羅松飛 王梓成

摘? 要：隨著監(jiān)控?cái)z像頭數(shù)量的幾何式增加，傳統(tǒng)的僅依靠人工實(shí)時(shí)觀看監(jiān)控信息已力不能及。無(wú)人值守系統(tǒng)是一種不需要大量人工干預(yù)的智能監(jiān)控系統(tǒng)，它可以自動(dòng)檢測(cè)視頻中目標(biāo)，并通過(guò)報(bào)警的方式提醒工作人員。系統(tǒng)通過(guò)運(yùn)動(dòng)目標(biāo)檢測(cè)、目標(biāo)定位、Hash圖像匹配、人臉識(shí)別等功能實(shí)現(xiàn)無(wú)人值守。服務(wù)器采用分布式集群架構(gòu)設(shè)計(jì)，實(shí)時(shí)完成前端智能攝像頭傳送特征參數(shù)到后臺(tái)進(jìn)行匹配的任務(wù)。最后，也簡(jiǎn)單設(shè)計(jì)了無(wú)人值守監(jiān)控系統(tǒng)的數(shù)據(jù)庫(kù)。

關(guān)鍵詞：無(wú)人值守? 分布式集群? 智能監(jiān)控? 數(shù)據(jù)庫(kù)

中圖分類號(hào)：TP277 ? ?文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2019）11（c）-0013-04

自平安城市項(xiàng)目和3111工程項(xiàng)目建設(shè)以來(lái)，我國(guó)的視頻監(jiān)控系統(tǒng)得到了快速發(fā)展。在2010—2017年期間，我國(guó)視頻監(jiān)控市場(chǎng)規(guī)模從242億元增長(zhǎng)到1124億元，年均復(fù)合增長(zhǎng)率達(dá)24.53%，其中上海世博會(huì)期間，浦東城區(qū)高清監(jiān)控覆蓋項(xiàng)目就投資達(dá)10億元人民幣，共設(shè)有10000多個(gè)監(jiān)控點(diǎn)。但是，大量視頻監(jiān)控點(diǎn)的架設(shè)，相應(yīng)地也產(chǎn)生了海量數(shù)據(jù)，如果要從海量的數(shù)據(jù)中人工篩選出有用信息，必然消耗大量人力，并且研究表明，人在盯著視頻畫面僅僅22min之后，人眼對(duì)視頻畫面里95%以上的活動(dòng)信息視而不見(jiàn)[1]。無(wú)人值守監(jiān)控系統(tǒng)是一種不需大量人員干預(yù)的智能視頻監(jiān)控系統(tǒng)，其已經(jīng)成為智能監(jiān)控系統(tǒng)的研究熱點(diǎn)。

當(dāng)前，無(wú)人值守監(jiān)控系統(tǒng)的主要研究?jī)?nèi)容包括：（1）視頻中無(wú)人認(rèn)領(lǐng)可疑物品的檢測(cè)報(bào)警;（2）對(duì)視頻中人流量的自動(dòng)檢測(cè)報(bào)警;（3）對(duì)禁區(qū)內(nèi)人和物品進(jìn)入的檢測(cè)報(bào)警;（4）對(duì)視頻中移動(dòng)物體的檢測(cè)識(shí)別和比對(duì)，發(fā)現(xiàn)可疑對(duì)象報(bào)警;（5）對(duì)視頻中個(gè)體的行為動(dòng)作識(shí)別，發(fā)現(xiàn)危險(xiǎn)可疑行為自動(dòng)報(bào)警等。其中，前三類智能視頻監(jiān)控系統(tǒng)易于實(shí)現(xiàn)且研究已較為成熟;第五類智能視頻監(jiān)控系統(tǒng)不僅涉及圖像處理知識(shí)，更多涉及人工智能領(lǐng)域相關(guān)知識(shí)，且目前相關(guān)研究進(jìn)展較為緩慢，還有待進(jìn)一步深入研究。而該文無(wú)人值守監(jiān)控系統(tǒng)設(shè)計(jì)是針對(duì)上述第四類智能視頻監(jiān)控系統(tǒng)。

系統(tǒng)將整個(gè)智能監(jiān)控任務(wù)拆分為視頻實(shí)時(shí)監(jiān)控部分、信息錄入部分和特征匹配部分。其中視頻實(shí)時(shí)監(jiān)控部分完成視頻目標(biāo)檢測(cè)、目標(biāo)定位、Hash值計(jì)算、人臉特征提取等工作;信息錄入部分是基于MVC設(shè)計(jì)模式實(shí)現(xiàn)嫌疑人信息錄入;特征匹配部分主要完成視頻監(jiān)控部分傳來(lái)的特征數(shù)據(jù)與數(shù)據(jù)庫(kù)中需檢測(cè)的嫌疑人進(jìn)行匹配。

1? 分布式集群架構(gòu)

前端智能攝像頭提取到人臉特征值，會(huì)將這些特征值發(fā)送到后臺(tái)服務(wù)器進(jìn)行特征匹配，當(dāng)大量攝像頭都給服務(wù)器發(fā)送特征值進(jìn)行匹配時(shí)，后臺(tái)服務(wù)器的數(shù)據(jù)運(yùn)算量也就會(huì)急劇增加，單個(gè)服務(wù)器很難滿足這種數(shù)據(jù)處理的需求。

分布式集群是指一組可協(xié)同工作服務(wù)器所組成的系統(tǒng)，它可以很好地解決海量數(shù)據(jù)處理的問(wèn)題。分布式可以理解將一個(gè)業(yè)務(wù)拆分成多個(gè)子業(yè)務(wù)，服務(wù)器對(duì)這些任務(wù)并行處理，每個(gè)子業(yè)務(wù)可以進(jìn)行通信。集群是將這些服務(wù)部署到多臺(tái)服務(wù)器上，每個(gè)服務(wù)器稱之為集群節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)提供相同的服務(wù)，通過(guò)負(fù)載均衡服務(wù)器來(lái)調(diào)度每個(gè)節(jié)點(diǎn)的負(fù)載情況。并且，集群系統(tǒng)還具有可拓展性，可擴(kuò)展性主要體現(xiàn)在集群中可實(shí)時(shí)加入新的服務(wù)器提升系統(tǒng)整體的性能。通過(guò)分布式集群架構(gòu)，將視頻分析算法應(yīng)用到分布式集群上，利用無(wú)數(shù)個(gè)集群節(jié)點(diǎn)實(shí)現(xiàn)對(duì)視頻任務(wù)的并行處理，進(jìn)而滿足實(shí)時(shí)視頻監(jiān)控的需要[2]。

2? 視頻實(shí)時(shí)監(jiān)控

視頻實(shí)時(shí)監(jiān)控部分是由各個(gè)智能監(jiān)控?cái)z像頭完成運(yùn)動(dòng)目標(biāo)檢測(cè)、目標(biāo)定位、目標(biāo)Hash值計(jì)算和人臉特征提取等任務(wù)并實(shí)時(shí)向特征匹配部分發(fā)送相關(guān)特征值進(jìn)行匹配。

2.1 運(yùn)動(dòng)目標(biāo)檢測(cè)

運(yùn)動(dòng)目標(biāo)檢測(cè)即是從視頻里提取畫面中的運(yùn)動(dòng)目標(biāo)，獲取目標(biāo)在畫面中的位置、范圍信息，它是無(wú)人值守監(jiān)控系統(tǒng)的基礎(chǔ)。運(yùn)動(dòng)目標(biāo)檢測(cè)算法有很多，這里簡(jiǎn)單介紹其中一種——背景差分法。

背景差分法適用于固定監(jiān)控范圍的攝像頭，它是將視頻當(dāng)前幀同背景參考幀做差，提取差分圖像，在此基礎(chǔ)上再選取合適的閾值對(duì)差分圖像進(jìn)行二值化，繼而獲取前景運(yùn)動(dòng)目標(biāo)。背景差分法主要分為3個(gè)步驟：首先，是如何獲取視頻中當(dāng)前背景圖像。目前來(lái)說(shuō)，獲取背景圖像方法有很多，其中的根本是截取一段連續(xù)視頻，統(tǒng)計(jì)這段視頻內(nèi)所有背景幀與前景幀，根據(jù)背景幀與前景幀分布上的差異，從而得到背景圖像。其次，二值化圖像獲取前景目標(biāo)。這個(gè)過(guò)程主要是使用當(dāng)前幀減去背景幀，設(shè)定閾值，提取出運(yùn)動(dòng)目標(biāo)。最后，背景的自適應(yīng)更新。背景更新的目的是為了適應(yīng)環(huán)境和光照等因素而造成背景的變化，對(duì)背景實(shí)時(shí)更新，繼而更準(zhǔn)確地提取運(yùn)動(dòng)目標(biāo)。

2.2 人臉特征提取及識(shí)別

人臉特征提取是指從監(jiān)控畫面中檢測(cè)出人臉，然后將人臉信息量化而提取特征，人臉特征提取之后將數(shù)據(jù)傳送到信息匹配模塊，與錄入數(shù)據(jù)庫(kù)中的人臉進(jìn)行比對(duì)，而后完成人臉識(shí)別。

人臉檢測(cè)作為人臉識(shí)別的第一環(huán)節(jié)，它的目標(biāo)是找出視頻圖像中所有的人臉對(duì)應(yīng)的位置，算法的輸出是人臉外接矩形在圖像中的坐標(biāo)。文獻(xiàn)[3]中將人臉檢測(cè)算法分為了4類：（1）基于知識(shí)的方法，它將典型的人臉形成規(guī)則庫(kù)對(duì)人臉進(jìn)行編碼，并通過(guò)面部特征之間的關(guān)系進(jìn)行人臉定位;（2）特征不變方法，該算法的目的是在姿態(tài)、視角或光照條件改變的情況下找到穩(wěn)定的特征，然后使用這些特征確定人臉;（3）模板匹配方法，存儲(chǔ)幾種標(biāo)準(zhǔn)的人臉模式，用來(lái)分別描述整個(gè)人臉和面部特征，然后計(jì)算輸入圖像和存儲(chǔ)的模式間的相互關(guān)系并用于檢測(cè);（4）基于外觀的方法，與模板匹配方法相反，從訓(xùn)練圖像集中進(jìn)行學(xué)習(xí)從而獲得模型，并將這些模型用于檢測(cè)。

人臉識(shí)別過(guò)程主要是指將視頻中實(shí)時(shí)檢測(cè)的人臉目標(biāo)同系統(tǒng)數(shù)據(jù)庫(kù)中人臉根據(jù)相似度進(jìn)行分類比對(duì)的過(guò)程。人臉識(shí)別過(guò)程主要可以分為1∶1識(shí)別和1∶N識(shí)別。其中1∶1識(shí)別是指將現(xiàn)有的人臉圖像同數(shù)據(jù)中對(duì)應(yīng)的該人人像進(jìn)行比對(duì)，辨認(rèn)是否為同一人的過(guò)程;而1∶N識(shí)別是人臉圖像與數(shù)據(jù)庫(kù)中已有全部的人像進(jìn)行比對(duì)的過(guò)程，是眾里尋一的過(guò)程。當(dāng)然也可以是客戶端錄入一個(gè)人臉特征信息，與前端眾多智能攝像頭各自提取的人臉特征數(shù)據(jù)比對(duì)。1∶N的人臉辨認(rèn)過(guò)程較1∶1的人臉確認(rèn)過(guò)程困難得多，因?yàn)?∶N的人臉比對(duì)過(guò)程往往需要海量的數(shù)據(jù)比對(duì)過(guò)程。

2.3 圖像Hash值匹配

無(wú)人值守中另一個(gè)功能是圖像匹配，它的應(yīng)用也很廣泛，如在一個(gè)監(jiān)控畫面中發(fā)現(xiàn)目標(biāo)，截取這個(gè)畫面在監(jiān)控系統(tǒng)中匹配查詢，最終獲取目標(biāo)所在位置信息。

圖像匹配的算法有很多，其中Hash圖像匹配是眾多圖像匹配算法的一種，這類算法的原理都是通過(guò)圖片進(jìn)行處理，去除圖片中的高頻信息，通過(guò)低頻輪廓信息生成圖片Hash值，再通過(guò)圖片Hash值漢明距離來(lái)刻畫圖片的相似程度。

3? 系統(tǒng)數(shù)據(jù)庫(kù)設(shè)計(jì)

根據(jù)數(shù)據(jù)庫(kù)設(shè)計(jì)的相關(guān)原理及方法，無(wú)人值守監(jiān)控系統(tǒng)的實(shí)體包括公安機(jī)關(guān)、攝像頭、嫌疑人、監(jiān)控截圖、人臉等實(shí)體對(duì)象，其中公安機(jī)關(guān)與攝像頭及嫌疑人之間存在信息錄入聯(lián)系，攝像頭與監(jiān)控截圖及人臉之間存在監(jiān)控聯(lián)系，而監(jiān)控截圖及人臉實(shí)體為嫌疑人的特征。無(wú)人值守系統(tǒng)中涉及實(shí)體及實(shí)體間聯(lián)系可由圖1加以描述。

根據(jù)圖1刻畫的無(wú)人值守監(jiān)控系統(tǒng)的實(shí)體關(guān)系圖，結(jié)合數(shù)據(jù)庫(kù)設(shè)計(jì)相關(guān)原理，設(shè)計(jì)無(wú)人值守系統(tǒng)數(shù)據(jù)庫(kù)表見(jiàn)表1～表7。

4? 系統(tǒng)整體設(shè)計(jì)

無(wú)人值守監(jiān)控系統(tǒng)整體設(shè)計(jì)為分布式集群系統(tǒng)。系統(tǒng)將整個(gè)智能監(jiān)控任務(wù)拆分為視頻實(shí)時(shí)監(jiān)控部分、信息錄入部分和特征匹配部分。其中視頻實(shí)時(shí)監(jiān)控部分是由各個(gè)智能監(jiān)控?cái)z像頭完成對(duì)不同場(chǎng)景視頻背景的自適應(yīng)、目標(biāo)定位、目標(biāo)Hash值計(jì)算和人臉特征提取等任務(wù)并實(shí)時(shí)向特征匹配部分發(fā)送相關(guān)特征值進(jìn)行匹配;而信息錄入部分是基于MVC設(shè)計(jì)模式實(shí)現(xiàn)嫌疑人信息錄入，其中視圖模塊包括錄入機(jī)關(guān)登陸、嫌疑人身份錄入、監(jiān)控截圖上傳、監(jiān)控人臉截圖上傳等功能;信息上傳后，模型模塊對(duì)上傳的圖像進(jìn)行Hash計(jì)算并識(shí)別人臉特征，最終將需監(jiān)控的嫌疑人相關(guān)信息錄入系統(tǒng)數(shù)據(jù)庫(kù)并通知特征匹配部分讀取新嫌疑人信息;特征匹配部分主要完成從視頻監(jiān)控部分傳來(lái)的運(yùn)動(dòng)目標(biāo)相關(guān)特征值等同數(shù)據(jù)庫(kù)中需監(jiān)測(cè)嫌疑人相關(guān)特征值進(jìn)行比對(duì)，當(dāng)監(jiān)測(cè)出與嫌疑目標(biāo)有相似特征時(shí)，通過(guò)傳來(lái)數(shù)據(jù)包的IP和MAC地址在數(shù)據(jù)庫(kù)中查找出相應(yīng)探頭以實(shí)現(xiàn)對(duì)嫌疑人行蹤的實(shí)時(shí)定位。無(wú)人值守系統(tǒng)整體設(shè)計(jì)如圖2所示。

5? 結(jié)語(yǔ)

該文從整體架構(gòu)上對(duì)無(wú)人值守監(jiān)控系統(tǒng)進(jìn)行了闡述，分布式集群架構(gòu)能很好地解決特征實(shí)時(shí)匹配的問(wèn)題，前端智能攝像頭提取特征數(shù)據(jù)再傳送到后臺(tái)，也減輕了服務(wù)器的負(fù)荷，對(duì)無(wú)人值守監(jiān)控系統(tǒng)的設(shè)計(jì)具有借鑒意義。

參考文獻(xiàn)

[1] Wojek C，Dollár P，sSchiele b，et al p.Pedestrian Detection：An Evaluation of the State of the Art[J].IEEE Pattern analysis and machine intelligence，2012，34（4）：743-761.

[2] 陳權(quán).基于分布式集群的多攝像頭的目標(biāo)檢測(cè)和跟蹤的并行算法[D].南京理工大學(xué)，2015.

[3] 趙麗紅，劉紀(jì)紅，徐心和.人臉檢測(cè)方法綜述[J].計(jì)算機(jī)應(yīng)用研究，2004（9）：1-4.

[4] 黃凱奇，陳曉棠，康運(yùn)鋒，等.智能視頻監(jiān)控技術(shù)綜述[J].計(jì)算機(jī)學(xué)報(bào)，2015，38（6）：1093-1118.