CN104239851A - 基于行为分析的智能小区巡检系统及其控制方法 - Google Patents

Abstract

本发明公开了一种基于行为分析的智能小区巡检系统及其控制方法，系统由服务器、移动巡检终端、小区摄像头以及智能门禁系统组成，所述移动巡检终端用于获取小区可疑人物的人脸图像信息；所述小区摄像头用于实时获取小区视频信息或/和图像信息；所述智能门禁系统用于实现IC卡和人脸图像信息的双重认证；所述服务器用于实现视频监控以及视频图像处理，所述视频图像处理包括行为分析和身份认证。其效果是：通过增加移动巡检终端实现可疑人员的实时甄别，充分运用智能视频技术，一方面通过构建双重认证的门禁系统提高小区安全防范能力，另一方面通过采用多种人体行为识别算法，可以做到各种突发事件的应急响应，提高突发事件处理效率。

Description

基于行为分析的智能小区巡检系统及其控制方法

技术领域

本发明涉及智能监控技术，更具体的说，是一种基于行为分析的智能小区巡检系统及其控制方法。

背景技术

随着社会的不断发展，生活水平的不断提高，人们对居家的概念已从最初满足简单的居住功能发展到注重对住宅的人性化需求。为了保障小区内的财产和居民的安全，必然将运用各种高新信息技术，预防和解决家居园区的入室盗窃及抢劫作案犯罪、家庭各种灾害及意外事故等的发生。

目前的小区安防系统存在的安全隐患比较多，比如使用IC卡或者钥匙开门这种单方面的认证安全性不高；在比较大的小区中，保安人员在进行巡检时没有可靠的技术手段对可疑人员进行甄别；小区的视频监控往往采取人工判别的方式，人力财力耗费较大，并且易受到干扰，没有充分利用到监控视频中的信息，其作用往往是事后调查取证之用。

综上所述，现有技术存在的缺陷是：

传统的监控系统需要工作人员不间断的对监控图像进行人工判别，工作量大、容易疲劳、费时费力且容易受到人为因素干扰而产生漏检和误检的情况，并且现今的视频监控数据量越来越大，很难实现人工全面覆盖，很多情况下都是一个人面对十几个监控画面，光是看完监控画面都比较困难，更别说分析监控画面是否正常。因此，系统智能化程度低，安全性不强。

发明内容

针对现有技术的不足，本发明的目的是提供一种基于行为分析的的智能小区巡检系统及其控制方法，系统将智能视频监控技术运用于小区安防中，不仅能降低系统运行的人力成本，而且可以大大增加监控范围，在降低资源消耗的同时提高小区安全防范能力。

为了实现上述目的，本发明所采用的具体技术方案如下：

本发明首先提供一种基于行为分析的智能小区巡检系统，其关键在于：由服务器、移动巡检终端、小区摄像头以及智能门禁系统组成，所述移动巡检终端用于获取小区可疑人物的人脸图像信息；所述小区摄像头用于实时获取小区视频信息或/和图像信息；所述智能门禁系统用于实现IC卡和人脸图像信息的双重认证；所述服务器用于实现视频监控以及视频图像处理，所述视频图像处理包括行为分析和身份认证。

基于上述系统，用户在进入小区或者进入某一栋楼时，需要通过IC卡和人脸图像信息的双重认证，只有同时通过IC卡和人脸识别认证的才能进入，在服务器的数据库中存储有小区内部各个用户的注册信息，包括每个人的人脸图像，小区巡检人员发现可疑人员时，可以通过移动巡检终端获取可疑人员的人脸图像信息，请求服务器进行对比，服务器利用人脸识别技术进行嫌疑人甄别，如果可疑人员不属于系统注册用户，则向移动巡检终端发出警示信息，提醒巡逻人员注意提前防护，服务器还可以根据小区摄像头所获取的视频信息或/和图像信息进行行为分析和身份认证。

作为进一步描述，所述服务器中的行为分析包括多人打斗检测、单人异常动作检测、徘徊检测、重要区域入侵检测、人群密集度检测；所述服务器中的身份认证包括对智能门禁系统进行人脸识别认证以及对移动巡检终端上传图像的嫌疑人甄别。

为了便于实施，所述移动巡检终端为智能手机。

结合上述系统，本发明还提供了一种基于行为分析的智能小区巡检系统的控制方法，主要包括以下步骤：

A、用于实现嫌疑人甄别的步骤：

当巡检人员发现可疑人员时，通过移动巡检终端获取可疑人员的人脸图像并上传至服务器，服务器将接收的人脸图像与数据库中预存的用户信息进行对比，并将对比结果发送给所述移动巡检终端；

B、用于实现智能门禁系统双重认证的步骤：

用户开门时，先进行IC卡认证，如果IC卡认证成功，门禁系统将获取的人脸图像上传至服务器请求人脸识别认证；否则，给出IC卡认证失败信息；

当服务器收到门禁系统的人脸识别认证请求后，通过人脸识别判定所获取的人脸图像是否与小区住户信息相匹配，如果是，则发出人脸识别认证成功信息，门禁打开，否则给出人脸识别认证失败信息；

C、用于实现异常行为分析的步骤：

服务器按照预设的时间间隔提取一帧视频图像，分别对该视频图像进行多人打斗检测、单人异常动作检测、徘徊检测、重要区域入侵检测以及人群密集度检测，其中任何一种算法检测出异常状态，服务器给出报警信息。

再进一步描述，所述单人异常动作检测中将人体动作分为正常行走、出拳、踢腿和跌倒，所选择的检测指标为人体质心、人体外接矩形宽高比、人体倾斜角度以及人体外接矩形中人体所占比例。

具体地，所述单人异常动作检测过程中，将人体质心、人体外接矩形宽高比、人体倾斜角度以及人体外接矩形中人体所占比例四个检测指标组成特征向量，通过支持向量机的预测算法将人体动作分为正常行走、出拳、踢腿和跌倒四种类型。

本发明的显著效果是：

本发明在现有视频监控系统的基础上，通过增加移动巡检终端实现可疑人员的实时甄别，系统充分运用了智能视频技术，一方面通过构建双重认证的门禁系统提高小区安全防范能力，另一方面通过采用多种人体行为识别算法，可以做到各种突发事件的应急响应，提高突发事件处理效率。

附图说明

图1是本发明的系统原理框框；

图2是图1中服务器内部的功能模块图；

图3为人体倾斜角度计算分析图。

具体实施方式

下面结合附图对本发明的具体实施方式以及工作原理作进一步详细说明。

如图1、图2所示，一种基于行为分析的智能小区巡检系统，由服务器、移动巡检终端、小区摄像头以及智能门禁系统组成，所述移动巡检终端可以为智能手机或IPad，主要用于获取小区可疑人物的人脸图像信息；所述小区摄像头用于实时获取小区视频信息或/和图像信息；所述智能门禁系统用于实现IC卡和人脸图像信息的双重认证；所述服务器用于实现视频监控以及视频图像处理，所述视频图像处理包括行为分析和身份认证。

在具体实施过程中，所述服务器中的行为分析包括多人打斗检测、单人异常动作检测、徘徊检测、重要区域入侵检测、人群密集度检测；所述服务器中的身份认证包括对智能门禁系统进行人脸识别认证以及对移动巡检终端上传图像的嫌疑人甄别。

在上述系统的控制过程中，主要包括以下步骤：

A、用于实现嫌疑人甄别的步骤：

当巡检人员发现可疑人员时，通过移动巡检终端获取可疑人员的人脸图像并上传至服务器，服务器将接收的人脸图像与数据库中预存的用户信息进行对比，并将对比结果发送给所述移动巡检终端；

B、用于实现智能门禁系统双重认证的步骤：

用户开门时，先进行IC卡认证，如果IC卡认证成功，门禁系统将获取的人脸图像上传至服务器请求人脸识别认证；否则，给出IC卡认证失败信息；

当服务器收到门禁系统的人脸识别认证请求后，通过人脸识别判定所获取的人脸图像是否与小区住户信息相匹配，如果是，则发出人脸识别认证成功信息，门禁打开，否则给出人脸识别认证失败信息；

C、用于实现异常行为分析的步骤：

服务器按照预设的时间间隔提取一帧视频图像，分别对该视频图像进行多人打斗检测、单人异常动作检测、徘徊检测、重要区域入侵检测以及人群密集度检测，其中任何一种算法检测出异常状态，服务器给出报警信息。

在上述过程中，无论是门禁系统中双重认证还是通过移动巡检终端进行嫌疑人甄别，均运用了人脸识别算法，本例中所采用的人脸识别算法主要采用SURF算法，具体过程可以参考文献[1]时磊,谢晓方,乔勇军.基于SURF算法和OpenCV的人脸特征检测技术研究[J].计算机与数字工程,2010,38(2):124-126.

针对本实施例而言，所述单人异常动作检测中将人体动作分为正常行走、出拳、踢腿和跌倒，所选择的检测指标为人体质心、人体外接矩形宽高比、人体倾斜角度以及人体外接矩形中人体所占比例。

具体地说，在单人异常动作检测过程中，本实施例将人体质心、人体外接矩形宽高比、人体倾斜角度以及人体外接矩形中人体所占比例四个检测指标组成特征向量，通过支持向量机的预测算法将人体动作分为正常行走、出拳、踢腿和跌倒四种类型。

在单人异常动作检测过程中，为了使用支持向量机来进行判别，需要事先训练好一个可用的支持向量机。这里使用了几段之前拍摄好的视频，对视频每一帧进行处理，通过背景差分与团块检测，得到人体的形态，然后根据人体形态提取出特征元素：人体重心、人体外接矩形长宽比、人体倾斜角度和人体外接矩形中人体所占比例，将每个动作类别都用不同的标签区别开来，最后所有动作的特征元素提取完成后，将特征元素向量和对应的标签作为样本输入支持向量机，得到训练好的支持向量机后需要判别的图像同样提取特征元素，输入训练好的支持向量机便可得到判别结果。

上述各个特征参数的获取方式如下：

人体图像f(x,y)的像素点是离散的，p+q阶矩M_pq定义为： $M_{\mathrm{pq}}={\mathrm{\Σ}}_{i=1}^n{\mathrm{\Σ}}_{j=1}^n{i}^p{j}^{q}f(i,j)\text{;}$ 质心坐标 $(i_c,j_c)=(\frac{M_{10}}{M_{00}},\frac{M_{01}}{M_{00}});$

针对外接矩形宽高比而言，在OpenCV中可以通过函数cvFindContours和cvBoundingRect很容易的获取到前景图像中的外接矩形。外接矩形的宽高比用来表示，其中L_width和L_height分别是外接矩形的宽和高；

外接矩形人体比例可以通过OpenCV中的函数获得人体的外接矩形后，外接矩形人体比例用表示，这里的f(i,j)为人体区域各个像素点的值。

从图3可以看出，针对倾斜角度，人体在正常走动时一般是对称的，对称轴是过人体中心与地面垂直的直线，如图3(a)所示，此时人体的主轴β垂直于x轴。图3(b)为倾倒时的图像，此时找到的人体最小外接矩形并不是跟图3(a)一样垂直于x轴的，由于人体的特点，主轴可近似看做平行于最小外接矩形的一条边，如同图3(b)中β所示，图3(b)中α是垂直于x轴的，人体的倾斜角度θ可以表示为：θ＝α-β，通过OpenCV中的cvMinAreaRect2函数获得给定2维点集的最小外接矩形，函数返回一个结构体CvBox2D，CvBox2D的定义如下：

center为最小外接矩形的中心，size为矩形的大小，angle为水平轴逆时针旋转碰到的第一个矩形边的夹角，上面说到的θ就可用CvBox2D里面的angle来获得。

对于多人打斗检测，主要通过光流法获取物体内部每个点的运动方向和速度，然后计算出图像的能量特征和混乱程度，最后识别出是否出现打斗。

徘徊检测主要根据各个点的运动轨迹判断是否有可疑人员在小区某个区域徘徊，运动轨迹多为闭合曲线型和螺旋线型。

重要区域入侵检测主要针对小区某些特定场所观察是否有人员入侵。

人群密集度检测主要是在容易发生人群拥挤的地方检测人群的密集度，人群密集度过大肯定有异常情况发生，提示采取预防措施。

综上所述，本发明将各种人体行为识别算法综合运用到小区智能安防中，不仅能降低系统运行的人力成本，而且可以大大增加监控范围，在降低资源消耗的同时提高小区安全防范能力。

Claims (6)

1.一种基于行为分析的智能小区巡检系统，其特征在于：由服务器、移动巡检终端、小区摄像头以及智能门禁系统组成，所述移动巡检终端用于获取小区可疑人物的人脸图像信息；所述小区摄像头用于实时获取小区视频信息或/和图像信息；所述智能门禁系统用于实现IC卡和人脸图像信息的双重认证；所述服务器用于实现视频监控以及视频图像处理，所述视频图像处理包括行为分析和身份认证。

2.根据权利要求1所述的基于行为分析的智能小区巡检系统，其特征在于：所述服务器中的行为分析包括多人打斗检测、单人异常动作检测、徘徊检测、重要区域入侵检测、人群密集度检测；所述服务器中的身份认证包括对智能门禁系统进行人脸识别认证以及对移动巡检终端上传图像的嫌疑人甄别。

3.根据权利要求1所述的基于行为分析的智能小区巡检系统，其特征在于：所述移动巡检终端为智能手机。

4.如权利要求2所述的基于行为分析的智能小区巡检系统的控制方法，其特征在于包括以下步骤：

A、用于实现嫌疑人甄别的步骤：

当巡检人员发现可疑人员时，通过移动巡检终端获取可疑人员的人脸图像并上传至服务器，服务器将接收的人脸图像与数据库中预存的用户信息进行对比，并将对比结果发送给所述移动巡检终端；

B、用于实现智能门禁系统双重认证的步骤：

用户开门时，先进行IC卡认证，如果IC卡认证成功，门禁系统将获取的人脸图像上传至服务器请求人脸识别认证；否则，给出IC卡认证失败信息；

当服务器收到门禁系统的人脸识别认证请求后，通过人脸识别判定所获取的人脸图像是否与小区住户信息相匹配，如果是，则发出人脸识别认证成功信息，门禁打开，否则给出人脸识别认证失败信息；

C、用于实现异常行为分析的步骤：

服务器按照预设的时间间隔提取一帧视频图像，分别对该视频图像进行多人打斗检测、单人异常动作检测、徘徊检测、重要区域入侵检测以及人群密集度检测，其中任何一种算法检测出异常状态，服务器给出报警信息。

5.根据权利要求4所述的基于行为分析的智能小区巡检系统的控制方法，其特征在于：所述单人异常动作检测中将人体动作分为正常行走、出拳、踢腿和跌倒，所选择的检测指标为人体质心、人体外接矩形宽高比、人体倾斜角度以及人体外接矩形中人体所占比例。

6.根据权利要求5所述的基于行为分析的智能小区巡检系统的控制方法，其特征在于：所述单人异常动作检测过程中，将人体质心、人体外接矩形宽高比、人体倾斜角度以及人体外接矩形中人体所占比例四个检测指标组成特征向量，通过支持向量机的预测算法将人体动作分为正常行走、出拳、踢腿和跌倒四种类型。