CN106251544A - 一种基于Android智能手机的入侵报警方法及报警装置 - Google Patents
一种基于Android智能手机的入侵报警方法及报警装置 Download PDFInfo
- Publication number
- CN106251544A CN106251544A CN201610638102.5A CN201610638102A CN106251544A CN 106251544 A CN106251544 A CN 106251544A CN 201610638102 A CN201610638102 A CN 201610638102A CN 106251544 A CN106251544 A CN 106251544A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- value
- maximum
- module
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/08—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using communication transmission lines
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于Android智能手机的入侵报警方法及报警装置,装置为:网络摄像机、移动目标检测模块、电源模块、DSP数字信号处理器、报警模块、GSM模块、以太网和Android智能手机客户端,报警方法为:将监控区域内的视频图像采集处理后传输给Android智能手机客户端;对监控区域内的视频图像进行移动目标检测,判断监控区域是否有物体入侵;对人体特征进行识别,判断是否需要报警;检测发现有人体入侵则装置启动报警模块和GSM模块,对入侵人员进行震慑;同时发送短信和邮件给Android智能手机客户端及时提醒用户;用户通过Android智能手机客户端对监控区域内的视频图像进行录制保存和报警;本装置结构简单、成本低,方法操作简单、报警准确率高,适于推广和普及。
Description
技术领域
本发明属于智能手机安全防护技术领域,涉及一种基于Android智能手机的入侵报警方法及报警装置。
背景技术
近年来,随着移动通信技术的发展,移动通讯网络已经有了广泛的覆盖面,智能手机也得到了普及。并且随着生活水平不断的提高,人们的安防意识也越来越强,其中家庭安防的概念越来越被人们所接受。但是传统的视频监控***实现远程监控主要是采用有线方法,包括布设专线的方法、利用电话线的方法等,播放终端均为PC机。这些方法虽然可以实现远程视频监控,但存在一些问题,专线布设成本高,监控者所在位置受到局限,电话线传输速度慢,几乎难以实现实时的视频监控,并且基于PC机的视频监控***,其视频压缩与解压采用基于PC机的视频采集卡,使得视频信号的采集、压缩与通信较为复杂,稳定性与可靠性不高,硬件投资成本太大。而且PC机操作复杂,需要专人管理,还没有自动报警的功能,性价比极低,不适合用于家庭安防。因此需要涉及一种结构简单、成本较低、传输方便、自带报警等功能的监控报警***。
另外,在移动目标人体检测算法方面,大多数的监控技术仅仅简单地采用了当前图像与背景图像做差处理,对背景变化的情况考虑较少,并且未能到考虑家庭中宠物对视屏监控区域的干扰,使得***具有很高的误报率。
发明内容
本发明所要解决的技术问题是克服了传统技术存在便携性差、性价比低,不利于入侵报警广泛应用以及现有移动目标人体检测方法不足的问题,提供了一种基于Android智能手机的入侵报警方法及报警装置,该方法及装置便携性强、性价比高,能在室内环境下有效地检测出入侵人体目标,并能很好的处理由于背景光线剧变及宠物对监控区域检测带来的干扰。
为解决上述技术问题,本发明采用如下的技术方案实现的:
一种基于Android智能手机的入侵报警方法,其特征在于,步骤如下:
步骤一、网络摄像机将监控区域内的视频图像采集到DSP数字信号处理器中,并对采集好的监控区域内的视频图像进行视频图像压缩处理,将压缩后的视频图像通过以太网传输给Android智能手机客户端;
步骤二、DSP数字信号处理器中移动目标检测模块对步骤一采集的监控区域内的视频图像进行移动目标检测,使用三帧差分法计算监控区域内的视频图像的变化来判断监控区域是否有物体入侵;
步骤三、DSP数字信号处理器中移动目标检测模块,根据步骤二中监控区域内的视频图像的变化,通过对人体特征进行识别,判断是否需要报警;如果检测到有人体入侵,则通过DSP数字信号处理器启动报警模块;如果没有检测到人体入侵,则DSP数字信号处理器不会启动报警模块,且网络摄像机将继续对监控区域进行视频采集;
步骤四、如果通过移动目标检测模块检测发现有人体入侵,则装置启动报警模块和GSM模块;报警模块将通过声光报警器和语音播报模块对入侵人员进行震慑;启动报警模块的同时,GSM模块将发送短信和邮件给Android智能手机客户端及时提醒用户;用户接到信息和邮件提醒后,通过Android智能手机客户端对监控端网络摄像机采集的监控区域内的视频图像信息进行录制保存和报警。
进一步的技术方案包括:
步骤一中所述的对采集好的监控区域内的视频图像进行视频图像压缩处理,选择MPEG-4标准作为视频数据的压缩标准,将压缩后的视频图像通过以太网传输给Android智能手机客户端是采用RTP/RTCP协议栈来实现的。
步骤二中所述的判断监控区域是否有物体入侵的具体过程为:
(1)使用三帧差分法对进入监控区域的移动目标进行监控,连续取三帧图像,将相邻的两帧图像分别作差,然后将做差后的图像分别经过高斯滤波、最大类间方差阈值法、逻辑运算以及形态学运算得到移动目标相邻帧差的二值图像;
设Ak-1、Ak、Ak+1分别为本监控***从采集到的监控区域内的视频图像中得到的第k-1、k、k+1帧连续图片,获得的相邻图像做差,则:
Bk=|Ak-Ak-1|
Bk+1=|Ak+1-Ak|
为降低噪声对以上得到的图像Bk和图像Bk+1的影响,将分别对图像Bk和图像Bk+1采用3*3模板进行高斯滤波处理,即通过用一个3*3模板扫描图像中的每一个像素,用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值,从而得到消除噪声的平滑图像Ck和Ck+1,其中每个像素点的邻域定义为以所述每个像素点的坐标值为中心的一个圆内部或边界上点的集合;
假使阈值Tk将图像Ck分为前景即目标,和背景两类,其中前景为图像Ck中像素值大于等于阈值Tk的像素点,背景为图像Ck中像素值小于阈值Tk的像素点,即若图像Ck在坐标(x,y)处的像素点Ck(Kx,Ky)≥Tk,则Ck(Kx,Ky)为前景,若图像Ck在坐标(x,y)处的像素点Ck(Kx,Ky)<Tk,则Ck(Kx,Ky)为背景,并且阈值Tk使前景和背景这两类之间的方差最大;若阈值Tk+1将图像Ck+1分为前景即目标,和背景两类,其中前景为图像Ck+1中像素值大于等于阈值Tk+1的像素点,背景为图像Ck+1中像素值小于阈值Tk的像素点,即若图像Ck+1在坐标(x,y)处的像素点Ck+1(K+1x,K+1y)≥Tk+1,则Ck+1(K+1x,K+1y)为前景,若图像Ck+1在坐标(x,y)处的像素点Ck+1(K+1x,K+1y)<Tk+1,则Ck+1(K+1x,K+1y)为背景,并且阈值Tk+1使前景和背景这两类之间的方差最大;则Tk、Tk+1分别为图像Ck、Ck+1的最佳阈值,最佳阈值的计算过程如下:
设图像CI为网络摄像机采集到的监控区域内的第I帧视频图像,其中CI包含L个灰度级{0,1,...,L-1},灰度值为i的像素点数为ni,则总像素为灰度为i的像素出现概率为门限t将整幅图像分为目标M1和背景M2两类,则这两类的类间方差δ的计算公式为:
式中,和分别为目标M1和背景M2两类出现的概率;和分别为目标M1和背景M2两类的灰度均值,分割的最佳阈值是类间方差计算公式中取最大值时的门限t值,记为TI:
通过上述最佳阈值计算方法求得图像Ck、Ck+1的最佳阈值Tk、Tk+1,然后使用最佳阈值Tk、Tk+1分别对图像Ck、Ck+1二值化得到前景二值图像Dk、Dk+1,即为最大类间方差阈值法,用公式表达如下:
Dk=threshold(|Ck|)
Dk+1=threshold(|Ck+1|)
(2)将得到的前景二值图像Dk、Dk+1进行逻辑“与”运算,其中图像Dk中的前景与图像Dk+1中的前景进行“与”运算后得到的前景图像即为图像Ak中运动目标的形状轮廓,公式表达为:
Ek=Dk And Dk+1
由于噪声的影响,图像Dk、Dk+1进行逻辑运算后所得到的图像Ek边界通常都很不平滑,前景区域具有一些噪声孔洞,而背景区域上散布着一些小的噪声物体,通过形态学的开运算,即经过腐蚀之后再膨胀从而去除二值图像中的噪声孔洞,得到消噪后的图像Fk,其中膨胀是用结构元素G扫描图像的每一个像素,并与其覆盖的二值图像做“或”操作;腐蚀是用结构元素G扫描图像的每一个像素,并与其覆盖的二值图像做“与”操作;图像的形态学开运算公式如下:
(3)通过采用连通八邻域规则,获得图像Fk中最大连通区域的最小横坐标值、最大横坐标值、最小纵坐标值和最大纵坐标值,从而得到红色矩形框标记的移动目标图像实现步骤如下:
1)在二维图像中,假设目标像素点周围有z个相邻的像素,其中z≤8,如果该像素灰度与这z个像素中某一个像素点Q的灰度值相等,那么称该像素与Q具有连通性;连通八邻域规则是选取目标像素在二维空间中所有的相邻像,即为上、下、左、右、左上、右上、左下、右下八个相邻像素点;通过采用连通八邻域规则对图像Fk中的每一个像素点设置标号,得到图像Fk像素点的连通域标号矩阵,标号初始值均设为0;设图像Fk像素点(Kx,Ky),其连通区域标号为label(Kx,Ky),其中图像Fk像素点(Kx,Ky)的八邻域坐标为(Kx-1,Ky)、(Kx+1,Ky)、(Kx,Ky-1)、(Kx,Ky+1)、(Kx-1,Ky-1)、(Kx-1,Ky+1)、(Kx+1,Ky-1)和(Kx+1,Ky+1);
2)首先从图像Fk的左上角开始逐行扫描,即是从存储图像Fk像素的矩阵的0行0列开始逐行扫描,从上至下,每一行从左向右扫描;当扫描到图像Fk像素点(Kx,Ky)时,已经扫描完成了(Kx,Ky)像素点的上边和左边邻接的像素点,则已经获得label(Kx-1,Ky)、label(Kx-1,Ky-1)、label(Kx-1,Ky+1)和label(Kx,Ky-1)的值;
若图像Fk坐标为(Kx,Ky)处像素点为前景像素点,且其像素点的值与其相邻像素点值相同,则认为这些像素点是连通的,其中前景像素点为图像Fk中组成前景的像素点;若像素点(Kx,Ky)与其相邻像素点(Kx-1,Ky)、(Kx-1,Ky-1)、(Kx-1,Ky+1)以及(Kx,Ky-1)连通,则label(Kx,Ky)的值等于label(Kx-1,Ky)、label(Kx-1,Ky-1)、label(Kx-1,Ky+1)和label(Kx,Ky-1)当中值最小的标号,并更新此连通区域的最小横坐标值、最大横坐标值、最小纵坐标值和最大纵坐标值:最小横坐标值minxnumber、最大横坐标值maxxnumber、最小纵坐标值minynumber和最大纵坐标值maxynumber,其中number为此连通区域的标号;
假使图像Fk中标号为number的连通区域,若此连通区域扫描至像素点(Kx,Ky)时,已记录的此连通区域的最小横坐标值、最大横坐标值、最小纵坐标值和最大纵坐标值:最小横坐标值minxnumber、最大横坐标值maxxnumber、最小纵坐标值minynumber和最大纵坐标值maxynumber,且像素点(Kx,Ky)与其相邻像素点连通,则更新此连通区域的最小横坐标值、最大横坐标值、最小纵坐标值和最大纵坐标值,若此时Kx≥maxxnumber,则maxxnumber=Kx且minxnumber值保持不变,若minxnumber<Kx<maxxnumber,则minxnumber和maxxnumber值均保持不变;若Kx≤minxnumber,则minxnumber=Kx且maxxnumber值保持不变;若此时Ky≥maxynumber,则maxynumber=Ky且minynumber值保持不变,若minynumber<Ky<maxynumber,则minynumber和maxynumber值均保持不变;若Ky≤minynumber,则minynumber=Ky且maxynumber值保持不变;
如果图像Fk的像素点(Kx,Ky)与其上边的像素点(Kx-1,Ky)、(Kx-1,Ky-1)、(Kx-1,Ky+1)和左边的像素点(Kx,Ky-1)都不连通,并且图像Fk在像素点(Kx,Ky)处为前景像素点,则将增加一个新的连通区域;即计数器number′=number+1作为像素点(Kx,Ky)的连通标号,即label(Kx,Ky)=number′,并记录此连通区域的最小横坐标值、最大横坐标值、最小纵坐标值和最大纵坐标值:最小横坐标值minxnumber′、最大横坐标值maxxnumber′、最小纵坐标值minynumber′和最大纵坐标值maxynumber′,即令minxnumber′=Kx、maxxnumber′=Kx、minynumber′=Ky和maxynumber′=Ky;如果图像Fk在坐标为(Kx,Ky)处像素点为背景像素点,则继续扫描下一个点,其中背景像素点为图像Fk中组成背景的像素点;
3)按照过程2)中所述扫描图像Fk中的所有像素点,若扫描完毕,则执行过程4);
4)从左到右,从上到下遍历图像Fk中所有不同的连通区域,根据记录的所有不同的连通区域的最小横坐标值、最大横坐标值、最小纵坐标值和最大纵坐标值:minxnumber、maxxnumber、minynumber和maxynumber计算各连通区域的高度Hnumber和宽度Wnumber,即:
Hnumber=maxxnumber-minxnumber
Wnumber=maxynumber-minynumber
将高度Hnumber和宽度Wnumber的乘积作为各连通区域的近似面积即Snumber=Hnumber*Wnumber,通过比较各连通区域的面积Snumber,将面积最大MAX(Snumber)的连通区域记为最大运动模块,保存最大运动模块的最小横坐标值、最大横坐标值、最小纵坐标值和最大纵坐标值:MAXS(minxnumber)、MAXS(maxxnumber)、MAXS(minynumber)和MAXS(maxynumber);由于图像Fk中的最大运动模块是通过上述步骤处理图像Ak所得到的,因此图像Ak中的最大运动模块与图像Fk中的最大运动模块坐标信息相同,以最大运动模块的最小和最大横坐标所在列、最小和最大纵坐标所在行组成高为MAXS(maxxnumber)-MAXS(minxnumber)、宽为MAXS(maxynumber)-MAXS(minynumber)的矩形框,即矩形框的四个坐标点为(MAXS(minxnumber),MAXS(minynumber)),(MAXS(minxnumber),MAXS(maxynumber)),(MAXS(maxxnumber),MAXS(minynumber)),(MAXS(maxxnumber),MAXS(maxynumber)),令得到的矩形框显示为红色;用红色矩形框将图像Ak中的最大运动模块框选,于是获得带有红色矩形框标记的移动目标图像则判断监控区域有物体入侵。
步骤三中所述的通过人体特征识别方法判断是否需要报警的具体过程为:
如果监控区域有物体入侵,设定不同的阈值判断条件,判定移动目标图像中红色矩形框是否符合人体特征,如果符合则认为是人体,需要报警;如果不符合人体特征,则可以根据用户的初始设定判断是否报警;若带有红色矩形框标记的移动目标图像中,标记的红色矩形框的长为lk,宽为bk,当bk大于lk,则认为入侵物体是直立的;若要把人从直立的运动物体中区分开,可以通过人体特征,本发明的人体特征识别方法描述如下:
若移动目标图像中,标记的红色矩形框的长为lk,宽为bk,则lk/bk可以近似为入侵物体的长宽比,lk*bk可以近似为入侵物体的面积;如果lk/bk小于θk或者大于βk,或者lk*bk小于αk或者大于εk时,则不是人体,当且仅当θk≤lk/bk≤βk和αk≤lk*bk≤εk时,判断为人体入侵监控区域;其中,阈值θk、βk、αk和εk的取值由网络摄像头与监控区域的距离决定,若网络摄像机与监控区域的距离在H米距离时,网络摄像机的监控范围为长LAk,宽KAk;因此lk/bk的下限比例阈值θk设定为上限比例阈值βk设定为7;lk*bk的下限面积阈值αk设定为当前监控图像面积的上限面积阈值εk设定为当前监控图像面积的
如果通过检测有人体入侵,则通过DSP数字信号处理器启动报警模块,如果没有检测到人体入侵,则DSP数字信号处理器不会启动报警模块,网络摄像机将继续对监控区域进行视频采集。
一种基于Android智能手机的入侵报警装置,其特征在于,包括:网络摄像机、移动目标检测模块、电源模块、DSP数字信号处理器、报警模块、GSM模块、以太网和Android智能手机客户端,网络摄像机视频采集输出端口与DSP数字信号处理器视频采集输入端口连接,电源模块电源输出端口与网络摄像机电源输入端口连接,报警模块、GSM模块、电源模块、移动目标检测模块分别与DSP数字信号处理器电连接,GSM模块与Android智能手机客户端无线通讯连接,网络摄像机的RJ-45以太网接口通过网线与以太网连接,Android智能手机客户端可通过以太网访问网络摄像机采集的视频信息。
所述的报警模块包括由闪光灯和扬声器组成的声光报警器和可根据用户需求录入不同语音的语音播报模块;
与现有技术相比本发明的有益效果是:
本发明中Android智能手机客户端负责接收、播放并录制远程视频监控数据,相比于传统的远程监控方法,无需安装独立的PC机或硬件解码器材,可将Android智能手机客户端与入侵报警监控***合二为一,而智能手机越来越普及,使普通家庭花费650到1500元即可实现入侵监控,因此本发明具有价格低廉及安装方便的特点,主要应用于家庭或办公等场所报警。
本发明所述的报警方法是利用Android智能手机客户端进行监控、录制监控区域视频,并通过声光报警器及语音播报模块威慑入侵者,这有助于保存入侵者的非法入侵证据。
Android智能手机客户端方便随身携带,因此用户可随时随地的接收到来自入侵监测***的报警信息;当报警***开始工作时,如果在网络摄像机监控的区域内有物体移动且***判断是人体,则会通过向指定电话和邮箱,发送信息和邮件,从而达到报警实时接收的目的,此入侵报警方法及装置具有操作简单、实时性强以及报警准确率高的特点。
附图说明
下面结合附图对本发明作进一步的说明:
图1为本发明所述的一种基于Android智能手机的入侵报警装置的结构示意框图。
图2为本发明所述的一种基于Android智能手机的入侵报警方法的流程图。
图3为本发明所述的一种基于Android智能手机的入侵报警装置的报警模块示意框图。
图中:1、用户,2、Android智能手机客户端,3、GSM,4、以太网,5、报警模块,501、声光报警器,502、语音播报模块,6、GSM模块,7、电源模块,8、DSP数字信号处理器,9、移动目标检测模块,10、网络摄像机,11、入侵人员。
具体实施方式
为了使本发明的目的、发明内容及优点更加清楚明白,下面结合附图对本发明作详细的描述。参阅图1可知,采用基于Android智能手机的入侵报警方法及装置,包括包括网络摄像机10、移动目标检测模块9、电源模块7、DSP数字信号处理器8、报警模块5、GSM模块6、以太网4和Android智能手机客户端2,网络摄像机10视频采集输出端口与DSP数字信号处理器8视频采集输入端口连接,电源模块7电源输出端口与网络摄像机10电源输入端口连接,报警模块5、GSM模块6、电源模块7、移动目标检测模块9分别与DSP数字信号处理器8电连接,GSM模块6与Android智能手机客户端2无线通讯连接,网络摄像机10的RJ-45以太网接口通过网线与以太网4连接,Android智能手机客户端2可通过以太网4访问网络摄像机10采集的视频信息。
所述的网络摄像机10将监控区域内的视频图像采集到DSP数字信号处理器8中的移动目标检测模块9,并对采集好的监控区域内的视频图像进行视频图像压缩处理,将压缩后的视频图像通过以太网4传输给Android智能手机客户端2;所述DSP数字信号处理器8中的移动目标检测模块9经过对监控区域内的视频图像数据进行识别、判断和分析后,通过DSP数字信号处理器8控制GSM模块6向Android手机客户端2发送报警信息和邮件,并触发报警模块5进行现场报警,同时网络摄像机10通过RTP/RTCP协议将监控区域内的视频图像传输到以太网4,用户1在接收到报警信息后,打开Android智能手机客户端2进行播放。所述的报警模块5由声光报警器501和语音播报模块502构成,其中声光报警器包括闪光灯和扬声器;所述的Android智能手机客户端(2)由用户随身携带,用户(1)利用以太网(4)连接入侵检测端网络摄像机(10),实现实时监控、录制证据和协助报警的功能。
在本实施案例中,入侵检测端网络摄像机型号为EasyN FS-613A-M136,外接5V直流电源,通过RJ-45以太网接口与以太网连接实现数据传输;GSM模块7型号为华为的GTM900-B,内设有一SIM卡,SIM卡用于实现GSM模块7与Android智能手机客户端2的通讯连接;Android智能手机型号为华为C199s安卓手机,其配置为5.5英寸屏幕、2G内存、16G硬盘,选用Android智能手机操作***的版本是Android 4.4,版本号是V100R001C92B263;语音播报模块采用华邦ISD公司生产的型号为ISD1700语音播报模块,工作电压2.4V-5.5V;数字信号处理器采用C667X DSP数字信号处理器。
Android智能手机客户端通过网络获取网络摄像机经以太网传输的视频数据,从而达到监视的目的,同时可通过触摸Android智能手机客户端上的“开始录制”按钮,录制非法入侵视频信息。
参阅图2,Android智能手机客户端主要负责接收、播放和录制监控端网络摄像机拍摄的视频,以及接收报警短信和邮件。基于Android智能手机的入侵报警方法及装置的具体实现步骤如下:
初始阶段,要进行设备的初始化,用户在Android智能手机客户端输入网络摄像机的IP地址;在初始化阶段,用户打开Android智能手机客户端,进入Android智能手机客户端界面,首次使用需要在IP地址栏输入该网络摄像头机的IP地址,网络摄像机的IP地址会被Android智能手机客户端自动保存,再次使用可以选择登陆按钮直接进入Android智能手机客户端。
步骤一、当设备通过初始化设置后,用户打开入侵报警装置,网络摄像机将监控区域内的视频图像采集到DSP数字信号处理器中,并对采集好的监控区域内的视频图像进行视频图像压缩处理,将压缩后的视频图像通过以太网传输给Android智能手机客户端;
步骤二、DSP数字信号处理器中移动目标检测模块对步骤一采集的监控图像进行移动目标检测,使用三帧差分法计算监控区域的变化来判断监控区域是否有物体入侵的具体过程为:
(1)使用三帧差分法对进入监控区域的移动目标进行监控,连续取三帧图像,将相邻的两帧图像分别作差,然后将做差后的图像分别经过高斯滤波、最大类间方差阈值法、逻辑运算以及形态学运算得到移动目标相邻帧差的二值图像;
设Ak-1、Ak、Ak+1分别为本监控***从采集到的监控区域内的视频图像中得到的第k-1、k、k+1帧连续图片,获得的相邻图像做差,则:
Bk=|Ak-Ak-1|
Bk+1=|Ak+1-Ak|
为降低噪声对以上得到的图像Bk和图像Bk+1的影响,将分别对图像Bk和图像Bk+1采用3*3模板进行高斯滤波处理,即通过用一个3*3模板扫描图像中的每一个像素,用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值,从而得到消除噪声的平滑图像Ck和Ck+1,其中每个像素点的邻域定义为以所述每个像素点的坐标值为中心的一个圆内部或边界上点的集合;
假使阈值Tk将图像Ck分为前景即目标,和背景两类,其中前景为图像Ck中像素值大于等于阈值Tk的像素点,背景为图像Ck中像素值小于阈值Tk的像素点,即若图像Ck在坐标(x,y)处的像素点Ck(Kx,Ky)≥Tk,则Ck(Kx,Ky)为前景,若图像Ck在坐标(x,y)处的像素点Ck(Kx,Ky)<Tk,则Ck(Kx,Ky)为背景,并且阈值Tk使前景和背景这两类之间的方差最大;若阈值Tk+1将图像Ck+1分为前景即目标,和背景两类,其中前景为图像Ck+1中像素值大于等于阈值Tk+1的像素点,背景为图像Ck+1中像素值小于阈值Tk的像素点,即若图像Ck+1在坐标(x,y)处的像素点Ck+1(K+1x,K+1y)≥Tk+1,则Ck+1(K+1x,K+1y)为前景,若图像Ck+1在坐标(x,y)处的像素点Ck+1(K+1x,K+1y)<Tk+1,则Ck+1(K+1x,K+1y)为背景,并且阈值Tk+1使前景和背景这两类之间的方差最大;则Tk、Tk+1分别为图像Ck、Ck+1的最佳阈值,最佳阈值的计算过程如下:
设图像CI为网络摄像机采集到的监控区域内的第I帧视频图像,其中CI包含L个灰度级{0,1,...,L-1},灰度值为i的像素点数为ni,则总像素为灰度为i的像素出现概率为门限t将整幅图像分为目标M1和背景M2两类,则这两类的类间方差δ的计算公式为:
式中,和分别为目标M1和背景M2两类出现的概率;和分别为目标M1和背景M2两类的灰度均值,分割的最佳阈值是类间方差计算公式中取最大值时的门限t值,记为TI:
通过上述最佳阈值计算方法求得图像Ck、Ck+1的最佳阈值Tk、Tk+1,然后使用最佳阈值Tk、Tk+1分别对图像Ck、Ck+1二值化得到前景二值图像Dk、Dk+1,即为最大类间方差阈值法,用公式表达如下:
Dk=threshold(|Ck|)
Dk+1=threshold(|Ck+1|)
(2)将得到的前景二值图像Dk、Dk+1进行逻辑“与”运算,其中图像Dk中的前景与图像Dk+1中的前景进行“与”运算后得到前景的图像即为图像Ak中运动目标的形状轮廓,公式表达为:
Ek=Dk And Dk+1
由于噪声的影响,图像Dk、Dk+1进行逻辑运算后所得到的图像Ek边界通常都很不平滑,前景区域具有一些噪声孔洞,而背景区域上散布着一些小的噪声物体,通过形态学的开运算,即经过腐蚀之后再膨胀从而去除二值图像中的噪声孔洞,得到消噪后的图像Fk,其中膨胀是用结构元素G扫描图像的每一个像素,并与其覆盖的二值图像做“或”操作;腐蚀是用结构元素G扫描图像的每一个像素,并与其覆盖的二值图像做“与”操作;图像的形态学开运算公式如下:
(3)通过采用连通八邻域规则,获得图像Fk中最大连通区域的最小横坐标值、最大横坐标值、最小纵坐标值和最大纵坐标值,从而得到红色矩形框标记的移动目标图像实现步骤如下:
1)在二维图像中,假设目标像素点周围有z个相邻的像素,其中z≤8,如果该像素灰度与这z个像素中某一个像素点Q的灰度值相等,那么称该像素与Q具有连通性;连通八邻域规则是选取目标像素在二维空间中所有的相邻像,即为上、下、左、右、左上、右上、左下、右下八个相邻像素点;通过采用连通八邻域规则对图像Fk中的每一个像素点设置标号,得到图像Fk像素点的连通域标号矩阵,标号初始值均设为0;设图像Fk像素点(Kx,Ky),其连通区域标号为label(Kx,Ky),其中图像Fk像素点(Kx,Ky)的八邻域坐标为(Kx-1,Ky)、(Kx+1,Ky)、(Kx,Ky-1)、(Kx,Ky+1)、(Kx-1,Ky-1)、(Kx-1,Ky+1)、(Kx+1,Ky-1)和(Kx+1,Ky+1);
2)首先从图像Fk的左上角开始逐行扫描,即是从存储图像Fk像素的矩阵的0行0列开始逐行扫描,从上至下,每一行从左向右扫描;当扫描到图像Fk像素点(Kx,Ky)时,已经扫描完成了(Kx,Ky)像素点的上边和左边邻接的像素点,则已经获得label(Kx-1,Ky)、label(Kx-1,Ky-1)、label(Kx-1,Ky+1)和label(Kx,Ky-1)的值;
若图像Fk坐标为(Kx,Ky)处像素点为前景像素点,且其像素点的值与其相邻像素点值相同,则认为这些像素点是连通的,其中前景像素点为图像Fk中组成前景的像素点;若像素点(Kx,Ky)与其相邻像素点(Kx-1,Ky)、(Kx-1,Ky-1)、(Kx-1,Ky+1)以及(Kx,Ky-1)连通,则label(Kx,Ky)的值等于label(Kx-1,Ky)、label(Kx-1,Ky-1)、label(Kx-1,Ky+1)和label(Kx,Ky-1)当中值最小的标号,并更新此连通区域的最小横坐标值、最大横坐标值、最小纵坐标值和最大纵坐标值:最小横坐标值minxnumber、最大横坐标值maxxnumber、最小纵坐标值minynumber和最大纵坐标值maxynumber,其中number为此连通区域的标号;
假使图像Fk中标号为number的连通区域,若此连通区域扫描至像素点(Kx,Ky)时,已记录的此连通区域的最小横坐标值、最大横坐标值、最小纵坐标值和最大纵坐标值:最小横坐标值minxnumber、最大横坐标值maxxnumber、最小纵坐标值minynumber和最大纵坐标值maxynumber,且像素点(Kx,Ky)与其相邻像素点连通,则更新此连通区域的最小横坐标值、最大横坐标值、最小纵坐标值和最大纵坐标值,若此时Kx≥maxxnumber,则maxxnumber=Kx且minxnumber值保持不变,若minxnumber<Kx<maxxnumber,则minxnumber和maxxnumber值均保持不变;若Kx≤minxnumber,则minxnumber=Kx且maxxnumber值保持不变;若此时Ky≥maxynumber,则maxynumber=Ky且minynumber值保持不变,若minynumber<Ky<maxynumber,则minynumber和maxynumber值均保持不变;若Ky≤minynumber,则minynumber=Ky且maxynumber值保持不变;
如果图像Fk的像素点(Kx,Ky)与其上边的像素点(Kx-1,Ky)、(Kx-1,Ky-1)、(Kx-1,Ky+1)和左边的像素点(Kx,Ky-1)都不连通,并且图像Fk在像素点(Kx,Ky)处为前景像素点,则将增加一个新的连通区域;即计数器number′=number+1作为像素点(Kx,Ky)的连通标号,即label(Kx,Ky)=number′,并记录此连通区域的最小横坐标值、最大横坐标值、最小纵坐标值和最大纵坐标值:最小横坐标值minxnumber′、最大横坐标值maxxnumber′、最小纵坐标值minynumber′和最大纵坐标值maxynumber′,即令minxnumber′=Kx、maxxnumber′=Kx、minynumber′=Ky和maxynumber′=Ky;如果图像Fk在坐标为(Kx,Ky)处像素点为背景像素点,则继续扫描下一个点,其中背景像素点为图像Fk中组成背景的像素点;
3)按照过程2)中所述扫描图像Fk中的所有像素点,若扫描完毕,则执行过程4);
4)从左到右,从上到下遍历图像Fk中所有不同的连通区域,根据记录的所有不同的连通区域的最小横坐标值、最大横坐标值、最小纵坐标值和最大纵坐标值:minxnumber、maxxnumber、minynumber和maxynumber计算各连通区域的高度Hnumber和宽度Wnumber,即:
Hnumber=maxxnumber-minxnumber
Wnumber=maxynumber-minynumber
将高度Hnumber和宽度Wnumber的乘积作为各连通区域的近似面积即Snumber=Hnumber*Wnumber,通过比较各连通区域的面积Snumber,将面积最大MAX(Snumber)的连通区域记为最大运动模块,保存最大运动模块的最小横坐标值、最大横坐标值、最小纵坐标值和最大纵坐标值:MAXS(minxnumber)、MAXS(maxxnumber)、MAXS(minynumber)和MAXS(maxynumber);由于图像Fk中的最大运动模块是通过上述步骤处理图像Ak所得到的,因此图像Ak中的最大运动模块与图像Fk中的最大运动模块坐标信息相同,以最大运动模块的最小和最大横坐标所在列、最小和最大纵坐标所在行组成高为MAXS(maxxnumber)-MAXS(minxnumber)、宽为MAXS(maxynumber)-MAXS(minynumber)的矩形框,即矩形框的四个坐标点为(MAXS(minxnumber),MAXS(minynumber)),(MAXS(minxnumber),MAXS(maxynumber)),(MAXS(maxxnumber),MAXS(minynumber)),(MAXS(maxxnumber),MAXS(maxynumber)),令得到的矩形框显示为红色;用红色矩形框将图像Ak中的最大运动模块框选,于是获得带有红色矩形框标记的移动目标图像则判断监控区域有物体入侵。
步骤三、DSP数字信号处理器中移动目标检测模块,根据步骤二中监控区域内的视频图像的变化,通过对人体特征进行识别,判断是否需要报警;如果检测到有人体入侵,则通过DSP数字信号处理器启动报警模块,如果没有检测到人体入侵,则DSP数字信号处理器不会启动报警模块,网络摄像机将继续对监控区域进行视频采集,其中通过人体特征识别方法判断是否需要报警的具体过程为:
如果监控区域有物体入侵,设定不同的阈值判断条件,判定移动目标图像中红色矩形框是否符合人体特征,如果符合则认为是人体,需要报警;如果不符合人体特征,则可以根据用户的初始设定判断是否报警;若带有红色矩形框标记的移动目标图像中,标记的红色矩形框的长为lk,宽为bk,当bk大于lk,则认为入侵物体是直立的;若要把人从直立的运动物体中区分开,可以通过人体特征,本发明的人体特征识别方法描述如下:
若移动目标图像中,标记的红色矩形框的长为lk,宽为bk,则lk/bk可以近似为入侵物体的长宽比,lk*bk可以近似为入侵物体的面积;如果lk/bk小于θk或者大于βk,或者lk*bk小于αk或者大于εk时,则不是人体,当且仅当θk≤lk/bk≤βk和αk≤lk*bk≤εk时,判断为人体入侵监控区域;其中,正常人体的高度在0.8-2米之间,宽度为0.3-1米,这里暂时不考虑人体非常态入侵的情况;阈值θk、βk、αk和εk的取值由网络摄像头与监控区域的距离决定,若网络摄像机与监控区域的距离在M米距离时,网络摄像机的监控范围为高LAk,宽KAk;因此lk/bk的下限比例阈值θk设定为上限比例阈值βk设定为7;lk*bk的下限面积阈值αk设定为当前监控图像面积的上限面积阈值εk设定为当前监控图像面积的
如果通过检测有人体入侵,则通过DSP数字信号处理器启动报警模块,如果没有检测到人体入侵,则DSP数字信号处理器不会启动报警模块,网络摄像机将继续对监控区域进行视频采集;
步骤四、如果通过移动目标检测模块检测发现有人体入侵,则装置启动报警模块和GSM模块;报警模块将通过声光报警器和语音播报模块对入侵人员进行震慑;其中报警模块包括由闪光灯和扬声器组成的声光报警器和可根据用户需求录入不同语音的语音播报模块;启动报警模块的同时,GSM模块将发送短信和邮件给Android智能手机客户端及时提醒用户;用户接到信息和邮件提醒后,通过Android智能手机客户端对监控端网络摄像机采集的监控区域内的视频图像信息进行录制保存和报警。用户通过Android智能手机客户端,登录预设的IP地址,查看网络摄像机拍摄的监控区域中移动目标图像的信息,并通过Android智能手机客户端上的“开始录制”按钮和“报警”按钮,录制入侵者的非法入侵视频以及报警;待入侵者离开监控区域时,触摸“结束录制”按钮结束录制,保存非法入侵视频信息至手机中。
通过Android智能手机客户端对监控端网络摄像机录入的视频图像进行保存,并显示报警按钮,主要工作流程如下:
1)通过Android手机客户端设置短信和邮件接收提醒,当通信模块对用户发送邮件和手机短信时,Android智能手机接到报警信息和邮件接收提示,通过在Android智能手机客户端上输入对应网络摄像机的IP地址,进行访问;
2)通过触摸Android智能手机客户端上面的录制按钮,开始对监测区域进行视频监控和录制,直至选择“结束录制”按钮,返回Android智能手机客户端;
3)通过触摸Android智能手机客户端上面的报警按钮,出现“确认是否报警”提示框询问用户是否报警;如果选择“是”,则立即报警;如果选择“否”,则返回Android智能手机客户端。
Claims (6)
1.一种基于Android智能手机的入侵报警方法,其特征在于,步骤如下:
步骤一、网络摄像机(10)将监控区域内的视频图像采集到DSP数字信号处理器(8)中,并对采集好的监控区域内的视频图像进行视频图像压缩处理,将压缩后的视频图像通过以太网(4)传输给Android智能手机客户端(2);
步骤二、DSP数字信号处理器(8)中移动目标检测模块(9)对步骤一采集的监控区域内的视频图像进行移动目标检测,使用三帧差分法计算监控区域内的视频图像的变化来判断监控区域是否有物体入侵;
步骤三、DSP数字信号处理器(8)中移动目标检测模块(9),根据步骤二中监控区域内的视频图像的变化,通过对人体特征进行识别,判断是否需要报警;如果检测到有人体入侵,则通过DSP数字信号处理器启动报警模块(5);如果没有检测到人体入侵,则DSP数字信号处理器不会启动报警模块(5),且网络摄像机(10)将继续对监控区域进行视频采集;
步骤四、如果通过移动目标检测模块(9)检测发现有人体入侵,则装置启动报警模块(5)和GSM模块(6);报警模块(5)将通过声光报警器(501)和语音播报模块(502)对入侵人员进行震慑;启动报警模块(5)的同时,GSM模块(6)将发送短信和邮件给Android智能手机客户端(2)及时提醒用户(1);用户(1)接到信息和邮件提醒后,通过Android智能手机客户端(2)对监控端网络摄像机(10)采集的监控区域内的视频图像信息进行录制保存和报警。
2.根据权利要求1所述的一种基于Android智能手机的入侵报警方法及装置,其特征在于步骤一中所述的对采集好的监控区域内的视频图像进行视频图像压缩处理,选择MPEG-4标准作为视频数据的压缩标准,将压缩后的视频图像通过以太网(4)传输给Android智能手机客户端(2)是采用RTP/RTCP协议栈来实现的。
3.根据权利要求2所述的一种基于Android智能手机的入侵报警方法及装置,其特征在于步骤二中所述的判断监控区域是否有物体入侵的具体过程为:
(1)使用三帧差分法对进入监控区域的移动目标进行监控,连续取三帧图像,将相邻的两帧图像分别作差,然后将做差后的图像分别经过高斯滤波、最大类间方差阈值法、逻辑运算以及形态学运算得到移动目标相邻帧差的二值图像;
设Ak-1、Ak、Ak+1分别为本监控***从采集到的监控区域内的视频图像中得到的第k-1、k、k+1帧连续图片,获得的相邻图像做差,则:
Bk=|Ak-Ak-1|
Bk+1=|Ak+1-Ak|
为降低噪声对以上得到的图像Bk和图像Bk+1的影响,将分别对图像Bk和图像Bk+1采用3*3模板进行高斯滤波处理,即通过用一个3*3模板扫描图像中的每一个像素,用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值,从而得到消除噪声的平滑图像Ck和Ck+1,其中每个像素点的邻域定义为以所 述每个像素点的坐标值为中心的一个圆内部或边界上点的集合;
假使阈值Tk将图像Ck分为前景即目标,和背景两类,其中前景为图像Ck中像素值大于等于阈值Tk的像素点,背景为图像Ck中像素值小于阈值Tk的像素点,即若图像Ck在坐标(x,y)处的像素点Ck(Kx,Ky)≥Tk,则Ck(Kx,Ky)为前景,若图像Ck在坐标(x,y)处的像素点Ck(Kx,Ky)<Tk,则Ck(Kx,Ky)为背景,并且阈值Tk使前景和背景这两类之间的方差最大;若阈值Tk+1将图像Ck+1分为前景即目标,和背景两类,其中前景为图像Ck+1中像素值大于等于阈值Tk+1的像素点,背景为图像Ck+1中像素值小于阈值Tk的像素点,即若图像Ck+1在坐标(x,y)处的像素点Ck+1(K+1x,K+1y)≥Tk+1,则Ck+1(K+1x,K+1y)为前景,若图像Ck+1在坐标(x,y)处的像素点Ck+1(K+1x,K+1y)<Tk+1,则Ck+1(K+1x,K+1y)为背景,并且阈值Tk+1使前景和背景这两类之间的方差最大;则Tk、Tk+1分别为图像Ck、Ck+1的最佳阈值,最佳阈值的计算过程如下:
设图像CI为网络摄像机采集到的监控区域内的第I帧视频图像,其中CI包含L个灰度级{0,1,...,L-1},灰度值为i的像素点数为ni,则总像素为灰度为i的像素出现概率为门限t将整幅图像分为目标M1和背景M2两类,则这两类的类间方差δ的计算公式为:
式中,和分别为目标M1和背景M2两类出现的概率; 和分别为目标M1和背景M2两类的灰度均值,分割的最佳阈值是类间方差计算公式中取最大值时的门限t值,记为TI:
通过上述最佳阈值计算方法求得图像Ck、Ck+1的最佳阈值Tk、Tk+1,然后使用最佳阈值Tk、Tk+1分别对图像Ck、Ck+1二值化得到前景二值图像Dk、Dk+1,即为最大类间方差阈值法,用公式表达如下:
Dk=threshold(|Ck|)
Dk+1=threshold(|Ck+1|)
(2)将得到的前景二值图像Dk、Dk+1进行逻辑“与”运算,其中图像Dk中的前景与图像Dk+1中的前景进行“与”运算后得到的前景即为图像Ak中运动目标的形状轮廓,公式表达为:
Ek=Dk And Dk+1
由于噪声的影响,图像Dk、Dk+1进行逻辑运算后所得到的图像Ek边界通常都很不平滑,前景区域具有一些噪声孔洞,而背景区域上散布着一些小的噪声物体,通过形态学的开运算,即经过腐蚀之后再膨胀从而去除二值图像中的噪声孔洞,得到消噪后的图像Fk,其中膨胀是用结构元素G扫描图像的每一个像素,并与其覆盖的二值图像做“或”操作;腐蚀是用结构元素G扫描图像的每一个像素,并与其覆盖的二值图像做“与”操作;图像的形态学开运算公式如下:
(3)通过采用连通八邻域规则,获得图像Fk中最大连通区域的最小横坐标值、最大横坐标值、最小纵坐标值和最大纵坐标值,从而得到红色矩形框标记的移动目标图像实现步骤如下:
1)在二维图像中,假设目标像素点周围有z个相邻的像素,其中z≤8,如果该像素灰度与这z个像素中某一个像素点Q的灰度值相等,那么称该像素与Q具有连通性;连通八邻域规则是选取目标像素在二维空间中所有的相邻像,即为上、下、左、右、左上、右上、左下、右下八个相邻像素点;通过采用连通八邻域规则对图像Fk中的每一个像素点设置标号,得到图像Fk像素点的连通域标号矩阵,标号初始值均设为0;设图像Fk像素点(Kx,Ky),其连通区域标号为label(Kx,Ky),其中图像Fk像素点(Kx,Ky)的八邻域坐标为(Kx-1,Ky)、(Kx+1,Ky)、(Kx,Ky-1)、(Kx,Ky+1)、(Kx-1,Ky-1)、(Kx-1,Ky+1)、(Kx+1,Ky-1)和(Kx+1,Ky+1);
2)首先从图像Fk的左上角开始逐行扫描,即是从存储图像Fk像素的矩阵的0行0列开始逐行扫描,从上至下,每一行从左向右扫描;当扫描到图像Fk像素点(Kx,Ky)时,已经扫描完成了(Kx,Ky)像素点的上边和左边邻接的像素点,则已经获得label(Kx-1,Ky)、label(Kx-1,Ky-1)、label(Kx-1,Ky+1)和label(Kx,Ky-1)的值;
若图像Fk坐标为(Kx,Ky)处像素点为前景像素点,且其像素点的值与其相邻像素点值相同,则认为这些像素点是连通的,其中前景像素点为图像Fk中组成前景的像素点;若像素点(Kx,Ky)与其相邻像素点(Kx-1,Ky)、(Kx-1,Ky-1)、(Kx-1,Ky+1)以及(Kx,Ky-1)连通,则label(Kx,Ky)的值等于label(Kx-1,Ky)、label(Kx-1,Ky-1)、label(Kx-1,Ky+1)和label(Kx,Ky-1)当中值最小的标号,并更新此连通区域的最小横坐标值、最大横坐标值、最小纵坐标值和最大纵坐标值:最小横坐标值minxnumber、最大横坐标值maxxnumber、最小纵坐标值minynumber和最大纵坐标值maxynumber,其中number为此连通区域的标号;
假使图像Fk中标号为number的连通区域,若此连通区域扫描至像素点(Kx,Ky)时,已记录的此连通区域的最小横坐标值、最大横坐标值、最小纵坐标值和最大纵坐标值:最小横坐标值minxnumber、最大横坐标值maxxnumber、最小纵坐标值minynumber和最大纵坐标值maxynumber,且像素点(Kx,Ky)与其相邻像素点连通,则更新此连通区域的最小横坐标值、最大横坐标值、最小纵坐标值和最大纵坐标值,若此时Kx≥maxxnumber,则maxxnumber=Kx且minxnumber值保持不变,若minxnumber<Kx<maxxnumber,则minxnumber和maxxnumber值均保持不变;若Kx≤minxnumber,则minxnumber=Kx且maxxnumber值保持不变;若此时Ky≥maxynumber,则maxynumber=Ky且minynumber值保持不变,若minynumber<Ky<maxynumber,则minynumber和maxynumber值均保持不变;若Ky≤minynumber,则minynumber=Ky且maxynumber值保持不变;
如果图像Fk的像素点(Kx,Ky)与其上边的像素点(Kx-1,Ky)、(Kx-1,Ky-1)、(Kx-1,Ky+1)和左边的像素点(Kx,Ky-1)都不连通,并且图像Fk在像素点(Kx,Ky)处为前景像素点,则将增加一个新的连通区域;即计数器number′=number+1作为 像素点(Kx,Ky)的连通标号,即label(Kx,Ky)=number′,并记录此连通区域的最小横坐标值、最大横坐标值、最小纵坐标值和最大纵坐标值:最小横坐标值minxnumber′、最大横坐标值maxxnumber′、最小纵坐标值minynumber′和最大纵坐标值maxynumber′,即令minxnumber′=Kx、maxxnumber′=Kx、minynumber′=Ky和maxynumber′=Ky;如果图像Fk在坐标为(Kx,Ky)处像素点为背景像素点,则继续扫描下一个点,其中背景像素点为图像Fk中组成背景的像素点;
3)按照过程2)中所述扫描图像Fk中的所有像素点,若扫描完毕,则执行过程4);
4)从左到右,从上到下遍历图像Fk中所有不同的连通区域,根据记录的所有不同的连通区域的最小横坐标值、最大横坐标值、最小纵坐标值和最大纵坐标值:minxnumber、maxxnumber、minynumber和maxynumber计算各连通区域的高度Hnumber和宽度Wnumber,即:
Hnumber=maxxnumber-minxnumber
Wnumber=maxynumber-minynumber
将高度Hnumber和宽度Wnumber的乘积作为各连通区域的近似面积即Snumber=Hnumber*Wnumber,通过比较各连通区域的面积Snumber,将面积最大MAX(Snumber)的连通区域记为最大运动模块,保存最大运动模块的最小横坐标值、最大横坐标值、最小纵坐标值和最大纵坐标值:MAXS(minxnumber)、MAXS(maxxnumber)、MAXS(minynumber)和MAXS(maxynumber);由于图像Fk中的最大运动模块是通过上述步骤处理图像Ak所得到的,因此图像Ak中的最大运动模块与图像Fk中的最大运动模块坐标信息相同,以最大运动模块的最小和最大横坐标所在列、最小和最大纵坐标所在行组成高为MAXS(maxxnumber)-MAXS(minxnumber)、宽为MAXS(maxynumber)-MAXS(minynumber)的矩形框,即矩形框的四个坐标点为(MAXS(minxnumber),MAXS(minynumber)),(MAXS(minxnumber),MAXS(maxynumber)),(MAXS(maxxnumber),MAXS(minynumber)),(MAXS(maxxnumber),MAXS(maxynumber)),令得到的矩形框显示为红色;用红色矩形框将图像Ak中的最大运动模块框选,于是获得带有红色矩形框标记的移动目标图像则判断监控区域有物体入侵。
4.根据权利要求3所述的一种基于Android智能手机的入侵报警方法及装置,其特征在于步骤三中所述的通过人体特征识别方法判断是否需要报警的具体过程为:
如果监控区域有物体入侵,设定不同的阈值判断条件,判定移动目标图像中红色矩形框是否符合人体特征,如果符合则认为是人体,需要报警;如果不符合人体特征,则可以根据用户的初始设定判断是否报警;若带有红色矩形框标记的移动目标图像中,标记的红色矩形框的长为lk,宽为bk,当bk大于lk,则认为入侵物体是直立的;若要把人从直立的运动物体中区分开,可以通过人体特征,本发明的人体特征识别方法描述如下:
若移动目标图像中,标记的红色矩形框的长为lk,宽为bk,则lk/bk可以近似为入侵物体的长宽比,lk*bk可以近似为入侵物体的面积;如果lk/bk小于θk或者大于βk,或者lk*bk小于αk或者大于εk时,则不是人体,当且仅当θk≤lk/bk≤βk和 αk≤lk*bk≤εk时,判断为人体入侵监控区域;其中,阈值θk、βk、αk和εk的取值由网络摄像头与监控区域的距离决定,若网络摄像机与监控区域的距离在H米距离时,网络摄像机的监控范围为长LAk,宽KAk;因此lk/bk的下限比例阈值θk设定为上限比例阈值βk设定为7;lk*bk的下限面积阈值αk设定为当前监控图像面积的上限面积阈值εk设定为当前监控图像面积的
如果通过检测有人体入侵,则通过DSP数字信号处理器(8)启动报警模块(5),如果没有检测到人体入侵,则DSP数字信号处理器(8)不会启动报警模块,网络摄像机(10)将继续对监控区域进行视频采集。
5.一种基于Android智能手机的入侵报警装置,其特征在于,包括:网络摄像机(10)、移动目标检测模块(9)、电源模块(7)、DSP数字信号处理器(8)、报警模块(5)、GSM模块(6)、以太网(4)和Android智能手机客户端(2),网络摄像机(10)视频采集输出端口与DSP数字信号处理器(8)视频采集输入端口连接,电源模块(7)电源输出端口与网络摄像机(10)电源输入端口连接,报警模块(5)、GSM模块(6)、电源模块(7)、移动目标检测模块(9)分别与DSP数字信号处理器(8)电连接,GSM模块(6)与Android智能手机客户端(2)无线通讯连接,网络摄像机(10)的RJ-45以太网接口通过网线与以太网(4)连接,Android智能手机客户端(2)可通过以太网(4)访问网络摄像机(10)采集的视频信息。
6.根据权利要求5所述的一种基于Android智能手机的入侵报警装置,其特征在于,所述的报警模块(5)包括由闪光灯和扬声器组成的声光报警器(501)和可根据用户需求录入不同语音的语音播报模块(502)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610638102.5A CN106251544A (zh) | 2016-08-05 | 2016-08-05 | 一种基于Android智能手机的入侵报警方法及报警装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610638102.5A CN106251544A (zh) | 2016-08-05 | 2016-08-05 | 一种基于Android智能手机的入侵报警方法及报警装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106251544A true CN106251544A (zh) | 2016-12-21 |
Family
ID=58077851
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610638102.5A Pending CN106251544A (zh) | 2016-08-05 | 2016-08-05 | 一种基于Android智能手机的入侵报警方法及报警装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106251544A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106657936A (zh) * | 2017-03-03 | 2017-05-10 | 苏州科技大学 | 基于视频监控危险区域语音警示方法及*** |
CN107040768A (zh) * | 2017-05-18 | 2017-08-11 | 深圳市海和高新技术有限公司 | 智能家居的监控实现方法及*** |
CN107134100A (zh) * | 2017-06-05 | 2017-09-05 | 广西荣中科技有限责任公司 | 一种安防*** |
CN107578422A (zh) * | 2017-08-01 | 2018-01-12 | 中国农业大学 | 一种行人追踪检测***及方法 |
CN107801000A (zh) * | 2017-10-17 | 2018-03-13 | 国网江苏省电力公司盐城供电公司 | 一种输电线路防外破智能视频监控*** |
CN109409243A (zh) * | 2018-09-29 | 2019-03-01 | 江南大学 | 一种移动目标中人体视觉检测方法 |
CN109448287A (zh) * | 2018-10-25 | 2019-03-08 | 平安科技(深圳)有限公司 | 一种安全监控方法、装置、可读存储介质及终端设备 |
CN109584490A (zh) * | 2018-12-10 | 2019-04-05 | Tcl通力电子(惠州)有限公司 | 安防方法、智能音箱及安防*** |
CN110889334A (zh) * | 2019-11-06 | 2020-03-17 | 江河瑞通(北京)技术有限公司 | 人员闯入识别方法及装置 |
CN111210462A (zh) * | 2019-12-30 | 2020-05-29 | 视联动力信息技术股份有限公司 | 一种报警方法及装置 |
CN112399051A (zh) * | 2020-10-15 | 2021-02-23 | 中标慧安信息技术股份有限公司 | 一种应用于垃圾分类的人体检测声音警戒摄像机 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004272754A (ja) * | 2003-03-11 | 2004-09-30 | Matsushita Electric Ind Co Ltd | 警報装置および警報作動方法 |
CN101119481A (zh) * | 2007-08-27 | 2008-02-06 | 刘文萍 | 一种远程报警视频监控***及监控方法 |
CN203025885U (zh) * | 2012-12-11 | 2013-06-26 | 江苏大学 | 贵重物品防盗报警与呼叫*** |
CN203086601U (zh) * | 2012-12-24 | 2013-07-24 | 天津市亚安科技股份有限公司 | 具有声光示警功能的视频监控装置 |
CN203588406U (zh) * | 2013-12-06 | 2014-05-07 | 南开大学 | 基于红外检测及视频监控的智能安防*** |
-
2016
- 2016-08-05 CN CN201610638102.5A patent/CN106251544A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004272754A (ja) * | 2003-03-11 | 2004-09-30 | Matsushita Electric Ind Co Ltd | 警報装置および警報作動方法 |
CN101119481A (zh) * | 2007-08-27 | 2008-02-06 | 刘文萍 | 一种远程报警视频监控***及监控方法 |
CN203025885U (zh) * | 2012-12-11 | 2013-06-26 | 江苏大学 | 贵重物品防盗报警与呼叫*** |
CN203086601U (zh) * | 2012-12-24 | 2013-07-24 | 天津市亚安科技股份有限公司 | 具有声光示警功能的视频监控装置 |
CN203588406U (zh) * | 2013-12-06 | 2014-05-07 | 南开大学 | 基于红外检测及视频监控的智能安防*** |
Non-Patent Citations (4)
Title |
---|
宋斌: "一种新的图像连通域快速标号算法", 《电子测量技术》 * |
张伯虎: "《从零开始学弱电电工技术》", 30 October 2009 * |
朱秀昌等: "《数字图像处理与图像通信》", 30 June 2014 * |
谢剑斌等: "《视觉感知与智能视频监控》", 31 March 2012 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106657936A (zh) * | 2017-03-03 | 2017-05-10 | 苏州科技大学 | 基于视频监控危险区域语音警示方法及*** |
CN107040768A (zh) * | 2017-05-18 | 2017-08-11 | 深圳市海和高新技术有限公司 | 智能家居的监控实现方法及*** |
CN107134100A (zh) * | 2017-06-05 | 2017-09-05 | 广西荣中科技有限责任公司 | 一种安防*** |
CN107578422A (zh) * | 2017-08-01 | 2018-01-12 | 中国农业大学 | 一种行人追踪检测***及方法 |
CN107578422B (zh) * | 2017-08-01 | 2024-04-09 | 中国农业大学 | 一种行人追踪检测***及方法 |
CN107801000A (zh) * | 2017-10-17 | 2018-03-13 | 国网江苏省电力公司盐城供电公司 | 一种输电线路防外破智能视频监控*** |
CN109409243A (zh) * | 2018-09-29 | 2019-03-01 | 江南大学 | 一种移动目标中人体视觉检测方法 |
CN109448287A (zh) * | 2018-10-25 | 2019-03-08 | 平安科技(深圳)有限公司 | 一种安全监控方法、装置、可读存储介质及终端设备 |
CN109584490A (zh) * | 2018-12-10 | 2019-04-05 | Tcl通力电子(惠州)有限公司 | 安防方法、智能音箱及安防*** |
CN110889334A (zh) * | 2019-11-06 | 2020-03-17 | 江河瑞通(北京)技术有限公司 | 人员闯入识别方法及装置 |
CN111210462A (zh) * | 2019-12-30 | 2020-05-29 | 视联动力信息技术股份有限公司 | 一种报警方法及装置 |
CN112399051A (zh) * | 2020-10-15 | 2021-02-23 | 中标慧安信息技术股份有限公司 | 一种应用于垃圾分类的人体检测声音警戒摄像机 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106251544A (zh) | 一种基于Android智能手机的入侵报警方法及报警装置 | |
US11004209B2 (en) | Methods and systems for applying complex object detection in a video analytics system | |
US10282617B2 (en) | Methods and systems for performing sleeping object detection and tracking in video analytics | |
US20190034734A1 (en) | Object classification using machine learning and object tracking | |
US20190130188A1 (en) | Object classification in a video analytics system | |
US20190130583A1 (en) | Still and slow object tracking in a hybrid video analytics system | |
US20190130189A1 (en) | Suppressing duplicated bounding boxes from object detection in a video analytics system | |
JP3872014B2 (ja) | Cctvベースの住宅向けセキュリティ・モニタリングのために遠隔なステーションに送信する最適なビデオフレームを選択する方法及び装置 | |
US10878578B2 (en) | Exclusion zone in video analytics | |
US20060170769A1 (en) | Human and object recognition in digital video | |
US10140718B2 (en) | Methods and systems of maintaining object trackers in video analytics | |
CN106940794A (zh) | 一种目标采集侦码伴随*** | |
WO2021223665A1 (zh) | 一种减少无效告警的方法及装置 | |
CN109089160A (zh) | 一种高校餐厅食品加工违规行为视频分析***及方法 | |
US20190130586A1 (en) | Robust sleeping object detection in video analytics | |
US10360456B2 (en) | Methods and systems of maintaining lost object trackers in video analytics | |
WO2018031096A1 (en) | Methods and systems of performing blob filtering in video analytics | |
US10657783B2 (en) | Video surveillance method based on object detection and system thereof | |
CN101163234A (zh) | 利用数据处理装置进行模式识别和图像监控的实现方法 | |
CN107231546A (zh) | 基于云安全服务器的自主追踪移动特征的家用监控*** | |
CN108540752A (zh) | 对视频监控中目标对象进行识别的方法、装置和*** | |
CN100589135C (zh) | 自动门铃及其实现方法 | |
KR20060003321A (ko) | 보안 감시 시스템의 물체 인식 장치 및 방법 | |
CN113657250A (zh) | 一种基于监控视频的火焰检测方法及*** | |
CN102801964A (zh) | 一种基于运动检测的智能家居监控方法及其*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20161221 |