一種基于YOLO算法的智能監(jiān)控系統(tǒng)

文/楊玉棋 邱虎鳴 王子龍 王躍進(jìn)

1 當(dāng)前校園監(jiān)控存在的問題

在當(dāng)今社會(huì)中，校園安全一直是每個(gè)學(xué)校最為重視的一點(diǎn)，學(xué)校的安全工作，是全社會(huì)安全工作的一個(gè)十分重要的組成部分。他直接關(guān)系到學(xué)生能否安全、健康地成長，關(guān)系到許多家庭的幸福安寧和社會(huì)的穩(wěn)定。要時(shí)刻保證學(xué)生安全，但學(xué)院里存在的安全隱患十分的多，比如車輛，流浪貓狗等。校園內(nèi)的監(jiān)控?cái)z像頭的作用就是加強(qiáng)對(duì)校園的監(jiān)控，但是目前校園中廣泛采用的監(jiān)控系統(tǒng)只能實(shí)現(xiàn)監(jiān)控視頻的錄制，不能對(duì)安全隱患及時(shí)做出預(yù)警，一旦發(fā)生諸如學(xué)生進(jìn)入禁區(qū)、攀爬欄桿等情況，警衛(wèi)人員如未能及時(shí)發(fā)現(xiàn)等事后趕到現(xiàn)場就為時(shí)已晚。所以需要加強(qiáng)監(jiān)控對(duì)安全隱患的探查與預(yù)警，將隱患扼殺在搖籃中。

2 改進(jìn)的實(shí)時(shí)監(jiān)控系統(tǒng)

針對(duì)現(xiàn)有監(jiān)控系統(tǒng)不能及時(shí)發(fā)現(xiàn)潛在安全隱患的問題，本文提出一種改進(jìn)的智能監(jiān)控系統(tǒng)：

（1）制作人物及潛在安全隱患事物（貓、狗、自行車、汽車等）的數(shù)據(jù)集;

（2）訓(xùn)練YOLO神經(jīng)網(wǎng)絡(luò)，提取各類別物體的特征；

（3）在現(xiàn)有的監(jiān)控系統(tǒng)基礎(chǔ)上通過攝像頭采集監(jiān)控錄像傳入監(jiān)控系統(tǒng)；

（4）智能監(jiān)控系統(tǒng)劃分敏感區(qū)域，同時(shí)對(duì)采集到的監(jiān)控視頻中的物體進(jìn)行分類標(biāo)注；

（5）一旦有人物進(jìn)入該區(qū)域，即將之標(biāo)注為紅色，將該條記錄寫入數(shù)據(jù)庫，同時(shí)在監(jiān)控系統(tǒng)的界面中顯示該條日志；

（6）警衛(wèi)人員在接到預(yù)警信息及時(shí)趕往現(xiàn)場。

遷移學(xué)習(xí)也就是所謂的有監(jiān)督預(yù)訓(xùn)練，我們通常把這個(gè)稱為遷移學(xué)習(xí)。就是把一個(gè)任務(wù)提前訓(xùn)練好的參數(shù)，拿到另外一個(gè)任務(wù)中，作為神經(jīng)網(wǎng)絡(luò)的初始參數(shù)值,這樣以來相比于直接去采用隨機(jī)初始化的方法，它的精度可以大大的提高。圖片的分類和已經(jīng)注釋好的數(shù)據(jù)十分多，但是物體檢測(cè)的標(biāo)注數(shù)據(jù)卻十分少，盡量去使用較少的標(biāo)注數(shù)據(jù)，來訓(xùn)練高質(zhì)量的一種模型。

對(duì)象檢測(cè)需要確定對(duì)象的邊界框。我們不光要找到對(duì)象的邊界框。同時(shí)我們還需要認(rèn)識(shí)到邊界框內(nèi)的對(duì)象是我們要找的這個(gè)對(duì)象。YOLO的CNN網(wǎng)絡(luò)將輸入的圖像分成S×S的網(wǎng)格，然后其中每個(gè)單元負(fù)責(zé)檢測(cè)中心點(diǎn)落在網(wǎng)格內(nèi)的地點(diǎn)。每個(gè)單元格都存在預(yù)測(cè)邊界框和邊界框的置信度。所謂的置信度實(shí)際上包括兩個(gè)方面，一個(gè)是包括目標(biāo)邊界框的可能性，另一個(gè)是邊界框的精確性。前者表示為Pr（對(duì)象），當(dāng)邊界框作為背景時(shí)，不包括此對(duì)象。這時(shí)，Pr= 0。當(dāng)邊界框含有目標(biāo)的時(shí)候，Pr=1。邊界框的精確性可以通過預(yù)測(cè)框和實(shí)際框的IOU來表示出，表示為IOUpredtruth。因此，可以將置信度定義為Pr（對(duì)象）*IOUpredtruth。邊界框的大小以及位置可以用四個(gè)數(shù)值來表示：（x，y，w，h），其中（x，y）是邊界框的中心坐標(biāo)，w和h是邊界框的寬度和高度。同樣重要的是要注意，中心坐標(biāo)（x，y）的預(yù)測(cè)值是相對(duì)于每個(gè)單元的左上角的坐標(biāo)點(diǎn)的偏移值，并且該單位是相對(duì)于單元尺寸的。邊界框的w和h預(yù)測(cè)值是相對(duì)于整個(gè)圖像的寬度和高度的，因此理論上四個(gè)元素的大小應(yīng)該在[0,1]的范圍內(nèi)。因此，每個(gè)邊界框的預(yù)測(cè)值實(shí)際上包含5個(gè)元素：（x，y，w，h，c），其中前4個(gè)表示邊界框的大小和位置，最后一個(gè)值是置信度。

根據(jù)提取的對(duì)象的特征執(zhí)行識(shí)別，并且識(shí)別的結(jié)果顯示在由相機(jī)捕獲的圖片或視頻中由YOLO算法構(gòu)成的邊界框上，并且呈現(xiàn)項(xiàng)目名稱。在學(xué)校的一些存在安全問題，較容易發(fā)生危險(xiǎn)事故的地點(diǎn)，如危險(xiǎn)品倉庫，化學(xué)實(shí)驗(yàn)室等地方。將這些區(qū)域設(shè)置劃為一個(gè)敏感區(qū)域，每一個(gè)敏感區(qū)域設(shè)置一個(gè)數(shù)據(jù)庫，根據(jù)邊界框的中心坐標(biāo)（x，y）是否在禁區(qū)坐標(biāo)范圍內(nèi)判定是否有標(biāo)記物體進(jìn)入禁區(qū)，將物體類別計(jì)入該禁區(qū)所對(duì)應(yīng)的數(shù)據(jù)庫中,在敏感區(qū)域內(nèi)，矩形框標(biāo)注出的事物的名稱采用不同的顏色來表示，用來著重強(qiáng)調(diào)。

通過提前設(shè)定的數(shù)據(jù)集，系統(tǒng)將識(shí)別我們所規(guī)定的一些在校園內(nèi)具有危險(xiǎn)性的物體，將其識(shí)別后并保存到數(shù)據(jù)庫。

當(dāng)系統(tǒng)識(shí)別出物體，并將它們存到數(shù)據(jù)庫中時(shí)，同時(shí)將當(dāng)前系統(tǒng)時(shí)間一起寫入數(shù)據(jù)庫中，由于畫面拍攝和系統(tǒng)的物體識(shí)別基本上是同步進(jìn)行的，所以可以將系統(tǒng)識(shí)別的時(shí)間看做成畫面拍攝時(shí)間，將這些信息保存到數(shù)據(jù)庫中，并作為日志實(shí)時(shí)輸出到系統(tǒng)的操作界面。且在系統(tǒng)剛開始檢測(cè)視頻的同時(shí)即保存標(biāo)注后的視頻，方便事后調(diào)出查詢。

3 總結(jié)

通過監(jiān)視、分類、檢測(cè)坐標(biāo)、數(shù)據(jù)庫讀寫、監(jiān)控保存等一系列流程，彌補(bǔ)當(dāng)前校園監(jiān)控系統(tǒng)普遍采用的監(jiān)視、保存模式，實(shí)時(shí)對(duì)視頻做一次篩選，既可以減少警力巡邏的人力資源消耗，又可以在學(xué)生誤入敏感區(qū)域情況及時(shí)發(fā)出預(yù)警，極大彌補(bǔ)了校園安全在監(jiān)控方面的不足。