蔣旭洲
上海市保安服務(集團)有限公司 上海 200051
社會進步的今天,人們對安防工作提出了新要求,傳統的技術相對滯后,主要為人工模式,一切的安防任務均由人來完成,效率偏低且安全威脅下不同崗位之間的聯動性不足,無法快速處理問題。而在邁入信息時代后,陸續出現的大數據、云計算、物聯網等技術,有助于構建智能安防網絡,形成智能分析、智慧預警新模式。但由于物聯網時代下的智能安防監控要求高,相關人員需立足實際情況,不斷創新智能安防技術,構建完善的技術路徑,提高智能安防監控水平。
智能安防監控中RFID技術必不可少,此技術下能實現非接觸式自動識別,FRID系統內主要有閱讀器、電子標簽和數據庫,其識別流程為:物體上嵌入有電子標簽,如該物體經過閱讀器無線電波覆蓋范圍,有關模塊可自動識別物體上電子標簽的信息,此時無線電波為媒介,在識別電子標簽信息的同時將這些采集的信息上傳給數據庫,由數據庫存儲各類信息;閱讀器依據其內部的分類規則等,自動分類所識別的各種數據,從中提取出關鍵信息。由于RFID技術的這一特點,智能安防監控中相關人員可立足實際情況合理應用該技術,如在貴重物品內嵌入電子標簽,并配備與之配套的閱讀器,后續安防工作中由閱讀器識別物體內電子標簽的信息,一旦發現異常情況,及時進入應急狀態,如分析信息時發現貴重物品存在位置偏移,系統可快速檢驗物體的位置移動過程,與其他崗位人員核實相關數據,判定位置移動是正常還是非法行為,如為非法行為,則需立即發送預警信息,提醒各個部位的人員注重安全防御[1]。智能安防監控系統中,RFID的技術優越性明顯,存儲容量大、可多次讀寫、成本偏低、操作便捷、電磁干擾小、識別精度高。
物聯網系統的構成復雜,傳感器為不可或缺的部分,兼具感知、識別、采集信息功能。目前傳感器技術發展迅速,根據感知功能的差異,一般有溫度、壓力、光敏傳感器等多種類型,在實際的工作中可根據實際需求來選擇傳感器,發揮傳感器在采集信息等方面的作用。近年來,很多領域都配備了傳感器,如工業生產、施工監測等方面,即使是相對復雜的條件,同樣可使用傳感器來感知。智能安防監控中需根據需求配備傳感器,建立完善的傳感器網絡,但具體的工作中應建立無線傳感網絡,在其中采用微型化、低功能組網技術,為信號的高效、穩定傳輸創造良好條件。但如傳感器網絡覆蓋范圍異常大,遠距離區域的信號衰減相對嚴重,所采集到的信號不完整,或者經常有信號延時、失真情況,面對這些問題,需優化網絡技術,如引入5G網絡,以保障傳輸速率、信號強度。
云計算也是當下的技術產物,在物聯網時代下的智能安防監控中,相關人員也需合理引入云計算技術。智能系統工作時,傳感器采集的信號將被傳送給終端計算機,由其智能終端負責處理信息,從海量信息中篩選出更有價值的信息,利用這些信息制定決策。智能安防監控系統投入使用后,每時每刻都會產生大量的信息,如借助普通計算機來存儲信息,并展開運算,其工作量大,耗時長,不利于安防工作的順利開展。而利用云計算技術,可提高計算機運算速率,為安防工作提供較大的便捷。根據目前的市場情況,主流的云服務器運行速率異常快,能為智能安防視頻監控提供有效保障。物聯網時代下的智能安防監控系統,不僅需應用云計算技術,還需采用云存儲技術,使各個傳感器采集到的各類信息均能存儲于云服務器。與傳統傳感器不同,云服務器的存儲容量異常大,不再需要配備其他的存儲設施,再加上應用了網絡安全防護技術,可為數據存儲提供安全條件,避免出現信息泄露。
現階段很多智能安防監控系統中均采用了智能面部識別技術,該技術與其他技術結合,可增強監控系統的安全性、智能化水平。智能面部識別系統對面部的識別,由智能化模塊對比與分析人體面部,將采集到的信息與系統存儲信息相對比,如匹配結果不一致,則存在安全風險,需立即啟動預警機制,這一識別過程凸顯了非接觸的隱蔽性優勢[2]。智能面部識別與物聯網技術融合后,可增強面部識別的智能化特征,利用智能安防系統時能自動完成圖像匹配,而在圖像識別方面則包含圖像檢測、人臉檢測與定位,由于有網絡信息技術,可增強不同環節數據的交互性,依據數據完成智能檢測、異常預警,實現動態跟蹤。
2.1.1 系統整體結構。物聯網條件下的智能安防監控系統,有關人員需根據監控范圍、目標設計整體框架,所建立的智能安防平臺應能采集監控范圍內的有關數據,并整合、分析數據,從而發現監控區域內的安全風險,通過聯動觸發機制向有關部門和崗位人員共享風險數據,并通過相互之間的配合進行及時處理。以建筑安防為例,所建立的智能安防平臺可選擇客戶端/服務器模式,平臺內的信息傳輸與共享在安防專網內進行。以物聯網層級架構為基準,系統整體包含采集、傳輸、處理和應用幾個層級。
2.1.2 數據采集層的設計與實現。智能安防的采集層負責采集各類數據,其采集的外部數據最終被傳輸到數據庫加以存儲。在當下的條件下為達到智能安防工作目標,需保障智能安防系統具備遠程監控、聯動報警功能,使監控過程不再受到時間與地點的影響,達到智能化、動態化監控目標,即使監控到異常情況,也能通過聯動報警提醒相關人員引起警惕。數據采集層中要獲得完成且準確的信息,需在監控范圍內配備各種外部感知設備,由這些設備采集環境等信息,如可配備視頻監控探頭、室內外紅外報警傳感器、交通測速傳感器等,所選擇的外部感知設備不僅應保持類型的合理性,也需根據監控范圍,合理選擇安裝位置,以保障監控的全方位性。
2.1.3 數據傳輸層的設計與實現。數據傳輸層為中間部分,為不同層級的數據傳輸創造了條件,可為用戶與系統提供數據傳輸網絡、接口,使系統內的全部傳感器均可由聯動控制裝置與監控設備建立連接關系。一旦智能安防監控系統監測到火災、超速、非法入侵等問題,控制器可依據所采集的信息,立即反饋信息并啟動與其連接的監控設備,提醒后臺人員注意處理問題。
2.1.4 數據處理層的設計與實現。當采集層的信息到達處理層后,有關人員需根據處理需求,選擇對應的處理方式,挖掘數據的價值。各級權限管理員登錄信息、操作信息、感知設備數據信息等均能在該層完成處理。智能安防監控的數據處理層,兼具數據分析與處理功能,煙霧傳感器、車輛測速傳感器、紅外線報警等傳回的數據均可在該層處理,從海量數據中挖掘有價值的信息,并通過橫向與縱向對比,得到與安全風險有關的信息,保障預警和預防的及時性。
2.1.5 數據應用層的設計與實現。應用層可為用戶提供良好的交互條件,包含后臺客戶端與前臺客戶端,前者以職能為前提確定角色權限,分級操作與管控數據庫;后者以PC端方式展示系統,用戶能根據自身的需求從數據庫中調取相關數據,在查詢數據的同時檢查各種設備的性能,一旦發現設備有異常情況,可快速生成報告并將問題反饋給客戶端。
2.2.1 目標選取與檢測。在建筑內的重點位置配備監控設備,由這些設備對建筑內外完成監控,選取特定目標完成檢測,引入MeanShift跟蹤技術實現動態化監管,采集監控對象的各種信息,一旦存在異常數據,及時反饋并制定解決措施,以消除各種安全風險。如系統監控到不安全行為,應立即將信息反饋給保安中心,由專業人員到現場處理問題。
2.2.2 目標跟蹤技術。
(1)基于MeanShift目標跟蹤算法的基本原理。MeanShift屬于迭代算法的一種,在應用該算法實現監控時,需率先計算當前點的偏移均值,移動該點到達偏移均值,將此作為新起點,繼續移動,當滿足要求后停止移動。
(2)MeanShift算法的應用與實現。建筑智能安防平臺的構成復雜,其內部包含了諸多要素,不同要素之間相互配合,能擴大監控范圍,得到完整且準確的監控結果。如監控系統能實時監控進入建筑的車輛,車輛在經過門禁后,智能模塊可自動采集車輛信息,如進入時間、照片、車牌號等,再由MeanShift算法實現動態跟蹤與檢測,得到車輛在建筑內的位置;根據道路檢測系統檢測錄入系統中的車輛信息,如通過信息對比發現車輛存在異常情況,應及時上報信息[3]。MeanShift算法的跟蹤監控流程如圖1所示。

圖1 MeanShift算法跟蹤流程圖
為在智能監控過程中判定MeanShift算法的可靠性,以建筑的車輛作為監控對象,具體的監控過程中建立Visio C++ 2010開發平臺,針對監控過程中所獲取的圖像與數據,在Matlab軟件內統一處理,將視頻轉變為圖形序列,如視頻在第1幀時停止,手動定位對象,雙擊該區域,進入單對象監控階段。上述過程中計算機系統可自動生成MeanShift目標跟蹤結果圖,圖底標注的數字為每幅圖的幀數,算法從第1幀開始手動選取目標,隨后開始迭代分析,一旦監控的車輛與建筑物相接近或者進入了建筑物內部,需立即對其展開動態監控。

2.2.3 數據庫的實現。建筑智能安防系統在監控期間,往往要接觸來自各個方面的信息,這些信息的類型、屬性等各有不同,如分開管理信息,工作量龐大且極易出現管理混亂的情況。為避免這一情況,系統內需建立專有數據庫,在該數據庫中集成不同來源及類型的信息,后續采取分布式管理方式,歸類管理各種信息,后續有需要的情況下直接從數據庫內調取有關模塊的數據,完成數據匹配和對比,如發現異常情況及時反饋并上報。
智能安防監控方面,其系統具有集成性,其中包含多個模塊,如綜合管理、消防聯動管理、門禁監控管理、道路檢測管理等,不同模塊都有其監控對象及范圍,進入監控階段后安防監控系統需協調不同模塊之間的關系,使各模塊之間能相互傳輸、共享信息,快速識別和處理各類安全風險。
近年來智能安防監控在很多領域都有所應用,在監控方面物聯網技術必不可少,其中融合了多種現代化技術。雖在當下智能安防監控技術發展迅猛且取得了一定的發展成效,但在未來尚存在較大的發展空間,相關人員需持續創新技術路徑與形式。