收稿日期 :2005 - 03 - 15 作者简介 :罗会铭 (1962 —) ,男 ,江西南昌人 ,副教授 ,研究方向 :机械设备与计算机系统应用 ( E - mail :luohm3821 @yahoo. com. cn) ;彭
赞 (1979 —) ,男 ,湖南长沙人 ,硕士研究生 ,研究方向 :数字图像处理与应用 。
首先 ,判断是否有异常发生及发生异常的位 置 。这里主要运用帧间变化检测技术来实现 ,其基 本流程如图 2 所示 。
图 2 帧间变化检测流程图 (1) 预处理 :目的是去除噪声的影响 ; (2) 背景恢复 :视频序列帧间具有很强的相关 性 ,仅仅利用单帧信息进行处理容易产生错误 ,更 好的方法是联合多帧进行分析 。基于这一思想 ,可 以根据各个坐标处像素值在整个序列中的统计信 息对背景进行恢复 。 (3) 异常情况的提取 :利用当前帧与恢复的静 态背景相减 ,分割出所有可能发生异常情况的 区域 。 在得到异常发生的区域和主要信息后 ,接下来 要运用模板匹配的思想具体判断异常情况的种类 。 运用模板匹配的关键就是找到一种能够快速准确 计算已知模板和未知图像的相似性的算法 。由于 是处理连续的大量视频图像 ,实时性要求相对不太 高 ,而对处理精度和自动处理程度要求较高 ,因此 本系统采用常用的序惯相似性检测算法 ( SSDA) 。 将每一种可能发生的异常情况作为模板在前面检 测出来的区域中逐一匹配 ,哪种匹配出来的相似性 最大就可以判断属于哪种异常情况 。 下面对这种算法做简要分析 :设模板 T 为一 个 M ×M 的参考图像 ,搜索图 S 为一个 N ×N 图 像 ( M < N ) , T 在 S 上平移 ,模板下覆盖的那块搜 索图叫做子图 S ( i , j) , ( i , j) 为子图左上角点在 S 中的坐标 ,叫参考点 。比较 T 和 S ( i , j) 的内容 。若 两者一致 , 则它们的差为 0 。用误差的平方和作为 它们相似程度的测度 :
第 24 卷第 2 期 2005年6月
计 算 技 术 与 自 动 化 Computing Technology and Automation
文章编号 :1003 - 6199 (2005) 02 - 0051 - 03
Vol124 ,No12 J un. 2 0 0 5
一种基于智能图像识别的远程视频监控系统
o ( ( N - M + 1) ×2 ×(3 M 2 + 1) ) 。整个运算过程
中 ,除了匹配点一点以外 , 都是在非匹配点上做无
用功 。但是 ,模板匹配算法准确度较高 (如图 3) , 适
合对大量的连续视频图像做自动处理 。
限于篇幅 ,本文未给出此功能的实现代码 。在
连续的 100 次匹配试验结果中 ,90 %以上的结果和
realization are introduced. The techniques of digital image processing and intelligent pattern recognition are applied in t he system shown here. Abnormal matters at t he places surveilled can be derived exactly by analyzing t he real time image information , and ef2 fective actions will be taken wit h corresponding patterns so t hat an unmanned surveillance is established.
图 3 图像匹配过程
4 结论
本系统中图像识别功能采用模板匹配结合运
动检测的思想来进行设计实现 ,主要可分为两个 部分 :
(1) 运用运动检测思想判断出异常情况可能发 生的区域和位置 ;
(2) 以各种已知异常情况作为模板在上面检测 出来的区域内逐一进行匹配 ,判断出异常情况的 类别 。
下面阐述该功能具体的实现步骤并分析部分 代码 。
网络硬盘录像机可以控制前端任一摄像头 ,包 括调整摄像头的方位 ,图像的亮度 、对比度等 ,确保 可以看到满意的监视图像 。实现了视频存储 、检索 播放 、报警联动 、多路回放 (1 、4 、9 路) 等功能 ,同时 负责协调其它部件的工作 :生成及维护整个系统的 日志文件 ,自动记录登录 、退出 、录像 、报警等有价 值的操作情况 ;提供系统的用户管理功能 ,包括添 加和删除用户 ,并可以对每一个用户的权限进行设 置 ;监测网络状态 ,在网络设备发生故障时及时报 告系统管理者 ;监测系统各个部件的运行状态 ,供 管理者参考 。 2. 2 视频采集端
MM
∑∑ R ( i , j) =
[ Si , j ( m , n) ×T ( m , n) ] /
m =1 n =1
MM
∑∑[ S i , j ( m , n) ]2
m =1 n=1
MM
∑∑[ T ( m , n) ]2
(3)
m =1 n=1
根据柯西 - 施瓦兹不等式可知公式 (3) 中 0 <
R ( i , j) ≤1 ,并且仅在 S i , j ( i , j) / [ T ( m , n) ] 为
A Long - distance Video Surveillance System Based on Digital Image Recognition
L UO Hui2ming1 ,PEN G Zan2 ,L I Zheng2guo3
(1. Nanchang School ,Jiangxi University of Science & Technology ,Nanchang 330013 ,China ; 2. College of Information Science & Engineering ,Central Sout h University ,Changsha 410083 ,China ;
© 1994-2007 China Academic Journal Electronic Publishing House. All rights reserved.
52
计算技术与自动化
2005 年 6 月
的改变 ,具有很强的灵活性和适应性 。 2. 1 网络硬盘录像机
[ S i , j ( m , n) - T ( m , n) ]2
m =1 n=1
Hale Waihona Puke (1)展开公式 (1) ,则有 :
MM
∑∑ D ( i , j) =
[ S i , j ( m , n) ]2 -
m =1 n=1
MM
∑∑[ S i , j ( m , n) × T ( m , n) ] +
m =1 n =1
现方法 。该系统将数字图像处理技术和智能模式识别技术与视频监控技术进行了融合 ,可以通过分析被监 控现场的实时图像资料准确判断出被监控现场的异常状况 ,并根据相应模式进行有效处理 ,从而实现智能 无人监控 。
关键词 :远程视频监控 ;网络硬盘录像机 ;图像智能识别 中图分类号 : TP317. 4 文献标识码 :A
MM
∑∑[ T ( m , n) ]2
(2)
m =1 n=1
公式 (2) 右边的第三项表示模板的总能量 , 是一个
常数 。第一项是模板覆盖下的子图能量 , 随 ( i , j)
位置而缓慢改变 。第二项是子图和模板的互相关 ,
随 ( i , j) 改变 , 当模板和子图匹配时刻值最大 。因
此可以用以下相关函数做相似性测度 :
罗会铭1 ,彭 赞2 ,李正国3
(1. 江西理工大学南昌分校 ,江西 南昌 330013 ;2 :中南大学信息科学与工程学院 ,湖南 长沙 410083 ; 3. 深圳水务集团 ,广东 深圳 518031)
摘 要 :设计了一种以网络硬盘录像机为核心的远程视频监控系统 ,介绍了系统的组成 、主要功能和实
Key words :Long - distance video surveillance ; Net - harddisk video recorder ; digital image recognition
1 引言
随着视频监控的发展 ,传统的需要专人职守的 视频监控系统的各项缺点逐渐显露 ,如浪费人力资 源 、报警不准确不及时甚至错过各种异常情况等 等 ,已经不能适应越来越高的监控要求[1 ] 。在这 种背景下 ,本文提出了一种基于网络硬盘录像机的 无人智能远程监控系统 ,引入了数字图像处理技术 和智能模式识别技术 ,很好地克服了传统视频监控 系统的缺点 。
视频采集端分布在局域网的各处 ,它们把采集 到的模拟视频监控信号直接送入网络硬盘录像机 , 由网络硬盘录像机对视频信号进行压缩编码 。 2. 3 远程客户端
客户端提供给上层用户一个查询和操作的平 台 ,它可以根据用户的需要 ,观看或回放任一时段 的视频码流 。客户端自动对接收到的实时图像资 料进行智能图像识别来判断被监控现场是否有异 常情况发生 。
统 ,由网络硬盘录像机 (在功能上相当于网络视频 服务器加上监控主机) 、视频采集端 、远程客户端等 几个部分组成 (如图 1) 。
2 系统组成及主要功能
本系统是一个基于客户机/ 服务器模型的系
图 1 系统示意图 系统中的远程客户端和前端的监控摄像头可 以随时加入或退出网络 ,整个系统的规模可以动态
实际目标相符 ,只有 6 次的结果与实际目标相差比
较大 ,这主要是由于图像本身质量问题产生的误
差 ,算法完全符合试验要求 。以上所提供的参考代
码在 Windows2000 和 Visual C + + 6. 0[2 ,3 ]环境下