基於雲安全伺服器的自主追蹤移動特徵的家用監控系統的製作方法

2023-09-23 15:56:40

本發明涉及通信和圖像處理技術領域，特別是涉及一種基於雲安全伺服器的自主追蹤移動特徵的家用監控系統。

背景技術：

家庭監控是利用網絡技術將安裝在家內的視頻、音頻、報警等監控系統連接起來，通過中控電腦的處理將有用信息保存並發送到其他數據終端，如手機，筆記本，110報警中心等。隨著人們的安全意識逐日提高，越來越多的人，尤其是經常出差的人開始考慮安裝家庭監控系統。依靠家庭監控系統，用戶可以實時了解家中安全狀況。但目前的監控還停留在事後查證狀態，不能在突發安全事件時即時通知用戶。所以怎樣能夠讓監控自主識別、自主追蹤、自主報警是近幾年的研究熱點。

海康威視公司旗下的螢石品牌已經做到了自主追蹤和聯網報警，只是局限於單一攝像頭。而為保證用戶住所面積全方位無死角的覆蓋，就需要多攝像頭協同工作組成網絡。如何讓這個網絡協調並且獨立自主的完成監控任務是一個巨大的技術難點。

技術實現要素：

針對上述問題，本發明提出一種能夠對目標實現自主跟蹤並且具有雲伺服器的裝置，該裝置應用於攝像頭對目標的自主跟蹤，所述裝置包括：

攝像頭，圖像採集裝置。首先進行圖像的採集，檢測周圍光強，為下一步圖像預處理做準備。

圖像處理模塊，對攝像頭採集的圖像信息進行圖像處理，識別移動物體，計算移動物體相對位置，檢測人體特徵。

arm主控：根據移動物體的相對位置，控制雲臺移動攝像頭視角，追蹤移動特徵，達到機械限制角度會發送移動特徵跟蹤接力包。

雲臺及控制部分：移動攝像頭視角，使視角中軸可活動機械範圍為：俯仰角90度、偏航角180度。

wifi模塊：將arm主控所需要的發送信息發送到相應ip；

單監終端運行模式共四種，分別為漫遊巡視模式、固定視角模式、鎖定追蹤模式、以及偽丟失模式。

漫遊巡視模式以及固定視角模式由用戶進行選擇，並且用戶終端可以在這兩種模式之間進行轉換。

監控終端以及不同的用戶終端均通過雲安全伺服器進行連接，並且該雲安全伺服器直接與公安網接口進行互聯。

當監控終端在漫遊巡視模式或固定視角模式下發現了移動特徵或者特徵跟蹤接力包，變更為鎖定追蹤模式，這時移動特徵被鎖定監控。

附圖說明

為了更清楚地說明本發明的實施以及應用的技術方案，下面將對使用的附圖做簡單的介紹。

圖1為本發明提供的一種實例示意圖；

圖2為本發明提供的一種單監控終端組成部分示意圖；

圖3為本發明提供的一種單監控終端運行模式轉換示意圖；

圖4為本發明提供的一種追蹤模式下查證報警流程示意圖；

圖5為本發明提供的一種相鄰監控終端交接範圍示意圖；

圖6為本發明提供的一種監控系統互聯方式示意圖。

具體實施方式

下面結合附圖和具體的實施對本發明作進一步的說明，但是不作為本發明的限定。

本發明介紹一種能夠對目標實現自主跟蹤並且具有雲伺服器的裝置。其中，該裝置應用於攝像頭對運動目標的跟蹤中，該裝置主要包括多個攝像頭、圖像處理模塊、arm主控、雲臺控制部分以及wifi模塊，並且配以雲安全伺服器來連接監控終端以及用戶管理設備。與此同時，雲安全伺服器還能與公安網接口實現互聯。

用戶確定覆蓋居所室內或室外所需要的監控終端數量和安裝位置後將監控終端安裝到位，繼而在用戶管理設備上設置每個監控固定ip和監控邊緣關係，以此組成一個終端間監控邊界關聯表。

攝像頭首先進行圖像的採集，檢測周圍光強，為下一步圖像預處理做準備。採集到的圖像除了移動特徵之外，還有環境背景，如牆壁、沙發、冰箱，需要進一步提取與處理。

當攝像頭模塊開機自檢後，通過預設的wifi名稱與密碼嘗試連接網絡，與伺服器進行通信，用led燈表示對雲伺服器的連接。

本發明監控終端不斷採集圖像並識別圖中移動特徵和人體特徵。

本發明的圖像處理模塊進行特徵檢測是基於特徵描述的方法,而不是基於像素。

本發明採用了迭代算法來區分正常移動和異常移動,其核心思想是針對不同的目標特徵訓練集訓練一個弱分類器,然後把在不同訓練集上得到的分類器集合起來,構成一個強分類器。

在本發明的採樣檢測算法中,每個採集樣本都被賦予一個權重,表明它被某個分量分類器選入樣本集的概率。如果某個樣本點已經被準確地分類,那麼在構造下一個樣本集中,它被選中的概率就被降低;相反,如果某個樣本點沒有被正確分類,那麼它的權重就得到提高。

通過多次這樣的採樣，就在圖像中識別出了移動特徵。

圖像處理模塊首先對採集到的源圖像，進行初步銳化處理，在圖像本身質量不受損的情況下，使移動特徵變得更為清晰，為了提高處理速度，採用線性變換的方法。

在此基礎上對含噪聲的目標進行濾波處理，本發明採用中值濾波對圖像進行濾波。濾波去噪後圖像的清晰度還不高，然後採用小波變換法對圖像進行增強。

小波變換法對圖像進行增強處理，首先對圖像進行小波變換將其分解為大小位置方向均不相同的分量，通過改變某些分量係數的大小使得需要的分量被放大而不需要則被弱化。

在此基礎上最後再進行小波逆變換使得增強得到圖像，然後採用圖像的灰度積分投影曲線確定目標的邊界。

arm主控在固定視角模式下不對雲臺進行輸出移動控制，雲臺固定在某個角度。當在漫遊巡視模式下，arm主控對雲臺輸出移動進行控制，使雲臺在偏航角的移動範圍緩慢往復掃描。在追蹤模式下通過圖像處理後所得的雲臺俯仰和偏航移動量來控制雲臺運動，當雲臺達到機械角度限制，arm主控通過wifi模塊發送移動特徵跟蹤接力包。

參見圖4所示的結構示意圖，單監控終端運行模式共四種，分別為漫遊巡視模式、固定視角模式、鎖定追蹤模式、以及偽丟失模式。

漫遊巡視模式以及固定視角模式由用戶通過管理設備進行選擇，並設定為初始模式，後續用戶依然可以通過管理設備在這兩種模式之間進行轉換。

當監控終端在漫遊巡視模式或固定視角模式下發現了移動特徵或者接收到跟蹤數據包，於是會變為鎖定追蹤模式，這時跟蹤目標便被鎖定。

參見圖4所示的結構示意圖，追蹤模式下的查證報警流程有：

首先判斷是否檢測到人臉特徵，如果檢測到了人臉特徵，需要進行判斷該目標是否為公安網嫌疑人。

如果該目標為公安網嫌疑人，則該信息便會直接被上傳至公安網。如果該目標不是公安網嫌疑人，則會匹配到用戶，即判斷該目標是否為用戶自身。

如果該目標為用戶自身或其家庭成員，則結束追蹤模式。

否則，如果該目標不是用戶自身，則會給用戶終端發送警報，由用戶來判斷是否報警。

如果沒有發現人臉特徵，則去判斷家具是否丟失。如果家具已經丟失，便會給用戶終端發送警報，由用戶來判斷是否報警。

如果家具沒有丟失，則判斷目標的持續移動是否超出了報警時間，如果超出了便會給用戶終端發送警報，由用戶來判斷是否報警。如果沒有超出，則判斷目標是否仍在監控範圍。

如果目標將要移出監控範圍，便會給相鄰的監控終端發送追蹤數據包。由下一個單監控終端執行上述任務。

如果在這個過程中跟蹤目標丟失，便會進入偽丟失模式。在偽丟失模式下，如果在限定的時間內追蹤目標再次出現，則轉回鎖定追蹤模式。如限制時間內未能再次獲得追蹤目標，便會返回原最初模式。

相鄰監控終端交接範圍示意圖參見圖4所示的結構示意圖。其中a、b分別為監控終端的兩側監控範圍，c為兩視角範圍的交接點。08與09代表相鄰的兩個監控終端，10代表單一監控終端監視角範圍界限。

參見圖1所示的結構示意圖，不同的監控終端以及不同的用戶終端均通過雲安全伺服器進行連接，並且該雲安全伺服器直接與公安網接口進行互聯。

本發明由兩個無刷伺服電機和機械結構構成的雙軸雲臺來移動用於目標檢測的攝像頭，追蹤算法使用了均值漂移算法，即meanshift算法，此方法可以通過較少的迭代次數快速找到與目標最相似的位置，效果很好。但是目前存在的問題是當目標被遮擋後，容易丟失跟蹤目標，但是目標的形狀和大小變化不會影響追蹤的效果，進行改進的camshift算法，識別追蹤效果更好，但當背景色和目標顏色接近時，容易使目標的區域變大，甚至有可能導致目標跟蹤丟失。這也是目前發明中的不足之處。

當攝像頭捕獲並且跟蹤目標後，進行視頻流的獲取與處理，鑑於視頻流佔用網絡帶寬大，h.264具有低碼率，高質量圖像，容錯能力強，網絡適應性強，數據壓縮比高的優點，編碼解碼佔用資源少，開發時間短。本發明採用h.264視頻流模式傳輸到雲伺服器上。

雲伺服器的工作過程為：對每個連接到伺服器的攝像頭進行guid標識；講攝像頭傳輸來的視頻流保存成視頻文件；分析視頻文件中的影像，將其中的人臉目標進行分析；將分析後的人臉數據，與公安部提供的面向社會公開的安全api連接，進行在逃通緝犯的面部比對；如果匹配到在逃通緝犯，則通過網絡平臺發簡訊給用戶，提醒危險。

本領域技術人員應該理解，本領域技術人員在結合現有技術以及上述方案可以實現所述追蹤，在此不做贅述。

以上對本發明的較佳方案進行了描述。需要理解的是，本發明並不局限於上述特定的實施方案，其中未盡詳細描述的設備和結構應該理解為用本領域中的普通方式予以實施；任何熟悉本領域的技術人員，在不脫離本發明技術方案範圍情況下，都可利用上述揭示的方法和技術內容對本發明技術方案做出許多可能的變動和修飾，或修改為等同變化的等效方案，這並不影響本發明的實質內容。因此，凡是未脫離本發明技術方案的內容，依據本發明的技術實質對以上方案所做的任何簡單修改、等同變化及修飾，均仍屬於本發明技術方案保護的範圍。