CN107635099B - 一种人体感应双光网络摄像机及安防监控系统 - Google Patents

Abstract

本发明公开一种人体感应双光网络摄像机及安防监控系统。所述人体感应双光网络摄像机包括：图像采集感应器、嵌入式处理器、人体感应模块，所述图像采集感应器、嵌入式处理器、人体感应模块依次连接；所述图像采集感应器实时采集图像数据，并传输到嵌入式处理器，所述嵌入式处理器再将图像数据传递到人体感应模块，所述人体感应模块对采集到的图像数据进行亮度检测以及对象检测，当检测到当前环境亮度低于阈值并且有人时则关闭红外灯，并打开白光灯；当检测到当前环境亮度低于阈值并且无人时则关闭白光灯，并打开红外灯。

Description

一种人体感应双光网络摄像机及安防监控系统

技术领域

本发明涉及安防监控领域，尤其涉及一种人体感应双光网络摄像机及安防监控系统。

背景技术

在晚上或者环境亮度很低的情况下，摄像机成像需要外部补光来增加成像亮度，目前主要有红外补光或者白光补光两种方式，但是这两种方式都存在缺陷，红外补光为非可见光，不会对环境造成光污染，但只能呈现黑白图像；白光为可见光，可以在晚上呈现彩色图像，但是夜间一直打开白光，会导致环境的光污染，吸引飞虫等一系列的问题。

目前市面上的摄像机都是通过硬件电路，例如增加雷达模块或者热红外(PIR)模块，来检测摄像机画面中是否有人物出现，如果有，则关闭红外光，打开白光，这样来获取到有人物出现的彩色视频，提高监控视频的信息量。

但是由于电子材料的特性，如对温度的敏感等因素干扰下，不能实现精确控制，会出现同一台摄像机设备，在不同的环境下控制触发的条件经常不一致。而且通过硬件电路实现，带来较高的硬件成本，不利于成本优化。

因此，现有技术还有待于改进和发展。

发明内容

鉴于上述现有技术的不足，本发明的目的在于提供一种人体感应双光网络摄像机及安防监控系统，旨在解决现有技术中摄像机补光切换方式不精确、成本高等问题。

本发明的技术方案如下：

一种人体感应双光网络摄像机，其中，包括：图像采集感应器、嵌入式处理器、人体感应模块，所述图像采集感应器、嵌入式处理器、人体感应模块依次连接；

所述图像采集感应器实时采集图像数据，并传输到嵌入式处理器，所述嵌入式处理器再将图像数据传递到人体感应模块，所述人体感应模块对采集到的图像数据进行亮度检测以及对象检测，当检测到当前环境亮度低于阈值并且有人时则关闭红外灯，并打开白光灯；当检测到当前环境亮度低于阈值并且无人时则关闭白光灯，并打开红外灯。

所述的人体感应双光网络摄像机，其中，对采集到的图像数据进行对象检测的步骤包括：

对图像数据进行前景检测；

然后进行中值滤波处理；

然后进行二值化处理；

再进行形态学计算得到纵向投影和横向投影；

根据所述纵向投影和横向投影获取人体高度和宽度；

框住得到的人体，并进行跟踪。

所述的人体感应双光网络摄像机，其中，还包括网络模块，所述网络模块连接于所述嵌入式处理器。

所述的人体感应双光网络摄像机，其中，还包括硬件接口模块，所述硬件接口模块连接于所述嵌入式处理器。

所述的人体感应双光网络摄像机，其中，所述硬件接口模块包括USB接口或I/O接口。

所述的人体感应双光网络摄像机，其中，所述网络模块为以太网模块。

一种安防监控系统，其中，包括至少一人体感应双光网络摄像机、网络视频录像机、云服务器和控制后台；

所述至少一人体感应双光网络摄像机、网络视频录像机和控制后台均连接于所述云服务器；所述人体感应双光网络摄像机为如上所述的人体感应双光网络摄像机。

所述的安防监控系统，其中，还包括移动终端，所述移动终端与云服务器通信连接。

所述的安防监控系统，其中，所述移动终端为手机或平板电脑。

有益效果：本发明通过人体感应模块对图像采集感应器采集到的图像数据进行亮度检测以及对象检测，当检测到有人时，则关闭“红外灯”，打开“白光灯”；当判断到无人时，则关闭“白光灯”，打开“红外灯”。本发明无需增加硬件成本，且切换更加精确。

附图说明

图1为本发明一种人体感应双光网络摄像机较佳实施例的结构框图。

图2为本发明中对图像数据进行处理的原理流程图。

图3为本发明一种安防监控系统较佳实施例的结构框图。

具体实施方式

本发明提供一种人体感应双光网络摄像机及安防监控系统，为使本发明的目的、技术方案及效果更加清楚、明确，以下对本发明进一步详细说明。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，图1为本发明一种人体感应双光网络摄像机50较佳实施例的结构框图，如图所示，其包括：图像采集感应器51、嵌入式处理器52、人体感应模块53，所述图像采集感应器51、嵌入式处理器52、人体感应模块53依次连接；

所述图像采集感应器51实时采集图像数据，并传输到嵌入式处理器52，所述嵌入式处理器52再将图像数据传递到人体感应模块53，所述人体感应模块53对采集到的图像数据进行亮度检测以及对象检测，当检测到当前环境亮度低于阈值并且有人时则关闭红外灯，并打开白光灯；当检测到当前环境亮度低于阈值并且无人时则关闭白光灯，并打开红外灯。

本发明无需雷达或者红外感应模块等硬件模块，是通过软件算法模块-人体感应模块53来实现对环境亮度的感知。所以通过本发明，红外灯与白光灯切换更加精确，并且不需要增加任何硬件成本。

进一步，如图2所示，对采集到的图像数据进行对象检测的步骤包括：

对图像数据进行前景检测；

然后进行中值滤波处理；

然后进行二值化处理；

再进行形态学计算得到纵向投影和横向投影；

根据所述纵向投影和横向投影获取人体高度和宽度；

框住得到的人体，并进行跟踪。

步骤具体细节如下：

1.对图像数据进行前景检测

在实际应用中，采用对比的方法确定图像中的前景点，设V^j(x,y)为实际输入序列，th为某一确定阈值。

2.然后进行中值滤波处理

对于图像的二维中值滤波一般采用一个含有奇数个点的滑动窗口，用窗口中各点灰度值的中值代替指定点(一般为窗口中点)的灰度值。对于奇数个元素，中值是指灰度值按大小排列后中间的数值；对于偶数个元素，中值是指排序后中间两个元素灰度值的平均值。中值滤波窗口的形状和尺寸对滤波效果影响很大，实际中采用的窗口形状有线性、方形、圆形、十字形等，采用的窗口尺寸一般为3*3或3*5。若以Med{}表示中值滤波，K为常数，则对窗口W点集进行的中值滤波有以下特性。

3.然后进行二值化处理

二值化包括全局二值化和局部自适应二值化。全局二值化就是设定一个全局的阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。将大于T的像素群的像素值设定为白色(或者黑色)，小于T的像素群的像素值设定为黑色(或者白色)。全局二值化在图像细节方面有很大缺陷。局部二值化的方法就是按照一定的规则将整幅图像划分为N个窗口，对这N个窗口中的每一个窗口再按照一个统一的阈值T将该窗口内的像素划分为两部分，进行二值化处理。局部自适应二值化，该方法就是在局部二值化的基础之上，将阈值的设定更加合理化。该方法的阈值是通过对该窗口像素的平均值E，像素之间的差平方P，像素之间的均方根值Q等各种局部特征，设定一个参数方程进行阈值的计算，例如：T＝a*E+b*P+c*Q，其中a,b,c是自由参数。这样得出来的二值化图像就更能表现出二值化图像中的细节。

4.再进行形态学计算得到纵向投影和横向投影

为了去除前景图像中小面积的活动区域，最直观的想法是采用腐蚀的形态学滤波方法。虽然腐蚀方法能有效地去除微小非人体活动区域，但它对人体运动区域的损伤更大。如果在腐蚀后适当的进行膨胀，也就是进行开运算，则能够在滤除大部分微小非人体活动区域的同时尽量保持人体运动区域的形状不受损伤，得到纵向投影和横向投影。

5.根据所述纵向投影和横向投影获取人体高度和宽度

设满足条件的局部极小值为

如果

则可以断定f(x_i)与f(x_i+1)对应的运动者重叠，此时对局部极小值进行修正。

由于影子的存在，它可能被计算在运动者的横向范围内，为了克服影子的不利影响，对局部极小值进一步做如下修正。

对某一确定的f(x_i)0≤i≤m，

如果

则

如果

则

在经过以上分析后，可以认为与f(x_i)相对应的第i个运动者的运动区域的横向范围是

结合横向投影得到的人体高度信息，就可以实现人体运动区域的辨别和划分。在确定了人体的区域和宽高后就可以用一个矩形框将运动人体框住。

6.框住得到的人体，并进行跟踪

而在计算机视觉中，卡尔曼滤波常被用于在运动估计。将有关位置、速度、形状、纹理、颜色等特征值看作状态值，一般过程是首先根据前一个时刻的状态值进行预测，然后根据预测状态值和错误协方差确定搜索范围，在搜索范围内查找特征和进行匹配运算，得到状态的测量值，然后用卡尔曼滤波进行修正，得到当前状态的估计值。利用卡尔曼滤波来进行预测，还可以估计出预测的不确定性，以确定感兴趣区域。

通常情况下，在一个有噪声的系统中，用x_k描述系统在k时刻的状态，z_k为在k时刻观察到的特征向量。通过z_k可以对x_k的值有一个估计，如果还知道x_k如何随时间变化，就会对x_k+1有一个预测。这表明了一个预测反馈的机制。通过这种预测反馈机制就可以实现人体的跟踪。

对于亮度检测，可获取图像数据的RGB图像信息，根据所述RGB图像信息(R为红色分类信息，G为绿色分类信息，B为蓝色分量信息)判断环境中的可见光亮度；并判断可见光亮度是否低于阈值(该值可以由系统默认，或者由用户灵活配置，一般在0.01-10lux之间，例如2lux)

为了排除红外光对可见光亮度判定的干扰，根据图像数据中的R数据、B数据和G数据的比值和分布来对应可见光的光谱信息，并排除红外光的光谱信息，从而准确获取环境的可见光亮度。

具体的计算方法如下：

计算出整个图像的R，B，G各个分量的总和：

R＝R₁+R₂+……+R_n

G＝G₁+G₂+……+G_n

B＝B₁+B₂+……+B_n

算出分量比值：

R`＝R/G

B`＝B/G

分析判断：

由于可见光会平均作用在R、G、B上，而红外光主要作用在R上。因此红外光的强弱变化会导致R`的大小变化，而可见光的强弱变化则不会导致R`和B`的变化，从而可以排除红外光源的干扰。

当可见光强弱变化时，R、G、B的值会同步增大或者减少，所以可利用R`和B`的变化来去除红外光源的干扰。

进一步，人体感应双光网络摄像机50还包括网络模块，所述网络模块连接于所述嵌入式处理器。所述网络模块为以太网模块。即人体感应双光网络摄像机上设置有以太网口，用于RJ45接口连接以太网。

进一步，人体感应双光网络摄像机50还包括硬件接口模块，所述硬件接口模块连接于所述嵌入式处理器。所述硬件接口模块包括USB接口或I/O接口。其中的I/O接口则用来提供I/O触发的输入和输出。

本发明还提供一种安防监控系统，如图3所示，其包括至少一人体感应双光网络摄像机50、网络视频录像机10、云服务器30和控制后台20；

所述至少一人体感应双光网络摄像机50、网络视频录像机10和控制后台20均连接于所述云服务器30；所述人体感应双光网络摄像机50为如上所述的人体感应双光网络摄像机50。

所述安防监控系统还包括移动终端40，所述移动终端40与云服务器30通信连接。

所述移动终端40为手机或平板电脑。

综上所述，本发明通过人体感应模块对图像采集感应器采集到的图像数据进行分析，通过CNN神经网络进行检测，当检测到有人时，则关闭“红外灯”，打开“白光灯”；当判断到无人时，则关闭“白光灯”，打开“红外灯”。本发明无需增加硬件成本，且切换更加精确。

应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (8)

1.一种人体感应双光网络摄像机，其特征在于，包括：图像采集感应器、嵌入式处理器、人体感应模块，所述图像采集感应器、嵌入式处理器、人体感应模块依次连接；

所述图像采集感应器实时采集图像数据，并传输到嵌入式处理器，所述嵌入式处理器再将图像数据传递到人体感应模块，所述人体感应模块对采集到的图像数据进行亮度检测以及对象检测，当检测到当前环境亮度低于阈值并且有人时则关闭红外灯，并打开白光灯；当检测到当前环境亮度低于阈值并且无人时则关闭白光灯，并打开红外灯；

所述亮度检测，通过获取图像数据的RGB图像信息，根据所述RGB图像信息中的R数据、B数据和G数据的比值和分布来对应可见光的光谱信息，并排除红外光的光谱信息，从而准确获取当前环境亮度，判断当前环境亮度是否低于阈值；

对采集到的图像数据进行对象检测的步骤包括：

对图像数据进行前景检测；

然后进行中值滤波处理；

然后进行二值化处理；

再进行形态学计算得到纵向投影和横向投影；

根据所述纵向投影和横向投影获取人体高度和宽度；

框住得到的人体，并进行跟踪。

2.根据权利要求1所述的人体感应双光网络摄像机，其特征在于，还包括网络模块，所述网络模块连接于所述嵌入式处理器。

3.根据权利要求1所述的人体感应双光网络摄像机，其特征在于，还包括硬件接口模块，所述硬件接口模块连接于所述嵌入式处理器。

4.根据权利要求3所述的人体感应双光网络摄像机，其特征在于，所述硬件接口模块包括USB接口或I/O接口。

5.根据权利要求2所述的人体感应双光网络摄像机，其特征在于，所述网络模块为以太网模块。

6.一种安防监控系统，其特征在于，包括至少一人体感应双光网络摄像机、网络视频录像机、云服务器和控制后台；

所述至少一人体感应双光网络摄像机、网络视频录像机和控制后台均连接于所述云服务器；所述人体感应双光网络摄像机为如权利要求1所述的人体感应双光网络摄像机。

7.根据权利要求6所述的安防监控系统，其特征在于，还包括移动终端，所述移动终端与云服务器通信连接。

8.根据权利要求7所述的安防监控系统，其特征在于，所述移动终端为手机或平板电脑。

Images