智能視覺(jué)安全系統(tǒng)(鑒定會(huì))

二零零八年九月現(xiàn)代港口智能圖像安保系統(tǒng)提綱一研究背景二研究?jī)?nèi)容三關(guān)鍵技術(shù)四創(chuàng)新點(diǎn)五總結(jié)一研究背景港口是我國(guó)國(guó)民經(jīng)濟(jì)中的重要一環(huán)。對(duì)港口的破壞和港口生產(chǎn)秩序的影響都會(huì)波及到眾多的產(chǎn)業(yè)和企業(yè)，造成不可估量的損失。對(duì)港口進(jìn)行行之有效的保護(hù)是至關(guān)重要的。港口安保工作的一個(gè)主要威脅來(lái)自從港區(qū)外進(jìn)入港區(qū)的盜竊或者破壞活動(dòng)。目前傳統(tǒng)的以電視墻為代表的視頻監(jiān)控系統(tǒng)不能充分滿足港口安保工作的需要。只有使用最新的監(jiān)控手段，配合警力資源的靈活調(diào)配，才能有效地完成港口的保安工作。僵化的圖象管理不能異地控制檢索查詢困難無(wú)法制定、更新安全策略無(wú)法迅速實(shí)時(shí)掌握全局狀況無(wú)法持續(xù)保持警惕！延誤甚至遺漏對(duì)威脅作出反應(yīng)。試驗(yàn)證明人無(wú)法長(zhǎng)時(shí)間保持警惕?。ㄐ∮?0分鐘）國(guó)外同類技術(shù)的現(xiàn)狀智能視覺(jué)監(jiān)控技術(shù)在國(guó)外是一個(gè)很活躍的綜合性研究領(lǐng)域，主要包括以下研究領(lǐng)域：運(yùn)動(dòng)檢測(cè)目標(biāo)跟蹤目標(biāo)分類基于行為特征的檢測(cè)圖像穩(wěn)定圖像壓縮、傳輸?shù)乩硇畔⑾到y(tǒng)事后監(jiān)控圖像檢索和分析系統(tǒng)國(guó)內(nèi)同類技術(shù)的現(xiàn)狀國(guó)內(nèi)在此領(lǐng)域有一定的研究人員和研究成果，但由于缺乏實(shí)踐經(jīng)驗(yàn)的積累，還需要一段時(shí)間來(lái)解決前進(jìn)中的困難。數(shù)字圖像記錄機(jī)，它將圖像存儲(chǔ)在硬盤上，便于檢索和存儲(chǔ)。有些系統(tǒng)有初級(jí)的運(yùn)動(dòng)檢測(cè)功能，但由于功能和系統(tǒng)結(jié)構(gòu)的限制，此類技術(shù)主要用于事后檢索。圖像壓縮、傳輸研究開發(fā)的目的和必要性“智能”的引入從根本上改變了視覺(jué)監(jiān)控系統(tǒng)的運(yùn)作模式；此類技術(shù)在國(guó)外，特別是北美，已經(jīng)成功地進(jìn)行了多年的商業(yè)應(yīng)用。典型客戶包括港口、機(jī)場(chǎng)、化工廠、電廠、水處理廠、水庫(kù)、醫(yī)院、豪宅、邊境、軍事設(shè)施、重要政府機(jī)關(guān)等；對(duì)于國(guó)內(nèi)重要設(shè)施、機(jī)構(gòu)的保護(hù)，我們需要自己的知識(shí)產(chǎn)權(quán)以及開發(fā)和技術(shù)支持能力；從長(zhǎng)遠(yuǎn)角度來(lái)講，它可以填補(bǔ)我國(guó)在此項(xiàng)實(shí)用技術(shù)的空白。本項(xiàng)目的目的是針對(duì)羅涇港區(qū)的安全監(jiān)控需求，開發(fā)具有國(guó)際先進(jìn)水平，擁有中國(guó)知識(shí)產(chǎn)權(quán)的智能圖像安全監(jiān)控原型系統(tǒng)。最終在羅涇港區(qū)研發(fā)一套具有國(guó)際領(lǐng)先水平的，基于智能基礎(chǔ)上的整體安全監(jiān)控解決方案。二研究?jī)?nèi)容對(duì)駛?cè)氪a頭區(qū)域的大小船只進(jìn)行實(shí)時(shí)監(jiān)控、報(bào)警；對(duì)碼頭周邊圍墻進(jìn)行實(shí)時(shí)監(jiān)控、報(bào)警；對(duì)滿足預(yù)設(shè)警戒條件（時(shí)間、地點(diǎn)、尺寸、速度、方向等）的行人、車輛、船只進(jìn)行實(shí)時(shí)報(bào)警；用標(biāo)識(shí)框標(biāo)識(shí)檢測(cè)到的運(yùn)動(dòng)物體；語(yǔ)言提示、圖像彈出兩種報(bào)警方式；存儲(chǔ)報(bào)警錄像。運(yùn)動(dòng)檢測(cè)目標(biāo)跟蹤目標(biāo)分類基于行為特征的檢測(cè)圖像穩(wěn)定圖像壓縮、傳輸事后監(jiān)控圖像檢索和分析系統(tǒng)創(chuàng)建運(yùn)動(dòng)忽略區(qū)圖創(chuàng)建穩(wěn)定忽略區(qū)圖創(chuàng)建分類區(qū)圖創(chuàng)建圖像映射表制定策略

區(qū)域時(shí)間分類寬度高度速度方向運(yùn)動(dòng)狀態(tài)攝像機(jī)監(jiān)控畫面報(bào)警畫面對(duì)進(jìn)入監(jiān)控區(qū)域的人、物報(bào)警并加框突出顯示三關(guān)鍵技術(shù)誤報(bào)警及應(yīng)對(duì)手段使用多模態(tài)的背景模型。對(duì)于局部、隨機(jī)性的“噪音”信號(hào)進(jìn)行低通濾波。利用噪音信號(hào)的局部性對(duì)噪音信號(hào)進(jìn)行過(guò)濾。運(yùn)動(dòng)檢測(cè)運(yùn)動(dòng)檢測(cè)的目標(biāo)是將運(yùn)動(dòng)物體和背景分離開來(lái)。它的輸入是實(shí)時(shí)圖像，輸出是運(yùn)動(dòng)區(qū)域圖。此圖只有兩種狀態(tài)，前景（運(yùn)動(dòng)物體，黑色）和背景（白色）。跟蹤將運(yùn)動(dòng)檢測(cè)在每一幀上檢測(cè)到的物體blob沿幀的方向串起來(lái)，來(lái)自同一運(yùn)動(dòng)物體的blob被串成一條鏈。代表著此運(yùn)動(dòng)物體從出現(xiàn)到消失的歷史紀(jì)錄。從中還可以分析得出物體多方面的特征，例如平均速度，大小，方向，行為特征等信息。分類分類利用跟蹤模塊產(chǎn)生的運(yùn)動(dòng)物體信息，對(duì)物體的種類（人，車輛，船只…）進(jìn)行判斷。跟蹤為分類提供了物體的尺寸，速度等信息。利用這些數(shù)據(jù)生成特征矢量作為分類的輸入數(shù)據(jù)。四創(chuàng)新點(diǎn)開發(fā)了基于多Gaussian背景模型的運(yùn)動(dòng)檢測(cè)方法很好地解決自然環(huán)境因素引起的誤報(bào)警；開發(fā)了一套基于卡曼濾波和Munkres匹配的跟蹤算法。解決了實(shí)時(shí)系統(tǒng)對(duì)多目標(biāo)進(jìn)行可靠跟蹤的要求；開發(fā)了一套基于“最大可能性”算法的分類方法；開發(fā)了一套基于角類特征點(diǎn)的圖像位置穩(wěn)定算法，與常見的基于光流法的穩(wěn)定算法相比更穩(wěn)定，在高分辨率情況下，速度更快；研究了攝像機(jī)光圈控制對(duì)全局成像的影響，設(shè)計(jì)并開發(fā)了一套去除全局性亮度變換的解決方案；開發(fā)了一套專門的圖像流傳輸方法。在傳送MPEG4圖像流的同時(shí)，傳送運(yùn)動(dòng)物體框等額外信息，保證原始圖像的完整性；開發(fā)了