智能校園安防監控物聯網系統設計

王謹毓

關鍵詞： 智能校園; 安防監控; 物聯網; 異常情況; 校園預警; 模板匹配方法

中圖分類號： TN99?34 ? ? ? ? ? ? ? ? ? ? 文獻標識碼： A ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2019）06?0051?04

Abstract： The traditional campus security monitoring based on manual patrols has no data analysis and linkage alarm mechanism， and there exists slackness in manual patrols， which greatly reduces the reliability of campus security monitoring. Therefore， an Internet of Things （IoT） system for intelligent campus security monitoring is designed in this paper， which includes the perceptual layer， network and management layer， and application layer. The intelligent video monitoring module is used to monitor the abnormal situations on campus in real time. The obtained abnormal situations are uploaded to the monitoring center， which controls the campus entrance and exit behaviors according to the site conditions by means of the access control management module. In the software design part of the system， the location and scope of the abnormal situations are judged according to the motion detection principle， and the types of the abnormal situations are judged by using the order similarity detection algorithm in combination with the template matching method， so as to realize campus early?warning. The experimental results show that the comprehensive correlation value of the designed system is 0.067 1， and the reliability level of the system is 1， which indicates a high reliability.

Keywords： intelligent campus; security monitoring; Internet of Things; abnormal situation; campus early?warning; template matching method

物聯網（Internet of Things），簡單來說就是萬物相連的互聯網。物聯網依據射頻、紅外感應等傳感設備將所有事物和互聯網相連實現信息交互，其是在計算機、互聯網之后出現的世界信息產業發展的第三次浪潮[1?2]。傳統校園安防監控方式通常都是人工巡邏，不具備數據分析與聯動報警機制，人員與智能機器相比，易出現懈怠，在險情出現時不能及時預警[3]，導致校園安防監控的可靠性大大降低。本文為了提高校園安防監控的可靠性，設計智能校園安防監控物聯網系統，在系統硬件結構中設計門禁模塊和智能視頻監控模塊，進行校園出入口的進出控制，以及異常情況的實時監測，實驗采用物元分析法檢測得到本文系統的可靠性等級是1級，說明具備較高的可靠性。

1 ?智能校園安防監控物聯網系統設計

1.1 ?系統總體結構設計

本文設計的智能校園安防監控物聯網系統的總體結構如圖1所示。系統分為感知層、網絡及管理層以及應用層。應用層中的智能視頻監控模塊是系統的核心，其將監控到的內容轉換成圖像信號，上傳至監控中心的監視器中，智能視頻監控中攝像部分的優劣和圖像信息質量同總體系統的監控質量具有較高的關聯性[4]。

1.1.1 ?智能視頻監控模塊

智能監控模塊使用圖像處理、模式識別與計算機視覺技術，在監控系統里添加智能視頻與視頻分析模塊，去除視頻畫面里無效的冗余信息，識別不同類型的物體，該模塊的結構如圖2所示。本文系統采用的智能視頻監控模塊是一種可實現事前預警、事中處理、事后實時取證的全自動、全天候、實時監控的智能模塊。該模塊有效解決了傳統校園安防系統僅有“安”而無“防”的弊端，不單可以用于事后調查，還能夠根據監控畫面里的突發情況實施事前預警，以此提升系統進行視頻監控的“防”能力[5?6]。

從圖2中可以看出，智能視頻監控模塊前端部分中的攝像頭音頻采集裝置，用于采集視頻圖像與音頻信號;智能視頻音頻處理裝置是智能視頻監控模塊的關鍵部分，可將模擬的視頻與音頻信號轉變成數字信號，經過校園網將數據上傳至監控中心，并且實時分析處理視頻圖像和音頻，對各種異常情況實行報警[7]。

1.1.2 ?門禁模塊設計

校園安防監控物聯網系統通過門禁模塊實現出入管理。系統設計的門禁模塊包括RFID卡、RFID讀寫器、門禁控制與門禁管理4部分[8]。

門禁模塊設定在校園里的宿舍、教學樓、辦公樓、實驗室、校大門等場所。在此類場所的入口與出口安置RFID讀寫器，教職工與學生需要刷卡才可進出。門禁模塊的結構圖見圖3。

1.2 ?系統軟件設計

系統軟件部分設計了系統對異常情況進行識別的方法，采用模板匹配結合運動檢測的原理以及序貫相似性檢測算法識別監控視頻圖像。圖像識別是模式識別的子類別，一般把圖像智能識別過程理解成通過圖像的變換、增強、復原等技術對圖像進行優化的過程，同時獲取有效特征對圖像進行識別分類。模板匹配方法是通過已知圖像識別模式，在另一幅圖像里獲取對應圖形識別模式的方法。本文采用模板匹配結合運動檢測的原理實現圖像識別，使用運動檢測原理判別出異常情況出現的地理位置和事發范圍[9];通過每種已知異常情況設制模板，在前期檢測后的區域里進行一一匹配操作，判別異常情況的類別，詳細過程如下：通過幀間變化檢測技術判別是否出現異常情況和異常情況所屬位置。其流程圖見圖4。

獲取異常出現的區域和關鍵信息后，使用模板匹配判別異常情況的類別[10]。因為系統需要處理的是連續性、大量的視頻圖像，對處理的精度和自動性要求較高，所以本文系統使用常見的序貫相似性檢測算法（SSDA），將每種可能出現的異常情況放在可能出現異常情況的區域里一一匹配，相似性最大的即為異常情況。假定模板[M]是[m×m]的參考圖像，檢測圖像[T]是一個[n×n]的圖像，[m

計算每個因素的權值和本文系統綜合關聯度值，結果見表4。

本文等級設為5種，根據物元分析法的有關原理，若[0≤HjR≤1]，則表示本文系統的可靠性等級高。由表4的綜合關聯度值可知，本文系統的綜合關聯度[H1R=0.067 1]，本文系統整體可靠性等級是1級，可靠性等級是“高”。

3 ?結 ?論

本文設計智能校園安防監控物聯網系統，在系統硬件結構中設計門禁模塊和智能視頻監控模塊，進行校園出入口的進出控制，以及異常情況的實時監測，其中智能視頻監控模塊不單可以用于事后調查，還能夠根據監控畫面里的突發情況進行事前預警，以此提升系統進行視頻監控的“防”能力。系統軟件通過序貫相似性檢測算法結合模板匹配方法判別異常情況的類別。實驗采用物元分析法檢測得到本文系統的綜合關聯度值是0.067 1，可靠性等級是1級，具備較高的可靠性。本文系統解決了傳統采用人工巡邏的校園安防監控方式存在的智能化水平低、可靠性差的弊端，極大地提高了校園安防監控的智能化水平，為學生的安全提供了可靠的保障。

參考文獻

[1] 王暢，孫福明，李漾.基于物聯網的多算法智能監護系統研究[J].電子技術應用，2017，43（11）：7?10.

WANG Chang， SUN Fuming， LI Yang. Research on multi?algorithm intelligent monitoring system based on the Internet of Things [J]. Application of electronic technique， 2017， 43（11）： 7?10.

[2] 黃偉，潘俊宇.分布式光纖預警系統在成品油管道安防中的應用[J].激光技術，2016，40（6）：897?901.

HUANG Wei， PAN Junyu. Application of distributed fiber optic warning system in the refined oil pipeline [J]. Laser technology， 2016， 40（6）： 897?901.

[3] 張茉莉，李艷霞.基于模式識別的全光纖周界安防系統[J].激光雜志，2017，38（10）：65?68.

ZHANG Moli， LI Yanxia. All fiber perimeter security system based on pattern recognition [J]. Laser journal， 2017， 38（10）： 65?68.

[4] DEDIEU N， RHONE M， VIGOUROUX R， et al. Assessing the impact of gold mining in headwater streams of Eastern Amazonia using Ephemeroptera assemblages and biological traits [J]. Ecological indicators， 2015， 52： 332?340.

[5] 劉業琦，吳治軍，劉昌舉，等.一種應用于安防監控的CMOS圖像傳感器的自動曝光算法研究[J].半導體光電，2017，38（2）：283?287.

LIU Yeqi， WU Zhijun， LIU Changju， et al. Study on an auto exposure algorithm applied in CMOS image sensor for security monitoring [J]. Semiconductor optoelectronics， 2017， 38（2）： 283?287.

[6] FERNANDES F L， PICAN?O M C， FERNANDES M E S， et al. A new and highly effective sampling plan using attractant?baited traps for the coffee berry borer （hypothenemus hampei） [J]. Journal of pest science， 2015， 88（2）： 289?299.

[7] 蔡瑩，楊偉，黃國兵.水力一體化治漂與樞紐庫面安防系統研究及實施[J].水利水電技術，2017，48（11）：168?173.

CAI Ying， YANG Wei， HUANG Guobing. Study and implementation of hydraulic integrated floating debris control and reservoir surface security system for water control project [J]. Water resources and hydropower engineering， 2017， 48（11）： 168?173.

[8] 匡珍春，吳劉萍.基于物聯網園林視覺監控方法研究與仿真[J].計算機仿真，2016，33（4）：447?450.

KUANG Zhenchun， WU Liuping. Monitoring method based on IoT garden vision research and simulation [J]. Computer simulation， 2016， 33（4）： 447?450.

[9] 馬玉娟，楊國華，衛寧波，等.基于ARM?LabVIEW的家居安防監控系統的設計[J].電視技術，2015，39（11）：108?112.

MA Yujuan， YANG Guohua， WEI Ningbo， et al. Design of home security system based on ARM?LabVIEW [J]. Video engineering， 2015， 39（11）： 108?112.

[10] YIN X C， LIU J. Research on the design of intelligent campus service APP： a case study of college students′ reading APP [J]. Art & design， 2017（9）： 101?103.