它是基于背景样本的统计学特征，因此能更客观、更科学地表征背景信息。混合高斯背景模型公式如下：某点 x在某时刻的随机分布概率为： 式中 , K为高斯分布的数量, 是第 i个高斯分布的权值; 为第 i个高斯分布的均值向量和方差矩阵; g是第 i个概率密度的高斯分布函数。 在这个分布模型上,以 x为背景的后验概率 p (B / x)可进一步表示为 (3-4-2)式中 , 为第 i个高斯分布, 为这个高斯分布在高斯混合模型中的权值,在实际运用中,这是一个先验知识。当有新的观测点 xt+1 来临时 ,则将这个样本的像素值分别与 K个高斯分布的均值,t相比 ,同

40、时计算观测点落入相应高斯分布的概率 ,并按某一判断法则选择匹配的高斯分布。这个法则为:< c * ( i = 1, , K) (3-4-3)c为一常数。 据此 ,就可以选择出符合判断法则的高斯分布。当存在匹配的高斯分布时 ,则需要根据当前像素 xt ,对这些高斯分布的权值、 均值和方差参数进行更新处理。= (1 - )* +* ， (3-4-4)式中 ,为一与时间相关的学习速度。 (3-4-5) (3-4-6)在这些匹配的高斯分布中 ,还需要按照各自的比值进行排序 ,然后从中选择最能代表背景的高斯分布 ,并以此来最终确定表征背景的高斯分布。式 (11)中 ,权值较大的前 b个高斯分布被识

41、别为背景 ,即B = 3.2 目标分类目标分类的目的是从检测到的运动区域中将对应于人的运动区域提取出来。不同的运动区域可能对应于不同的运动目标，比如交通道路上监控摄像机所捕捉的序列图像中可能包含行人、车辆及其它诸如飞鸟、流云、摇动的树枝等运动物体，为了便于进一步对行人进行跟踪和行为分析，运动目标的正确分类是完全必要的。 本系统采用的是基于形状信息的分类，主要以运动物体的宽高比等作为特征对目标进行分类。当运动物体的宽大与其高，即宽高比小于1时，我们认为目标为汽车或车与人的交汇，再将该目标的高和宽和我们设定好的阈值进行对比。若宽或高其中之一大于阈值，那么我们人为目标为车与人的交汇，系统会自动地用绿

42、色矩形框在屏幕上圈出目标；若高和宽都在阈值范围内时则认为目标是汽车，系统会自动地用蓝色矩形框在屏幕中圈目标。这样便进一步区分出了目标的具体属性。当运动物体的宽小与其高，即宽高比大于1时，并且目标的高和宽都在设定好的阈值范围内时，我们认为目标为人，系统将以红色矩形框自动圈定目标。3.3 目标跟踪跟踪等价于在连续的图像帧间创建基于位置、速度、形状、纹理、色彩等有关特征的对应匹配问题。本系统起初采用Meanshift算法对目标进行跟踪，后因该算法不能完整的提取出运动目标的特性，而改用Camshift跟踪算法，此算法可以获取跟踪目标的大小、质心、运动方向三个参数，由于Camshift算法是对Means

43、hift算法有限次的迭代，因此更加准确。下面分别介绍一下这两种跟踪算法。3.3.1 Mean-shift跟踪算法 Mean-shift算法是一种密度函数梯度估计的非参数方法，通过迭代寻优找到概率分布的极值来定位目标。算法过程为：在颜色概率分布图中选取搜索窗W，计算零阶矩：，计算一阶矩：， (5-1)计算搜索窗质心：； (5-2) 调整搜索窗大小宽度为，长度为 1.2*s； (5-3)移动搜索窗的中心到质心，如果移动距离大于预设的固定阈值，则重复、，直到搜索窗的重心和质心间的移动距离小于预设的固定阈值，或者循环运算的次数达到某一最大值，停止计算。3.3.2 Camshift跟踪算法：目标跟踪模块

44、采用的是CamShift算法，即"Continuously Apative Mean-Shift"算法，是一种运动跟踪算法。它主要通过视频图像中运动物体的颜色信息来达到跟踪的目的。Camshift利用目标的颜色直方图模型将图像转换为颜色概率分布图，初始化一个搜索窗的大小和位置，并根据上一帧得到的结果自适应调整搜索窗口的位置和大小，从而定位出当前图像中目标的中心位置。算法分为三个部分：色彩投影图（反向投影）：RGB颜色空间对光照亮度变化较为敏感，为了减少此变化对跟踪效果的影响，首先将图像从RGB空间转换到HSV空间。然后对其中的H分量作直方图，在直方图中代表了不同H分量值出现

45、的概率或者像素个数，就是说可以查找出H分量大小为h的概率或者像素个数，即得到了颜色概率查找表。将图像中每个像素的值用其颜色出现的概率对替换，就得到了颜色概率分布图，颜色概率分布图是一个灰度图像。Mean-shiftMean-shift算法是一种密度函数梯度估计的非参数方法，通过迭代寻优找到概率分布的极值来定位目标。算法过程为：在颜色概率分布图中选取搜索窗W，计算零阶矩：，计算一阶矩：，；计算搜索窗质心：；调整搜索窗大小宽度为，长度为 1.2*s；移动搜索窗的中心到质心，如果移动距离大于预设的固定阈值，则重复、，直到搜索窗的重心和质心间的移动距离小于预设的固定阈值，或者循环运算的次数达到某一最大

46、值，停止计算。CamshiftCamshift算法就是将Mean-shift算法扩展到连续图像序列。它将视频的所有帧做Mean-shift运算，并将上一帧的结果，即搜索窗的大小和中心，作为下一帧Mean-shift算法搜索窗的初始值。如此迭代下去，就可以实现对目标的跟踪。3.4阴影抑制运动物体产生的阴影一般面积较大，且通常与物体相连，如果不进行抑制，会使分割得到的前景物体变形，不能得到较好的轮廓。本系统的阴影去除是基于HSV色彩空间完成的。HSV(hue,saturation,value)表示色相、饱和度和亮度，这个色彩空间的模型对应于圆柱坐标系中的一个圆锥形子集，圆锥的顶面对应于V=1. 在

47、HSV六棱锥色彩模型中，色相H处于平行于六棱锥顶面的色平面上，他们围绕中心轴V旋转和变化，红、黄、绿、青、蓝、品红六个标准色分别相隔60度。色彩明度沿六棱锥中心轴V从上至下变化，中心轴顶端呈白色（V=1），底端为黑色（V=0），他们表示无彩色系的灰度颜色。色彩饱和度（S）沿水平方向变化，越接近六棱锥中心轴的色彩，其饱和度越低，六边形正中心的色彩饱和度为零，与最高明度的V=1相重合，最高饱和度的颜色则处于六边形外框的边缘线上。当一个像素点被阴影覆盖时，它的亮度值变小，饱和度值变化不大，而被运动目标覆盖时，它的亮度值可能变大，也可能变小，饱和度值变化较大。因此，HSV颜色空间的阴影检测算法可有效的

48、检测出阴影。我们首先将RGB色彩空间的图像转化成HVS色彩空间，公式为：H = arccos (6-1) S = 1- (6-2) V = (6-3) 由于阴影处的亮度与饱和度较背景暗，而色彩基本保持不变。由如下决策公式，判断像素点是否为阴影： (6-4)其中：分别表示（x，y）处像素值与背景像素值的 H、S 、V分量。参数，取值要考虑阴影的强度，背景上投射的阴影越强，越小；用来增强对噪声的鲁棒性。 参数 的选取则主要凭经验调试。 算法中 = 0.4， = 1 ， = O ，= 5 03.5系统功能：3.5.1 越线报警此功能主要实现对特定区域的监测，利用混合高斯背景建模检测出前景，通过设定阈

49、值排除较小前景并将其填充为背景，然后对检测出的较大轮廓运用camshift算法进行跟踪，计算出每个轮廓的大小、方向和质心位置。如有运动目标的质心进入警戒线内，则立即通过语音提示报警，提醒安保人员对目标予以关注并管理。 3.5.2聚集检测此功能将实现当特定区域人员过于密集时，通过提示音提醒安保人员对该区域予以关注，并及时进行人员疏散，防止踩踏等意外事件发生。求出混合高斯背景建模检测出的前景所占背景的比例，如果比值大于某一阈值（阈值可调，根据实际场景经实验计算后获得），则说明场景中的运动目标过于密集，出现拥挤或踩踏的可能性较大，此时安保人员应及时对人流进行疏导，防止意外的发生。3.5.3徘徊检测学

50、校实验室中的实验仪器、电脑等物品都非常贵重，因此在实验室门前长时间逗留或徘徊的人员很可能是伺机实施犯罪活动的可疑分子，由于安保人员往往需要观察多个场景，因而很难注意到这些人员的可疑走动，从而遗漏掉这些可疑行为，无法在案发前阻止犯罪。徘徊检测模块可疑实时、连续地监视指定场景，通过对人员质心位置均方差的计算，获取人员的行为信息，若均方差小于某一阈值，并且在此敏感区域内逗留时间过长，便判断此人的正在敏感区域逗留或是可疑徘徊，系统会自动提醒保安对可疑人员予以关注。目前，系统可以完成对场景中固定人数的徘徊检测。四、系统特点目前高校中的视频分析技术研究主要集中在初级的目标检测算法和中级的目标跟踪算法，对于

51、行为分析技术的研究较少，因此很少形成实物产品应用于实际监控中；而视频监控公司则更注重实际中的应用，产品中之运用实用性强的算法，而忽视了对优良的算法的应用研究。而基于视频分析的校园智能安全系统则初步的将优良的检测、跟踪算法和实际应用相结合，并加以简单行为分析技术，构成了一套较为全面的智能视频监控系统，并在实际中得以应用。本系统的检测模块采用的是背景建模法中的GMM（混合高斯背景建模），此算法运用了数学建模思想，对客观事物投影的图像序列进行了像素域在时间尺度上的建模。由于它是基于背景样本的统计学特征，因此能更客观、更科学地表征背景信息。与目前常用的运动目标识别方法背景差法、光流法和帧差法相比，GM

52、M综合效果更佳，更适用于实际的实时监控。比起背景差法在受到光照和外部条件造成的场景变化时，GMM检测更加稳定，运动目标更加清晰，作者使用背景差检测室外停车场时，由于光线强烈更不无法得到前景，而运用GMM则非常清晰、准确；与光流法比较，计算更加简便，且抗噪性能更强；帧差法则会产生“孔洞”，不能完全提取出目标的所有信息。本系统的目标跟踪模块采用的是CamShift算法，即"Continuously Apative Mean-Shift"算法，是一种运动跟踪算法。它主要通过视频图像中运动物体的颜色信息来达到跟踪的目的。Camshift利用目标的颜色直方图模型将图像转换为颜色概率分

53、布图，初始化一个搜索窗的大小和位置，并根据上一帧得到的结果自适应调整搜索窗。Camshift算法就是将Mean-shift算法扩展到连续图像序列。Camshift能有效解决目标变形和遮挡的问题，对系统资源要求不高，时间复杂度低，在简单背景下能够取得良好的跟踪效果。可以准确的得到运动目标的位置、大小及运动方向，相比Mean-shift算法更加完善、准确。校园智能视频监控系统具有操作简单，兼容性强，灵活性强，适用范围广泛的特点，并可为学校减少雇佣大批监视人员所需要的人力、物力和财力的投入。技术上，在目标检测模块中使用了受外界环境影响更小，可自适应的自动更新背景，综合效果更佳，更适用于实际的实时监控的GMM检测算法，提高了检测的准确性和鲁棒性；目标跟踪模块采用了