CN101409004A - 基于Symbian智能手机平台的安防监控方法 - Google Patents

Abstract

本发明公开了一种基于Symbian智能手机平台的安防监控方法，该系统使用手机摄像头拍摄图片，在出现符合人体形态特征的物体的情况下，以发送SMS短信或MMS彩信的形式向其它手机报警。本发明的基于智能手机平台的安防监控方法具有使用简便、易部署、易普及的特点，主要应用于家庭或办公等场所报警。

Description

基于Symbian智能手机平台的安防监控方法

技术领域

本发明涉及以智能手机为平台的视频监控领域，特别地，涉及一种以智能手机既作为终端环境的信息采集器又作为处理器进行运动人体检测和报警通信的安防监控方法。

背景技术

图像采集设备是监控系统的重要组成部分之一，目前，图像监控技术使用的图像采集设备一般采用图像采集卡或者PC机摄像头，然而，这两种器件都须连接图像处理设备，还需通过无线或有线网络报警通信，部署与使用相对比较复杂。

目前在图像监控方面主要如下三种方法：

1.通过图像采集卡采集图像并直接把模拟图像传送到监控室，由专职人员进行封闭式监控，这不仅侵犯了私人的隐私权，而且监控效果也受监控人员的责任性、疲劳程度等的影响。

2.通过图像采集卡或是PC摄像头采集图像并通过网络将图像全部传输到用户终端，包括个人电脑或是手机。对于普通的CIF传输，按每秒24帧的真彩图像传输，压缩比16∶1，则要求传输带宽为352×288×24×8×3/16＝3.48Mbps(其中352×288为CIF传输分辨率，24为每秒传输率，8为传输单位由字节转为位，3为真彩图一个象素所占的字节数)，这相当占用网络资源。

3.通过图像采集卡或者PC摄像头采集图像，传输到预定设备进行图像处理，检测到人体入侵后，通过邮件或是传输视频等方式报警。这种方法较上面有更高的实用性，但是在易普及性上并没有很大的改进。

另外，在人体检测算法方面，大多数的监控技术仅仅采用了图像简单地做差处理，对背景变化的情况考虑较少，使得系统具有很高的误报率。

发明内容

针对现有的运动人体检测方法的不足，本发明的目的在于提供一种基于Symbian智能手机平台的安防监控方法，该方法能在室内环境下有效地检测出入侵人体目标，并能应对光线剧变的情况。

本发明的目的是通过以下技术方案来实现的：

1.系统初始化阶段，在保证场景中无前景目标的情况下，连续取多帧，并将相邻的两帧分别作差，得到多个差图，则差图中每一个像数点都服从N(0，σ²)，然后对这些差图用参数估计法统计出噪声的方差σ，并将去噪的阀值取为4σ。

2.取一帧与背景做差，并用第1步得到的阀值去噪，得到去噪后的前景图。

3.通过前景图的垂直投影图和直方图的特性，判断当前场景有无光线剧变的情况，如果光线剧变则用帧间差与背景相与的方法提取前景目标，否则用背景差法提取前景目标。

4.判断前景目标是否是矩形团块目标，如果是则认为是人体，需要报警。如果不是矩形团块目标，则可以根据用户的预先设定决定是否报警。

本发明的有益效果是：价格低廉、安装方便、报警准确率高，主要应用于家庭或办公等场所报警。

附图说明

图1是本发明涉及的安防监控方法的功能架构图；

图2是基于Symbian智能手机平台的安防监控方法的流程图；

图3是人体近距离入侵时的情况图；

图4是关闭日光灯引起背景剧变时的情况图；

图5是人体进入时的情况图；

图6是房门打开后有人体进入时的情况图；

其中，在图3、4、5、6中，[a]均为当前帧，[b]均为前景图，[c]均为前景投影图，[d]均为直方图。

具体实施方式

本发明的研究内容属于移动增值业务的关键技术，通过对手机现有拍照、摄像功能的扩展和补充，利用手机拍摄到的图片或视频进行内容分析，提出基于手机平台的运动检测与目标识别算法和可行性实现方案，对多媒体手机的设计提供相应的理论指导。在手机安防应用中，主要涉及的领域是家庭、办公场所内，如入口、窗台等若干关键的室内部位，主要的分析对象集中在人与非人的检测上，属于自主创新。

本发明的基于智能手机平台的安防监控方法，包括以下步骤：

一、首先确保当前场景中没有任何异物出现，用手机中的摄像头以一定速率采集多幅图片，然后用统计学方法计算出阀值用于去噪。

这一阶段要从手机摄像视频流中连续截取多帧，通过一定的阈值选取算法计算出当前场景下合适的阀值T，并选取该步骤的最后一帧做为背景。

图像分成前景和背景，阈值分割相当于对图像进行二值化，实质是对每个像素确定一个阈值，根据阈值判定像素k是前景像素还是背景像素。室内环境下背景基本固定，而且该类变化比较缓慢，反映在相邻帧之间的变化比较小，可以用一个阀值进行降噪处理。由于这些干扰是由多种因素综合作用的结果，并且没有一个因素占有绝对主导地位，故对与视频图片中的每一个像素点服从正态分布，不妨设第i个像数点服从N(μ_i，σ_i ²)，显然干扰的作用有全局性，对每一个像数点的干扰作用可以认为是相同的，故每一个像数点对应的方差也可以认为是相同的，不妨设为σ²。

设P_k为本监控系统从视频中得到的第k帧图片，R_k为现实中第k帧对应的实际图片，I_k为第k帧对应的干扰，则有

P_k＝R_k+I_k

则：

|P_k+1-P_k|＝|I_k+1-I_k|

根据以上的分析可得，P_k+1-P_k中的每一个点服从正态分布N(0，σ²)，令S_k＝|P_k+1-P_k|，并且连续截取m帧作为样本，这m帧样本总共有n个像数点，那么根据统计学原理，σ²可以用下式进行估计：

${\mathrm{\σ}}^2=\frac{1}{n^2}\underset{k=0}{\overset{m}{\mathrm{\Σ}}}\underset{(x,y)\∈S_k}{\mathrm{\Σ}}{[S_k(x,y)-M]}^2$

其中 $M=\frac{1}{n^2}\underset{k=0}{\overset{m}{\mathrm{\Σ}}}\underset{(x,y)\∈S_k}{\mathrm{\Σ}}{S}_k(x,y)$

根据正态分布特性，|P_k+1-P_k|中每一个像素点的取值在(0，4σ)之间的概率为99.994％，将阀值设为4σ就可以去除99.994％的噪声。

二、取一帧与背景做差，并用第一步得到的阀值去噪，得到去噪后的前景图。

采集一帧framel，并与背景bg相减得到前景图，然后用阀值T对其二值化得到前景二值图bf。这一步可以用公式表示如下：

bf＝threshold(|framel-bg|)。

三、通过前景图的前景投影图和直方图的特性，判断当前场景有无光线剧变的情况，如果光线剧变则用帧间差与背景相与的方法提取前景目标，否则用背景差法提取前景目标。

如果bf中不为0的像素个数超过总像素数目的2％，就认为当前有异物入侵，否则就认为没有。如果没有异物入侵，直接返回到第2步，继续处理。如果有异物入侵，那么首先要检测当前有无剧强烈的光线干扰。

对于室内环境下的背景剧变，主要是由以下三种情况，第一、家用灯具或窗帘的突然打开或关闭，这类变化是比较常见。第二、入侵物体离摄像头过近，导致前景图中入侵物体景象占了大部分，这类变化偶尔会发生。第三、摄像的手机被异常挪动，这种情况由于发生的概率很小，不用特别考虑，只要求本算法中的背景更新模块对此具有快速适应的功能即可。所以室内环境下的背景剧变只需考虑第一和第二两种情况。

当背景剧变时，会导致当前前景图大面积的变化，通过这一特性就可以察觉背景的强烈变换。将前景图垂直投影到水平坐标上，得到垂直投影图，如果垂直投影图中列的值大于某一阀值的连续列数数目为a。当背景突变的时候，a的值会很大，往往会接近全值，但是仅仅通过a的值不能确定背景突变是由于光线引起的，因为当人离摄像头很近的时候，也会造成a值较大。对于这两种情况，分别分析如下：

当由光线大量变化引起的背景变化时，见图4，前景图的像素点的灰度值取值是正态分布的，离发光光源越近，则像素点灰度值越大，越远则越小，所以整个前景图的灰度值取值范围比较大，而且都大于1中得出的阀值。而且由于光线的穿透性，几乎会影响整个前景图，而不仅仅是一小块，这时直方图中灰度值为零附近的列数值会很少。

当由于物体入侵导致背景强烈变换时，见图3，前景图的直方图会呈现出两个波峰，一个波峰是由于背景干扰造成的，这个波峰灰度值比较小而且跨度也比较小，另一个波峰是由于入侵物体造成的，因为本系统中入侵物体是人体，根据常理，其灰度分布较为均匀，而且根据实验发现，其灰度平均值比背景干扰的灰度平均值大许多。

所以如果a超过某一个值，而且图像对应的直方图只有一个或没有明显的波峰，就可以认为是光线变化导致，如果明显呈现出两个波峰，则认为是人的近距离入侵。

四、判断前景目标是否是矩形团块目标，如果是则认为是人体，可以通过短信或彩信方式报警。如果不是矩形团块目标，则可以根据用户的预先设定决定是否报警。

人体识别是指，在视频序列中的运动物体既有人体和非人体时，区分出人体和其他物体。人体的肢势有很多种，但是总体的形状具有稳定性，其基本形状是呈矩形，如果入侵人体是直立的，那么这个矩形的高度和宽度比在一定范围之内，在室外环境下可以作为与其他物体的区别的标志，见图5。室内环境下出现其他矩形物体的可能性较小，即使出现了(比如开门，见图6)，一般情况下也需要报警，所以本系统中只需要判断当前前景图中的运动目标是否为规则的团块目标，结合实际情况，这个团块目标的高宽比不能超过一个阀值，而且该团块目标的面积要大于一个阀值。

根据以上分析，本发明的人体探测方法描述如下：

先求出经过阀值分割后的图像前景图，对其进行二值化处理，然后求出其垂直方向上的投影。

找出该投影序列中，值最大的列C，记该值为P，如果P小于阀值P₀，说明没有人体入侵，算法结束，否则从列C两边同时检测值“连续”大于P*50％的列的数目N，此处连续不是绝对的，允许中间有小裂缝。N/P可以近似为入侵物体的长宽比。如果P值超过最大值的80％，并且前景目标的面积N*P大于一个阀值，那么就认为是背景突然变化，这时候有可能是人的近距离进入造成或是有可能光线的剧烈变化造成的。如果发现是光线剧烈变化，就要进入相邻帧差法进行检测人体，当背景变化稳定之后进行背景的更新。N*P是团块的面积，如果过小或则过大则不是人体。如果N/P，N*P，都符合阀值要求，则判断为人体。

如果检测有人体，系统进入报警模块，否则退出人体检测方法，进入下一步，见图1。

上述实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范围。

Claims (3)

1.一种基于Symbian智能手机平台的安防监控方法，其特征在于，监控包括以下步骤：

(1)首先确保当前场景中没有任何异物出现，用手机中的摄像头采集图片，然后用统计学方法计算出阀值用于去噪。

(2)取一帧与背景做差，并用第一步得到的阀值去噪，得到去噪后的前景图。

(3)通过前景图的前景投影图和直方图的特性，判断当前场景有无光线剧变的情况，如果光线剧变则用帧间差与背景相与的方法提取前景目标，否则用背景差法提取前景目标。

(4)判断前景目标是否是矩形团块目标，如果是矩形团块目标，则认为是人体，报警。如果不是矩形团块目标，则可以根据用户的预先设定决定是否报警。

2.根据权利要求1所述的基于Symbian智能手机平台的安防监控方法，其特征在于，所述步骤(1)中，使用手机内置摄像头作为监控系统的视频图像获取设备。

3.根据权利要求1所述的基于Symbian智能手机平台的安防监控方法，其特征在于，所述步骤(4)中，可以通过短信或彩信方式报警。

Images