吳紅梅 鄭士建

摘要：本文主要內(nèi)容是進(jìn)行電梯轎廂內(nèi)監(jiān)控視頻乘客異常行為檢測(cè)研究。建立基于乘客異常行為檢測(cè)的人工智能電梯音視頻監(jiān)控智能系統(tǒng)，能夠自動(dòng)地檢測(cè)電梯乘客有無(wú)異常行為。

關(guān)鍵詞：視頻；異常行為；智能檢測(cè)

一、引言

視頻異常行為智能檢測(cè)系統(tǒng)目前已經(jīng)成為國(guó)際上最被人們所關(guān)注的科研熱點(diǎn)之一，美國(guó)、歐洲許多高校對(duì)其進(jìn)行了大量的研究工作。隨著智能視頻分析技術(shù)應(yīng)用的普及，已經(jīng)成為目前計(jì)算機(jī)技術(shù)的熱點(diǎn)研究方向。伴隨著國(guó)家對(duì)公共安全的重視程度不斷提高，涌現(xiàn)出一系列重大安全項(xiàng)目，例如平安城市、平安校園等，這也意味著我國(guó)家在視頻監(jiān)控系統(tǒng)方面的投入越來(lái)越大。

二、異常行為檢測(cè)內(nèi)容

（1）研究面向服務(wù)器端、視頻智能終端的數(shù)據(jù)智能方法、共享服務(wù)機(jī)制。

為了實(shí)現(xiàn)電梯內(nèi)外視頻異常行為檢測(cè)、人工智能深度網(wǎng)絡(luò)算法快速實(shí)施，需要構(gòu)建一套以大數(shù)據(jù)驅(qū)動(dòng)、面向服務(wù)器端的人工智能開(kāi)發(fā)創(chuàng)新服務(wù)平臺(tái)，就需要研究該平臺(tái)中數(shù)據(jù)驅(qū)動(dòng)的AI能力服務(wù)模型、數(shù)據(jù)智能處理方法、部分智能終端的消息處理模式、面向多用戶的數(shù)據(jù)、能力、算法共享服務(wù)機(jī)制。

（2）研究電梯運(yùn)行狀態(tài)下不同類(lèi)型知識(shí)的獲取、表達(dá)和存儲(chǔ)方法，建立視覺(jué)智能計(jì)算、視頻異常檢測(cè)分析模型及跨媒體推理的引擎。

首先構(gòu)建海量數(shù)據(jù)（視頻、聲音、圖像、文本）的獲取、表達(dá)、存儲(chǔ)機(jī)制。通過(guò)對(duì)數(shù)據(jù)流加密和通用協(xié)議（包括TCP、UDP、FTP、HTTPS、MQTT等協(xié)議）的實(shí)現(xiàn)，來(lái)完成數(shù)據(jù)采集存儲(chǔ)分析。通過(guò)對(duì)這方面不同技術(shù)的研究，提出一種安全、快速的多源數(shù)據(jù)采集存儲(chǔ)方案。從而有效的保障制造業(yè)數(shù)據(jù)采集與實(shí)時(shí)感知生產(chǎn)運(yùn)行狀態(tài)。

（3）研究人工智能軟件加速方法和算法，尤其是深度神經(jīng)網(wǎng)絡(luò)加速運(yùn)算快速執(zhí)行方法，研究稀疏化神經(jīng)網(wǎng)絡(luò)推斷技術(shù)。

為了完成更加電梯中多種數(shù)據(jù)類(lèi)型及復(fù)雜的信息處理任務(wù)時(shí)，深度神經(jīng)網(wǎng)絡(luò)變得越來(lái)越深，也使得其計(jì)算量越來(lái)越大。當(dāng)深度神經(jīng)網(wǎng)絡(luò)在應(yīng)用到電梯跨媒體推理場(chǎng)景時(shí)，有很多情況下必須在智能手機(jī)、穿戴設(shè)備等嵌入式設(shè)備上使用。如何使用有效方法壓縮網(wǎng)絡(luò)模型就十分重要。需要對(duì)深度神經(jīng)網(wǎng)絡(luò)加速與壓縮的開(kāi)展研究：在保證現(xiàn)有模型的性能基本不變的前提下，采用一些方法能夠有效的大幅減少計(jì)算量、降低模型的體積，同時(shí)完成對(duì)神經(jīng)網(wǎng)絡(luò)在空間上的模型壓縮和時(shí)間上的計(jì)算加速，從而滿足存儲(chǔ)空間和計(jì)算時(shí)間的要求。

三、電梯轎廂內(nèi)異常行為檢測(cè)的過(guò)程

電梯轎廂內(nèi)異常行為檢測(cè)過(guò)程如圖1.1所示。

目標(biāo)檢測(cè)的主要任務(wù)是對(duì)運(yùn)動(dòng)的目標(biāo)進(jìn)行檢測(cè)和標(biāo)記。在視頻場(chǎng)景中提取運(yùn)動(dòng)目標(biāo)經(jīng)常會(huì)受到各種環(huán)境各種因素的制約，例如：（1）背景干擾。包括背景噪聲、霧霾影響、樹(shù)枝晃動(dòng)、水波蕩漾等因素的變化造成。（2）光照強(qiáng)度的變化以及陰影干擾。室外光照隨時(shí)間變化，導(dǎo)致物體陰影也跟著變化等。（3）運(yùn)動(dòng)前景目標(biāo)的變化性，比如擁擠的商場(chǎng)或公園等公共場(chǎng)合。（4）目標(biāo)長(zhǎng)時(shí)間靜止或運(yùn)動(dòng)較為緩慢導(dǎo)致誤判為背景燈。由于背景的多樣性特征，運(yùn)動(dòng)目標(biāo)檢測(cè)方法要能夠通用于較多的復(fù)雜環(huán)境。

四、結(jié)語(yǔ)

目前我國(guó)的視頻監(jiān)控技術(shù)尚未完全成熟，市場(chǎng)上的視頻監(jiān)控產(chǎn)品還是以模擬技術(shù)為主、數(shù)字技術(shù)為輔。很多發(fā)達(dá)國(guó)家對(duì)智能視頻監(jiān)控的研究應(yīng)用暫時(shí)領(lǐng)先于我國(guó)，掌握了一些智能視頻監(jiān)控的核心算法技術(shù)，我國(guó)在這方面的發(fā)展仍有一定的差距。隨著時(shí)代的需求及當(dāng)前我國(guó)對(duì)智能監(jiān)控技術(shù)領(lǐng)域的大力支持，視頻監(jiān)控中的動(dòng)態(tài)監(jiān)測(cè)和實(shí)時(shí)監(jiān)控方面的發(fā)展速度迅猛。傳統(tǒng)型的視頻監(jiān)控系統(tǒng)將朝向智能化監(jiān)控系統(tǒng)方向轉(zhuǎn)變，隨著互聯(lián)網(wǎng)時(shí)代的大趨勢(shì)不斷推進(jìn)。

參考文獻(xiàn)：

[1] 薛璐晨.基于OpenCV的行人異常檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].吉林大學(xué)，2016.

[2] 郭禮華，袁曉彤，李建華.基于直方圖的Snake視頻對(duì)象跟蹤算法[J].中國(guó)圖像圖形學(xué)報(bào)，2005（02）.

[3] 徐騰飛.視頻序列中基于檢測(cè)的多目標(biāo)跟蹤研究[D].南京郵電大學(xué)，2011.

[4] 吳金勇，虞致國(guó)等.基于視頻的入侵檢測(cè)系統(tǒng)[J].電子測(cè)量技術(shù)，2006（01）.

基金項(xiàng)目：2021年杭州職業(yè)技術(shù)學(xué)院科研項(xiàng)目（編號(hào)：ky202128）；2020年度浙江省大學(xué)生科技創(chuàng)新活動(dòng)計(jì)劃暨新苗人才計(jì)劃項(xiàng)目“基于乘客異常行為檢測(cè)的電梯監(jiān)控云平臺(tái)開(kāi)發(fā)”（編號(hào)：2020R428011）。

作者簡(jiǎn)介：吳紅梅（1981—），女，浙江武義人，碩士，研究方向：應(yīng)用電子。