林益光,王 慧,童杏林,曹 馳,陳 亮

庭院智能監(jiān)控系統(tǒng)的研究與實(shí)現(xiàn)

林益光1,王 慧2,童杏林3,曹 馳3,陳 亮3

（1.廣東海洋大學(xué),524088;2.廣東海洋大學(xué),武漢理工大學(xué),524088;3.武漢理工大學(xué),430070）

本文結(jié)合圖像分析技術(shù)與智能控制技術(shù)，提出一套適用于庭院智能監(jiān)控的解決方案，自主開(kāi)發(fā)了配套的軟件平臺(tái)，用于實(shí)現(xiàn)實(shí)時(shí)監(jiān)控、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)再現(xiàn)等功能。設(shè)計(jì)使用多個(gè)可測(cè)范圍較廣的壓力傳感器YZC-526連成一組，監(jiān)測(cè)圍墻上的情況，若判斷為可疑人時(shí)，將此時(shí)異常情況存檔，并通過(guò)網(wǎng)絡(luò)發(fā)送給指定用戶，請(qǐng)示用戶命令，根據(jù)用戶返回命令的情況，執(zhí)行相應(yīng)的預(yù)警操作，以此達(dá)到安全防衛(wèi)的目的。

庭院；監(jiān)控；圖像分析；智能控制

由于庭院多數(shù)地處偏遠(yuǎn)的地段，其安防問(wèn)題一直是人們關(guān)心的話題，針對(duì)這現(xiàn)狀，本文提出一套適用于庭院的智能監(jiān)控解決方案，通過(guò)圖像信息與壓力傳感的結(jié)合，自主實(shí)時(shí)的對(duì)異常行為進(jìn)行識(shí)別判斷，對(duì)突發(fā)事件做出預(yù)警，避免不良事件的發(fā)生。

1 系統(tǒng)算法概述

本文的算法主要分為三部分：人臉識(shí)別、身份認(rèn)證、高速球與壓力線間的位置配準(zhǔn)。位置配準(zhǔn)使用了標(biāo)定法，并在標(biāo)定法的基礎(chǔ)上增添了一個(gè)修正量，使高速球能較準(zhǔn)確定位一整條壓力線。人臉檢測(cè)與身份認(rèn)證選擇Adaboost算法，其準(zhǔn)確率高，實(shí)時(shí)性好，并且不受膚色干擾。

1.1 人臉識(shí)別算法

人臉檢測(cè)方法采用的是Viola在2001年提出的人臉檢測(cè)算法——Adaboost算法，該算法一是基于積分圖的類矩形特征提?。欢腔赾ascade的搜索算法。在統(tǒng)計(jì)模式識(shí)別中，對(duì)物體特征的提取是至關(guān)重要的一步，Adaboost 算法所采用的是，提取基于積分圖的類矩形（Haar-like）特征。積分圖像是對(duì)原圖像的一種變換，積分圖中的任意一點(diǎn)(x,y)的值，用其左上矩形區(qū)域所有點(diǎn)的灰度值之和來(lái)表示，I表示積分圖像，G表示原始圖像，則I(x,y)=sum(G(i,j))，其中0＜=i＜=x,0＜=j＜=y。得到積分圖后，再來(lái)計(jì)算矩形特征值就比較簡(jiǎn)單。可以得出結(jié)論：矩形特征的特征值，只與特征矩形的端點(diǎn)的積分圖值有關(guān)，而與圖像的坐標(biāo)無(wú)關(guān)。要求特征矩形特征值，只需通過(guò)加減矩形的端點(diǎn)積分圖值即可。用這個(gè)方法，使得特征值的計(jì)算速度非?？?，標(biāo)示檢測(cè)的速度也隨著提升。檢測(cè)人臉，一般需要多個(gè)特征才能完全確定，但對(duì)每個(gè)檢測(cè)子窗口，如果都去計(jì)算多個(gè)特征，這將會(huì)耗費(fèi)大量的時(shí)間。我們發(fā)現(xiàn)在這些確定人臉的多個(gè)特征中有些較為明顯的特征，例如人臉內(nèi)眼睛區(qū)域的灰度值比臉頰小，這些簡(jiǎn)單的特征雖不能完全確認(rèn)出人臉窗口，但卻可以通過(guò)它淘汰一大批非人臉子窗口，剩下更多時(shí)間和精力來(lái)判別這些可能是人臉的區(qū)域。這樣不僅提高了目標(biāo)的檢測(cè)速度，也增強(qiáng)了檢測(cè)精確度?；谶@樣的思想，我們選擇了采用cascade級(jí)聯(lián)的方法去搜索人臉，首先經(jīng)過(guò)學(xué)習(xí)挑選出N個(gè)較弱的分類器,然后將這些弱分類器按權(quán)組合，形成一個(gè)強(qiáng)分類器,再串聯(lián)若干個(gè)強(qiáng)分類器去對(duì)圖像進(jìn)行搜索檢測(cè),串聯(lián)的級(jí)數(shù)主要依賴于錯(cuò)誤率和識(shí)別速度[4]。將多個(gè)強(qiáng)分類器串接在一起進(jìn)行操作，即為級(jí)聯(lián)分類器。級(jí)聯(lián)分類器中的每一個(gè)強(qiáng)分類器都由若干個(gè)弱分類器加權(quán)組合形成，每一級(jí)都比前一級(jí)要復(fù)雜，同時(shí)，每一個(gè)強(qiáng)分類器對(duì)負(fù)樣本的判別準(zhǔn)確度非常高，每個(gè)強(qiáng)分類器幾乎可讓所有正例樣本通過(guò)，同時(shí)濾除大部分負(fù)例樣本，只有正例樣本才會(huì)送到下一個(gè)強(qiáng)分類器進(jìn)行再次檢測(cè)，這樣便縮短了檢測(cè)時(shí)間。

檢測(cè)圖像時(shí)，待檢圖像一般都會(huì)比訓(xùn)練樣本大得多。在Adaboost 算法中，通過(guò)擴(kuò)大檢測(cè)窗口實(shí)現(xiàn)訓(xùn)練樣本與待檢圖像的尺寸匹配[5]。人臉檢測(cè)流程：開(kāi)始檢測(cè)時(shí)，檢測(cè)窗口和樣本一般大小，檢測(cè)窗口按照指定步數(shù)移動(dòng)并掃描整幅圖像，將可能會(huì)出現(xiàn)人臉的區(qū)域標(biāo)出來(lái)。圖像遍歷一次后，將檢測(cè)窗口放大到指定倍數(shù)再次遍歷圖像；這樣不斷放大檢測(cè)窗口并遍歷待檢圖像，直到檢測(cè)窗口大于原圖像一半后停止。由于整個(gè)算法運(yùn)算非?？欤词雇瓿珊芏啻螔呙杼幚硗暌环鶊D像，但在PC上運(yùn)行所耗的時(shí)間也只有100ms左右。在檢測(cè)停止后，將出現(xiàn)人臉的重疊區(qū)域進(jìn)行合并等操作。

1.2 身份認(rèn)證算法

在由上述人臉識(shí)別方法得到含有人臉樣本后，選取任一張人臉的圖片，如何判別人臉的身份，提高認(rèn)證準(zhǔn)確率？采用的算法與人臉識(shí)別類似，也同樣需要經(jīng)過(guò)三個(gè)步驟：創(chuàng)建樣本、訓(xùn)練分類器、檢測(cè)圖像。先創(chuàng)建一定量的樣本集合，從中提取規(guī)則或模式，使用Adaboost算法從樣本集中學(xué)習(xí)出了分類器，使用該分類器區(qū)分獲得的人臉的身份。與上一節(jié)不同的是，樣本與分類器不同。人臉識(shí)別里，opencv提供了一套較完善的分類器可供使用，而身份認(rèn)證的分類器，需要我們自已訓(xùn)練。訓(xùn)練分類器，首先要有用于身份認(rèn)證的人臉樣本，樣本集里包括正例樣本與負(fù)例樣本。正樣本是待檢目標(biāo)的圖像，負(fù)例樣本是非目標(biāo)圖像（背景圖像）。矩形特征的級(jí)聯(lián)分類器的學(xué)習(xí)中，樣本集創(chuàng)建的關(guān)鍵在于正例樣本的收集，正例樣本收集的準(zhǔn)則是要具備共有的大致吻合的Haar矩形特征。通過(guò)訓(xùn)練后得到分類器，即可對(duì)未知人臉進(jìn)行身份判別。自動(dòng)測(cè)試身份認(rèn)證結(jié)果表明可以準(zhǔn)確對(duì)樣本集中同一個(gè)人不同表情進(jìn)行認(rèn)證，認(rèn)證結(jié)果顯示該人臉是樣本集中的命名。對(duì)樣本集以外的人臉進(jìn)行認(rèn)證，認(rèn)證結(jié)果顯示others。

1.3 高速球攝像機(jī)的位置配準(zhǔn)算法

當(dāng)異常情況發(fā)生時(shí)，要使高速球能迅速轉(zhuǎn)動(dòng)到相應(yīng)的位置，有兩種方法，一是閉環(huán)控制法：設(shè)置兩個(gè)參考物得知高速球當(dāng)前位置與目標(biāo)位置，通過(guò)閉環(huán)控制實(shí)現(xiàn)位置調(diào)整；二是標(biāo)定法：事先標(biāo)定計(jì)算出一定量的離散點(diǎn)所需要的控制量，其余的點(diǎn)通過(guò)離散點(diǎn)的控制量進(jìn)行估算。第一種方法的參考點(diǎn)設(shè)計(jì)難度較高，因?yàn)閮蓚€(gè)位置都不好確定，而第二種方法相對(duì)簡(jiǎn)單，且由于攝像頭的視野相對(duì)較廣，不需要確精的將視野中心定位到一個(gè)點(diǎn)上的情況下，通過(guò)估算已經(jīng)足夠滿足取景需要，所以，本文選擇第二種方法，標(biāo)定法來(lái)實(shí)現(xiàn)位置配準(zhǔn)，具體如下：假設(shè)壓力線上的壓力傳感器有15個(gè)，用a、b、c、…表示，攝像機(jī)位于前方中部。

（1）測(cè)出控制攝像機(jī)轉(zhuǎn)到a、b、c、…上，所需的控制量分別為A、B、C、…,且控制量由順時(shí)針變大，即A＜B＜C＜....

（2）當(dāng)壓力線上出現(xiàn)異常情況，壓力傳感器的值會(huì)出現(xiàn)異常，且越接近異常點(diǎn)，值會(huì)越大。比如監(jiān)控區(qū)域有異常時(shí)，其周圍的傳感器都會(huì)有響應(yīng)，且a、b、c的值較大。

（3）計(jì)算控制量：控制量由以最大值的控制量，加上修正量?jī)刹糠纸M成。假設(shè)a、b、c的值班為as、bs、cs，且bs的值最大，此時(shí)的控制量可以如下計(jì)算：Camera=B*[1+(cs-as)/bs]

2 硬件設(shè)計(jì)

圖1 壓力數(shù)據(jù)采集電路

本設(shè)計(jì)硬件部分主要有：電源電路、攝像機(jī)、壓力線（多個(gè)壓力傳感器組成）及其采集電路。其中，圖像信號(hào)直接通過(guò)USB傳輸給PC，不需外加電路，壓力信號(hào)通過(guò)一塊帶AD轉(zhuǎn)換模塊的AVR單片機(jī)ATM8采集完后由串口傳給PC。

2.1 電源電路

系統(tǒng)需要用到電源有如下幾種：（1）壓力傳感器：5V（2）AVR最小系統(tǒng)：5V（3）攝像機(jī)：220V(攝像機(jī)本身為12V,但其配有220V~12V的專用適配器)，故電源電路只需再加一個(gè)220～5V的適配器即可。

2.2 壓力傳感及采集電路

選用YZC-526壓力傳感器，其可測(cè)范圍為0～100kg,靈敏度2mv/v。組成傳感器組。

采集電路：使用一片高性能、低功耗的8位AVR微處理器，工作于16MHz時(shí)性能高達(dá)16 MIPS，具有8路10位ADC,電路圖如圖1所示。

3 軟件設(shè)計(jì)

本文軟件部分主要由五個(gè)模塊組成：信號(hào)采集（圖像及壓力）、壓力監(jiān)控、攝相機(jī)調(diào)度、圖像處理、報(bào)警機(jī)制。開(kāi)發(fā)平臺(tái)是windows，開(kāi)發(fā)語(yǔ)言為C#。

下面分模塊簡(jiǎn)述各個(gè)模塊的運(yùn)行設(shè)計(jì)。信號(hào)采集程序流程:通過(guò)打開(kāi)USB讀取圖像信息，通過(guò)串口讀取壓力信息,接收端口數(shù)據(jù),采集完成標(biāo)志位置。先測(cè)試當(dāng)壓力值達(dá)到哪個(gè)范圍時(shí)，屬于不正常情況。壓力監(jiān)控程序流程：系統(tǒng)正常運(yùn)行時(shí)，實(shí)時(shí)地將測(cè)到的壓力值與這范圍比較，若該數(shù)據(jù)異常，記錄這一數(shù)據(jù)，并繼續(xù)接收后續(xù)的數(shù)據(jù)，若連續(xù)三次出現(xiàn)異常，則向系統(tǒng)發(fā)出異常信號(hào)，否則當(dāng)作干擾信息濾除。攝像機(jī)調(diào)度程序流程：當(dāng)壓力線上出現(xiàn)異常信息時(shí)，計(jì)算發(fā)生異常所在位置，系統(tǒng)調(diào)度攝像機(jī)轉(zhuǎn)到發(fā)生異常的位置，每隔0.1s抓拍一張圖像,連續(xù)抓拍15張，圖像獲取完成標(biāo)志位置，并提示系統(tǒng)已經(jīng)取到圖像。圖像處理程序流程:系統(tǒng)獲取從攝像機(jī)傳過(guò)來(lái)的圖像后，對(duì)圖像進(jìn)行分析處理，分析是否有人臉存在，若存在人臉，判別該人是否屬于可信任人物，若不可信，截取人臉信息，存檔并標(biāo)識(shí)異常，向系統(tǒng)發(fā)出警報(bào)消息；若不存在人臉，存儲(chǔ)此時(shí)圖像，并標(biāo)識(shí)未知。報(bào)警機(jī)制程序流程：當(dāng)系統(tǒng)發(fā)生警報(bào)消息時(shí),將此時(shí)庭院內(nèi)的狀況通過(guò)郵件發(fā)送給用戶，包括異常信息、時(shí)間、方位、入侵者的人臉信息，然后等待用戶回復(fù)，若用戶及時(shí)回復(fù)，按照用戶回復(fù)的指令操作，若用戶沒(méi)有及時(shí)回復(fù)，重發(fā)，若重發(fā)次數(shù)超過(guò)三次，不再重發(fā)，執(zhí)行系統(tǒng)內(nèi)默認(rèn)的操作，響起家中警鈴。

4 系統(tǒng)實(shí)現(xiàn)

本設(shè)計(jì)程序開(kāi)發(fā)是在由微軟公司推出的Windows平臺(tái)應(yīng)用程序開(kāi)發(fā)環(huán)境Visual Studio 2010上進(jìn)行，開(kāi)發(fā)語(yǔ)言使用Cshap，是微軟公司發(fā)布的一種完全面向?qū)ο筮\(yùn)行于NET Framework之上的高級(jí)程序設(shè)計(jì)語(yǔ)言。為了調(diào)試系統(tǒng)算法，自行設(shè)計(jì)了一套配套的應(yīng)用程序，可直觀地看到壓力數(shù)據(jù)的變化、圖像處理的效果等。如圖2顯示系統(tǒng)的三個(gè)界面。

運(yùn)行效果如下：

圖2 系統(tǒng)界面

(1)對(duì)庫(kù)內(nèi)可信任人認(rèn)證試驗(yàn)：人臉訓(xùn)練出分類器，用此分類器分析出現(xiàn)在鏡頭下的人是否屬于可信任之人。若為可信任人，在尋找出人臉區(qū)域后，在邊框左上角標(biāo)示出該人姓名。

(2)可疑人認(rèn)證試驗(yàn)：當(dāng)出現(xiàn)在鏡頭下的人臉不是庫(kù)內(nèi)所存有的人臉時(shí)，系統(tǒng)形成的分類器只能識(shí)別出人臉區(qū)域，但沒(méi)法判別身份，此時(shí)，在邊框左上角標(biāo)示出Unknow字樣，并有紅色警報(bào)信號(hào)產(chǎn)生。

(3)多人認(rèn)證：向系統(tǒng)內(nèi)導(dǎo)入多張不同人的人臉圖像后，通過(guò)對(duì)不同人臉進(jìn)行標(biāo)識(shí)后，可實(shí)現(xiàn)多人同時(shí)認(rèn)證。當(dāng)不同可信任人同時(shí)出現(xiàn)在鏡頭下時(shí)，系統(tǒng)可以通過(guò)判別這些人臉?lè)謩e與庫(kù)中存有的哪個(gè)人相似度最高，以此作為該人的身份，標(biāo)示于邊框左上角。

(4)異常情況的信息通報(bào)：當(dāng)出現(xiàn)異常情況時(shí)，系統(tǒng)通過(guò)internet以郵件的形式發(fā)給指定的用戶，如圖3所示。

圖3 異常情況的信息通報(bào)

5 結(jié)論

經(jīng)一系列設(shè)計(jì)與調(diào)試，完成了整套系統(tǒng)的研究，當(dāng)YZC上傳來(lái)異常信息時(shí)，系統(tǒng)通過(guò)標(biāo)定法控制安裝于庭院內(nèi)的一臺(tái)帶紅外高速球攝像機(jī)轉(zhuǎn)到相應(yīng)的位置，連續(xù)抓拍圖像,然后使用Adaboost算法分析判斷圖像中是否有人出現(xiàn)并搜索人臉，當(dāng)截取到其人臉正面圖像時(shí)，通過(guò)身份認(rèn)證算法分析是否為可疑人，實(shí)現(xiàn)了異常情況時(shí)攝像機(jī)的調(diào)度、人臉的搜索、身份的認(rèn)證、報(bào)警的產(chǎn)生，具有實(shí)時(shí)智能監(jiān)控性能，起到了庭院安防監(jiān)控的作用。

[1] Viola,P.,Jones,M.Rapid object detection using a boosted cascade of simple features[C].Proceedings of the 2001 IEEE Computer Society Conference on Volume1, 2001.vol.1,page(s):511-518.

[2] Lienhart,R.,Maydt,J.An extended set of Haarlike features forrapid object detection;Image Processing[C].Proceedings of the 2002 International Conference on Volume 1,2002 vol.1，Page(s):900-903.

[3] 徐麒,王繼成.基于視頻圖像的人臉檢測(cè)與統(tǒng)計(jì)[J].計(jì)算機(jī)與現(xiàn)代化,2010(1):120-123.

[4] 徐世釗.人臉靜態(tài)與動(dòng)態(tài)檢測(cè)[D].哈爾濱工程大學(xué),2007. [5] 高金良.基于Adaboost算法的人臉實(shí)時(shí)臉檢測(cè)及FPGA設(shè)計(jì)[D].中北大學(xué)，2011.

表2 天然氣分析精密度

4 結(jié)論

綜上所述，本文采用氣相色譜儀對(duì)天然氣樣品的組分進(jìn)行了相關(guān)的分析和計(jì)算，結(jié)果表明，運(yùn)用這種方法，可以有效提高選擇性的靈敏度，具有分析結(jié)果精確的優(yōu)點(diǎn)，非常適合于對(duì)于復(fù)雜氣體的組分的確定。

參考文獻(xiàn)

[1] 張婭娜,陳賡良,曾文平,孫青峰.用氣相色譜法測(cè)定天然氣組成國(guó)內(nèi)外標(biāo)準(zhǔn)對(duì)比研究[J].石油與天然氣化工. 2007(01)

[2] 李春瑛,韓橋,杜秋芳,張新,張培壯.天然氣標(biāo)準(zhǔn)氣體氣相色譜比對(duì)方法的研究[J].天然氣化工(C1化學(xué)與化工). 2007(01)

[3] 安建川,梁光川.天然氣計(jì)量技術(shù)現(xiàn)狀及趨勢(shì)[J].內(nèi)蒙古石油化工. 2007(01)

作者簡(jiǎn)介

王榮義，男，1990年11月17日，東北石油大學(xué)石油工程學(xué)院在讀本科生

Research and implementation of intelligent monitoring system for yard

Lin Yiguang1,Wang Hui2,Tong Xinglin3,Cao Chi3,Chen Liang3
(1.Guangdong Ocean University,524088;2.Guangdong Ocean University，Wuhan University of Technology,524088;3.Wuhan University of Technology,430070)

In this paper,combined with image analysis technology and intelligent control technology,and puts forward a set of applicable solution to intelligent monitoring of the courtyard,the independent development of the supporting software platform to realize the function of real-time monitoring,data storage,data reproduction.Design using multiple can be measured with a wide range of pressure sensor YZC-526 connected to a group,monitoring on the wall,determine if the suspicious person,this abnormal situation archive,and through the network to send to a given user,consult the user commands,according to return the user command, the implementation of early warning,in order to achieve the purpose of defense and security.

courtyard;surveillance;image analysis;intelligent control

林益光（1991-），男，廣東，研究方向：電子技術(shù)，圖像處理；

王慧（1963-），女，湖南，副教授，研究方向：電子通信，傳感器。

廣東省高等教育學(xué)會(huì)實(shí)驗(yàn)室研究基金項(xiàng)目（GDJ2012063）。