智能監(jiān)控在公共安全中的應用

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)假日各旅游景點也是人山人海，造成公共安全危機日益頻發(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)學形態(tài)學理論對檢測結果進行優(yōu)化，同時提取種子點用于統(tǒng)計人數(shù)，借助數(shù)學建模理論，建立人群密度模型，結合實地調(diào)研結果，提出優(yōu)化人群密度方案。

【關鍵詞】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《關于加強公共安全視頻監(jiān)控建設互聯(lián)網(wǎng)應用工作的若干意見》，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行監(jiān)控會存在大量的隱患。為此，通過實地數(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)實現(xiàn)對異常行為進行的判別。

具體方法如下：

1 前景的檢測和提取

前景運動目標提取是從序列圖像中得出變化區(qū)域，并將感興趣的運動目標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構信息，雖然這個特點使得光流法的結果較其他方法更精確更適合做后期實驗數(shù)據(jù)，但是它巨大的計算量直接拖垮了它的實用功效。幀差法和背景差法較為適合。

幀差法是因為人的衣著占的面積大，顏色相近，像素點與它鄰接點差異不大，所以即使人體運動，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動目標的邊界；而背景差法的空洞，是因為這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動目標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，當前幀對其影響微乎其微，所以，依舊可以檢測出。

2 前景目標的前期處理

如果提取結果不盡人意可以采用最簡單的數(shù)學形態(tài)學方法進行修復?；跀?shù)學形態(tài)學的思路是：選取適宜的結構元素，對原始圖像進行腐蝕、膨脹的組合運算。它的關鍵在于結構元素形狀和尺寸的選取以及腐蝕膨脹進行的順序。

3 模型建立及優(yōu)化方案的提出

根據(jù)實地調(diào)研并結合以上方法對數(shù)據(jù)進行統(tǒng)計分析，得出模型曲線，如圖1。

4 提出優(yōu)化方案

例如設定預警值、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事件并持續(xù)一定時間，比如摔倒。通過攝像設備所捕獲的視頻序列對監(jiān)控所在區(qū)域來往的人群進行實時監(jiān)測，分析其運動行為并對異常行為判別，給予一定響應使之能夠及時得到合理的處理。本文設計流程為；預處理-圖像描述量獲取-前景提取-運動目標定位-分析行為是否異常-是否繼續(xù)監(jiān)測。

計算機視覺系統(tǒng)中，由于一些因素，如：光學鏡頭的類型、光敏器件質(zhì)量、光照變化、攝像機抖動或距離、角度的不合適導致所采集的圖像質(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，圖像的預處理是在對圖像進行分析前進行一系列的合理操作，其意義在于消除圖像中的無關信息，恢復有用的真實信息，增強有關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、復原、平滑、去噪、增強等步驟；在對圖像進行分析過程中，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，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關系，并且該圖像描述量對圖像的各種畸變（如平移、旋轉）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、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。在對運動目標進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。因為景區(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習進行實時更新。

具體步驟如下；步驟一：預處理攝像設備所捕獲的原始圖像經(jīng)灰度化.圖像增強.濾波等操作以克服圖像干擾，從而獲取預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)機器自學習獲取實時背景圖像，對當前幀圖像與純背景圖像做減運算，提取出前景。步驟四：運動目標檢測目前目標檢測算法很多，可根據(jù)實際現(xiàn)實情況進行選擇。步驟五：判斷是否屬于異常，是則做出相應；否則繼續(xù)檢測。

5 小結

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

參考文獻

[1]劉國華.智能監(jiān)控在火車站反恐防恐中的應用[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用探討[J].電信科學，2009，25（11）：78-81.

作者單位

陳若寒（1987-），男，福建省福州市人。研究生學歷。現(xiàn)為福建省警察學院助教。主要研究方向為網(wǎng)絡信息安全。

作者單位

福建省警察學院 福建省福州市 350000endprint