张艳红
(广东技术师范学院天河学院,广东广州510540)
智能视频监控技术通过从大量视频中抽取关键信息点进行分析和统计,检测识别出可疑的活动、事件或者行为模式,实现替代人为监控或者协助人为监控。视频监控系统的智能化是指在不需要人为干预的情况下,系统能自动实现对监控画面中的异常情况进行检测、识别,并及时发出警报。
人流统计可以实时统计与分析密集进出指定区域的人流信息,可以对人流历史数据进行数据挖掘,从而为管理层提供与经营管理相关的决策支持。人流统计应用于机场、火车站、地铁、汽车站,可为政府职能部门提供市政工程管理决策依据;应用于超市、商场、体育比赛场馆、音乐剧场等场馆,可为经营者提供人数统计,精确掌握顾客的统计分布,人流统计适用于各级公安部门。
人流统计系统结构如图1所示:
图1 人流统计系统结构图
人流统计过程如下:
(1)检测图像中的动态图像帧;
(2)将动态图像帧暂存,并进行灰度处理;
(3)对灰度图像进行多次滤波处理;
(4)处理后的图像与某一模型下的人脸特征点(通常利用两眼睛、两眉毛和一个鼻子之间的对应比例和对称关系)进行匹配;
(5)若能匹配,则认为系统图像中出现了人脸,计数加一。
车牌识别可实现以下功能:
(1)问题车辆等参数录入及管理;
(2)接收上传的抓拍图像、过车记录等数据;
(3)根据特定条件查询年票数据库记录或过车记录,可实现过往车辆事后稽查功能;
(4)对车道上问题车辆的处理进行监控;
(5)数据下发(下发问题车辆数据到相关下级单位)。
车牌识别系统结构如图2所示:
图2 车牌识别系统连接图
车牌识别流程如图3所示:
图3 车牌识别系统处理流程图
具体过程如下:
(1)将图像进行灰度或二值化处理;
(2)将处理后的图像进行滤波;
(3)利用车牌字符的连续特性和纹理特性定位出车牌的位置;
(4)对车牌区域字符进行分割处理;
(5)在有限子集(一个汉字简称以及字母和数字组合)内进行分析,得出识别结果。
车牌识别适用于公安和交通运政管理等部门应用。
人脸识别可实现人群嫌疑对象提取、嫌疑对象面部特征提取和重点监控点实时图像比对。人脸识别系统结构和处理流程如图4和图5所示。
相对人流统计过程而言,人脸识别增加了比对分析过程,所有比对分析应该是在有限子集范围内进行,即人脸图像库必须是一个有限子集。通过比对将视频检测图像中的人脸特征与数据库中具有相似特征的人脸找出来。最终实现将搜索目标从一个海量图像库子集减少到几个或十几个图像子集,这样就可以采用人工进行进一步的识别,锁定目标对象。
人脸识别适用于各级公安部门应用。
图4 人脸识别系统结构图
图5 人脸识别处理流程图
[1]赵文哲,秦世引.视频运动目标检测方法的对比分析[J].科技导报,2009,27(10):64-70.
[2]满君丰,李倩倩,温向兵.视频监控中可变人体行为的识别[J].东南大学学报:自然科学版,2011,41(3):492-497.
[3]满宪金.浅析智能视频监控中的人体检测与识别[J].煤炭技术,2012,(9):173-174.