電梯轎廂內視頻異常行為智能檢測研究

吳紅梅 鄭士建

摘要：本文主要內容是進行電梯轎廂內監控視頻乘客異常行為檢測研究。建立基于乘客異常行為檢測的人工智能電梯音視頻監控智能系統，能夠自動地檢測電梯乘客有無異常行為。

關鍵詞：視頻；異常行為；智能檢測

一、引言

視頻異常行為智能檢測系統目前已經成為國際上最被人們所關注的科研熱點之一，美國、歐洲許多高校對其進行了大量的研究工作。隨著智能視頻分析技術應用的普及，已經成為目前計算機技術的熱點研究方向。伴隨著國家對公共安全的重視程度不斷提高，涌現出一系列重大安全項目，例如平安城市、平安校園等，這也意味著我國家在視頻監控系統方面的投入越來越大。

二、異常行為檢測內容

（1）研究面向服務器端、視頻智能終端的數據智能方法、共享服務機制。

為了實現電梯內外視頻異常行為檢測、人工智能深度網絡算法快速實施，需要構建一套以大數據驅動、面向服務器端的人工智能開發創新服務平臺，就需要研究該平臺中數據驅動的AI能力服務模型、數據智能處理方法、部分智能終端的消息處理模式、面向多用戶的數據、能力、算法共享服務機制。

（2）研究電梯運行狀態下不同類型知識的獲取、表達和存儲方法，建立視覺智能計算、視頻異常檢測分析模型及跨媒體推理的引擎。

首先構建海量數據（視頻、聲音、圖像、文本）的獲取、表達、存儲機制。通過對數據流加密和通用協議（包括TCP、UDP、FTP、HTTPS、MQTT等協議）的實現，來完成數據采集存儲分析。通過對這方面不同技術的研究，提出一種安全、快速的多源數據采集存儲方案。從而有效的保障制造業數據采集與實時感知生產運行狀態。

（3）研究人工智能軟件加速方法和算法，尤其是深度神經網絡加速運算快速執行方法，研究稀疏化神經網絡推斷技術。

為了完成更加電梯中多種數據類型及復雜的信息處理任務時，深度神經網絡變得越來越深，也使得其計算量越來越大。當深度神經網絡在應用到電梯跨媒體推理場景時，有很多情況下必須在智能手機、穿戴設備等嵌入式設備上使用。如何使用有效方法壓縮網絡模型就十分重要。需要對深度神經網絡加速與壓縮的開展研究：在保證現有模型的性能基本不變的前提下，采用一些方法能夠有效的大幅減少計算量、降低模型的體積，同時完成對神經網絡在空間上的模型壓縮和時間上的計算加速，從而滿足存儲空間和計算時間的要求。

三、電梯轎廂內異常行為檢測的過程

電梯轎廂內異常行為檢測過程如圖1.1所示。

目標檢測的主要任務是對運動的目標進行檢測和標記。在視頻場景中提取運動目標經常會受到各種環境各種因素的制約，例如：（1）背景干擾。包括背景噪聲、霧霾影響、樹枝晃動、水波蕩漾等因素的變化造成。（2）光照強度的變化以及陰影干擾。室外光照隨時間變化，導致物體陰影也跟著變化等。（3）運動前景目標的變化性，比如擁擠的商場或公園等公共場合。（4）目標長時間靜止或運動較為緩慢導致誤判為背景燈。由于背景的多樣性特征，運動目標檢測方法要能夠通用于較多的復雜環境。

四、結語

目前我國的視頻監控技術尚未完全成熟，市場上的視頻監控產品還是以模擬技術為主、數字技術為輔。很多發達國家對智能視頻監控的研究應用暫時領先于我國，掌握了一些智能視頻監控的核心算法技術，我國在這方面的發展仍有一定的差距。隨著時代的需求及當前我國對智能監控技術領域的大力支持，視頻監控中的動態監測和實時監控方面的發展速度迅猛。傳統型的視頻監控系統將朝向智能化監控系統方向轉變，隨著互聯網時代的大趨勢不斷推進。

參考文獻：

[1] 薛璐晨.基于OpenCV的行人異常檢測系統的設計與實現[D].吉林大學，2016.

[2] 郭禮華，袁曉彤，李建華.基于直方圖的Snake視頻對象跟蹤算法[J].中國圖像圖形學報，2005（02）.

[3] 徐騰飛.視頻序列中基于檢測的多目標跟蹤研究[D].南京郵電大學，2011.

[4] 吳金勇，虞致國等.基于視頻的入侵檢測系統[J].電子測量技術，2006（01）.

基金項目：2021年杭州職業技術學院科研項目（編號：ky202128）；2020年度浙江省大學生科技創新活動計劃暨新苗人才計劃項目“基于乘客異常行為檢測的電梯監控云平臺開發”（編號：2020R428011）。

作者簡介：吳紅梅（1981—），女，浙江武義人，碩士，研究方向：應用電子。