基于运动目标检测的校园安防监视报警系统的设计与实现

发布时间：2020-06-15 13:01

【摘要】：校园安防是学校的一项重要工程,安防监视系统作为校园安防的重要一份子,越发展越得到学校的重视。因为多媒体处理办法、网络处理办法不断进步,安防监视系统越来越智能化和网络化。在海量的监控视频数据中,用户只需要提取少量的有用信息,或只需提取关键事件的信息,而这些事件只是小概率事件。如何通过数量庞大的数据得到自己想要的信息,或者说如何实现对已发生事件的智能监控,成为安防监视系统的一个新的研究前进方向。随着运动目标检测和跟踪算法的应用,把安防监视从静态的、事情过后才拿来寻找证据变成动态的、实时报警的。为此,根据学校的实际情况和使用需求对校园安防监视报警系统进行了设计和开发,具体工作包括:1、构建了一个校园安防监视报警系统的总体架构。通过对目前安防监视报警系统的新技术进行学习,结合学校的实际需求,最终形成了一个完整且合理的校园安防监视报警系统框架。2、在校园安防监视报警系统的报警模块,探索了优化的混合高斯模型物体查找计算方法。这种计算方法运用背景差分法来查找运动的物体,利用优化的混合高斯模型实现对背景图片的重构,明显的提升运动目标检测的识别精度,使以往监控只存储音频录像却不会自己报警的情况放生了改变,这让安防监视系统成为可以为学校当班的保卫人员提供实时的报警消息,明显的提高了校园的安防应急处理能力。3、校园安防监视报警系统的设计与开发。第一件事要分析我们设计这套系统的目的,确定我们设计系统的方向,接着设计的准则,最后根据系统需求分析给出系统的功能模块设计。这套安防监视系统可分为五个部分:预览模块、云台控制模块、回放模块、报警模块、系统功能设置模块等。校园安防监视报警系统的设计和开发,实现了对监控视频数据的保存、异常事件的报警。通过该系统,可以实时查看学校的监控视频资料,对联网范围内的校园云台、摄像机等前端设备进行控制,实时监控校园的各个区域。该系统的开发有效地提高了监控效率,节约了建设成本,具有较好的实用价值。同时,对于运动目标检测问题的研究,具有一定的理论价值。
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：G474;TP277
【图文】：

分布情况,混合高斯模型

图 2.2 混合高斯模型图示图 2.2 中的（a）表示所有样本数据，（b）表示已经明确了样本分类。对于所示的情况，很明显，单高斯模型是无法解决的。为了解决这个问题，人了混合高斯模型（GMM），顾名思义，就是数据可以看作是从数个高斯分成出来的。虽然我们可以用不同的分布来随意地构造，但是 GMM 是最为流混合高斯模型是指用一个像素点的像素值的分布情况可以用多个高斯分同描述，而且其灰度值的分布也可以用多个高斯分布来描述。设一个像素点的像素观察值为{X1，…，Xt}，则当前像素值的概率可表示, , ,1( ) ( , , ) Kt i t t i t i tiP X w X （2其中，K 高斯分布的个数，体现像素值的分布情况，ωi， t意思是在 t 这点的第 i 个高斯分布权值,1( 1)Ki tiw ，μi，t表示第 i 个高斯分布的中间值，第 i 个高斯分布的协方差矩阵，第 i 个高斯分布函数, ,( , , )t i t i t X 表达式为

图像序列,视频,背景,运动目标

（1）每个像素点都建立多个固定的高斯分布，在处理时会消耗大量的系统资（2）对于大而慢的运动目标检测效果较差，会造成运动目标缺失部分轮（3）光照条件下运动物体的阴影不容易消除，运动目标的内部存在较多的”，这样会影响识别精度。改进后算法优势：（1）有效减少了高斯分布。采用改进后混合高斯模型目标检测算法与经典混合高斯模型算法对比，少了高斯分布；（2）增强大而慢的运动目标检测精度，较为完整地检测出运动目标轮廓（3）有效消除运动目标的阴影部分, 避免运动目标的内部存在较多的“空象，提高了目标检测精度。采用改进的混合高斯模型的目标检测算法进行实验分析，实验环境008，采用 c#编写。经典算法初始化设置为 K 5、 u0 0 、 0 0 、20 用本文算法初始化时， K 3、 K0 5、 20，取图像序列视频 walk 算法测试。如图 3.1 所示。

【参考文献】