CN106534653A - 用于检测室内运动目标的网络摄像装置及其检测方法 - Google Patents
用于检测室内运动目标的网络摄像装置及其检测方法 Download PDFInfo
- Publication number
- CN106534653A CN106534653A CN201611253238.0A CN201611253238A CN106534653A CN 106534653 A CN106534653 A CN 106534653A CN 201611253238 A CN201611253238 A CN 201611253238A CN 106534653 A CN106534653 A CN 106534653A
- Authority
- CN
- China
- Prior art keywords
- moving target
- circuit
- main control
- control modules
- arm main
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/50—Constructional details
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/66—Remote control of cameras or camera parts, e.g. by remote control devices
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明提供了一种用于检测室内运动目标的网络摄像装置及其检测方法。网络摄像装置包括ARM主控模块、电源管理电路、外部存储电路、网卡电路、DUSB串口电路、USB电路、降压模块、USB摄像头和WIFI模块;ARM主控模块利用基于OpenCV的运动目标检测算法来判断监控视频数据中是否有运动目标出现,并在判定有运动目标出现的情况下,通过USB电路将监控视频数据经由WIFI模块发送至监控主机并保存。检测方法通过获取初始背景帧及实时获取当前视频对应的图像序列,根据运动目标检测算法中的混合高斯模型背景减除算法来对图像序列中每一帧图像进行前景提取和背景更新,并进行二值化处理,通过判断前景二值化结果中白像素点个数是否超过设定阈值,来确定是否有运动目标。
Description
技术领域
本发明涉及安防领域,尤其涉及一种用于检测室内运动目标的网络摄像装置及其检测方法。
背景技术
对于诸如高校实验室、仓库、机房等室内环境而言,监管问题一直是安全管理中比较关键的问题。如何能够快速有效的获取监控视频内容,减少管理人员查看监控内容的负担,实现对高校实验室、仓库、机房等室内的高效监控管理,是现阶段研究的重点内容之一。
然而,传统的网络摄像头只是简单地将监控内容保存下来,并没有充分发挥它的实时主动监控的作用,不能很好体现监控摄像头的工作效率。
发明内容
在下文中给出了关于本发明的简要概述,以便提供关于本发明的某些方面的基本理解。应当理解,这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分,也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念,以此作为稍后论述的更详细描述的前序。
鉴于此,本发明提供了一种用于检测室内运动目标的网络摄像装置及其检测方法,以至少解决由于实验室、仓库、机房等室内人员流动性大而导致监管困难以及传统网络摄像头存储大量无意义视频内容、工作效率低的问题。
根据本发明的一个方面,提供了一种用于检测室内运动目标的网络摄像装置,用于检测室内运动目标的网络摄像装置包括ARM主控模块、电源管理电路、外部存储电路、网卡电路、DUSB串口电路、USB电路、降压模块、USB摄像头和WIFI模块;电源管理电路的+1.0V~+3.0V输出端与ARM主控模块的电压输入端相连,并通过降压模块输出电源电压;外部存储电路连接ARM主控模块以存储来自ARM主控模块的数据;USB摄像头经由USB电路连接ARM主控模块,其用于采集监控视频数据,并将采集到的监控视频数据发送给ARM主控模块;网卡电路和DUSB串口电路用于移植U-boot、Linux内核、根文件系统、OpenCV视觉库;ARM主控模块用于利用基于OpenCV的运动目标检测算法来判断监控视频数据中是否有运动目标出现,并在判定有运动目标出现的情况下,通过USB电路将监控视频数据经由WIFI模块发送至监控主机并保存。
进一步地,ARM主控模块包括Exynos 4412芯片、第一时钟电路和第一复位电路。
进一步地,电源管理电路包括S5M8767A芯片、第二时钟电路和第二复位电路;S5M8767A芯片将来自电源适配器的+5V电源电压转换成+1.0V~+3.0V电源电压;第二时钟电路由32.768KHz晶振X2和电容构成;第二复位电路的复位信号由复位按键SW1产生,与S5M8767A芯片的PWRON引脚相连。
进一步地,外部存储电路包括DDR3双倍速率同步动态随机存储器和EMMC存储芯片;DDR3存储器为K4B4G1646B-HYXX芯片,用于存储程序与数据,其地址总线和数据总线分别与ARM主控模块相连;DDR3存储器的地址选择引脚与ARM主控模块对应的DRAM地址选择引脚相连;EMMC存储芯片型号为KLMxGxFEJA-x001,其数据输入引脚与ARM主控模块对应的DRAM数据输出引脚相连接,由电源管理电路为其提供电源。
进一步地,网卡电路包括网卡芯片LAN9215、网线插座和电平转换芯片,网线插座型号为HR911105A,且网线插座与网卡芯片LAN9215相连,网卡芯片LAN9215的数据总线和地址线分别与电平转换芯片74ALVC164245DGG相连,电平转换芯片与ARM主控模块相连接。
进一步地,DUSB串口电路包括MAX3232CSE收发器和一个9针公口连接器DSUB9,MAX3232CSE收发器与9针公口连接器相连,且MAX3232CSE收发器与ARM主控模块连接。
进一步地,USB电路包括USB集线器芯片USB3503A和3个USB2.0插座;ARM主控模块与USB集线器芯片USB3503A相连接;USB摄像头与WIFI模块通过对应的USB插座而与ARM主控模块进行连接。
进一步地,降压模块包括降压芯片MP2012DQ和降压芯片MP2109;降压芯片MP2012DQ输出+1.8V电压作为电源DC33V;降压芯片MP2109输出+1.8V电压作为电源VDD1V8_EXT。
进一步地,ARM主控模块1被配置用于按照如下方式执行基于OpenCV的运动目标检测算法,以判断监控视频数据中是否有运动目标:A1、获得初始背景帧;A2、获得待处理的监控视频数据;A3、利用初始背景帧,根据混合高斯模型背景减除算法,对待处理的监控视频数据中每一帧图像进行前景提取和背景更新,并进行前景图像二值化;其中,在所述混合高斯模型背景减除算法中,用于计算当前帧的前景二值化后白像素点个数的背景图像为该帧的上一帧;A4、判断待处理的监控视频数据中每一帧图像的二值化图像中的白像素点个数是否超过预设阈值:若超过,则判定该监控视频数据中存在运动目标;否则,若监控视频数据中任一帧图像的二值化图像中的白像素点个数均未超过上述预设阈值,则判定该监控视频数据中不存在运动目标。
根据本发明的另一方面,还提供了一种如上所述的用于检测室内运动目标的网络摄像装置的检测方法,该检测方法包括:将USB摄像头的客户端应用连接服务器,并打开USB摄像头;通过USB摄像头获取初始背景帧,并将该初始背景帧发送至服务器;通过USB摄像头实时获取当前视频对应的图像序列,以根据运动目标检测算法中的混合高斯模型背景减除算法来对图像序列中每一帧图像进行前景提取和背景更新,并对所提取的每一帧图像的前景图像进行二值化处理,得到每一帧图像的前景二值化结果;针对每一帧图像的前景二值化结果,判断该前景二值化结果中白像素点个数是否超过设定阈值,并在该前景二值化结果中白像素点个数超过设定阈值的情况下判断当前视频中有运动画面,并将当前视频发送给服务器;通过服务器将当前视频作为运动视频转发给监控主机;通过监控主机将接收到的运动视频保存成单个avi视频文件,整个运动视频的检测和传输结束。
本发明提出的用于检测室内运动目标的网络摄像装置及其检测方法,其安全性和工作效率高,克服了诸如实验室、仓库等管理人员难以监管实验室、查阅监控视频录像困难以及监控图像视频占用存储空间大等问题,良好地实现了缩小监控图像视频占用内存、解决了查阅监控图像视频耗时耗力问题,显著提高工作效率。
本发明的用于检测室内运动目标的网络摄像装置及其检测方法,以ARM为核心,依靠电源管理芯片将适配器+5V电源转换后进行供电,最终实现当没有人员进入监控区域时,摄像头不传输监控视频图像至监控主机。当有人员进入室内监控区域时,摄像头中的基于OpenCV的运动目标检测算法将有运动目标的监控视频图像通过压缩算法进行处理后用WIFI模块传输至监控主机端并保存下来。
本发明从室内监控管理的实际角度出发,本着设计合理、成本低廉、安装简单的设计方案,所采用的电源管理电路、WIFI模块、USB摄像头等成本适中,且质量安全可靠,能够满足高校实验室、仓库、图书馆等室内场所管理方面的经济规划和安全保障,实验证明了本发明设计电路的正确性和可行性,完全适用于高校实验室、仓库、图书馆等室内场所的视频监控管理。
此外,针对需要调取大量监控视频进行查阅的情况,传统的处理方式是对指定时间段内的所有监控视频进行查阅,处理效率较低;而本发明的上述技术由于在视频存储阶段大大缩小了存储的数据量,也即,同一时间段内存储的数据量相比现有技术大大减少,而仅是保留对于监控而言极为重要的运动视频数据,因此可以提高查阅监控视频的效率,能够较为快速地找出破坏实验室等室内环境或涉及犯罪行为的监控录像,有助于案件的破解。
通过以下结合附图对本发明的最佳实施例的详细说明,本发明的这些以及其他优点将更加明显。
附图说明
本发明可以通过参考下文中结合附图所给出的描述而得到更好的理解,其中在所有附图中使用了相同或相似的附图标记来表示相同或者相似的部件。所述附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分,而且用来进一步举例说明本发明的优选实施例和解释本发明的原理和优点。在附图中:
图1为本发明的用于检测室内运动目标的网络摄像装置的一个示例的结构示意图;
图2为本发明的用于检测室内运动目标的网络摄像装置的检测方法的一种示例性处理的流程图;
图3为背景减除法原理图。
本领域技术人员应当理解,附图中的元件仅仅是为了简单和清楚起见而示出的,而且不一定是按比例绘制的。例如,附图中某些元件的尺寸可能相对于其他元件放大了,以便有助于提高对本发明实施例的理解。
具体实施方式
在下文中将结合附图对本发明的示范性实施例进行描述。为了清楚和简明起见,在说明书中并未描述实际实施方式的所有特征。然而,应该了解,在开发任何这种实际实施例的过程中必须做出很多特定于实施方式的决定,以便实现开发人员的具体目标,例如,符合与系统及业务相关的那些限制条件,并且这些限制条件可能会随着实施方式的不同而有所改变。此外,还应该了解,虽然开发工作有可能是非常复杂和费时的,但对得益于本公开内容的本领域技术人员来说,这种开发工作仅仅是例行的任务。
在此,还需要说明的一点是,为了避免因不必要的细节而模糊了本发明,在附图中仅仅示出了与根据本发明的方案密切相关的装置结构和/或处理步骤,而省略了与本发明关系不大的其他细节。
嵌入式系统ARM和OpenCV函数库的发展,为人们对于智能摄像头的开发提供了便利条件,而现有产品没有只存储有运动目标的监控内容的网络摄像头。因此,本发明的实施例提供了一种用于检测室内运动目标的网络摄像装置,用于检测室内运动目标的网络摄像装置包括ARM主控模块、电源管理电路、外部存储电路、网卡电路、DUSB串口电路、USB电路、降压模块、USB摄像头和WIFI模块;电源管理电路的+1.0V~+3.0V输出端与ARM主控模块的电压输入端相连,并通过降压模块输出电源电压;外部存储电路连接ARM主控模块以存储来自ARM主控模块的数据;USB摄像头经由USB电路连接ARM主控模块,其用于采集监控视频数据,并将采集到的监控视频数据发送给ARM主控模块;网卡电路和DUSB串口电路用于移植U-boot、Linux内核、根文件系统、OpenCV视觉库;ARM主控模块用于利用基于OpenCV的运动目标检测算法来判断监控视频数据中是否有运动目标出现,并在判定有运动目标出现的情况下,通过USB电路将监控视频数据经由WIFI模块发送至监控主机并保存。
图1给出了本发明的用于检测室内运动目标的网络摄像装置的结构示意图。
如图1所示,本发明的用于检测室内运动目标的网络摄像装置包括ARM主控模块1、电源管理电路2、外部存储电路3、网卡电路4、DUSB串口电路5、USB电路6、降压模块7、USB摄像头8和WIFI模块9。
电源管理电路2的+1.0V~+3.0V输出端与ARM主控模块1的电压输入端相连,并通过降压模块7输出电源电压。其中,电源管理电路2主要用于给ARM主控模块1以及其他电路(如外部存储电路3、网卡电路4和USB电路6)供电。所述电源管理电路2还具有-0.3V~+6.0V电压输出端。
外部存储电路3连接ARM主控模块1以存储来自ARM主控模块1的数据。
USB摄像头8经由USB电路6连接ARM主控模块1。这样,USB摄像头8采集监控视频数据,并将采集到的监控视频数据发送给ARM主控模块1。其中,USB摄像头8例如为罗技c270。
此外,网卡电路4和DUSB串口电路5用于移植U-boot、Linux内核、根文件系统、OpenCV视觉库。
ARM主控模块1接收到监控视频数据后,利用基于OpenCV的运动目标检测算法来判断监控视频数据中是否有运动目标出现,并在判定有运动目标出现的情况下,通过USB电路6将监控视频数据经由WIFI模块9发送至监控主机并保存;若没有检测到运动目标则不进行压缩发送处理。
其中,ARM主控模块1例如可以按照如下方式来执行基于OpenCV的运动目标检测算法,以判断监控视频数据中是否有运动目标:
A1、获得初始背景帧。
A2、获得待处理的监控视频数据。
A3、利用初始背景帧,根据混合高斯模型背景减除算法,对待处理的监控视频数据中每一帧图像进行前景提取和背景更新,并进行前景图像二值化。该步骤中根据混合高斯模型背景减除算法进行对应处理的具体过程将在下文中描述。
其中,混合高斯模型背景减除算法中,用于计算当前帧的前景二值化后白像素点个数的背景图像为该帧的上一帧。
A4、判断待处理的监控视频数据中每一帧图像的二值化图像中的白像素点个数是否超过预设阈值:若超过,则判定该监控视频数据中存在运动目标;否则,若监控视频数据中任一帧图像的二值化图像中的白像素点个数均未超过上述预设阈值,则判定该监控视频数据中不存在运动目标。
根据一种实现方式,ARM主控模块1可以包括Exynos 4412芯片、第一时钟电路和第一复位电路。在该实现方式中,Exynos 4412芯片能够提升性能,并且,采用HKMG技术能够降低自身功耗。Exynos 4412芯片是一款高速、低功耗的四核移动处理器,集成Mali-400MP图形处理器,32/32KB的数据/指令一级缓存,1024KB的二级缓存,可以实现2000DMIPS(每秒2亿指令集)的高性能运算能力,满足对视频数据处理的要求。这里,第一时钟电路即在Exynos 4412芯片的XusbXTI引脚和XusbXTO引脚之间连接一个24MHz晶振X1,晶振X1引脚连接电容后接地。
此外,根据一种实现方式,电源管理电路2可以包括S5M8767A芯片、第二时钟电路和第二复位电路。其中,S5M8767A芯片将来自电源适配器的+5V电源电压转换成+1.0V~+3.0V电源电压。此外,第二时钟电路可由32.768KHz晶振X2和电容构成。第二复位电路的复位信号由复位按键SW1产生,并与S5M8767A芯片的PWRON引脚相连。电源适配器的电源电压VSYS通过高效率降压转换器BUCK、低压差线性稳压器LDO输出合适电压来为ARM主控模块1提供电源。
也就是说,电源管理电路2采用S5M8767A芯片作为核心,并且具有-0.3~6V的电压输出端,它由第二时钟电路、第二复位电路、高效率降压转换器BUCK、低压差线性稳压器LDO等构成。其中,适配器电源VSYS通过高效率降压转换器BUCK由BUCK1输出+1.0V为ARM提供电源VDD_MIF;BUCK2输出+1.1V为ARM提供电源VDD_ARM;BUCK3输出+1.0V为ARM提供电源VDD_INT;BUCK4输出+1.0V为ARM提供电源VDD_G3D;BUCK5输出+1.2V为ARM提供电源VDD_MEN;BUCK9输出+2.85V为eMMC存储芯片提供电源VDDF_eMMC;低压差线性稳压器LDO输出+1.0V~+3.0V不等的电压为ARM提供电源。
根据一种实现方式,外部存储电路3可以包括DDR3双倍速率同步动态随机存储器和EMMC存储芯片。其中,DDR3存储器例如为K4B4G1646B-HYXX芯片,用于存储程序与数据,其地址总线和数据总线分别与ARM主控模块1相连。此外,DDR3存储器的地址选择引脚与ARM主控模块1对应的DRAM地址选择引脚相连;EMMC存储芯片型号为KLMxGxFEJA-x001,其数据输入引脚与ARM主控模块1对应的DRAM数据输出引脚相连接,由电源管理电路2为其提供电源。DDR3双倍速率同步动态随机存储器和EMMC存储芯片的优点在于其高频率、低功耗、低散热量的特点,适合作为摄像头存储模块。
此外,网卡电路4例如可以包括网卡芯片LAN9215、网线插座和电平转换芯片,网线插座型号例如为HR911105A。网线插座与网卡芯片LAN9215相连,网卡芯片LAN9215的数据总线和地址线分别与电平转换芯片74ALVC164245DGG相连,电平转换芯片与ARM主控模块1相连接。
根据一个实现方式,DUSB串口电路5例如包括MAX3232CSE收发器和一个9针公口连接器DSUB9,MAX3232CSE收发器与9针公口连接器相连,且MAX3232CSE收发器与ARM主控模块1连接。
此外,USB电路6例如包括USB集线器芯片USB3503A和3个USB2.0插座。ARM主控模块1与USB集线器芯片USB3503A相连接。此外,USB摄像头8与WIFI模块9通过对应的USB插座而与ARM主控模块1进行连接。
根据一个实现方式,降压模块7例如包括降压芯片MP2012DQ和降压芯片MP2109。降压芯片MP2012DQ输出+1.8V电压作为电源DC33V,而降压芯片MP2109输出+1.8V电压作为电源VDD1V8_EXT;降压模块7输出的电压为电路其他部分提供电源,是理想的降压供电模块。
此外,本发明的实施例还提供了一种用于检测室内运动目标的网络摄像装置的检测方法,该用于检测室内运动目标的网络摄像装置例如可以是上文结合图1所描述的用于检测室内运动目标的网络摄像装置。该检测方法包括:将USB摄像头的客户端应用连接服务器,并打开USB摄像头;通过USB摄像头获取初始背景帧,并将该初始背景帧发送至服务器;通过USB摄像头实时获取当前视频对应的图像序列,以根据运动目标检测算法中的混合高斯模型背景减除算法来对图像序列中每一帧图像进行前景提取和背景更新,并对所提取的每一帧图像的前景图像进行二值化处理,得到每一帧图像的前景二值化结果;针对每一帧图像的前景二值化结果,判断该前景二值化结果中白像素点个数是否超过设定阈值,并在该前景二值化结果中白像素点个数超过设定阈值的情况下判断当前视频中有运动画面,并将当前视频发送给服务器;通过服务器将当前视频作为运动视频转发给监控主机;通过监控主机将接收到的运动视频保存成单个avi视频文件,整个运动视频的检测和传输结束
图2给出了上述用于检测室内运动目标的网络摄像装置的检测方法的一个处理示例的流程。
如图2所示,该方法开始后,首先执行步骤S210。
在步骤S210中,将USB摄像头8的客户端应用连接服务器,并打开USB摄像头8。然后,执行步骤S220。
在步骤S220中,通过USB摄像头8获取初始背景帧,并将该初始背景帧发送至服务器。然后,执行步骤S230。
在步骤S230中,通过USB摄像头8实时获取当前视频对应的图像序列,以根据运动目标检测算法中的混合高斯模型背景减除算法来对图像序列中每一帧图像进行前景提取和背景更新,并对所提取的每一帧图像的前景图像进行二值化处理,得到每一帧图像的前景二值化结果。然后,执行步骤S240。
在步骤S240中,针对每一帧图像的前景二值化结果,判断该前景二值化结果中白像素点个数是否超过设定阈值,并在该前景二值化结果中白像素点个数超过设定阈值的情况下(即判定为“是”时)执行步骤S241;而当该前景二值化结果中白像素点个数未超过设定阈值的情况下(即判定为“否”时)返回步骤S230。
在步骤S241中,判断当前视频中有运动画面,并将当前视频发送给服务器。然后,执行步骤S250。
在步骤S250中,通过服务器将当前视频作为运动视频转发给监控主机。然后,执行步骤S260。
在步骤S260中,通过监控主机将接收到的运动视频保存成单个avi视频文件,整个运动视频的检测和传输结束。
下面来详细描述本发明中所使用的混合高斯模型背景减除算法的基本原理。
在描述混合高斯模型背景减除算法之前,先介绍下背景减除法。背景减除法是最常用的运动目标检测方法,其基本思想是:首先获取、设定背景图像,当前图像帧与背景图像进行差分后,获得前景图像,然后二值化前景图像。背景减除法原理图如图3所示。在图3中,fk为任意视频图像帧,Bk代表背景图像,Dk代表经过背景减除后的图像,Rk代表二值化后的图像,背景减除法可用下列公式(1-1)和(1-2)来表示:
Dk(x,y)=|fk+1(x,y)-Bk(x,y)| 公式(1-1)
当Dk(x,y)的灰度差值大于或等于设定阈值T时,判定为前景点,当小于阈值T时,认为是背景点。二值化后的Rk(x,y)用1代表前景区域像素点,表示为白色;用0代表背景区域像素点,表示为黑色。本发明可运动目标检测算法中,设置白像素点阈值为100,若二值化后图像白像素点个数超过100则判定视频中有运动画面。
运动目标检测采用背景减除法的主要原因是其算法简单,能够实时精确地提取运动目标的完整信息特征。实现背景减除法精确提取运动目标的难点在于获取准确的背景图像以及更新背景图像。常用的背景提取方法主要有基于像素灰度的统计方法和基于统计模型方法。本发明采用基于混合高斯模型的背景减除法。
本发明所采用的混合高斯背景模型建模的核心思想是:将序列图像中每个像素点的特征用多个高斯分布函数来表示;如果视频图像帧中的像素点特征与高斯密度分布函数相匹配,则判定为背景像素点,否则为前景像素点。根据视频图像序列,获取背景模型的构建参数就可以进行更新。
混合高斯模型用K个高斯分布η(Xt,μi,t,∑i,t)i=1,2,...K的线性组合来模拟背景图像的每一个像素点,其定义如公式(1-3):
混合高斯模型中高斯分布的个数K,一般设定为3到5个。ωi,t是模型中第i个高斯分布函数的权重第i个高斯分布函数的概率密度表示为η(Xt,μi,t,∑i,t),图像像素点在t时刻的RGB值为Xt,其均值和方差分别为μi,t,∑i,t,则有:
式(1-4)假定图像RGB值相互独立,并且有相同的方差σ2 i,t,其中协方差矩阵的估计为:
∑i,t=σ2 i,tI 公式(1-5)
混合高斯背景建模主要有以下几个步骤:
(1)模型参数初始化
根据背景帧各点像素值出现的分布情况采用不同个数的高斯分布。对视频图像中变化较小甚至静止的像素点,用一个高斯密度分布函数来描述其分布;对变化较大的像素点,如目标运动画面,使用多个高斯分布函数来表示。提高了算法的效率,且保证算法的实时性。本文算法设定描述每个像素点的最大高斯分布函数的个数默认为Kmax=5。在背景模型初始化时,为每个图像像素点赋予高斯密度分布函数的个数默认设定为K=1,对于高斯分布的初始均值μK,0设置为第一帧各点像素值,标准方差σ赋予一个相对较大的值,σK,0=50,高斯权重ωK,0初始化为0.2。
(2)判断视频图像像素点与混合高斯模型是否匹配
当输入新的一帧视频序列图像时,将图像中每个像素点与混合高斯模型中多个高斯密度分布函数依次作比较,若满足|Xt-μi,t|<2.5σi,t,则该像素点与己有的混合高斯模型匹配,按步骤(3)的更新背景模型参数,判定为背景区域;否则,判定其为前景区域,按步骤(4)的规则更新背景模型参数。
(3)匹配的像素点用于混合高斯模型参数更新
(I)修正混合高斯分布的权重ωi,t:
混合高斯分布中的权重体现最近视频图像像素点分布的概率,因此需要适当增加与新像素匹配的高斯密度分布函数的权重,则时刻t的权重更新公式为:
ωi,t=(1-α)ωi,t-1+αMi,t 公式(1-4)
其中α是更新速率,将与新像素匹配的高斯分布的α设为l;对与新像素点不匹配的高斯分布的α设为0即不进行更新。
(II)对新匹配的高斯分布的均值、方差进行修正:
μi,t=(1-ρ)μi,t-1+ρXt 公式(1-5)
其中,ρ=αη(Xt,μi,t,σi,t)表示高斯分布参数更新的学习因子。
(4)新高斯分布生成准则
如果当前像素与已有的K个高斯分布都不匹配,且满足已有高斯分布个数K<Kmax,则该新像素点分布代表一个新的高斯分布。将新高斯分布加入混合高斯模型,新高斯分布的均值为新像素点的像素值,且赋予新高斯分布一个较大的方差和一个较小的权重。若当前高斯分布已达到Kmax个,用新增高斯分布替换混合高斯模型中权重最小的高斯分布。
(5)更新混合高斯背景模型
通常静止像素点应该对应权重大、方差小的高斯分布。而视频图像中运动目标的像素点,一般不与模型中的高斯分布匹配,加入新的高斯分布的权重较小,方差较大。因此采用权重与方差之比ω/σ能够较好地确定出作为背景分布的高斯分布。实际应用中,将高斯分布按ω/σ降序排列后,动态选取其权值大于设定阈值的高斯分布进行背景模型更新。
运动目标检测算法能使监控内容皆为有效视频内容,减少了大量无效监控视频内容,方便了对监控内容的查阅和减少了存储所需的空间。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,在不偏离所附权利要求书的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围,对本发明所做的公开是说明性的,而非限制性的,本发明的范围由所附权利要求书限定。
Claims (10)
1.用于检测室内运动目标的网络摄像装置,其特征在于,所述用于检测室内运动目标的网络摄像装置包括ARM主控模块(1)、电源管理电路(2)、外部存储电路(3)、网卡电路(4)、DUSB串口电路(5)、USB电路(6)、降压模块(7)、USB摄像头(8)和WIFI模块(9);
所述电源管理电路(2)的+1.0V~+3.0V输出端与所述ARM主控模块(1)的电压输入端相连,并通过所述降压模块(7)输出电源电压;所述外部存储电路(3)连接所述ARM主控模块(1)以存储来自所述ARM主控模块(1)的数据;所述USB摄像头(8)经由所述USB电路(6)连接所述ARM主控模块(1),其用于采集监控视频数据,并将采集到的监控视频数据发送给所述ARM主控模块(1);所述网卡电路(4)和所述DUSB串口电路(5)用于移植U-boot、Linux内核、根文件系统、OpenCV视觉库;所述ARM主控模块(1)用于利用基于OpenCV的运动目标检测算法来判断所述监控视频数据中是否有运动目标出现,并在判定有运动目标出现的情况下,通过所述USB电路(6)将所述监控视频数据经由WIFI模块(9)发送至监控主机并保存。
2.根据权利要求1所述的用于检测室内运动目标的网络摄像装置,其特征在于:
所述ARM主控模块(1)包括Exynos 4412芯片、第一时钟电路和第一复位电路。
3.根据权利要求2所述的用于检测室内运动目标的网络摄像装置,其特征在于:
所述电源管理电路(2)包括S5M8767A芯片、第二时钟电路和第二复位电路;所述S5M8767A芯片将来自电源适配器的+5V电源电压转换成+1.0V~+3.0V电源电压;所述第二时钟电路由32.768KHz晶振X2和电容构成;所述第二复位电路的复位信号由复位按键SW1产生,与所述S5M8767A芯片的PWRON引脚相连。
4.根据权利要求3所述的用于检测室内运动目标的网络摄像装置,其特征在于:
所述外部存储电路(3)包括DDR3双倍速率同步动态随机存储器和EMMC存储芯片;所述DDR3存储器为K4B4G1646B-HYXX芯片,用于存储程序与数据,其地址总线和数据总线分别与所述ARM主控模块(1)相连;所述DDR3存储器的地址选择引脚与所述ARM主控模块(1)对应的DRAM地址选择引脚相连;所述EMMC存储芯片型号为KLMxGxFEJA-x001,其数据输入引脚与所述ARM主控模块(1)对应的DRAM数据输出引脚相连接,由电源管理电路(2)为其提供电源。
5.根据权利要求4所述的用于检测室内运动目标的网络摄像装置,其特征在于:
所述网卡电路(4)包括网卡芯片LAN9215、网线插座和电平转换芯片,所述网线插座型号为HR911105A,且所述网线插座与所述网卡芯片LAN9215相连,所述网卡芯片LAN9215的数据总线和地址线分别与电平转换芯片74ALVC164245DGG相连,所述电平转换芯片与所述ARM主控模块(1)相连接。
6.根据权利要求5所述的用于检测室内运动目标的网络摄像装置,其特征在于:
所述DUSB串口电路(5)包括MAX3232CSE收发器和一个9针公口连接器DSUB9,所述MAX3232CSE收发器与9针公口连接器相连,且所述MAX3232CSE收发器与所述ARM主控模块(1)连接。
7.根据权利要求6所述的用于检测室内运动目标的网络摄像装置,其特征在于:
所述USB电路(6)包括USB集线器芯片USB3503A和3个USB2.0插座;所述ARM主控模块(1)与所述USB集线器芯片USB3503A相连接;所述USB摄像头(8)与所述WIFI模块(9)通过对应的USB插座而与所述ARM主控模块(1)进行连接。
8.根据权利要求7所述的用于检测室内运动目标的网络摄像装置,其特征在于:
所述降压模块(7)包括降压芯片MP2012DQ和降压芯片MP2109;所述降压芯片MP2012DQ输出+1.8V电压作为电源DC33V;降压芯片MP2109输出+1.8V电压作为电源VDD1V8_EXT。
9.根据权利要求1-8中任一项所述的用于检测室内运动目标的网络摄像装置,其特征在于,所述ARM主控模块(1)被配置用于按照如下方式执行基于OpenCV的运动目标检测算法,以判断监控视频数据中是否有运动目标:
A1、获得初始背景帧;
A2、获得待处理的监控视频数据;
A3、利用所述初始背景帧,根据混合高斯模型背景减除算法,对所述待处理的监控视频数据中每一帧图像进行前景提取和背景更新,并进行前景图像二值化;其中,在所述混合高斯模型背景减除算法中,用于计算当前帧的前景二值化后白像素点个数的背景图像为该帧的上一帧;
A4、判断待处理的监控视频数据中每一帧图像的二值化图像中的白像素点个数是否超过预设阈值:若超过,则判定该监控视频数据中存在运动目标;否则,若监控视频数据中任一帧图像的二值化图像中的白像素点个数均未超过上述预设阈值,则判定该监控视频数据中不存在运动目标。
10.如权利要求1-9所述的用于检测室内运动目标的网络摄像装置的检测方法,其特征在于,所述检测方法包括:
将所述USB摄像头(8)的客户端应用连接服务器,并打开所述USB摄像头(8);
通过所述USB摄像头(8)获取初始背景帧,并将该初始背景帧发送至所述服务器;
通过所述USB摄像头(8)实时获取当前视频对应的图像序列,以根据运动目标检测算法中的混合高斯模型背景减除算法来对图像序列中每一帧图像进行前景提取和背景更新,并对所提取的每一帧图像的前景图像进行二值化处理,得到每一帧图像的前景二值化结果;
针对每一帧图像的前景二值化结果,判断该前景二值化结果中白像素点个数是否超过设定阈值,并在该前景二值化结果中白像素点个数超过所述设定阈值的情况下判断所述当前视频中有运动画面,并将所述当前视频发送给所述服务器;
通过所述服务器将所述当前视频作为运动视频转发给监控主机;
通过所述监控主机将接收到的运动视频保存成单个avi视频文件,整个运动视频的检测和传输结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611253238.0A CN106534653A (zh) | 2016-12-30 | 2016-12-30 | 用于检测室内运动目标的网络摄像装置及其检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611253238.0A CN106534653A (zh) | 2016-12-30 | 2016-12-30 | 用于检测室内运动目标的网络摄像装置及其检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106534653A true CN106534653A (zh) | 2017-03-22 |
Family
ID=58336189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611253238.0A Pending CN106534653A (zh) | 2016-12-30 | 2016-12-30 | 用于检测室内运动目标的网络摄像装置及其检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106534653A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110012114A (zh) * | 2019-05-05 | 2019-07-12 | 北京市众诚恒祥能源投资管理有限公司 | 一种基于物联网的环境安全预警系统 |
CN114754598A (zh) * | 2022-06-14 | 2022-07-15 | 深圳中宝新材科技有限公司 | 一种键合金丝生产线成像系统的功耗降低方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103475855A (zh) * | 2013-07-05 | 2013-12-25 | 江南大学 | 一种基于嵌入式的智能家居监控方法及系统 |
CN104063883A (zh) * | 2014-07-07 | 2014-09-24 | 杭州银江智慧医疗集团有限公司 | 一种基于对象和关键帧相结合的监控视频摘要生成方法 |
CN105450992A (zh) * | 2015-11-23 | 2016-03-30 | 王丽华 | 一种基于运动检测的智能家居监控方法及其系统 |
US20160155307A1 (en) * | 2007-02-14 | 2016-06-02 | Panasonic Intellectual Property Management Co., Ltd. | Monitoring camera and monitoring camera control method |
CN105743902A (zh) * | 2016-03-08 | 2016-07-06 | 江苏大学 | 一种面向智能互联的多cpu硬隔离的辅助驾驶车载网关 |
CN206283589U (zh) * | 2016-12-30 | 2017-06-27 | 哈尔滨理工大学 | 用于检测室内运动目标的网络摄像装置 |
-
2016
- 2016-12-30 CN CN201611253238.0A patent/CN106534653A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160155307A1 (en) * | 2007-02-14 | 2016-06-02 | Panasonic Intellectual Property Management Co., Ltd. | Monitoring camera and monitoring camera control method |
CN103475855A (zh) * | 2013-07-05 | 2013-12-25 | 江南大学 | 一种基于嵌入式的智能家居监控方法及系统 |
CN104063883A (zh) * | 2014-07-07 | 2014-09-24 | 杭州银江智慧医疗集团有限公司 | 一种基于对象和关键帧相结合的监控视频摘要生成方法 |
CN105450992A (zh) * | 2015-11-23 | 2016-03-30 | 王丽华 | 一种基于运动检测的智能家居监控方法及其系统 |
CN105743902A (zh) * | 2016-03-08 | 2016-07-06 | 江苏大学 | 一种面向智能互联的多cpu硬隔离的辅助驾驶车载网关 |
CN206283589U (zh) * | 2016-12-30 | 2017-06-27 | 哈尔滨理工大学 | 用于检测室内运动目标的网络摄像装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110012114A (zh) * | 2019-05-05 | 2019-07-12 | 北京市众诚恒祥能源投资管理有限公司 | 一种基于物联网的环境安全预警系统 |
CN110012114B (zh) * | 2019-05-05 | 2020-01-21 | 北京市众诚恒祥能源投资管理有限公司 | 一种基于物联网的环境安全预警系统 |
CN114754598A (zh) * | 2022-06-14 | 2022-07-15 | 深圳中宝新材科技有限公司 | 一种键合金丝生产线成像系统的功耗降低方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110929622B (zh) | 视频分类方法、模型训练方法、装置、设备及存储介质 | |
CN109344736B (zh) | 一种基于联合学习的静态图像人群计数方法 | |
CN108182389B (zh) | 基于大数据与深度学习的用户数据处理方法、机器人系统 | |
EP4167130A1 (en) | Neural network training method and related device | |
WO2021248859A1 (zh) | 视频分类方法、装置、设备及计算机可读存储介质 | |
CN111753189A (zh) | 一种少样本跨模态哈希检索共同表征学习方法 | |
CN111898703B (zh) | 多标签视频分类方法、模型训练方法、装置及介质 | |
CN106295591A (zh) | 基于人脸图像的性别识别方法及装置 | |
JP2022547595A (ja) | 顔属性認識方法、装置、電子機器及び記憶媒体 | |
CN111582342A (zh) | 一种图像识别方法、装置、设备以及可读存储介质 | |
US20180041765A1 (en) | Compact video representation for video event retrieval and recognition | |
CN111368926B (zh) | 图像筛选方法、装置和计算机可读存储介质 | |
CN104063686A (zh) | 作物叶部病害图像交互式诊断系统与方法 | |
CN117611932B (zh) | 基于双重伪标签细化和样本重加权的图像分类方法及系统 | |
CN114913923A (zh) | 针对单细胞染色质开放性测序数据的细胞类型识别方法 | |
CN106803054B (zh) | 人脸模型矩阵训练方法和装置 | |
CN113221983A (zh) | 迁移学习模型的训练方法及装置、图像处理方法及装置 | |
CN114168795A (zh) | 建筑三维模型映射及存储方法、装置、电子设备及介质 | |
CN106534653A (zh) | 用于检测室内运动目标的网络摄像装置及其检测方法 | |
CN111667027A (zh) | 多模态图像的分割模型训练方法、图像处理方法及装置 | |
CN110569965A (zh) | 一种基于ThLU函数的神经网络模型优化方法及系统 | |
CN113626606A (zh) | 信息分类方法、装置、电子设备及可读存储介质 | |
CN112215268A (zh) | 一种灾害天气卫星云图分类方法和装置 | |
CN115188022A (zh) | 一种基于一致性半监督深度学习的人体行为识别方法 | |
Qin et al. | Depth estimation by parameter transfer with a lightweight model for single still images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170322 |
|
WD01 | Invention patent application deemed withdrawn after publication |