CN104301697A - 一种公共场所暴力事件自动检测系统及其方法 - Google Patents

Abstract

本发明涉及公共安全领域，特别涉及一种公共场所暴力事件自动检测系统及其方法。其中，本发明的一种公共场所暴力事件自动检测系统，包括嵌入式微控制器和系统监控中心；该嵌入式微控制器包括视频获取单元、视频智能处理单元和暴力事件分析单元；利用视频获取单元获取监控信息，视频智能处理单元分析处理该监控信息，暴力事件分析单元判断该监控信息是否为暴力行为，如果是暴力行为，拉动警报，提醒市民，起到疏散人群的作用，并发送信息至系统监控中心；系统监控中心对该暴力监控信息进行实时监控和存储，并在系统监控中心内发出警报，提高监控效率，加快应急速度。

Description

一种公共场所暴力事件自动检测系统及其方法

技术领域

本发明涉及公共安全领域，特别涉及一种公共场所暴力事件自动检测系统及其方法。

背景技术

最近各地发生多起公共场所暴力事件，社会影响相当大，人心惶惶，引起全国人民的重视，提高公共场所的安全越显突出，目前公共场所属于多摄像头监控，进行人为判断监控，监控效率较低，暴力事件应急反应速度慢。

发明内容

为了克服上述所述的不足，本发明的目的是提供自动检测、分析、判断公共场所暴力事件、应急速度快的一种公共场所暴力事件自动检测系统，还特别涉及一种公共场所暴力事件自动检测方法。

本发明解决其技术问题的技术方案是：

一种公共场所暴力事件自动检测系统，其中，包括嵌入式微控制器和系统监控中心；该嵌入式微控制器包括视频获取单元、视频智能处理单元和暴力事件分析单元；

该视频获取单元，用于获取视频监控场景的视频信息，并把所获取的视频信息转换成数字视频信号，把该数字视频信号传输至该视频智能处理单元；

该视频智能处理单元，用于对该数字视频信号进行分析处理，自动查找、跟踪目标，自动识别、分析目标的行为，并把分析处理信息传输至该暴力事件分析单元；

该暴力事件分析单元，用于对该视频智能处理单元传输来的分析处理信息进行处理，判断是否为暴力行为，如是监控目标的暴力行为，则在监控现场拉动警报，同时将暴力监控信息实时传输至该系统监控中心；

该系统监控中心，用于对各个监控现场进行实时监控，对监控现场的该暴力事件分析单元传输来的暴力监控信息进行存储，并在系统监控中心内发出警报；将全部监控区域的暴力事件信息进行管理，并通过统计分析和预测各个区域暴力事件发生的总体规律及特性。

作为本发明的进一步改进，还包括消息管理单元，该消息管理单元为连接各个该嵌入式微控制器和该系统监控中心的通讯枢纽，用于协调该嵌入式微控制器和该系统监控中心的通信及同步控制机制。

作为本发明的进一步改进，该视频智能处理单元，利用光流法分析各个目标的光流强度，并对各个目标的光流信息进行特征提取。

作为本发明的更进一步改进，该视频获取单元包括电荷耦合器件与信息采集器。

作为本发明的更进一步改进，该系统监控中心包括报警单元和数据库单元。

作为本发明的更进一步改进，所述暴力事件分析单元内设置光流强度和光流速度的特定阈值。

一种公共场所暴力事件自动检测方法，其特征如下，包括步骤：

S1、视频获取单元获取视频监控场景的视频信息；

S2、对获取的视频信息进行运动图像处理，获取各个运动目标区域；

S3、对各个运动目标区域的运动状态进行光流场分析；

S4、结合步骤S3中光流算法分析提出各个运动目标的行为特征，包括运动速度大小和方向；

S5、对各个运动目标进行多帧连续跟踪，以获取各个运动目标的运动轨迹，并根据跟踪结果，判定运动目标的聚集状态；

S6、结合步骤S4中提取出的运动特征，及步骤S5中各个运动目标的聚集状态，如果目标的光流强度和光流速度超过阈值且方向凌乱，则判断发生打砸等过激行为，如果目标的光流强度和光流速度超过阈值且目标发生聚集状态，则判断为肢体冲突事件，如果目标的光流强度和光流速度没有达到阈值，则没有发生暴力事件。

作为本发明的进一步改进，所述步骤S2中的运动图像处理还包括以下步骤：

S21、将连续的多帧监控视频图像转换为灰度图像，再利用对称差分法算出大致运动目标的二值图；

S22、利用边缘检测方法对步骤S21得到的二值图进行修正；

S23、选用3×3的滤波模板利用8连通区域标记和双阈值法，滤除步骤S22得到的二值图中的噪声和空洞。

本发明的一种公共场所暴力事件自动检测系统，其中，包括嵌入式微控制器和系统监控中心；该嵌入式微控制器包括视频获取单元、视频智能处理单元和暴力事件分析单元；利用视频获取单元获取监控信息，视频智能处理单元分析处理该监控信息，暴力事件分析单元判断该监控信息是否为暴力行为，如果是暴力行为，拉动警报，提醒市民，起到疏散人群的作用，并发生信息至系统监控中心；系统监控中心对该暴力监控信息进行实时监控和存储，并在系统监控中心内发出警报，提高监控行为，加快应急速度。

附图说明

为了易于说明，本发明由下述的较佳实施例及附图作以详细描述。

图1为本发明一种结构框图；

图2为本发明的嵌入式微控制器的自动检测流程框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

请参阅图1和图2，本发明的一种公共场所暴力事件自动检测系统，其中，包括嵌入式微控制器2、系统监控中心1和消息管理单元3；该嵌入式微控制器2包括视频获取单元4、视频智能处理单元5和暴力事件分析单元6。

视频获取单元4，用于获取视频监控场景的视频信息，并把所获取的视频信息转换成数字视频信号，把该数字视频信号传输至该视频智能处理单元5；该视频智能处理单元5，用于对该数字视频信号进行分析处理，自动查找、跟踪目标，自动识别、分析目标的行为，并把分析处理信息传输至该暴力事件分析单元6；该暴力事件分析单元6，用于对该视频智能处理单元传输来的分析处理信息进行处理，并判断是否为暴力行为，如是监控目标的暴力行为，则在监控现场拉动警报，同时将暴力监控信息实时传输至该系统监控中心1。

系统监控中心1，与若干个嵌入式微控制器2连接在一起，用于对各个监控现场进行实时监控，对监控现场的该暴力事件分析单元6传输来的暴力监控信息进行存储，并在系统监控中心内发出警报；将全部监控区域的暴力事件信息进行管理，并通过统计分析和预测各个区域暴力事件发生的总体规律及特性；嵌入式微控制器2监控所处监控点的现场。

消息管理单元3为连接各个该嵌入式微控制器2和该系统监控中心1的通讯枢纽，用于协调该嵌入式微控制器2和该系统监控中心1的通信及同步控制机制，保障监控数据的安全，使之在通信过程中不丢失数据。

本发明的一种公共场所暴力事件自动检测方法，其中，包括步骤：

S1、视频获取单元获取视频监控场景的视频信息；

S2、对获取的视频信息进行运动图像处理，获取各个运动目标区域；

S3、对各个运动目标区域的运动状态进行光流场分析；

S4、结合步骤S3中光流算法分析提出各个运动目标的行为特征，包括运动速度大小和方向；

S5、对各个运动目标进行多帧连续跟踪，以获取各个运动目标的运动轨迹，并根据跟踪结果，判定运动目标的聚集状态；

S6、结合步骤S4中提取出的运动特征，及步骤S5中各个运动目标的聚集状态，如果目标的光流强度和光流速度超过阈值且方向凌乱，则判断发生打砸等过激行为，如果目标的光流强度和光流速度超过阈值且目标发生聚集状态，则判断为肢体冲突事件，如果目标的光流强度和光流速度没有达到阈值，则没有发生暴力事件。

另外，步骤S2中的运动图像处理还包括以下步骤：

S21、将连续的多帧监控视频图像转换为灰度图像，再利用对称差分法算出大致运动目标的二值图；

S22、利用边缘检测方法对步骤S21得到的二值图进行修正；

S23、选用3×3的滤波模板利用8连通区域标记和双阈值法，滤除步骤S22得到的二值图中的噪声和空洞。

为了便于理解本发明，本发明提供一种实施例。

本发明的一种公共场所暴力事件自动检测系统，包括各个监控点的嵌入式微控制器2、系统监控中心1和消息管理单元3。嵌入式微控制器2包括视频获取单元4、视频智能处理单元5与暴力事件分析单元6。视频获取单元4用于获取各个视频监控场景的视频信息，视频获取单元包括CCD摄像机与信息采集器，CCD摄像机将视频监控区域的视频信息直接转换成数字视频信号，并将该信号输送至视频智能处理单元5做进一步分析处理；视频智能处理单元5，通过机器视觉算法来智能分析、理解监控视频图像的内容，自动查找目标、自动跟踪目标、自动识别和分析目标的行为；暴力事件分析单元6，通过与设定的阈值进行比对，判断是否为暴力行为，如果是，则智能地监控公共场所运动目标的暴力行为，并在监控现场拉开警报，同时将暴力行为的图片、文字、视频信息等监控信息实时发送给系统监控中心1。系统监控中心1是整个智能监控中心的核心部分，将汇集所有公共场景的监控信息，同时实现全部监控区域暴力事件信息的集中管理与决策。嵌入式微控制器2与系统监控中心1通过网络相连，是多对一的连接关系。消息管理单元3用于协调各个监控点微控制器与系统监控中心的通信及同步控制机制。

本发明公共场所暴力事件自动检测系统的工作原理是：先启动视频获取单元4，通过CCD摄像头得到数字视频信息，然后将来得到的视频信息送入视频智能处理单元5；该视频智能处理单元5对送入的视频信息进行图像预处理、运动目标检测与修正，同时采用光流法分析各个运动目标的光流强度，并对各个运动目标的光流信息进行特征提取；暴力事件分析单元6根据提取的特征量来构建行为模式判断模型，通过比对预定阈值(如光流强度、光流速度、光流方向等)，来实现公共场所暴力事件的判断，并在监控现场拉开警报，通过消息管理单元3发出消息至系统监控中心1；系统监控中心1根据消息结果来启动相应模块，如报警模块发出报警指示，则报警模块立即发出警报，并将监控点传送过来的暴力行为图片、文字、视频信息等保存到系统数据库，所有监控点的监控信息实时汇总到系统监控中心，从而达到实时监测的目的。

如图2，本发明的实施例的监控点的嵌入式微控制器的自动检测方法，步骤如下：

S1、视频获取单元获取视频监控场景的视频信息；

S2、对获取的视频信息进行运动图像处理，获取各个运动目标区域，步骤如下：

S21、将第k-1、k、k+1三帧连续的监控视频图像转换为灰度图像f_k-1(x,y)、f_k(x,y)、f_k+1(x,y)，再根据运动对象和背景图像的相对变化，利用对称差分法检测出第k帧图像中的运动对象的二值图，以得到运动目标的轮廓，计算公式为：

d_(k-1,k)(x,y)＝|f_k(x,y)-f_k-1(x,y)|

d_(k,k+1)(x,y)＝|f_k+1(x,y)-f_k(x,y)|

b_k(x,y)＝b_(k-1,k)(x,y)∩b_(k,k+1)(x,y)

其中，所述的d_(k-1,k)(x,y)、d_(k,k+1)(x,y)是相邻两帧图像的灰度差值图像，所述的b_(k-1,k)(x,y)、d_(k,k+1)(x,y)是相邻两帧灰度差值图像的二值图，所述的b_k(x,y)第k帧运动目标的二值图；

S22、针对第k帧图像可能存在缺口和裂纹，利用边缘检测方法对步骤S21得到的二值图b_k(x,y)进行修正，即首先以半径为r的圆形结构元素β_r进行膨胀，r的取值范围为：2≤r≤5，本实施例r取4，得到运动目标图像b_k ¹(x,y)，其次采用Canny算子进行检测，得到边缘图像b_k ²(x,y)，然后将膨胀后的图像b_k ¹(x,y)与边缘检测得到的图像b_k ²(x,y)进行与运算，得到对运动目标轮廓修正后的图像b_k ³(x,y)，计算公式为：

$b_k^1(x,y)=b_k(x,y)\⊕{\mathrm{\β}}_r$

$b_k^2(x,y)=\mathrm{Canny}\left(b_k(x,y)\right)$

$b_k^3(x,y)=b_k^1(x,y)\∩b_k^2(x,y)$

S23、选用3×3的滤波模板利用8连通区域标记和双阈值法，滤除步骤S22得到的二值图中的噪声和空洞。步骤如下：

S231、利用8领域概念对每个8连通区域的像素点进行标记，如果标记的像素点的个数小于设定阈值T₁，T₁的取值范围为100≤T₁≤1000，本实施例T₁取100，则认为该连通区域为噪声，并将其去除，否则认为该连通区域为图像。

S232、将去除噪声后的二值图取反，选取阈值T₂，T₂的取值范围为1000≥T₂，本实施例T₂取1000，重复步骤S231，待整幅图像处理完之后，再将图像取反，即可获得去除噪声和黑洞的二值图。

S3、对各个运动目标区域的运动状态进行光流场分析，本发明采用局部差分方法的Lucas-Kanade光流算法进行光流计算，具体算法如下：

Lucas–Kanade光流算法是一种2帧差分的光流估计算法，对第K帧、K+1帧图像I(μ,ν,k)、I(μ,ν,k+1)，若序列图像获取的时间间隔很短，且场景和光照条件变化缓慢，那么相邻的这两帧图像将满足灰度恒定约束，计算公式为：

I(μ,ν,k)＝I(μ+ε,ν+η,k+1)

其中所述的(μ,ν)表示像素点在图像中的坐标。

假设在一个小的空间窗口内的光流保持恒定，然后通过使残差最小化来得到光流d的估计值。

根据上述方程，令I(x)＝I(μ,ν,k),J(x+d)＝I(μ+ε,ν+η,k+1)

目标函数为：

$E=\underset{w}{\mathrm{\Σ}}{[J(x+d)-I\left(x\right)]}^2$

其中所述的E表示残差，w表示矩形窗口。

将J(x+d)按泰勒级数展开并线性逼近，得到J(x+d)≈J(x)+J'(x)d

通过最小化E得到d的估计值，步骤如下：

第一步：求E对d的导数，计算公式如下：

$\begin{array}{c}\frac{\∂}{\∂d}E\≈\frac{\∂}{\∂d}\underset{w}{\mathrm{\Σ}}{[J\left(x\right)+J^{\′}\left(x\right)d-I\left(x\right)]}^2\\ =\underset{w}{\mathrm{\Σ}}2J^{\′}\left(x\right)[J\left(x\right)+J^{\′}\left(x\right)d-I\left(x\right)]\end{array}$

第二步：通过令E对d的导数为0，来得到d的估计值，由上述方程式计算如下：

$\underset{w}{\mathrm{\Σ}}2J^{\′}\left(x\right)[J\left(x\right)+J^{\′}\left(x\right)d-I\left(x\right)]=0$

$d\≈\frac{\underset{w}{\mathrm{\Σ}}{J}^{\′}{\left(x\right)}^T[I\left(x\right)-J\left(x\right)]}{\underset{w}{\mathrm{\Σ}}{J}^{\′}{\left(x\right)}^T{J}^{\′}\left(x\right)}$

第三步：利用Newton-Raphson最优方法可以获取d更加精确的估计值，对上述方程式的迭代公式表示为：

d₀＝0

$d_{k+1}=d_k+\frac{\mathrm{\Σ}{J}^{\′}{(x+d_k)}^T[I\left(x\right)-J(x+d_k)]}{\mathrm{\Σ}{J}^{\′}{(x+d_k)}^T{J}^{\′}(x+d_k)}$

Lucas–Kanade光流算法可以根据实际视频图像自行设定光流计算窗口的大小，所以该算法仅需要跟踪少量的特征点，计算量较小并且应用灵活。

S4、结合步骤S3中光流算法分析提取各个运动目标的行为特征，包括各个运动目标的光流强度、光流速度和方向。同时通过检测人正常行走、快速行走的光流特征，作为人异常行为与过激行为的光流阈值。

S5、对各个运动目标进行多帧连续跟踪，即把步骤S2中得到的各个目标区域的重心坐标在连续帧中连接起来，以获取各个运动目标的运动轨迹，并根据跟踪结果，判定运动目标的聚集状态。

S6、结合步骤S4中提取出的运动特征，及步骤S5中各个运动目标的聚集状态，如果目标的光流强度和光流速度超过阈值且方向凌乱，则判断发生打砸等过激行为，如果目标的光流强度和光流速度超过阈值且目标发生聚集状态，则判断为肢体冲突事件，如果目标的光流强度和光流速度没有达到阈值，则没有发生暴力事件。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种公共场所暴力事件自动检测系统，其特征在于，包括若干个嵌入式微控制器和系统监控中心；所述嵌入式微控制器包括视频获取单元、视频智能处理单元和暴力事件分析单元；

所述视频获取单元，用于获取视频监控场景的视频信息，并把所获取的视频信息转换成数字视频信号，把该数字视频信号传输至所述视频智能处理单元；

所述视频智能处理单元，用于对所述数字视频信号进行分析处理，自动查找、跟踪目标，自动识别、分析目标的行为，并把分析处理信息传输至所述暴力事件分析单元；

所述暴力事件分析单元，用于对所述视频智能处理单元传输来的分析处理信息进行处理，并判断是否为暴力行为，如是监控目标的暴力行为，则在监控现场拉动警报，同时将暴力监控信息实时传输至所述系统监控中心；

所述系统监控中心，用于对各个监控现场进行实时监控，对监控现场的所述暴力事件分析单元传输来的暴力监控信息进行存储，并在系统监控中心内发出警报；将全部监控区域的暴力事件信息进行管理，并通过统计分析和预测各个区域暴力事件发生的总体规律及特性。

2.根据权利要求1所述的公共场所暴力事件自动检测系统，其特征在于，还包括消息管理单元，所述消息管理单元为连接各个所述嵌入式微控制器和所述系统监控中心的通讯安全枢纽，用于协调所述嵌入式微控制器和所述系统监控中心的通信及同步控制机制。

3.根据权利要求2所述的公共场所暴力事件自动检测系统，其特征在于，所述视频智能处理单元，用于利用光流法分析各个目标的光流强度，并对各个目标的光流信息进行特征提取。

4.根据权利要求2所述的公共场所暴力事件自动检测系统，其特征在于，所述视频获取单元包括电荷耦合器件与信息采集器。

5.根据权利要求3或4所述的公共场所暴力事件自动检测系统，其特征在于，所述系统监控中心包括报警单元和数据库单元。

6.根据权利要求3所述的公共场所暴力事件自动检测系统，其特征在于，所述暴力事件分析单元内设置光流强度和光流速度的特定阈值。

7.一种公共场所暴力事件自动检测方法，其特征如下，包括步骤：

S1、视频获取单元获取视频监控场景的视频信息；

S2、对获取的视频信息进行运动图像处理，获取各个运动目标区域；

S3、对各个运动目标区域的运动状态进行光流场分析；

S4、结合步骤S3中光流算法分析提出各个运动目标的行为特征，包括运动速度大小和方向；

S5、对各个运动目标进行多帧连续跟踪，以获取各个运动目标的运动轨迹，并根据跟踪结果，判定运动目标的聚集状态；

S6、结合步骤S4中提取出的运动特征，及步骤S5中各个运动目标的聚集状态，如果目标的光流强度和光流速度超过阈值且方向凌乱，则判断发生打砸等过激行为，如果目标的光流强度和光流速度超过阈值且目标发生聚集状态，则判断为肢体冲突事件，如果目标的光流强度和光流速度没有达到阈值，则没有发生暴力事件。

8.根据权利要求7所述的公共场所暴力事件自动检测方法，其特征在于，所述步骤S2中的运动图像处理还包括以下步骤：

S21、将连续的多帧监控视频图像转换为灰度图像，再利用对称差分法算出大致运动目标的二值图；

S22、利用边缘检测方法对步骤S21得到的二值图进行修正；

S23、选用3×3的滤波模板利用8连通区域标记和双阈值法，滤除步骤S22得到的二值图中的噪声和空洞。