黃葉玨

摘 要：針對目前醫(yī)?；鸾灰捉Y算監(jiān)管的新形勢，傳統(tǒng)視頻監(jiān)控已無法滿足對藥店非準許范圍內交易進行監(jiān)管的要求。提出一種基于特定類型物體檢測的藥店視頻監(jiān)管系統(tǒng)，該系統(tǒng)在傳統(tǒng)視頻監(jiān)控的基礎上，針對藥店監(jiān)管的具體場景進行設計，并進一步采用智能視頻分析方法檢測和識別藥店典型的非準許經營范圍的商品。在后臺管理系統(tǒng)中，醫(yī)保中心的監(jiān)管工作人員可以非常方便地對藥店產品的醫(yī)?；鸾Y算交易進行監(jiān)管。

關鍵詞：醫(yī)?；鸨O(jiān)管；視頻監(jiān)控；視頻分析；特定類型物體檢測；高斯混合模型

DOIDOI：10.11907/rjdk.162272

中圖分類號：TP319

文獻標識碼：A文章編號：1672-7800（2016）012-0080-02

0 引言

隨著國家開放藥店準入機制，藥店經營門檻降低，監(jiān)管部門為了加強對藥店的管理，在藥店里安裝了視頻監(jiān)控系統(tǒng)，但是傳統(tǒng)的視頻監(jiān)控系統(tǒng)難以滿足監(jiān)管部門的監(jiān)控需求。由于藥店處于市場自由競爭狀態(tài)，很多藥店為了自身利益，會出售一些準許經營范圍之外的物品，如大米、紅棗、醬油等。為進一步獲取利益，不少藥店甚至違規(guī)使用醫(yī)?；穑T導消費者使用醫(yī)?；鹳徺I非藥品類商品，從而達到騙取醫(yī)?；鸬哪康?。一般情況下，一個地級市有近1 000家藥店，監(jiān)管部門采用普通的視頻監(jiān)控系統(tǒng)根本不可能完成對所有藥店非法行為進行監(jiān)管的任務。因此，本文根據目前藥店的實際情況，提出一種基于特定類型物體檢測的藥店視頻監(jiān)管系統(tǒng)，它在傳統(tǒng)視頻監(jiān)控的基礎上，采用視頻分析方式對非準許經營范圍的典型物品進行檢測[1-2]。系統(tǒng)可以對藥店每筆發(fā)生醫(yī)?；鸾Y算的交易提取現(xiàn)場視頻片段摘要，并把檢測結果推薦給監(jiān)管部門負責人，以方便對藥店交易行為進行監(jiān)管[3-4]。

1 基于交易的現(xiàn)場視頻片段摘要提取前端系統(tǒng)

基于交易的現(xiàn)場視頻片段摘要提取前端系統(tǒng)安裝在藥店的計算機上，通過Onvif或GB18181協(xié)議與藥店現(xiàn)場的網絡監(jiān)控相機相連。前端系統(tǒng)對藥店營業(yè)時間內所有的監(jiān)控視頻進行解析，當藥店產生交易時，藥店的HIS系統(tǒng)與醫(yī)保中心的醫(yī)保結算系統(tǒng)產生結算記錄。在該時間點上，醫(yī)保中心的后臺系統(tǒng)推送一個時間戳給前端系統(tǒng)，前端系統(tǒng)則抓拍一張當時現(xiàn)場發(fā)生交易時的全景圖像，并保存該時間戳前后5分鐘的視頻數據，然后把兩個數據組成一個包組上傳到后臺管理系統(tǒng)中。由于前端系統(tǒng)與醫(yī)保中心的后臺系統(tǒng)發(fā)生關系時，時間點非常重要，所以前端系統(tǒng)每天上午啟動時，都會與醫(yī)保中心的后臺系統(tǒng)進行時間同步。

前端系統(tǒng)在藥店早上打開計算機進行營業(yè)時自啟動程序，程序啟動后首先隱藏自身界面，然后創(chuàng)建10分鐘的視頻碼流緩沖區(qū)；通過預先配置好的設置，通過Onvif或GB18181協(xié)議訪問藥店現(xiàn)場的網絡相機，獲取視頻流，并把視頻碼流放入預先創(chuàng)建的視頻碼流緩沖區(qū)中；當前端系統(tǒng)收到醫(yī)保中心后臺系統(tǒng)推送的時間戳時，從視頻碼流緩沖區(qū)中找到時間戳的位置，取出當前位置的視頻幀解碼成全景抓拍照片，再向前與向后分別截取5分鐘視頻碼流，組成10分鐘交易視頻片段；最后將全景抓拍照片與10分鐘的視頻片段組包上傳到后臺管理系統(tǒng)中[5-6]。

2 特定類型物體檢測后端識別系統(tǒng)

為進一步方便醫(yī)保中心的監(jiān)管，系統(tǒng)引入圖像識別算法，對特定類型商品（非準許經營的商品）進行識別。當發(fā)生醫(yī)?；鸾Y算時，后端識別系統(tǒng)根據前端系統(tǒng)提交的全景照片，識別是否存在特定類型的商品。當出現(xiàn)特定類型商品時，系統(tǒng)把該筆交易的審查優(yōu)先級提高，優(yōu)先推薦給醫(yī)保中心的監(jiān)管工作人員進行審查?？紤]到藥店數量多，交易量大，為了減輕后臺系統(tǒng)的計算壓力，根據相機視野固定的特點，可以在安裝時設置感興趣的區(qū)域，特定類型的物體檢測只在預設的感興趣區(qū)域中進行。考慮到交易過程中，商品必定會產生移動，所以可引入移動偵測算法，只有當出現(xiàn)移動物體時才進行識別。

特定類型的商品識別采用檢測的方式實現(xiàn)，首先收集特定商品圖片作為訓練集的正例，以及不包含特定商品的圖片作為訓練集的負例，然后針對每一種特定商品進行分類器訓練。分類器采用支持向量機算法SVM[9]，分類器特征采用HOG特征算法[7-8]。在檢測時，特征值與SVM的參數向量相乘得到一個分數，當分數小于零時，判定不是該類商品；當分數大于零時，則判定屬于該類商品。

當后端識別系統(tǒng)收到前端系統(tǒng)傳來的組包后，采用視頻移動偵測的方式計算感興趣區(qū)域內是否存在移動物體，移動偵測采用高斯混合模型GMM算法[10-11]。當存在移動物體時，求出其外接包圍盒，并使用之前預告訓練好的特定商品分類器，識別是否為特定商品。

3 后端管理系統(tǒng)

后端管理系統(tǒng)提供給醫(yī)保中心的監(jiān)管工作人員使用，主要由人員管理、藥店注冊、實時交易視頻摘要瀏覽、藥店攝像機異常報警與違規(guī)交易統(tǒng)計5大模塊組成：人員管理模塊主要用于設置監(jiān)管工作人員的使用權限，該功能比較常見，實現(xiàn)也很簡單；藥店注冊模塊用于關聯(lián)前端系統(tǒng)、后端識別系統(tǒng)和后端管理系統(tǒng)。注冊時系統(tǒng)自動生成一個唯一的GID號代表藥店一個相機的標識，安裝人員在安裝前端系統(tǒng)時，需要在系統(tǒng)中設置該藥店攝像機的GID號，3大系統(tǒng)即可根據GID進行關聯(lián)。由于藥店攝像機數量眾多，系統(tǒng)還可提供批量導出GID號的功能，以方便前端安裝人員配置系統(tǒng)；實時交易視頻摘要瀏覽模塊是整個系統(tǒng)的核心部分，可方便醫(yī)保中心監(jiān)管工作人員審核藥店交易是否違規(guī)。瀏覽模式可以選擇按藥店名稱、交易時間、大圖或中圖模式、識別優(yōu)先級等進行瀏覽。其中，按識別優(yōu)先級瀏覽指后端識別系統(tǒng)在進行識別后，會根據違規(guī)商品檢測結果計算一個檢測分數，檢測分數高時，則優(yōu)先級也高。監(jiān)管工作人員瀏覽時，可以根據系統(tǒng)提供的正常播放、快速播放、暫停、切片等方式審核交易，并進行標記；藥店攝像機異常報警模塊主要用于檢測藥店攝像機是否存在異常，如攝像機是否正常連接、是否被遮擋、圖像品質是否正常等。當出現(xiàn)異常情況時，則在系統(tǒng)上報警或發(fā)短信給管理人員；違規(guī)交易統(tǒng)計模塊主要用于統(tǒng)計審核后的結果，并提供各種統(tǒng)計方式。

管理系統(tǒng)為B/S架構，主要由Java編程實現(xiàn)。與圖像和視頻處理相關的部分，比如視頻播放由C++編程實現(xiàn)，并包裝成OCX控件提供給頁面JavaScript進行調用；后端攝像機異常檢測也由C++實現(xiàn)，由于系統(tǒng)布置在Centos上，所以需要編譯成動態(tài)鏈接庫SO文件，由Java通過JNI進行調用。

4 結語

鑒于目前藥店監(jiān)管的新形勢，本文提出一種基于特定類型物體檢測的藥店視頻監(jiān)管系統(tǒng)，在傳統(tǒng)通用視頻監(jiān)控系統(tǒng)的基礎上，引入智能視頻分析算法實現(xiàn)對特定類型商品的檢測和識別，從而對藥店的違規(guī)經營情況進行監(jiān)管。

參考文獻：

[1] TAO KONG，ANBANG YAO，YURONG CHEN，et al.HyperNet：towards accurate region proposal generation and joint object detection[C].Conference on Computer Vision and Pattern Recognition，2016.

[2] KEZE WANG，LIANG LIN，WANGMENG ZUO，et al.Dictionary pair classifier driven convolutional neural networks for object detection[C].Conference on Computer Vision and Pattern Recognition，2016.

[3] DAVID NOVOTNY，JI MATAS.Cascaded sparse spatial bins for efficient and effective generic object detection[C].ICCV，2015.

[4] CEWU LU，YONGYI LU，HAO CHEN，et al.Square localization for efficient and accurate object detection[C].ICCV，2015.

[5] 高仕博，程詠梅，肖利平，等.面向目標檢測的稀疏表示方法研究進展[J].電子學報，2015（2）：78-85.

[6] 羅大鵬，羅琛，魏龍生，等.基于在線隨機蕨分類器的實時視覺感知系統(tǒng)[J].電子學報，2016，44（5）：56-62.

[7] DALAL N，TRIGGS B.Histograms of oriented gradients for human detection[C].Computer Vision and Pattern Recognition，2005.

[8] ZHU Q，YEH M C，CHENG K T，et al.Fast human detection using a cascade of histograms of oriented gradients[C].Computer Vision and Pattern Recognition，2006.

[9] P H CHEN，C J LIN，B SCHLKOPF.A tutorial on ν-support vector machines[J].Applied Stochastic Models in Business and Industry，2005，21（2）：111-136.

[10] STAUFFER C，GRIMSON W E L.Adaptive background mixture models for real-time tracking[C].Conference on Computer Vision and Pattern Recognition，1999.

[11] STAUFFER C，GRIMSON W E L.Learning patterns of activity using real-time tracking[J].IEEE Transactions on Pattern Analysis & Machine Intelligence，2000，22（8）：747-757.

（責任編輯：黃 ?。?