基于无线网络的智能监控系统设计与实现
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
电话 !767251681485 "51631565 #9%: $ ! 嵌入式系统应用精选 177 例 "
图 " 系统实现图
%!" 像素建模与背景估计
我们用一个随机变量表示像素值的变化 $ 这里我 们不是用一个特定的分布对一个像素建模 # 而是用 多 个高斯分布对一个像素建模 $ 基于每一个高斯分布的 一致性和变化性# 我们确定代表背景的高斯分布模 型$ 某一像素点在时间 - 的取值为 X t = ( xt , xt , xt ) $ 对 于特定的某个像素点PNTCBTD # 其历史采样值可表示为 &
匹 配 %该 像 素 点 则 被 认 为 是 背 景 像 素 点 %在 二 值 图 像 中对应的像素点置为 5 ’ 反之 % 认为该像素点是前景像 素点 % 置为 "# 如果为后一种情况 %即为前景像素点 % 我 们将构造一个新的高斯分布代替排序后的 ’ 个高斯 分布的最后一个分布 # 并设定其初始均值为 6, 和一个 较大的初始方差和较小的初始权重 #
其中 $ 为图像序列 # 该像素点的概率密度函数可以表示为 $
K
!!!"#
亮度变化 # 设置二值图像中对应的像素点值为 5 # &!< 形态学处理与区域分类 分割后的二值图像区域可 能会产生裂 缝和空洞 % 图象中也可能存在一些小的噪声点 % 需 要采用形态 学 方法对该二值图象进行处理 # 由于图像中的运动物体可 能不仅仅包 括人 % 还可 能有行驶的车辆和走动的动物等其它物体 # 因此 % 需 要把人和其它运动物体区分开来 # 首先对前景区域进 行标识 # 获得运动目标序列 % 根据行人的 生理属性等 先验知识的如下 < 个条件 $ "+ 人体区域长宽比例在一定范围 ! 本文中取 "3&)= 倍之间 +
rt - r < Dr ! gt - g < Dg ! t s 0 £ s / s 0 £ t s1 (!" Dr Dg t s0 t s1
背景减除算法判断 是否有人 ! 有 有
侦听短消息 " 是否有抓图命 令!
保存图像并发送到
#$% 服务器或手机终端
图 & 系统框架图
由于手机终端显示的图片格式以及带宽有限的 缘 故 % 图 片 的 格 式 需 要 转 换 为 DC.1CE. 格 式 % 图 片 大
开始 背景建模 没有人 视频显示 没有 打开串口
&!( 阴影消除
在背景分割过程中如果把阴影作为前景区域的 一部分 % 将导致后续的分析错误增多 # 所以有必要把 阴影与目标物体区域区分开来 # 而颜色信息在这个过 程中变化不大 # 我们可以利用颜色信息区分开阴影和 目 标 区 域 # 如 r = R /( R + G + B) ! g = G /( R + G + B) 颜 色 分 量 % 或者 7894:;9 颜色空间 % 这些颜色空间把亮度信 息与色度信息分开了 # 但是有些情况下 ! 如白色的 % 黑 色的或者灰色的背景和目标物体 + 颜色信息很少 4 他们 的值相差不远 # 仅仅用颜色信息就不能分割目标物体 区域 # 这里我们用 s = ( R + G + B) 表示亮度信息 # 对分 割后的前景像素点作进一步处理 # 如果前景像素点有
控制系统
您的论文得到相关企业家品评
基于无线网络的智能监控系统设计与实现
!"#$%$&& ’$()*#+ ,-&./ 01($%%"2.1( 34#5."%%-16. 37&(.8 9.&"21 -1: ;8<%.8.1(-("*1
" !"# 北京科技大学 $%# 唐山学院 & 徐 君 丽
刘冀伟
"
王志良
技 术 创 新
, 概述
随着计算机以及图像处理 硬件的迅猛 发展 # 运动 检测或人体检测技术越来越复杂 # 其运用也越来越 广 泛 # 如在信息家庭和智能监控领域的运用 $ 本文运 用 了一种新的背景差算法来处理复杂背景情况下的智 能监控 $ 复 杂 背 景 有 光 照 变 化 #背 景 物 体 移 动 #树 叶 的 摆 动等 $ 本文第 % 部分利用高斯混合模型对像 素建模 # 利用颜色和亮度信息分离出阴影部分 $ 在对背景图像 每一个像素点进行背景建模之后 # 将当前帧和背景 模 型比较并更新背景模型 # 对分割得到的运动目 标分类 并跟踪判断是否有新的行人出现在场景中 $ 如果判断 有新的行人出现在场景中则立即保存当前帧并发送 到 FGH 服务器上或手机终端 $ 供用户察看 $ 在手机监 控 时 # 我 们 运 用 联 通 的 :<?2/9 邮 箱 # 通 过 把 图 像 以 附 件形式传递到 :<?2/9 邮箱中 # 由 :<?2/9 系统自动传送 到手机终端 # 实现手机实时监控 $ 手机终端以 短信形 式发送命令给 IJKL 手机模块 # 通过计算机读取手机 徐 君 丽$硕 士 基 金 项 目 $? 唐 山 市 科 研 基 金 资 助 74667071JK1
P ( X t ) = å w i t *h i t ( X t , u i t , å i t )
i =1
%&#
其中 ’ 为高斯分布的个数 % 一般取为 ()*+ %!$, 为 第 $ 个高斯分布 在时刻 , 的权 值的估 计 值 # "$, 为 第 $ 个高斯分布在时刻 , 的均值 %!$, 为第 $ 个高斯分布在 时刻 , 的协方差阵 # #$, 为第 $ 个高斯分布的概率密度 函数 # 假定 - &.&/ 三个颜色分量 相互统计独 立并且 具有相同的方差 # 这样使得计算复杂度降低 #
模块中的短信 # 解析短信的 内容 # 做出相 应 的 反 应 P 如 发送图片给手机 D $ 本文第 * 部分将详细介绍这三个基 本功能的实现 $ 本文系统实现图如下图所示 $ 系统用
QIRR SMT 编程实现 $
% 行人检测与行人跟踪
背景差 P)2:;637<,5 0<)-32:-/7,D 是最常用的一种运 动检测方法 # 主要是利用当前图像与背景模型比 较来 检测运动区域 $ 许多研究人员目前都致力于开发不同 的背景模型 # 以期减少动态场景变化对 于运动检测 的 影响 $ 这里我们需要处理很多复杂的情景 # 如阴影 P 如 人的阴影 D # 场景光照的变化 # 作为背景物体的移动 P 如 椅子的位置移动 D # 作为前景物体的错误地融入到背景 中 P 如人长时间不动 D # 多模态的背景 P 如树枝的摆动 D 等 情况 $ 因此用混合高斯模型能够很好的处理该应用场 景 #不 断 更 新 该 模 型 使 得 模 型 具 有 自 适 应 性 %综 合 颜 色信息和亮度信息可以把运动目标和运动目标的阴 影 区 分 开 来%利 用 行 人 的 一 些 先 验 知 识 #进 一 步 从 运 动目标中分离出行人目标 $
r g b
中国自控网 !!""#$%%&&&’()"*+*,"-*.’+,/ 邮局订阅号 !012345//617 元 % 年 O U O
您的论文得到两院院士关注
中 文 核 心 期 刊 ! 微 计 算 机 信 息 " ! 测 控 自 动 化 "#$$% 年 第 #& 卷 第 ’ 期
! {x1 , x2 ,...xt } = {I ( x0 , y0 , i ) : 1 £ i £ t}
! 系统框架与系统实现
系统用 9@AA=35 编程实现 % 由于系统既有图像的 处理又有与硬件的通信 # 系统采用多 线程编程实 现 # 主线程主 要用 于 视 频 的 显 示 %串 口 侦 听 %主 界 面 的 更 新等 # 其他线程包括查询 B2C 服务器 % 上传图像或发 送邮件 % 图像处理等 #
+56789:7"+, -./0 121(3 4( 5(0/6, 2 ,78(9 )2:;637<,5 0<)-32:-/7, -(:.,/=<(0 -7 5(29 4/-. -.( >73(637<,5 0(6?(,-2-/7,@ 2,5 /?19(?(,- -.( ’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
阈值 2 为像素点为背景的最小先验概率 # 当阈值 小的时候 %相当于单个高斯分布的背景模型 # &!& 背景差与背景更新 输入一个新的像素值 % 当新 的像素值与 某个高斯 分布的均值之差小于 &3* 个该分布的方差 % 我们认为 像素值与该分布匹配 # 否则为不匹配 # 将其 ’ 个高斯 分布逐个比较 % 并对 ’ 个高斯分布的权重更新 4 对 ’ 个权重更新之后 % 重新归一化 % 使得他们之和为 "# 对
"
郭建波
%
;)<=),.>?/@>)A=>&B>//C(,DAEF>.>(,D??G)HA=>(,IH
摘要 ! 本 文 设 计 与 实 现 了 运 用 背 景 差 法 的 一 个 基 于 无 线 网 络 的 交 互 的 智 能 监 控 系 统 "该 系 统 的 基 本 功 能 有 "$运 用 背 景 差 的 算 法 检 测 并 跟 踪 行 人 "并 以 文 件 形 式 保 存 下 图 像 "发 送 该 图 像 到 网 络 服 务 器 上 " 供 用 户 以 ’() 形 式 浏 览 % % $ 将 图 像 发 送 到 手 机 终 端 %* $ 实 现 手 机 与 系 统 交 互 & 实 验 证 明 " 该 系 统 在 复 杂 的 场 景 中 具 有 良 好 的 性 能 "且 实 时 性 满 足 要 求 & 关键字 ! 背景差方法 ! 智能监控 ! 行人检测 ! 行人跟踪 中图分类号 "#$%&’()* 文献标识码 "+ 文章编号 ",--./-*&-01--*2-3/---*/-4
b j =1
%*+
&+ wk.baidu.com域的面积与该区域框的面积比例大于某个值 ! 本文取 53&+ ’ (+ 区域的绝对面积在一定范围之内 ! 本文取 &555) &5555+# <+ 人体区域的左边界与图像的左边界以及右边界 与图像的右边界距离大于 < 个像素点 #
如果某个区域满足上述每 一个条件 % 则 判定为人 体区域 # 条件!">&+ 根据区域的高度和宽度之比来排除 汽车等其它运 动物体 ? 条件 %(+ 去除噪声 产 生 的 小 区 域 和光线亮度突然变化产生的大区域 # 条件 %<+ 排除掉行 人刚进入场景等不完全的人体目标 #
S =sk I
h t ( X t , m , S) =
i
2
%(+
1 (2p ) S
n 2 1 2
e
1 - ( X t - m )T S -1 ( X t - m ) 2
对 ’ 个高斯分布
按照 !01$0 排序 % 我们就用前 / 个高斯分布作为背景 的估计 # / 可由下式确定 #
b
技 术 创 新
B = arg min (å w j > T )
&3* 行人跟踪
利用行人目标的运动方向 % 速度以及重 叠面积大 小判断是否有新的行人出现 % 行人走出 场景等 # 本文 为了简单起见 %假 定 场 景 中 的 行 人 不 多 %从 而 简 化 我 们的行人跟踪算法 #
’ 个高斯分布的均值和方差分别进行更新 # 当新的像素值与前 / 个高斯分布中的一个分布
图 " 系统实现图
%!" 像素建模与背景估计
我们用一个随机变量表示像素值的变化 $ 这里我 们不是用一个特定的分布对一个像素建模 # 而是用 多 个高斯分布对一个像素建模 $ 基于每一个高斯分布的 一致性和变化性# 我们确定代表背景的高斯分布模 型$ 某一像素点在时间 - 的取值为 X t = ( xt , xt , xt ) $ 对 于特定的某个像素点PNTCBTD # 其历史采样值可表示为 &
匹 配 %该 像 素 点 则 被 认 为 是 背 景 像 素 点 %在 二 值 图 像 中对应的像素点置为 5 ’ 反之 % 认为该像素点是前景像 素点 % 置为 "# 如果为后一种情况 %即为前景像素点 % 我 们将构造一个新的高斯分布代替排序后的 ’ 个高斯 分布的最后一个分布 # 并设定其初始均值为 6, 和一个 较大的初始方差和较小的初始权重 #
其中 $ 为图像序列 # 该像素点的概率密度函数可以表示为 $
K
!!!"#
亮度变化 # 设置二值图像中对应的像素点值为 5 # &!< 形态学处理与区域分类 分割后的二值图像区域可 能会产生裂 缝和空洞 % 图象中也可能存在一些小的噪声点 % 需 要采用形态 学 方法对该二值图象进行处理 # 由于图像中的运动物体可 能不仅仅包 括人 % 还可 能有行驶的车辆和走动的动物等其它物体 # 因此 % 需 要把人和其它运动物体区分开来 # 首先对前景区域进 行标识 # 获得运动目标序列 % 根据行人的 生理属性等 先验知识的如下 < 个条件 $ "+ 人体区域长宽比例在一定范围 ! 本文中取 "3&)= 倍之间 +
rt - r < Dr ! gt - g < Dg ! t s 0 £ s / s 0 £ t s1 (!" Dr Dg t s0 t s1
背景减除算法判断 是否有人 ! 有 有
侦听短消息 " 是否有抓图命 令!
保存图像并发送到
#$% 服务器或手机终端
图 & 系统框架图
由于手机终端显示的图片格式以及带宽有限的 缘 故 % 图 片 的 格 式 需 要 转 换 为 DC.1CE. 格 式 % 图 片 大
开始 背景建模 没有人 视频显示 没有 打开串口
&!( 阴影消除
在背景分割过程中如果把阴影作为前景区域的 一部分 % 将导致后续的分析错误增多 # 所以有必要把 阴影与目标物体区域区分开来 # 而颜色信息在这个过 程中变化不大 # 我们可以利用颜色信息区分开阴影和 目 标 区 域 # 如 r = R /( R + G + B) ! g = G /( R + G + B) 颜 色 分 量 % 或者 7894:;9 颜色空间 % 这些颜色空间把亮度信 息与色度信息分开了 # 但是有些情况下 ! 如白色的 % 黑 色的或者灰色的背景和目标物体 + 颜色信息很少 4 他们 的值相差不远 # 仅仅用颜色信息就不能分割目标物体 区域 # 这里我们用 s = ( R + G + B) 表示亮度信息 # 对分 割后的前景像素点作进一步处理 # 如果前景像素点有
控制系统
您的论文得到相关企业家品评
基于无线网络的智能监控系统设计与实现
!"#$%$&& ’$()*#+ ,-&./ 01($%%"2.1( 34#5."%%-16. 37&(.8 9.&"21 -1: ;8<%.8.1(-("*1
" !"# 北京科技大学 $%# 唐山学院 & 徐 君 丽
刘冀伟
"
王志良
技 术 创 新
, 概述
随着计算机以及图像处理 硬件的迅猛 发展 # 运动 检测或人体检测技术越来越复杂 # 其运用也越来越 广 泛 # 如在信息家庭和智能监控领域的运用 $ 本文运 用 了一种新的背景差算法来处理复杂背景情况下的智 能监控 $ 复 杂 背 景 有 光 照 变 化 #背 景 物 体 移 动 #树 叶 的 摆 动等 $ 本文第 % 部分利用高斯混合模型对像 素建模 # 利用颜色和亮度信息分离出阴影部分 $ 在对背景图像 每一个像素点进行背景建模之后 # 将当前帧和背景 模 型比较并更新背景模型 # 对分割得到的运动目 标分类 并跟踪判断是否有新的行人出现在场景中 $ 如果判断 有新的行人出现在场景中则立即保存当前帧并发送 到 FGH 服务器上或手机终端 $ 供用户察看 $ 在手机监 控 时 # 我 们 运 用 联 通 的 :<?2/9 邮 箱 # 通 过 把 图 像 以 附 件形式传递到 :<?2/9 邮箱中 # 由 :<?2/9 系统自动传送 到手机终端 # 实现手机实时监控 $ 手机终端以 短信形 式发送命令给 IJKL 手机模块 # 通过计算机读取手机 徐 君 丽$硕 士 基 金 项 目 $? 唐 山 市 科 研 基 金 资 助 74667071JK1
P ( X t ) = å w i t *h i t ( X t , u i t , å i t )
i =1
%&#
其中 ’ 为高斯分布的个数 % 一般取为 ()*+ %!$, 为 第 $ 个高斯分布 在时刻 , 的权 值的估 计 值 # "$, 为 第 $ 个高斯分布在时刻 , 的均值 %!$, 为第 $ 个高斯分布在 时刻 , 的协方差阵 # #$, 为第 $ 个高斯分布的概率密度 函数 # 假定 - &.&/ 三个颜色分量 相互统计独 立并且 具有相同的方差 # 这样使得计算复杂度降低 #
模块中的短信 # 解析短信的 内容 # 做出相 应 的 反 应 P 如 发送图片给手机 D $ 本文第 * 部分将详细介绍这三个基 本功能的实现 $ 本文系统实现图如下图所示 $ 系统用
QIRR SMT 编程实现 $
% 行人检测与行人跟踪
背景差 P)2:;637<,5 0<)-32:-/7,D 是最常用的一种运 动检测方法 # 主要是利用当前图像与背景模型比 较来 检测运动区域 $ 许多研究人员目前都致力于开发不同 的背景模型 # 以期减少动态场景变化对 于运动检测 的 影响 $ 这里我们需要处理很多复杂的情景 # 如阴影 P 如 人的阴影 D # 场景光照的变化 # 作为背景物体的移动 P 如 椅子的位置移动 D # 作为前景物体的错误地融入到背景 中 P 如人长时间不动 D # 多模态的背景 P 如树枝的摆动 D 等 情况 $ 因此用混合高斯模型能够很好的处理该应用场 景 #不 断 更 新 该 模 型 使 得 模 型 具 有 自 适 应 性 %综 合 颜 色信息和亮度信息可以把运动目标和运动目标的阴 影 区 分 开 来%利 用 行 人 的 一 些 先 验 知 识 #进 一 步 从 运 动目标中分离出行人目标 $
r g b
中国自控网 !!""#$%%&&&’()"*+*,"-*.’+,/ 邮局订阅号 !012345//617 元 % 年 O U O
您的论文得到两院院士关注
中 文 核 心 期 刊 ! 微 计 算 机 信 息 " ! 测 控 自 动 化 "#$$% 年 第 #& 卷 第 ’ 期
! {x1 , x2 ,...xt } = {I ( x0 , y0 , i ) : 1 £ i £ t}
! 系统框架与系统实现
系统用 9@AA=35 编程实现 % 由于系统既有图像的 处理又有与硬件的通信 # 系统采用多 线程编程实 现 # 主线程主 要用 于 视 频 的 显 示 %串 口 侦 听 %主 界 面 的 更 新等 # 其他线程包括查询 B2C 服务器 % 上传图像或发 送邮件 % 图像处理等 #
+56789:7"+, -./0 121(3 4( 5(0/6, 2 ,78(9 )2:;637<,5 0<)-32:-/7, -(:.,/=<(0 -7 5(29 4/-. -.( >73(637<,5 0(6?(,-2-/7,@ 2,5 /?19(?(,- -.( ’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
阈值 2 为像素点为背景的最小先验概率 # 当阈值 小的时候 %相当于单个高斯分布的背景模型 # &!& 背景差与背景更新 输入一个新的像素值 % 当新 的像素值与 某个高斯 分布的均值之差小于 &3* 个该分布的方差 % 我们认为 像素值与该分布匹配 # 否则为不匹配 # 将其 ’ 个高斯 分布逐个比较 % 并对 ’ 个高斯分布的权重更新 4 对 ’ 个权重更新之后 % 重新归一化 % 使得他们之和为 "# 对
"
郭建波
%
;)<=),.>?/@>)A=>&B>//C(,DAEF>.>(,D??G)HA=>(,IH
摘要 ! 本 文 设 计 与 实 现 了 运 用 背 景 差 法 的 一 个 基 于 无 线 网 络 的 交 互 的 智 能 监 控 系 统 "该 系 统 的 基 本 功 能 有 "$运 用 背 景 差 的 算 法 检 测 并 跟 踪 行 人 "并 以 文 件 形 式 保 存 下 图 像 "发 送 该 图 像 到 网 络 服 务 器 上 " 供 用 户 以 ’() 形 式 浏 览 % % $ 将 图 像 发 送 到 手 机 终 端 %* $ 实 现 手 机 与 系 统 交 互 & 实 验 证 明 " 该 系 统 在 复 杂 的 场 景 中 具 有 良 好 的 性 能 "且 实 时 性 满 足 要 求 & 关键字 ! 背景差方法 ! 智能监控 ! 行人检测 ! 行人跟踪 中图分类号 "#$%&’()* 文献标识码 "+ 文章编号 ",--./-*&-01--*2-3/---*/-4
b j =1
%*+
&+ wk.baidu.com域的面积与该区域框的面积比例大于某个值 ! 本文取 53&+ ’ (+ 区域的绝对面积在一定范围之内 ! 本文取 &555) &5555+# <+ 人体区域的左边界与图像的左边界以及右边界 与图像的右边界距离大于 < 个像素点 #
如果某个区域满足上述每 一个条件 % 则 判定为人 体区域 # 条件!">&+ 根据区域的高度和宽度之比来排除 汽车等其它运 动物体 ? 条件 %(+ 去除噪声 产 生 的 小 区 域 和光线亮度突然变化产生的大区域 # 条件 %<+ 排除掉行 人刚进入场景等不完全的人体目标 #
S =sk I
h t ( X t , m , S) =
i
2
%(+
1 (2p ) S
n 2 1 2
e
1 - ( X t - m )T S -1 ( X t - m ) 2
对 ’ 个高斯分布
按照 !01$0 排序 % 我们就用前 / 个高斯分布作为背景 的估计 # / 可由下式确定 #
b
技 术 创 新
B = arg min (å w j > T )
&3* 行人跟踪
利用行人目标的运动方向 % 速度以及重 叠面积大 小判断是否有新的行人出现 % 行人走出 场景等 # 本文 为了简单起见 %假 定 场 景 中 的 行 人 不 多 %从 而 简 化 我 们的行人跟踪算法 #
’ 个高斯分布的均值和方差分别进行更新 # 当新的像素值与前 / 个高斯分布中的一个分布