学士论文智能视频监控视频敏感区域入侵检测报警的设计与实现.docx
《学士论文智能视频监控视频敏感区域入侵检测报警的设计与实现.docx》由会员分享，可在线阅读，更多相关《学士论文智能视频监控视频敏感区域入侵检测报警的设计与实现.docx（53页珍藏版）》请在冰豆网上搜索。
学士论文智能视频监控视频敏感区域入侵检测报警的设计与实现
摘要
随着对社会公共安全的需求提高，结合发展的现代计算机技术，安防产品向PC化靠拢。
基于图像识别的智能视频监控以其突出的轻、巧、小、一体化等特点，逐渐取代传统监控手段。
而智能视频监控的关键技术则是依赖于视频内容的入侵检测。
此课题在完成系统分析、设计的基础上，进行了系统的实现，在基于RGB颜色处理检测入侵对象的同时，提供色差、限差两个参数设定提高系统适应性，还特别开发了发送报警邮件的功能，实现了远程实时监控。
关键词：
智能视频监控报警系统，图像对比，RGB色差模式，SMTP
ABSTRACT
Withtheincreasingdemandforsocialandpublicsecurity,combinedwiththedevelopmentofmoderncomputertechnology,securityproductsaremoreclosertothePC.Intelligentvideomonitoringbasedonimagerecognitionisgraduallyreplacingthetraditionalmonitoringmeasureswithprominentcharacteristics，suchasitshandiness,subsize,strongmovetointegrationandsoon.
Thekeytechnologyofintelligentvideosurveillance,intrusiondetectiondependsonthevideocontent.Thissubjectintrusiondetectionbasedonvideocontentanalysis,theintegrationofreal-timealarmmonitoringtechnology.Thisprojectimplementsthesystembasedontheintegrationofintrusiondetectionofvideocontent，theanalysis,real-timealarmmonitoringtechnology.
Keywords:
IntelligentVideoSurveillanceandAlarmSystem，imagecontrast，RGBcolormode，SMTP
第一章引言
研究背景
一直以来，各类违法违规事件的发生猝不及防。
同时随着科技的发展，违法违规的手段也趋于复杂，给正常的维护侦破工作带来诸多不便。
社会的进步对安全防范的要求和规范也更高。
依赖于传统的侦破人员勘察现场的手段已经不能满足当今社会的发展需求。
因此，智能视频监控系统进入了人们的视线，也将是未来安全防范主要依赖的工具和手段。
首先认识一下智能视频监控的概念。
智能视频监控是利用计算机视觉技术对视频信号进行处理、分析和理解，在不需要人为干预的情况下，通过对序列图像自动分析对监控场景中的变化进行定位、识别和跟踪，并在此基础上分析、判断目标的行为。
随着计算机网络技术、计算机图形技术、多媒体处理技术、通信技术的普及和快速发展，视频监控系统的数字化、网络化、智能化程度得到进一步得加强。
也就意味着视频敏感区域的入侵检测也向着多维度的方向发展，并且具备了更多功能。
在视频监控系统不断发展的今天，越来越多的视频监控产品向轻、巧、小的方向发展。
视频监控发展历史和国内外研究现状
1.1.1视频监控发展历史
随着监控行业的飞速发展，视频监控系统的发展大致经历了三个阶段。
第一代模拟时代：
视频是以模拟方式进行处理，视频信号由同轴电缆进行传输，其控制方式也以模拟信号的形式进行处理；第二代为半数字式时代：
则仍采用视频信号由同轴电缆进行传输，而控制主机或硬盘录像机（DVR）则进行数字处理与存储；第三代是全数字式时代：
视频信号从采集开始即为数字信号，以网络系统为传输媒介，基于网络TCP/IP协议，采用流媒体计算机控制技术，具有多路复用传输，以网络虚拟矩阵控制方式，实现强大的视频监控管理控制平台。
[1]
图1-1视频监控系统处理流程
1.1.2国内外研究现状
国外的研究主要有[2]：
在美国国防高级研究计划局（DARPA）资助下，卡内基梅隆大学、戴维SARNOFF研究中心等几家著名研究机构合作，研制了视频监视与监控系统VSAM。
VSAM的目标是为未来城市和战场监控应用开发的一种自动视频理解技术，用于实现未来战争中人力监控费用昂贵、非常危险或者人力无法实现等场合下的监控。
英国的雷丁大学（UniversityofReading）开展了对车辆和行人的跟踪及其交互作用识别的相关研究；IBM与Microsoft等公司也正逐步将基于视觉的手势识别接口应用于商业领域中；Maryland大学的实时视觉监控系统W4不仅能够定位人和分割出人的身体部分，而且通过建立外观模型来实现多人的跟踪，可以检测和跟踪室外环境中的人并对他们之间简单的交互进行监控。
国内的研究机构主要有：
中科院北京自动化研究所下属的模式识别国家重点实验室，他们对交通场景的视觉监控（基于三维线性模型定位、基于扩展卡尔曼滤波器的车辆跟踪算法）、人的运动视觉监控（基于步态的远距离身份识别）和行为模式识别（提出了对目标运动轨迹和行为特征的学习的模糊自组织神经学习算法）进行了深入研究，取得了一定的成果。
此外，国内还有一些高校也进行了这方面的研究，如上海交通大学、北京航空航天大学、北京理工大学等。
论文的主要内容及意义
智能视频系统要解决的问题有两个：
一个是将安防操作人员从繁杂而枯燥的长时间观察屏幕的任务重解脱出来，由机器来完成这部分工作，减少人力投入；另外一个是为在海量的视频数据中快速搜索到想要找的的关键数据，大大降低不报、误报、错报的概率。
意义可以从以下几方面来说：
一是基于人们对安防产品越来越高的要求。
对于愈加复杂的社会环境，人们需要更快速、高效、可靠的手段维护自身、社会的安全。
二是在硬件和软件基础越发夯实的条件下，很好地将传统的视频监控和软件设备衔接到一起，发挥两者的长处，触发了视频监控系统性能从根本上提高。
三是视频监控的一体化要求，从根本上简化设备，降低成本，减少人力、物力、财力等各方面的投入。
本文需着重考虑并解决的问题有以下三个大方面：
1.视频内容的获取；2.视频内容的识别；3.报警方式的实现。
最终实现小型一体化摄像头监控程序，完成对视频监控中异常行为的智能识别、提前发现和自动报警的目标，将在下面的章节中详细论述。
论文组织
本文以建立一个基于视频敏感区入侵检测的一体化智能视频监控系统为目标，实现对侵入视频敏感区物体的检测与跟踪，并根据所得到的判断结果启动实时的报警信息。
提供单个色差、总色差值两种维度的入侵物体辨识，增加系统针对不同环境的可移植性。
本文共分为六章，各章节的主要内容如下：
第一章引言。
论述了本文的研究背景、目的、意义等，分析了目前国内外的发展和研究状况，并提出了相应的解决方案。
随后给出了本文的主要研究内容和各章节的安排。
第二章需求分析与总体设计。
主要介绍了软件的需求分析与总体设计，以流程图的方式展现了软件相关的实现流程。
第三章关键理论技术。
主要论述了设计与实现摄像头监控软件涉及到的一些相关理论与关键技术。
第四章软件实现。
在VFW下，提供视频数据连接、视频内容捕获、并实现从视频上捕获并保存图像文件的功能，完成集监控、识别、报警为一体的小型视频监控系统软件的设计。
第五章软件测试及应用。
提供关于本系统开发的基本的性能要求、初步设计和系统基本功能需求的信息，以及软件总体测试的依据。
第六章总结和展望。
第二章需求分析与总体设计
2
需求分析
视频监控是一个很广泛的概念，那么其中涵盖的知识点和信息点也是非常丰富的。
作为现代安防的主要手段之一，视频监控有着非常良好的发展前景。
本视频敏感区域的入侵检测系统只是视频监控中很小的一个部分，实现的功能也相较初级。
本系统从最基本的功能入手，在结合现代计算机技术，实现了基于颜色的视频内容入侵检测、识别。
因为是基于实时的检测报警，此系统由于时间和能力各方面的限制，暂不提供对视频内容的录制功能。
智能化、数字化、网络化是视频监控发展的必然趋势，智能视频监控的出现正是这一趋势的直接体现。
智能视频监控分析是计算机视觉领域一个新兴的应用方向和备受关注的前沿课题，结合了计算机科学、机器视觉、图像处理、模式识别、人工智能等多学科。
智能视频监控将一改传统监控的被动监视、事后查录像的尴尬境地，可以为用户提供更多高级的视频分析功能，可以极大的提高视频监控系统的能力，并使视频资源能够发挥更大的作用[3]。
功能需求
传统的视频监控系统仅仅提供了捕获、存储和发布视频的功能，监控的任务大部分是由人来完成的。
通常，人工监控是枯燥和乏味的工作，需要安保人员投入比如常工作更高的注意力。
如果监控的事件不经常发生，由于人不能长期集中注意力，易疲劳的原因，这种事件往往容易被疏忽。
同时，数据资源的存储问题也尤为突出，随着时间的推移，视频数据也与日俱增，存储和查找变得尤为困难。
而智能视频监控作为一个新型的监控系统，在传统视频的优势上保持外，还需要克服传统视频监控存在的诸多问题，软件需要考虑的问题如下：
1）监控前端：
用于采集被监控点的监控信息，并可以配备报警设备。
2）管理中心：
承担所有前端设备的管理、控制、报警处理、录像、用户管理等工作。
各部分功能分别由专门的服务器各司其职。
3）监控中心：
用于集中对所辖区域进行监控，包括电视墙、监控客户终端群组成。
系统中可以有一个或多个监控中心。
智能识别入侵对象，大大降低漏报、误报的概率。
4）PC客户端：
在监控中心之外，也可以由PC机接到网络上进行远程监控。
提高设备的可移植性，对复杂环境的适应性，避免多次开发的成本投入。
开发环境
此次设计在WindowsXPsp2操作系统下采用MicrosoftVisualStudio2010进行开发，所选用的开发语言是C#，并结合MFC进行编程,目标框架是.NETFramework。
这种开发工具和开发语言是当今比较流行的[4]。
VisualStudio是微软公司推出的开发环境。
是目前最流行的Windows平台应用程序开发环境。
VisualStudio2010同时带来了NETFramework4.0、MicrosoftVisualStudio2010CTP（CommunityTechnologyPreview--CTP），并且支持开发面向Windows7的应用程序。
除了MicrosoftSQLServer，它还支持IBMDB2和Oracle数据库。
支持WindowsAzure，微软云计算架构迈入重要里程碑。
VisualStudio2010有如下特点：
1.助力移动与嵌入式装置开发，三屏一云商机无限。
2.实践当前最热门的Agile/Scrum开发方法，强化团队竞争力。
3.升级的软件测试功能及工具，为软件质量严格把关。
4.搭配Windows7，Silverlight4与Office，发挥多核并行运算威力，
5.创建美感与效能并重的新一代软件。
开发语言C#：
C#是一种安全的、稳定的、简单的、优雅的，由C和C++衍生出来的面向对象的编程语言。
它在继承C和C++强大功能的同时去掉了一些它们的复杂特性（例如没有宏以及不允许多重继承）。
C#综合了VB简单的可视化操作和C++的高运行效率，以其强大的操作能力、优雅的语法风格、创新的语言特性和便捷的面向组件编程的支持成为.NET开发的首选语言。
总体设计
研究和分析了目前视频监控系统的特点和针对目前用户对视频监控在功能上的相关需求，本文设计了一款实时视频监控软件。
该软件主要实现了视频数据连接、视频内容识别、从视频上捕获并保存图像文件的功能，完成集监控、识别、报警为一体的任务。
主要涵盖以下功能：
视频显示与控制部分：
对视频图片的显示与控制。
Ø控制摄像头的开启
Ø打开摄像头监控视窗
Ø启动摄像头监控
视频内容识别：
识别视频内容的参数设置，是视频内容识别的主要手段。
Ø色差
Ø限差
Ø监控间隔
报警部分：
入侵检测报警联动
Ø发出警音
Ø发送邮件
邮件部分：
邮件相关设置。
Ø设置邮件信息
Ø发送入侵邮件
系统结构图如下图所示：
图2-1系统结构图
2.1.1视频监控系统各模块设计
视频监控系统主要分为两个功能模块：
视频监控、报警联动。
主要由以下四部分组成：
1、产生图像的摄像机或成像装置（前端设备）；2、图像的传输与转换设备（传输设备）；3、图像的处理与控制装置（主控设备）；4、终端图像显示记录装置（显示记录设备）。
监控端包括PC机、麦克风、摄像头。
PC机用于控制采集设备，接受采集信息，编码压缩后传输到服务器，同时接受客户端的控制信息、图像信息，并传送给PC机进行编码后传送给服务器。
由于是微型一体化的实时报警系统，图像传输与转换设备就忽略掉了，大大节省了视频监控系统的成本投入。
产生图像的摄像机或成像装置是基于笔记本自带的摄像头。
服务器为一台连接到Internet网的高性能计算机，用于接受监控端发过来的图片信息、响应客户端的请求，并将监控端的视频截图实时传送给客户端。
传输网络为Internet，提供客户及与服务器之间额信息通路。
客户端为连接到Internet的普通计算机，通过网络与服务器进行通信，便于用户随时上网查看现场监控的情况。
本系统设计应用于无人监管的远程网络监控，具有视频移动报警功能，即在所连接的任何一个摄像头的监控区中，若出现物体的移动变化即可启动报警、发送入侵邮件等报警设备。
用户可以获得服务器验证通过后的任何一台联网PC机上进行监控区域的查看，还可以多个合法用户同时查看。
当用户在报警结束后查看系统，则可从录像的图片文件中得到异常情况发生时监控区域的状况。
图2-2系统处理流程图
2.1.2关键数值设定说明
在程序主界面，从提高监控系统的整体性能、提高对环境的适应能力出发，提供了四个参数的设置，分别为色差、限差、监控间隔和监控延迟。
下面就这四个数值做简单的分析。
色差设定：
主要是为了防止因为细微的环境变化而导致误报的现象。
因为我们日常所处的情况，很容易受到天气和时段的影响。
一天的不同时间段以及不同的天气状况，摄像头内的画面是会在一定范围内波动的。
可以根据用户的需要，灵活设定这些参数，能更好地为用户服务。
增大色差容差能力，将更模糊外界不可抗因素对视频内容的影响。
当图像变化的颜色差值大于该色差值时，判断有可能出现变化，该值越小则要求图像变化越小，即要求越严格。
色差是该视频监控系统稳定性和灵敏性的关键指标。
因为考究到该系统将会用到各种复杂的环境中，用户可以根据自身的需求设定合适的数值。
同时，由0-100的变化指标，对环境变化要求不高的用户就可以将数值调大，避免画面因微小的污染造成误报。
而对环境纯度要求较高的用户，对于微小的画面污染也要纠察出来的话，可以适当将数值调小。
限差设定：
限差用于控制图像中变化比率ratio，当超过该值时开始报警，即当图像出现ratio%的变化时程序认为出现异常，该值越小要求图像变化越小。
限差设定主要是用于防止一些细微的变化引发不必要的误报发生。
适当提高限差值，能过滤掉一些无关紧要的画面污染。
监控间隔设定：
即每隔多长时间进行一次监控分析。
最小值为100ms，值越小，其监控分析的频率越高，同时CPU使用率越高。
用户可以根据自己的需求设定相应的间隔值。
延长时间设定：
延长时间值表示点击“开始监控”按钮后延长多少时间后开始监控。
如果设置延长时间为0，则表示点击“开始监控”按钮后马上开始进行监控。
设置该参数主要是用于一些延长监控的情况，如现在开启监控，但是人要出门，出门大概需要30s，则设置延长时间为30s，30s后程序自动进入监控状态。
同时在主程序界面还有两个选项需要用户选择：
单个色差、总体色差。
因为该监控系统主要是基于RGB值来实现对入侵物体的识别。
因此就存在两个维度的对比，单个色差指分别比较RGB颜色差值，总色差值指比较RGB的总差值。
图2-3相关参数设置
本章总结
本章研究和分析了视频监控系统的相关需求，对该程序的开发环境做了简单的介绍。
本章的重点在于设计和介绍摄像头监控软件的主要功能模块与总体设计。
用框图的形式展示了系统的整体结构，并对在设计软件中发挥重要作用的关键数据如色差限定、限差设定、监控间隔设定进行了简单的分析。
并针对软件设计过程中遇到的问题，提出了相应的解决方案。
基于对此次课题的需求分析重新整合梳理，为下面课题的实现打下了良好的基础。
第三章关键理论及技术
3
智能视频监控技术
IEEE在图像的智能分析等方面有比较大的成果，比如运动检测、人脸识别、目标跟踪等。
运动检测是指在指定区域能识别图像的变化，检测运动物体的存在并避免由光线变化带来的干扰。
由于背景图像的动态变化，如天气、光照、影子及混乱干扰等的影响，使得运动检测成为一项相当困难的工作。
早期的运动检测是对编码后产生的I帧进行比较分析，通过视频帧的比较来检测图像变化。
目前常用的方法有背景减除（BackgroundSubtraction）、时间差分（TemporalDifference）、光流（OpticalFlow）、运动向量检测法等[5]。
智能监控系统各组成部分的说明如下：
（1）监控前端：
用于采集被监控点的监控信息，并可以配备报警设备。
监控前端可分为两类：
①普通摄像头+视频服务器。
普通摄像头可以是模拟摄像头，也可以是数字摄像头。
原始视频信号传到视频服务器，经视频服务器编码后，以TCP/IP协议通过网络传至其他设备。
②网络摄像头。
网络摄像头是融摄像、视频编码、Web服务于一体的高级摄像设备，内嵌了TCP/IP协议栈。
可以直接连接到网络。
（2）管理中心：
承担所有前端设备的管理、控制、报警处理、录像、录像回放、用户管理等工作。
各部分功能分别由专门的服务器各司其职。
（3）监控中心：
用于集中对所辖区域进行监控，包括电视墙、监控客户终端群组成。
系统中可以有一个或多个监控中心。
（4）PC客户端：
在监控中心之外，也可以由PC机接到网络上进行远程监控。
（5）无线网桥：
无线网桥用于接入无线数据网络，并访问互联网。
通过无线网桥，可以将IP网上的监控信息传至无线终端，也可以将无线终端的控制指令传给IP网上的视频监控管理系统。
目前常用的无线网络为CDMA网络[6]。
运动目标检测（Moving－ObjectivesDetecting）作为智能视频监控系统重要的组成部分，是指从视频流图像序列中实时提取目标运动变化的区域，检测出图像序列中目标的运动信息，滤除与运动目标无关的背景的过程。
运动目标检测的算法依照目标与摄像机之间的关系可以分为静态背景下运动检测和动态背景下运动检测。
下面就背景减除（BackgroundSubtraction）、时间差分（TemporalDifference）、光流（OpticalFlow）、运动向量检测法这四种方法做简单的介绍。
3.1.1背景减除（BackgroundSubtraction）
背景减除方法是目前运动检测中最常用的一种方法，它是利用当前图像与背景图像的差分来检测出运动目标的一种技术。
它一般能够提供相对来说比较全面的运动目标的特征数据，但对于动态场景的变化，如光线照射情况和外来无关事件的干扰等也特别敏感。
实际上，背景的建模是背景减除方法的技术关键。
最简单的背景模型是时间平均图像，即利用同一场景在一个时段的平均图像作为该场景的背景模型。
由于该模型是固定的，一旦建立之后，对于该场景图像所发生的任何变化都比较敏感，比如阳光照射方向，影子，树叶随风摇动等。
大部分的研究人员目前都致力于开发更加实用的背景模型，以期减少动态场景变化对于运动目标检测效果的影响[9]。
首先，为背景中每个像素点进行统计建模。
最简单的背景模型是时间平均图像，即利用同一场景在一个时段的平均图像作为该场景的背景模型。
由于该模型是固定的，一旦建立之后，对于该场景图像所发生的任何变化都比较敏感，比如阳光照射方向、影子、树叶随风摇动等。
大部分的研究人员目前都致力于开发更加实用的背景模型，以减少动态场景变化对运动目标检测效果的影响。
其次，用当前图像与己知背景图像比较，找出在一定阈值限制下当前图像中的背景像素点。
定义当前图像为F（i,j,t），背景图像为B（i,j,t）。
则差分图像可以表示为：
d（i,j,t）=|F（i,j,t）−B（i,j,t）|
最后，对图像进行二值化处理，从而得到前景图像（运动目标）的集合。
设x（i,j）为差分图像中任何一点，Th为灰度阀值，二值化过程可描述为：
要保证一个视频监控系统长期稳定的运行，背景差分法就要具备很强的鲁棒性。
背景差分法的难点在于如何建立背景模型和保持背景模型更新，用以弥补由动态场景中的光线变化等因素带来的不利影响[7]。
3.1.2时间差分（TemporalDifference）
时间差分（Temporal Difference 又称相邻帧差）方法充分利用了视频图像的特征，从连续得到的视频流中提取所需要的动态目标信息。
在一般情况下采集的视频图像，若仔细对比相邻两帧，可以发现其中大部分的背景像素均保持不变。
只有在有前景移动目标的部分相邻帧的像素差异比较大。
时间差分方法就是利用相邻帧图像的相减来提取出前景移动目标的信息的。
让我们来考虑安装固定摄像头所获取的视频。
我们介绍利用连续的图像序列中两个或三个相邻帧之间的时间差分，并且用阈值来提取出视频图像中的运动目标的方法。
我们采用三帧差分的方法，即当某一个像素在连续三帧视频图像上均有相当程度的变化（及大于设定的阈值时），我们便确定该像素属于运动目标。
时间差分运动检测方法对于动态环境具有较强的自适应性，但一般不能完全提取出所有相关的特征像素点，在运动实体内部容易产生空洞现象，只能够检测到目标的边缘。
而且，当运动目标停止运动时，一般时间差分方法便失效[8]。
3.1.3光流（OpticalFlow）
基于光流方法（Optical Flow）的运动检测采用了运动目标随时间变化的光流特性，如Meyer 等作者通过计算位移向量光流场来初始化基于轮廓的跟踪算法，从而有效地提取和跟踪运动目标。
该方法的优点是在所摄场所运动存在的前提下也能检测出独立的运动目标。
然而，大多数的光流计算方法相当复杂，且抗噪性能差，如果没有特别的硬件装置则不能被应用于全帧视频流的实时处理。
当物体与背景发生相对运动时，运动物体在被观测图像上对应点的亮度模式也在运动，这种像素点运动的瞬时速度场就是光流。
光流表达了图像的变化，由于它包含了目标运动的信息，因此可被观察者用来确定目标的运动情况。
由光流的定义可以引申出光流场，它是指图像中所有像素点构成的一种二维（2D）瞬时速度场，其中的二维速度矢量是景物中可见点的三维速度矢量在成像表面的投影。
所以光流不仅包含了被观察物体的运动信息，而且还包含有关景物三维结构的丰富信息。
对光流的研究成为计算机视觉及其相关研究领域中的一个重要部分。
[8]
光流法的基本原理可描述如下：
赋予图像中的每个像素一个速度矢量，形成一个图像运动场，根据各个像素的速度矢量特征，可以对图像进行动态分析。
如果图像中没有运动目标，则光流矢量在整个图像区域是连续变化的，当物体和图像背景存在相对运动时，运动物体所形成的速度矢量必然和区域背
升级会员 