多层递阶式的场景视觉监控系统方案公共场所其他.docx
- 文档编号:25462696
- 上传时间:2023-06-09
- 格式:DOCX
- 页数:6
- 大小:146.19KB
多层递阶式的场景视觉监控系统方案公共场所其他.docx
《多层递阶式的场景视觉监控系统方案公共场所其他.docx》由会员分享,可在线阅读,更多相关《多层递阶式的场景视觉监控系统方案公共场所其他.docx(6页珍藏版)》请在冰豆网上搜索。
多层递阶式的场景视觉监控系统方案公共场所其他
多层递阶式的场景视觉监控系统方案-公共场所其他
导读:
视频监控已成为现代社会改善公共安全水平的基础设施,视频监控系统在体系结构上日趋复杂,本文提出的一个实际的分布式智能视觉监控系统不仅具备强大的视频分析功能,还有“多层递阶”信息处理结构,可向云端视频监控管理中心提供结构化的海量视频数据和元数据。
视频监控已成为现代社会改善公共安全水平的基础设施。
它可帮助系统操作员分析已发生的异常事件进行事后追忆;或检测到正在发生的威胁,以便及时安排警力处理(快速做出反应)。
视频监控系统从最初的单机模拟式CCTV系统发展到如今分布式网络环境下的综合视频信息处理系统,在体系结构上日趋复杂。
系统包括众多布控于现场的视觉传感器(摄像机)、传输链路、智能前端设备以及高级监控管理中心。
一、系统架构
基于众多视频安防监控工程解决方案,我们总结出这样一条经验:
一个实际的分布式智能视觉监控系统不仅应具备强大的视频分析功能,且还应具有“多层递阶”信息处理结构。
如图1所示结构图,系统主要包括如下组件:
(一)多个节点工作站;
(二)一个数据中心平台站;
(三)一个监控管理站。
在图1所示拓扑图中,节点工作站实现形式位于视频监控现场的摄像机(IP摄像机或SDI摄像机)和智能终端(嵌入式硬盘录像机NVR或支持高清的SDI硬盘录像机),NVR或SDI硬盘录像机同时管理着多台摄像机。
在IP视频监控解决方案中,高清IP摄像机将压缩后的视频流以略带延迟的方式传入NVR,NVR可有选择地分析收集到的各路视频的图像内容,并把分析结果和压缩视频流通过IP网络上传到监控数据中心平台站。
在智能交通业务中,NVR除收集从一体化摄像机中传来的视频流外还包括该路视频中的智能视觉分析结果。
在SDI-CCTV解决方案中,高清视频流通过同轴电缆以无压缩的方式高速地传入SDI硬盘录像机。
SDI硬盘录像机上的智能分析软件直接对原始高清视频流进行视觉内容分析,并经由视频线向监控数据中心平台站上传分析结果和非压缩视频流。
每个节点工作站上的操作系统通常为Linux且运行智能视频分析软件。
二、数据的分层传输方法
我们还提出了一种基于TCP/IP协议集的“数据的分层传输方法”——无论网络上有无“路由解析”或是“防火墙”(通常会对多媒体通信会话的建立造成干扰)设置,智能分析的结果数据和实时的音视频流数据都可以直接在开放的网际间传输。
其具体技术方案以下两个:
(一)底层通信协议采用XMPP即可扩展消息和呈现协议,这是专门为建立即时消息系统设计的。
其虚拟的非限制性扩展功能使它被广泛应用在通用型服务器和分布式系统中。
XMPP协议使用为保证安全消息完整性层(基于TLS标准)、认证、寻址策略提供了一种增值能力。
XMPP协议还提供了一种基于XML消息的容器来存储自描述的结构化信息。
本方案中,我们在此协议层实现智能分析结果数据(元数据)的路由传输。
(二)XMPP协议的扩展部分用于建立视频监控中的多媒体通信会话。
在本方案中,我们采用加密后的RTP协议来实现网络上的各种音频数据流和海量视频数据流的传输功能。
当网络上设置有路由转发设备或在路由器上有防火墙时,为了保证高效的数据流传输,我们在系统中实现了代理服务功能。
三、移动目标的检测和跟踪
(一)移动目标的检测
移动目标检测是视频分析处理链条的第一个环节,检测结果可为后续处理和分析使用。
很多视频目标分割的算法通常使用空间和时间模型来产生目标的二值掩膜(对于精细的目标分割而言,而这也是图像分割的终极理想),而实际上得到的是对这个掩膜逼近的像素块Blob。
在我们的系统框架中,我们采用基于时空复合模型的背景减除方法来检测前景目标。
这种方法对很多应用场景都很适用,因它可有效地处理光照条件变化带来的干扰,很好地自适应背景变化带来的背景模型的更新方式,如:
静止不动的目标逐渐融入到背景中,背景中的目标突然启动而容易使原来的背景模型难以适应更新的速度而产生“鬼影”(检测效果如图2所示)。
目标分割之外,还有一个辅助算法用于消除目标在光照作用下投射的阴影。
首先是阴影的检测,然后是阴影的消除。
通常,投射的阴影会成为检出的前景的一部分,阴影检测算法只要依据这部分在背景减除时误判的区域在连续若干帧之间的色度分量基本保持不变,且亮度分量很低(低于某一个阈值)的特性。
每一个被检测为前景的像素都要经过上述的这种基于规则的判断,从而得到真实的前景。
为了保证算法的实时性,我们在背景建模时摈弃了多维模型,从而避免了在线EM算法复杂的迭代和多分布模型排队的过程。
另一种方法是采用灰度纹理相似度匹配的方式。
(二)目标的跟踪
目标从连续帧中被检测到之后,我们需要知道目标在帧序列中的运动规律,以便在这个动态时间序列中确定每个移动目标各自唯一的身份,这就是目标跟踪模块任务。
图3所示为多目标视觉跟踪的场景。
对多个目标进行视觉跟踪可借助动态地维护一个相互关联的链表系统来实现,包括:
检测链表、中间跟踪链表和输出跟踪链表。
当场景内多个目标在空间上相对独立时,目标跟踪处于常态,链表系统的维护仅是完成节点匹配和节点搬移的工作。
当检测链表和另外两个跟踪链表内的节点发生目标失配时,目标跟踪进入非常态,跟踪系统须马上进入失配处理程序,且链表系统需要对失配的节点进行保持连续的多帧,以决定是否从跟踪链表中删除节点或是恢复节点,以及建立新的节点。
非常态跟踪的任务就是处理目标在场景中被局部遮挡(暂时消失)或是彻底消失,以及新目标进入场景的情况。
多目标跟踪系统还要判断和处理的另外两种情形:
目标合并(含目标之间相互的局部遮挡)和目标分离。
在检测链表和跟踪链表仅是基于独立数据关联时,这种目标分合情况的判别条件相对比较复杂。
具体来说,在基于像素集合(Blobs)进行跟踪的系统中,当多个目标相互靠得很近或发生局部遮挡时,一个大尺度单目标将覆盖多个原来的小尺度目标,这时可在跟踪链表中触发相关目标合并的标志。
由于此时各个小尺度目标已失去观测值,因此它们需要单独保持原先的预测跟踪状态(基于预测器),输入各自预测器的观测向量值由如下表其中p表示在本帧内**刚输出的先验预测值,由此带入**得到本帧内后验输出值。
该过程称为“盲跟踪”阶段。
在每一帧跟踪中,都要检测目标是否被覆盖,若覆盖始终存在,则跟踪链表中相关目标合并标志不能解除。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 多层 递阶式 场景 视觉 监控 系统 方案 公共场所 其他