羅松飛 王梓成

摘? 要：隨著監(jiān)控攝像頭數(shù)量的幾何式增加，傳統(tǒng)的僅依靠人工實時觀看監(jiān)控信息已力不能及。無人值守系統(tǒng)是一種不需要大量人工干預的智能監(jiān)控系統(tǒng)，它可以自動檢測視頻中目標，并通過報警的方式提醒工作人員。系統(tǒng)通過運動目標檢測、目標定位、Hash圖像匹配、人臉識別等功能實現(xiàn)無人值守。服務器采用分布式集群架構設計，實時完成前端智能攝像頭傳送特征參數(shù)到后臺進行匹配的任務。最后，也簡單設計了無人值守監(jiān)控系統(tǒng)的數(shù)據(jù)庫。

關鍵詞：無人值守? 分布式集群? 智能監(jiān)控? 數(shù)據(jù)庫

中圖分類號：TP277 ? ?文獻標識碼：A 文章編號：1672-3791（2019）11（c）-0013-04

自平安城市項目和3111工程項目建設以來，我國的視頻監(jiān)控系統(tǒng)得到了快速發(fā)展。在2010—2017年期間，我國視頻監(jiān)控市場規(guī)模從242億元增長到1124億元，年均復合增長率達24.53%，其中上海世博會期間，浦東城區(qū)高清監(jiān)控覆蓋項目就投資達10億元人民幣，共設有10000多個監(jiān)控點。但是，大量視頻監(jiān)控點的架設，相應地也產(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，人眼對視頻畫面里95%以上的活動信息視而不見[1]。無人值守監(jiān)控系統(tǒng)是一種不需大量人員干預的智能視頻監(jiān)控系統(tǒng)，其已經(jīng)成為智能監(jiān)控系統(tǒng)的研究熱點。

當前，無人值守監(jiān)控系統(tǒng)的主要研究內容包括：（1）視頻中無人認領可疑物品的檢測報警;（2）對視頻中人流量的自動檢測報警;（3）對禁區(qū)內人和物品進入的檢測報警;（4）對視頻中移動物體的檢測識別和比對，發(fā)現(xiàn)可疑對象報警;（5）對視頻中個體的行為動作識別，發(fā)現(xiàn)危險可疑行為自動報警等。其中，前三類智能視頻監(jiān)控系統(tǒng)易于實現(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，更多涉及人工智能領域相關知識，且目前相關研究進展較為緩慢，還有待進一步深入研究。而該文無人值守監(jiān)控系統(tǒng)設計是針對上述第四類智能視頻監(jiān)控系統(tǒng)。

系統(tǒng)將整個智能監(jiān)控任務拆分為視頻實時監(jiān)控部分、信息錄入部分和特征匹配部分。其中視頻實時監(jiān)控部分完成視頻目標檢測、目標定位、Hash值計算、人臉特征提取等工作;信息錄入部分是基于MVC設計模式實現(xiàn)嫌疑人信息錄入;特征匹配部分主要完成視頻監(jiān)控部分傳來的特征數(shù)據(jù)與數(shù)據(jù)庫中需檢測的嫌疑人進行匹配。

1? 分布式集群架構

前端智能攝像頭提取到人臉特征值，會將這些特征值發(fā)送到后臺服務器進行特征匹配，當大量攝像頭都給服務器發(fā)送特征值進行匹配時，后臺服務器的數(shù)據(jù)運算量也就會急劇增加，單個服務器很難滿足這種數(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)處理的問題。分布式可以理解將一個業(yè)務拆分成多個子業(yè)務，服務器對這些任務并行處理，每個子業(yè)務可以進行通信。集群是將這些服務部署到多臺服務器上，每個服務器稱之為集群節(jié)點，每個節(jié)點提供相同的服務，通過負載均衡服務器來調度每個節(jié)點的負載情況。并且，集群系統(tǒng)還具有可拓展性，可擴展性主要體現(xiàn)在集群中可實時加入新的服務器提升系統(tǒng)整體的性能。通過分布式集群架構，將視頻分析算法應用到分布式集群上，利用無數(shù)個集群節(jié)點實現(xiàn)對視頻任務的并行處理，進而滿足實時視頻監(jiān)控的需要[2]。

2? 視頻實時監(jiān)控

視頻實時監(jiān)控部分是由各個智能監(jiān)控攝像頭完成運動目標檢測、目標定位、目標Hash值計算和人臉特征提取等任務并實時向特征匹配部分發(fā)送相關特征值進行匹配。

2.1 運動目標檢測

運動目標檢測即是從視頻里提取畫面中的運動目標，獲取目標在畫面中的位置、范圍信息，它是無人值守監(jiān)控系統(tǒng)的基礎。運動目標檢測算法有很多，這里簡單介紹其中一種——背景差分法。

背景差分法適用于固定監(jiān)控范圍的攝像頭，它是將視頻當前幀同背景參考幀做差，提取差分圖像，在此基礎上再選取合適的閾值對差分圖像進行二值化，繼而獲取前景運動目標。背景差分法主要分為3個步驟：首先，是如何獲取視頻中當前背景圖像。目前來說，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)計這段視頻內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。這個過程主要是使用當前幀減去背景幀，設定閾值，提取出運動目標。最后，背景的自適應更新。背景更新的目的是為了適應環(huán)境和光照等因素而造成背景的變化，對背景實時更新，繼而更準確地提取運動目標。

2.2 人臉特征提取及識別

人臉特征提取是指從監(jiān)控畫面中檢測出人臉，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)庫中的人臉進行比對，而后完成人臉識別。

人臉檢測作為人臉識別的第一環(huán)節(jié)，它的目標是找出視頻圖像中所有的人臉對應的位置，算法的輸出是人臉外接矩形在圖像中的坐標。文獻[3]中將人臉檢測算法分為了4類：（1）基于知識的方法，它將典型的人臉形成規(guī)則庫對人臉進行編碼，并通過面部特征之間的關系進行人臉定位;（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，存儲幾種標準的人臉模式，用來分別描述整個人臉和面部特征，然后計算輸入圖像和存儲的模式間的相互關系并用于檢測;（4）基于外觀的方法，與模板匹配方法相反，從訓練圖像集中進行學習從而獲得模型，并將這些模型用于檢測。

人臉識別過程主要是指將視頻中實時檢測的人臉目標同系統(tǒng)數(shù)據(jù)庫中人臉根據(jù)相似度進行分類比對的過程。人臉識別過程主要可以分為1∶1識別和1∶N識別。其中1∶1識別是指將現(xiàn)有的人臉圖像同數(shù)據(jù)中對應的該人人像進行比對，辨認是否為同一人的過程;而1∶N識別是人臉圖像與數(shù)據(jù)庫中已有全部的人像進行比對的過程，是眾里尋一的過程。當然也可以是客戶端錄入一個人臉特征信息，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。1∶N的人臉辨認過程較1∶1的人臉確認過程困難得多，因為1∶N的人臉比對過程往往需要海量的數(shù)據(jù)比對過程。

2.3 圖像Hash值匹配

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

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圖片進行處理，去除圖片中的高頻信息，通過低頻輪廓信息生成圖片Hash值，再通過圖片Hash值漢明距離來刻畫圖片的相似程度。

3? 系統(tǒng)數(shù)據(jù)庫設計

根據(jù)數(shù)據(jù)庫設計的相關原理及方法，無人值守監(jiān)控系統(tǒng)的實體包括公安機關、攝像頭、嫌疑人、監(jiān)控截圖、人臉等實體對象，其中公安機關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)控截圖及人臉實體為嫌疑人的特征。無人值守系統(tǒng)中涉及實體及實體間聯(lián)系可由圖1加以描述。

根據(jù)圖1刻畫的無人值守監(jiān)控系統(tǒng)的實體關系圖，結合數(shù)據(jù)庫設計相關原理，設計無人值守系統(tǒng)數(shù)據(jù)庫表見表1～表7。

4? 系統(tǒng)整體設計

無人值守監(jiān)控系統(tǒng)整體設計為分布式集群系統(tǒng)。系統(tǒng)將整個智能監(jiān)控任務拆分為視頻實時監(jiān)控部分、信息錄入部分和特征匹配部分。其中視頻實時監(jiān)控部分是由各個智能監(jiān)控攝像頭完成對不同場景視頻背景的自適應、目標定位、目標Hash值計算和人臉特征提取等任務并實時向特征匹配部分發(fā)送相關特征值進行匹配;而信息錄入部分是基于MVC設計模式實現(xiàn)嫌疑人信息錄入，其中視圖模塊包括錄入機關登陸、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，模型模塊對上傳的圖像進行Hash計算并識別人臉特征，最終將需監(jiān)控的嫌疑人相關信息錄入系統(tǒng)數(shù)據(jù)庫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)控部分傳來的運動目標相關特征值等同數(shù)據(jù)庫中需監(jiān)測嫌疑人相關特征值進行比對，當監(jiān)測出與嫌疑目標有相似特征時，通過傳來數(shù)據(jù)包的IP和MAC地址在數(shù)據(jù)庫中查找出相應探頭以實現(xiàn)對嫌疑人行蹤的實時定位。無人值守系統(tǒng)整體設計如圖2所示。

5? 結語

該文從整體架構上對無人值守監(jiān)控系統(tǒng)進行了闡述，分布式集群架構能很好地解決特征實時匹配的問題，前端智能攝像頭提取特征數(shù)據(jù)再傳送到后臺，也減輕了服務器的負荷，對無人值守監(jiān)控系統(tǒng)的設計具有借鑒意義。

參考文獻

[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.基于分布式集群的多攝像頭的目標檢測和跟蹤的并行算法[D].南京理工大學，2015.

[3] 趙麗紅，劉紀紅，徐心和.人臉檢測方法綜述[J].計算機應用研究，2004（9）：1-4.

[4] 黃凱奇，陳曉棠，康運鋒，等.智能視頻監(jiān)控技術綜述[J].計算機學報，2015，38（6）：1093-1118.