嵌入式智能视频摄像机系统技术方案

本实用新型专利技术实施例公开了一种嵌入式智能视频摄像机系统，包括若干摄像机，以及与所述摄像机相连以检测并跟踪目标图像并对其行为识别的视频监控终端，这样，视频监控终端可实现对摄像机所录制的视频图像进行分析，确定目标并实现跟踪及行为识别，从而可将安保人员从繁杂而枯燥的“盯屏幕”任务解脱出来，由机器来完成这部分工作，避免了由于安保人员疏漏而造成的安全隐患问题；另外，在海量的视频数据中可快速搜索到想要找的图像，从而提高了效率。（*该技术在2022年保护过期，可自由使用*）

【技术实现步骤摘要】

本技术涉及通信领域，尤其涉及一种嵌入式智能视频摄像机系统。
技术介绍
目前，安防系统主要是在隐蔽的地方布设摄像机，从而实现其监控范围内的视频录制并通过显示屏展示给安保人员。但是，安保人员只能依靠不间断地“盯屏幕”来发现可疑人物或物品，一旦疏忽将造成巨大的安全隐患；另外，在进行证据采集时，需要从海量的视频数据中搜索到想要找的图像，实属不易，增加了工作难度，效率十分低下
技术实现思路
本技术实施例所要解决的技术问题在于，提供一种嵌入式智能视频摄像机系统，以提高安全性及工作效率。为了解决上述技术问题，本技术实施例提出了一种嵌入式智能视频摄像机系统，包括若干摄像机，以及与所述摄像机相连以检测并跟踪目标图像并对其行为识别的视频监控终端。进一步地，所述视频监控终端包括获得所述摄像机拍摄的原始图像的解码模块；与所述解码模块相连以将目标图像从所述原始图像中分离出来的分割模块；与所述分割模块相连以对所述目标图像进行分类的分类模块。进一步地，所述视频监控终端还包括与所述分割模块相连以搜集所述目标图像的视觉特征信息的搜集模块；与所述搜集模块相连以根据所述视觉特征信息进行目标定位的定位模块。进一步地，所述视频监控终端还包括与所述解码模块相连以将动态的原始图像转化为特征模型的转化模块；与所述转化模块相连用于将所述特征模型与行为模板匹配以确定目标行为的匹配模块。本技术实施例的有益效果是通过提出了一种嵌入式智能视频摄像机系统，包括若干摄像机，以及与所述摄像机相连以检测并跟踪目标图像并对其行为识别的视频监控终端，这样，视频监控终端可实现对摄像机所录制的视频图像进行分析，确定目标并实现跟踪及行为识别，从而可将安保人员从繁杂而枯燥的“盯屏幕”任务解脱出来，由机器来完成这部分工作，避免了由于安保人员疏漏而造成的安全隐患问题；另外，在海量的视频数据中可快速搜索到想要找的图像，从而提闻了效率。附图说明图I是本技术第一实施例的嵌入式智能视频摄像机系统的结构示意图。图2是本技术第二实施例的嵌入式智能视频摄像机系统的结构示意图。图3是本技术第三实施例的嵌入式智能视频摄像机系统的结构示意图。图4是本技术第四实施例的嵌入式智能视频摄像机系统的结构示意图。具体实施方式需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互结合，以下结合附图和具体实施例对本技术作进一步详细说明。如图I所示，本技术实施例提出了一种嵌入式智能视频摄像机系统，其主要包括若干摄像机101，以及与摄像机101相连以检测并跟踪目标图像并对其行为识别的视 频监控终端102。其中，视频监控终端102具体包括如图2所示的结构获得所述摄像机拍摄的原始图像的解码模块1021 ；与解码模块1021相连以将目标图像从原始图像中分离出来的分割模块1022 ；与分割模块1022相连以对目标图像进行分类的分类模块1023。具体地上述分割模块1022与分类模块1023可实现运动目标检测，也就是从图像序列中将变化的目标物体从背景图像中提取出来，它包括目标分割和目标分类两部分。分割模块1022采用背景差分法，适用于固定摄像机的情形，它先为背景图像建立背景模型，通过将当前图像帧与背景图像进行比较，确定出亮度变化较大的区域，即认为是前景区域。这种方法计算速度很快，可以获得完整的运动区域，但对于场景中光照和噪声比较敏感，在实际应用中需要采用一定的算法进行维护和更新背景模型，以适应环境的变化。分类模块1023采用判别函数法进行目标图像的分类，例如箱子、人物等。为完成目标跟踪功能，视频监控终端102还可以包括如图3所示的结构与分割模块1022相连以搜集目标图像的视觉特征信息的搜集模块1024 ；与搜集模块1024相连以根据视觉特征信息进行目标定位的定位模块1025。具体地搜集模块1024，首先建模，主要用来收集描述目标的视觉特征，为以后定位目标提供信息。本技术采用的特征是小波表达，它可以从不同尺度、不同方向描述图像，对于由粗到精的差分运动估计非常有效。局部区别特征描述子是指目标通过一组辨别特征描述算子表达，这些描述算子从局部区域的图像特征点产生，他们表达了局部区域对于尺度、旋转和光照的不变性，将这种特征描述算子嵌入到跟踪框架中，实现跟踪。定位模块1025完成目标定位，目标定位是一个预测目标参数的过程，根据图像序列，确定目标在图像中的位置、形状参数。目标定位研究的方法是将目标定位转换为在贝叶斯滤波框架下求解目标状态后验概率密度的过程。在贝叶斯理论框架下，将目标跟踪问题看作最优估计过程，采用状态空间模型来描述，首先选择状态向量，通过状态转移方程进行预测，然后利用最新观测值对预测值做出修正。当过程噪声和观测噪声都是高斯分布，且状态转移方程和观测方程都是线性的，利用常规的Kalman滤波给出最优解。当状态方程和观测方式是非线性函数时，扩展Kalman滤波就可求解后验概率。如果状态空间是用有限的离散值组成，隐马尔科夫模型(Hidden Markov Models)可以实现。在实际场景中，状态方程和观测方程往往都是非线性的，而且噪声也是非高斯的、状态分布是多模态的，在这种情况下，利用粒子滤波的方法。为完成目标行为分析功能，视频监控终端102还可以包括如图4所示的结构与解码模块1021相连以将动态的原始图像转化为特征模型的转化模块1026 ；与转化模块1026相连用于将特征模型与行为模板匹配以确定目标行为的匹配模块 1027。具体地此处的行为是广义上的“行为”定义，它包括动作、行为和活动三个层面。动作是指人体的一个小的运动元素，如抬脚、落脚、甩臂等，而狭义上的行为是按时间有序排列在一起的动作的集合，例如跑步，走路等。而一系列狭义行为组成的序列称为活动，如打球等。·其主要目的是对人体的运动进行了层次的划分。对于行为(未加说明时指广义行为)的识别方法主要有两种基于模板匹配的方法和状态空间模型的方法模板匹配的方法首先是由转化模块1026将动态的图像序列转化为特征模型，然后由匹配模块1027与训练得到的各种行为模板进行匹配。其优点是计算复杂度较低且简单易行，但其对噪声和特征模型在时间和空间尺度上的轻微变化较为敏感，要加入模型演化的步骤。上述本技术实施例的嵌入式智能视频摄像机系统将智能处理算法加载在摄像机内，形成智能摄像机的智能安防系统，能够及时、自动地从原始视频信息中只提取有用信息，以完成视频传输、保存和检索，也可以驱动其他数据、触发其他行为，从而轻而易举地完成人力很难完成的任务。本解决方案具体是通过关于人群聚集、人数统计、人员徘徊、物品遗留、非法滞留等应用需求的分析，从技术方面可将人员徘徊、非法滞留、物品遗留、非法入侵等归为一类一视觉行为分析。上述本技术实施例的嵌入式智能视频摄像机系统可应用于公安执法和安全类执法会更侧重于模式识别公安执法和安全类执法会更侧重于模式识别，如车牌，人脸；安全类则会侧重于逆行监测，非法入侵，人群聚集，滑到遗留物的检测；文博类重点在于物品看管及人员的安全监控，可对物体丢失，拿走，徘徊报警及对特殊通道进行逆行监测，针对禁用区的遗物进行检测，在反恐防暴领域中应用甚广。如下列举了几个具体应用场景( I)高级视频移动侦测在复杂的天气环境中(例本文档来自技高网...

【技术保护点】
一种嵌入式智能视频摄像机系统，其特征在于，包括若干摄像机，以及与所述摄像机相连以检测并跟踪目标图像并对其行为识别的视频监控终端。

【技术特征摘要】

【专利技术属性】
技术研发人员：瓮正科，管小宝，何小鹏，
申请(专利权)人：瓮正科，管小宝，何小鹏，
类型：实用新型
国别省市：