專利名稱：嵌入式智能視頻攝像機(jī)系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本實(shí)用新型涉及通信領(lǐng)域，尤其涉及一種嵌入式智能視頻攝像機(jī)系統(tǒng)。
背景技術(shù)：
目前，安防系統(tǒng)主要是在隱蔽的地方布設(shè)攝像機(jī)，從而實(shí)現(xiàn)其監(jiān)控范圍內(nèi)的視頻錄制并通過顯示屏展示給安保人員。但是，安保人員只能依靠不間斷地“盯屏幕”來發(fā)現(xiàn)可疑人物或物品，一旦疏忽將造成巨大的安全隱患；另外，在進(jìn)行證據(jù)采集時(shí)，需要從海量的視頻數(shù)據(jù)中搜索到想要找的圖像，實(shí)屬不易，增加了工作難度，效率十分低下
實(shí)用新型內(nèi)容
本實(shí)用新型實(shí)施例所要解決的技術(shù)問題在于，提供一種嵌入式智能視頻攝像機(jī)系統(tǒng)，以提高安全性及工作效率。為了解決上述技術(shù)問題，本實(shí)用新型實(shí)施例提出了一種嵌入式智能視頻攝像機(jī)系統(tǒng)，包括若干攝像機(jī)，以及與所述攝像機(jī)相連以檢測(cè)并跟蹤目標(biāo)圖像并對(duì)其行為識(shí)別的視頻監(jiān)控終端。進(jìn)一步地，所述視頻監(jiān)控終端包括獲得所述攝像機(jī)拍攝的原始圖像的解碼模塊；與所述解碼模塊相連以將目標(biāo)圖像從所述原始圖像中分離出來的分割模塊；與所述分割模塊相連以對(duì)所述目標(biāo)圖像進(jìn)行分類的分類模塊。進(jìn)一步地，所述視頻監(jiān)控終端還包括與所述分割模塊相連以搜集所述目標(biāo)圖像的視覺特征信息的搜集模塊；與所述搜集模塊相連以根據(jù)所述視覺特征信息進(jìn)行目標(biāo)定位的定位模塊。進(jìn)一步地，所述視頻監(jiān)控終端還包括與所述解碼模塊相連以將動(dòng)態(tài)的原始圖像轉(zhuǎn)化為特征模型的轉(zhuǎn)化模塊；與所述轉(zhuǎn)化模塊相連用于將所述特征模型與行為模板匹配以確定目標(biāo)行為的匹配模塊。本實(shí)用新型實(shí)施例的有益效果是通過提出了一種嵌入式智能視頻攝像機(jī)系統(tǒng)，包括若干攝像機(jī)，以及與所述攝像機(jī)相連以檢測(cè)并跟蹤目標(biāo)圖像并對(duì)其行為識(shí)別的視頻監(jiān)控終端，這樣，視頻監(jiān)控終端可實(shí)現(xiàn)對(duì)攝像機(jī)所錄制的視頻圖像進(jìn)行分析，確定目標(biāo)并實(shí)現(xiàn)跟蹤及行為識(shí)別，從而可將安保人員從繁雜而枯燥的“盯屏幕”任務(wù)解脫出來，由機(jī)器來完成這部分工作，避免了由于安保人員疏漏而造成的安全隱患問題；另外，在海量的視頻數(shù)據(jù)中可快速搜索到想要找的圖像，從而提聞了效率。

圖I是本實(shí)用新型第一實(shí)施例的嵌入式智能視頻攝像機(jī)系統(tǒng)的結(jié)構(gòu)示意圖。[0018]圖2是本實(shí)用新型第二實(shí)施例的嵌入式智能視頻攝像機(jī)系統(tǒng)的結(jié)構(gòu)示意圖。圖3是本實(shí)用新型第三實(shí)施例的嵌入式智能視頻攝像機(jī)系統(tǒng)的結(jié)構(gòu)示意圖。圖4是本實(shí)用新型第四實(shí)施例的嵌入式智能視頻攝像機(jī)系統(tǒng)的結(jié)構(gòu)示意圖。
具體實(shí)施方式
需要說明的是，在不沖突的情況下，本申請(qǐng)中的實(shí)施例及實(shí)施例中的特征可以相互結(jié)合，
以下結(jié)合附圖和具體實(shí)施例對(duì)本實(shí)用新型作進(jìn)一步詳細(xì)說明。如圖I所示，本實(shí)用新型實(shí)施例提出了一種嵌入式智能視頻攝像機(jī)系統(tǒng)，其主要包括若干攝像機(jī)101，以及與攝像機(jī)101相連以檢測(cè)并跟蹤目標(biāo)圖像并對(duì)其行為識(shí)別的視 頻監(jiān)控終端102。其中，視頻監(jiān)控終端102具體包括如圖2所示的結(jié)構(gòu)獲得所述攝像機(jī)拍攝的原始圖像的解碼模塊1021 ；與解碼模塊1021相連以將目標(biāo)圖像從原始圖像中分離出來的分割模塊1022 ；與分割模塊1022相連以對(duì)目標(biāo)圖像進(jìn)行分類的分類模塊1023。具體地上述分割模塊1022與分類模塊1023可實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)檢測(cè)，也就是從圖像序列中將變化的目標(biāo)物體從背景圖像中提取出來，它包括目標(biāo)分割和目標(biāo)分類兩部分。分割模塊1022采用背景差分法，適用于固定攝像機(jī)的情形，它先為背景圖像建立背景模型，通過將當(dāng)前圖像幀與背景圖像進(jìn)行比較，確定出亮度變化較大的區(qū)域，即認(rèn)為是前景區(qū)域。這種方法計(jì)算速度很快，可以獲得完整的運(yùn)動(dòng)區(qū)域，但對(duì)于場(chǎng)景中光照和噪聲比較敏感，在實(shí)際應(yīng)用中需要采用一定的算法進(jìn)行維護(hù)和更新背景模型，以適應(yīng)環(huán)境的變化。分類模塊1023采用判別函數(shù)法進(jìn)行目標(biāo)圖像的分類，例如箱子、人物等。為完成目標(biāo)跟蹤功能，視頻監(jiān)控終端102還可以包括如圖3所示的結(jié)構(gòu)與分割模塊1022相連以搜集目標(biāo)圖像的視覺特征信息的搜集模塊1024 ；與搜集模塊1024相連以根據(jù)視覺特征信息進(jìn)行目標(biāo)定位的定位模塊1025。具體地搜集模塊1024，首先建模，主要用來收集描述目標(biāo)的視覺特征，為以后定位目標(biāo)提供信息。本技術(shù)采用的特征是小波表達(dá)，它可以從不同尺度、不同方向描述圖像，對(duì)于由粗到精的差分運(yùn)動(dòng)估計(jì)非常有效。局部區(qū)別特征描述子是指目標(biāo)通過一組辨別特征描述算子表達(dá)，這些描述算子從局部區(qū)域的圖像特征點(diǎn)產(chǎn)生，他們表達(dá)了局部區(qū)域?qū)τ诔叨?、旋轉(zhuǎn)和光照的不變性，將這種特征描述算子嵌入到跟蹤框架中，實(shí)現(xiàn)跟蹤。定位模塊1025完成目標(biāo)定位，目標(biāo)定位是一個(gè)預(yù)測(cè)目標(biāo)參數(shù)的過程，根據(jù)圖像序列，確定目標(biāo)在圖像中的位置、形狀參數(shù)。目標(biāo)定位研究的方法是將目標(biāo)定位轉(zhuǎn)換為在貝葉斯濾波框架下求解目標(biāo)狀態(tài)后驗(yàn)概率密度的過程。在貝葉斯理論框架下，將目標(biāo)跟蹤問題看作最優(yōu)估計(jì)過程，采用狀態(tài)空間模型來描述，首先選擇狀態(tài)向量，通過狀態(tài)轉(zhuǎn)移方程進(jìn)行預(yù)測(cè)，然后利用最新觀測(cè)值對(duì)預(yù)測(cè)值做出修正。當(dāng)過程噪聲和觀測(cè)噪聲都是高斯分布，且狀態(tài)轉(zhuǎn)移方程和觀測(cè)方程都是線性的，利用常規(guī)的Kalman濾波給出最優(yōu)解。當(dāng)狀態(tài)方程和觀測(cè)方式是非線性函數(shù)時(shí)，擴(kuò)展Kalman濾波就可求解后驗(yàn)概率。如果狀態(tài)空間是用有限的離散值組成，隱馬爾科夫模型(Hidden Markov Models)可以實(shí)現(xiàn)。在實(shí)際場(chǎng)景中，狀態(tài)方程和觀測(cè)方程往往都是非線性的，而且噪聲也是非高斯的、狀態(tài)分布是多模態(tài)的，在這種情況下，利用粒子濾波的方法。為完成目標(biāo)行為分析功能，視頻監(jiān)控終端102還可以包括如圖4所示的結(jié)構(gòu)與解碼模塊1021相連以將動(dòng)態(tài)的原始圖像轉(zhuǎn)化為特征模型的轉(zhuǎn)化模塊1026 ；與轉(zhuǎn)化模塊1026相連用于將特征模型與行為模板匹配以確定目標(biāo)行為的匹配模塊 1027。具體地此處的行為是廣義上的“行為”定義，它包括動(dòng)作、行為和活動(dòng)三個(gè)層面。動(dòng)作是指人體的一個(gè)小的運(yùn)動(dòng)元素，如抬腳、落腳、甩臂等，而狹義上的行為是按時(shí)間有序排列在一起的動(dòng)作的集合，例如跑步，走路等。而一系列狹義行為組成的序列稱為活動(dòng)，如打球等?！て渲饕康氖菍?duì)人體的運(yùn)動(dòng)進(jìn)行了層次的劃分。對(duì)于行為(未加說明時(shí)指廣義行為)的識(shí)別方法主要有兩種基于模板匹配的方法和狀態(tài)空間模型的方法模板匹配的方法首先是由轉(zhuǎn)化模塊1026將動(dòng)態(tài)的圖像序列轉(zhuǎn)化為特征模型，然后由匹配模塊1027與訓(xùn)練得到的各種行為模板進(jìn)行匹配。其優(yōu)點(diǎn)是計(jì)算復(fù)雜度較低且簡(jiǎn)單易行，但其對(duì)噪聲和特征模型在時(shí)間和空間尺度上的輕微變化較為敏感，要加入模型演化的步驟。上述本實(shí)用新型實(shí)施例的嵌入式智能視頻攝像機(jī)系統(tǒng)將智能處理算法加載在攝像機(jī)內(nèi)，形成智能攝像機(jī)的智能安防系統(tǒng)，能夠及時(shí)、自動(dòng)地從原始視頻信息中只提取有用信息，以完成視頻傳輸、保存和檢索，也可以驅(qū)動(dòng)其他數(shù)據(jù)、觸發(fā)其他行為，從而輕而易舉地完成人力很難完成的任務(wù)。本解決方案具體是通過關(guān)于人群聚集、人數(shù)統(tǒng)計(jì)、人員徘徊、物品遺留、非法滯留等應(yīng)用需求的分析，從技術(shù)方面可將人員徘徊、非法滯留、物品遺留、非法入侵等歸為一類一視覺行為分析。上述本實(shí)用新型實(shí)施例的嵌入式智能視頻攝像機(jī)系統(tǒng)可應(yīng)用于公安執(zhí)法和安全類執(zhí)法會(huì)更側(cè)重于模式識(shí)別公安執(zhí)法和安全類執(zhí)法會(huì)更側(cè)重于模式識(shí)別，如車牌，人臉；安全類則會(huì)側(cè)重于逆行監(jiān)測(cè)，非法入侵，人群聚集，滑到遺留物的檢測(cè)；文博類重點(diǎn)在于物品看管及人員的安全監(jiān)控，可對(duì)物體丟失，拿走，徘徊報(bào)警及對(duì)特殊通道進(jìn)行逆行監(jiān)測(cè)，針對(duì)禁用區(qū)的遺物進(jìn)行檢測(cè)，在反恐防暴領(lǐng)域中應(yīng)用甚廣。如下列舉了幾個(gè)具體應(yīng)用場(chǎng)景( I)高級(jí)視頻移動(dòng)偵測(cè)在復(fù)雜的天氣環(huán)境中(例如雨雪、大霧、大風(fēng)等)精確地偵測(cè)和識(shí)別單個(gè)物體或多個(gè)物體的運(yùn)動(dòng)情況，包括運(yùn)動(dòng)方向、運(yùn)動(dòng)特征等。(2)物體追蹤偵測(cè)到移動(dòng)物體之后，根據(jù)物體的運(yùn)動(dòng)情況，自動(dòng)發(fā)送PTZ控制指令，使攝像機(jī)能夠自動(dòng)跟蹤物體，在物體超出該攝像機(jī)監(jiān)控范圍之后，自動(dòng)通知物體所在區(qū)域的攝像機(jī)繼續(xù)進(jìn)行追蹤。(3)人物面部識(shí)別自動(dòng)識(shí)別人物的臉部特征，并通過與數(shù)據(jù)庫檔案進(jìn)行比較來識(shí)別或驗(yàn)證人物的身份。此類應(yīng)用又可以細(xì)分為“合作型”和“非合作型”兩大類?！昂献餍汀睉?yīng)用需要被監(jiān)控者在攝像機(jī)前停留一段時(shí)間，通常與門禁系統(tǒng)配合使用?！胺呛献餍汀眲t可以在人群中識(shí)別出特定的個(gè)體，此類應(yīng)用可以在機(jī)場(chǎng)、火車站、體育場(chǎng)館等安防應(yīng)用場(chǎng)景中發(fā)揮很大的作用。(4)車輛識(shí)別識(shí)別車輛的形狀、顏色、車牌號(hào)碼等特征，并反饋給監(jiān)控者。此類應(yīng)用可以用在被盜車輛追蹤等場(chǎng)景中。[0049](5)非法滯留當(dāng)一個(gè)物體(如箱子、包裹、車輛、人物等)在敏感區(qū)域停留的時(shí)間過長(zhǎng)，或超過了預(yù)定義的時(shí)間長(zhǎng)度就產(chǎn)生報(bào)警。典型應(yīng)用場(chǎng)景包括機(jī)場(chǎng)、火車站、地鐵站等。(6)交通流量控制用于在公路上監(jiān)視交通情況，例如統(tǒng)計(jì)通過的車數(shù)、平均車速、是否有非法?？?、是否有故障車輛等等。盡管已經(jīng)示出和描述了本實(shí)用新型的實(shí)施例，對(duì)于本領(lǐng)域的普通技術(shù)人員而言，可以理解在不脫離本實(shí)用新型的原理和精神的情況下可以對(duì)這些實(shí)施例進(jìn)行多種變化、修改、替換和變型，本實(shí)用新型的范圍由所附權(quán)利要求及其等同范圍限定。
權(quán)利要求1.一種嵌入式智能視頻攝像機(jī)系統(tǒng)，其特征在于，包括若干攝像機(jī)，以及與所述攝像機(jī)相連以檢測(cè)并跟蹤目標(biāo)圖像并對(duì)其行為識(shí)別的視頻監(jiān)控終端。
2.如權(quán)利要求I所述的系統(tǒng)，其特征在于，所述視頻監(jiān)控終端包括 獲得所述攝像機(jī)拍攝的原始圖像的解碼模塊； 與所述解碼模塊相連以將目標(biāo)圖像從所述原始圖像中分離出來的分割模塊； 與所述分割模塊相連以對(duì)所述目標(biāo)圖像進(jìn)行分類的分類模塊。
3.如權(quán)利要求2所述的系統(tǒng)，其特征在于，所述視頻監(jiān)控終端還包括 與所述分割模塊相連以搜集所述目標(biāo)圖像的視覺特征信息的搜集模塊； 與所述搜集模塊相連以根據(jù)所述視覺特征信息進(jìn)行目標(biāo)定位的定位模塊。
4.如權(quán)利要求2所述的系統(tǒng)，其特征在于，所述視頻監(jiān)控終端還包括 與所述解碼模塊相連以將動(dòng)態(tài)的原始圖像轉(zhuǎn)化為特征模型的轉(zhuǎn)化模塊； 與所述轉(zhuǎn)化模塊相連用于將所述特征模型與行為模板匹配以確定目標(biāo)行為的匹配模塊。
專利摘要本實(shí)用新型實(shí)施例公開了一種嵌入式智能視頻攝像機(jī)系統(tǒng)，包括若干攝像機(jī)，以及與所述攝像機(jī)相連以檢測(cè)并跟蹤目標(biāo)圖像并對(duì)其行為識(shí)別的視頻監(jiān)控終端，這樣，視頻監(jiān)控終端可實(shí)現(xiàn)對(duì)攝像機(jī)所錄制的視頻圖像進(jìn)行分析，確定目標(biāo)并實(shí)現(xiàn)跟蹤及行為識(shí)別，從而可將安保人員從繁雜而枯燥的“盯屏幕”任務(wù)解脫出來，由機(jī)器來完成這部分工作，避免了由于安保人員疏漏而造成的安全隱患問題；另外，在海量的視頻數(shù)據(jù)中可快速搜索到想要找的圖像，從而提高了效率。
文檔編號(hào)G06K9/00GK202798983SQ201220390999
公開日2013年3月13日 申請(qǐng)日期2012年8月8日 優(yōu)先權(quán)日2012年8月8日
發(fā)明者甕正科, 管小寶, 何小鵬 申請(qǐng)人:甕正科, 管小寶, 何小鵬