CN106251544A - 一种基于Android智能手机的入侵报警方法及报警装置 - Google Patents

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

一种基于Android智能手机的入侵报警方法及报警装置

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A_k-1、A_k、A_k+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：

B_k＝|A_k-A_k-1|

B_k+1＝|A_k+1-A_k|

为降低噪声对以上得到的图像B_k和图像B_k+1的影响，将分别对图像B_k和图像B_k+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C_k和C_k+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T_k将图像C_k分为前景即目标，和背景两类，其中前景为图像C_k中像素值大于等于阈值T_k的像素点，背景为图像C_k中像素值小于阈值T_k的像素点，即若图像C_k在坐标(x,y)处的像素点C_k(K_x,K_y)≥T_k，则C_k(K_x,K_y)为前景，若图像C_k在坐标(x,y)处的像素点C_k(K_x,K_y)<T_k，则C_k(K_x,K_y)为背景，并且阈值T_k使前景和背景这两类之间的方差最大；若阈值T_k+1将图像C_k+1分为前景即目标，和背景两类，其中前景为图像C_k+1中像素值大于等于阈值T_k+1的像素点，背景为图像C_k+1中像素值小于阈值T_k的像素点，即若图像C_k+1在坐标(x,y)处的像素点C_k+1(K+1_x,K+1_y)≥T_k+1，则C_k+1(K+1_x,K+1_y)为前景，若图像C_k+1在坐标(x,y)处的像素点C_k+1(K+1_x,K+1_y)<T_k+1，则C_k+1(K+1_x,K+1_y)为背景，并且阈值T_k+1使前景和背景这两类之间的方差最大；则T_k、T_k+1分别为图像C_k、C_k+1的最佳阈值，最佳阈值的计算过程如下：

设图像C_I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C_I包含L个灰度级{0,1,...,L-1}，灰度值为i的像素点数为n_i，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：

${\mathrm{\&delta;}}_I^2\left(t\right)=p_0*p_1{(u1-u2)}^2$

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T_I：

$T_I=Arg\underset{0\&le;t\&le;L-1}{Max}{\mathrm{\&delta;}}_I^2\left(t\right)$

通过上述最佳阈值计算方法求得图像C_k、C_k+1的最佳阈值T_k、T_k+1，然后使用最佳阈值T_k、T_k+1分别对图像C_k、C_k+1二值化得到前景二值图像D_k、D_k+1，即为最大类间方差阈值法，用公式表达如下：

D_k＝threshold(|C_k|)

D_k+1＝threshold(|C_k+1|)

(2)将得到的前景二值图像D_k、D_k+1进行逻辑“与”运算，其中图像D_k中的前景与图像D_k+1中的前景进行“与”运算后得到的前景图像即为图像A_k中运动目标的形状轮廓，公式表达为：

E_k＝D_k And D_k+1

由于噪声的影响，图像D_k、D_k+1进行逻辑运算后所得到的图像E_k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F_k，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F_k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F_k中的每一个像素点设置标号，得到图像F_k像素点的连通域标号矩阵，标号初始值均设为0；设图像F_k像素点(K_x,K_y)，其连通区域标号为label(K_x,K_y)，其中图像F_k像素点(K_x,K_y)的八邻域坐标为(K_x-1,K_y)、(K_x+1,K_y)、(K_x,K_y-1)、(K_x,K_y+1)、(K_x-1,K_y-1)、(K_x-1,K_y+1)、(K_x+1,K_y-1)和(K_x+1,K_y+1)；

2)首先从图像F_k的左上角开始逐行扫描，即是从存储图像F_k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F_k像素点(K_x,K_y)时，已经扫描完成了(K_x,K_y)像素点的上边和左边邻接的像素点，则已经获得label(K_x-1,K_y)、label(K_x-1,K_y-1)、label(K_x-1,K_y+1)和label(K_x,K_y-1)的值；

若图像F_k坐标为(K_x,K_y)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F_k中组成前景的像素点；若像素点(K_x,K_y)与其相邻像素点(K_x-1,K_y)、(K_x-1,K_y-1)、(K_x-1,K_y+1)以及(K_x,K_y-1)连通，则label(K_x,K_y)的值等于label(K_x-1,K_y)、label(K_x-1,K_y-1)、label(K_x-1,K_y+1)和label(K_x,K_y-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minx_number、最大横坐标值maxx_number、最小纵坐标值miny_number和最大纵坐标值maxy_number，其中number为此连通区域的标号；

假使图像F_k中标号为number的连通区域，若此连通区域扫描至像素点(K_x,K_y)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minx_number、最大横坐标值maxx_number、最小纵坐标值miny_number和最大纵坐标值maxy_number，且像素点(K_x,K_y)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K_x≥maxx_number，则maxx_number＝K_x且minx_number值保持不变，若minx_number<K_x<maxx_number，则minx_number和maxx_number值均保持不变；若K_x≤minx_number，则minx_number＝K_x且maxx_number值保持不变；若此时K_y≥maxy_number，则maxy_number＝K_y且miny_number值保持不变，若miny_number<K_y<maxy_number，则miny_number和maxy_number值均保持不变；若K_y≤miny_number，则miny_number＝K_y且maxy_number值保持不变；

如果图像F_k的像素点(K_x,K_y)与其上边的像素点(K_x-1,K_y)、(K_x-1,K_y-1)、(K_x-1,K_y+1)和左边的像素点(K_x,K_y-1)都不连通，并且图像F_k在像素点(K_x,K_y)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(K_x,K_y)的连通标号，即label(K_x,K_y)＝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minx_number′、最大横坐标值maxx_number′、最小纵坐标值miny_number′和最大纵坐标值maxy_number′,即令minx_number′＝K_x、maxx_number′＝K_x、miny_number′＝K_y和maxy_number′＝K_y；如果图像F_k在坐标为(K_x,K_y)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F_k中组成背景的像素点；

3)按照过程2)中所述扫描图像F_k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F_k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：minx_number、maxx_number、miny_number和maxy_number计算各连通区域的高度H_number和宽度W_number，即：

H_number＝maxx_number-minx_number

W_number＝maxy_number-miny_number

将高度H_number和宽度W_number的乘积作为各连通区域的近似面积即S_number＝H_number*W_number,通过比较各连通区域的面积S_number，将面积最大MAX(S_number)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(minx_number)、MAXS(maxx_number)、MAXS(miny_number)和MAXS(maxy_number)；由于图像F_k中的最大运动模块是通过上述步骤处理图像A_k所得到的，因此图像A_k中的最大运动模块与图像F_k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(maxx_number)-MAXS(minx_number)、宽为MAXS(maxy_number)-MAXS(miny_number)的矩形框，即矩形框的四个坐标点为(MAXS(minx_number),MAXS(miny_number))，(MAXS(minx_number),MAXS(maxy_number))，(MAXS(maxx_number),MAXS(miny_number))，(MAXS(maxx_number),MAXS(maxy_number))，令得到的矩形框显示为红色；用红色矩形框将图像A_k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l_k，宽为b_k，当b_k大于l_k，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l_k，宽为b_k，则l_k/b_k可以近似为入侵物体的长宽比，l_k*b_k可以近似为入侵物体的面积；如果l_k/b_k小于θ_k或者大于β_k，或者l_k*b_k小于α_k或者大于ε_k时，则不是人体，当且仅当θ_k≤l_k/b_k≤β_k和α_k≤l_k*b_k≤ε_k时，判断为人体入侵监控区域；其中，阈值θ_k、β_k、α_k和ε_k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L_Ak，宽K_Ak；因此l_k/b_k的下限比例阈值θ_k设定为上限比例阈值β_k设定为7；l_k*b_k的下限面积阈值α_k设定为当前监控图像面积的上限面积阈值ε_k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A_k-1、A_k、A_k+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：

B_k＝|A_k-A_k-1|

B_k+1＝|A_k+1-A_k|

为降低噪声对以上得到的图像B_k和图像B_k+1的影响，将分别对图像B_k和图像B_k+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C_k和C_k+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T_k将图像C_k分为前景即目标，和背景两类，其中前景为图像C_k中像素值大于等于阈值T_k的像素点，背景为图像C_k中像素值小于阈值T_k的像素点，即若图像C_k在坐标(x,y)处的像素点C_k(K_x,K_y)≥T_k，则C_k(K_x,K_y)为前景，若图像C_k在坐标(x,y)处的像素点C_k(K_x,K_y)<T_k，则C_k(K_x,K_y)为背景，并且阈值T_k使前景和背景这两类之间的方差最大；若阈值T_k+1将图像C_k+1分为前景即目标，和背景两类，其中前景为图像C_k+1中像素值大于等于阈值T_k+1的像素点，背景为图像C_k+1中像素值小于阈值T_k的像素点，即若图像C_k+1在坐标(x,y)处的像素点C_k+1(K+1_x,K+1_y)≥T_k+1，则C_k+1(K+1_x,K+1_y)为前景，若图像C_k+1在坐标(x,y)处的像素点C_k+1(K+1_x,K+1_y)<T_k+1，则C_k+1(K+1_x,K+1_y)为背景，并且阈值T_k+1使前景和背景这两类之间的方差最大；则T_k、T_k+1分别为图像C_k、C_k+1的最佳阈值，最佳阈值的计算过程如下：

设图像C_I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C_I包含L个灰度级{0,1,...,L-1}，灰度值为i的像素点数为n_i，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：

${\mathrm{\&delta;}}_I^2\left(t\right)=p_0*p_1{(u1-u2)}^2$

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T_I：

$T_I=Arg\underset{0\&le;t\&le;L-1}{Max}{\mathrm{\&delta;}}_I^2\left(t\right)$

通过上述最佳阈值计算方法求得图像C_k、C_k+1的最佳阈值T_k、T_k+1，然后使用最佳阈值T_k、T_k+1分别对图像C_k、C_k+1二值化得到前景二值图像D_k、D_k+1，即为最大类间方差阈值法，用公式表达如下：

D_k＝threshold(|C_k|)

D_k+1＝threshold(|C_k+1|)

(2)将得到的前景二值图像D_k、D_k+1进行逻辑“与”运算，其中图像D_k中的前景与图像D_k+1中的前景进行“与”运算后得到前景的图像即为图像A_k中运动目标的形状轮廓，公式表达为：

E_k＝D_k And D_k+1

由于噪声的影响，图像D_k、D_k+1进行逻辑运算后所得到的图像E_k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F_k，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F_k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F_k中的每一个像素点设置标号，得到图像F_k像素点的连通域标号矩阵，标号初始值均设为0；设图像F_k像素点(K_x,K_y)，其连通区域标号为label(K_x,K_y)，其中图像F_k像素点(K_x,K_y)的八邻域坐标为(K_x-1,K_y)、(K_x+1,K_y)、(K_x,K_y-1)、(K_x,K_y+1)、(K_x-1,K_y-1)、(K_x-1,K_y+1)、(K_x+1,K_y-1)和(K_x+1,K_y+1)；

2)首先从图像F_k的左上角开始逐行扫描，即是从存储图像F_k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F_k像素点(K_x,K_y)时，已经扫描完成了(K_x,K_y)像素点的上边和左边邻接的像素点，则已经获得label(K_x-1,K_y)、label(K_x-1,K_y-1)、label(K_x-1,K_y+1)和label(K_x,K_y-1)的值；

若图像F_k坐标为(K_x,K_y)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F_k中组成前景的像素点；若像素点(K_x,K_y)与其相邻像素点(K_x-1,K_y)、(K_x-1,K_y-1)、(K_x-1,K_y+1)以及(K_x,K_y-1)连通，则label(K_x,K_y)的值等于label(K_x-1,K_y)、label(K_x-1,K_y-1)、label(K_x-1,K_y+1)和label(K_x,K_y-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minx_number、最大横坐标值maxx_number、最小纵坐标值miny_number和最大纵坐标值maxy_number，其中number为此连通区域的标号；

假使图像F_k中标号为number的连通区域，若此连通区域扫描至像素点(K_x,K_y)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minx_number、最大横坐标值maxx_number、最小纵坐标值miny_number和最大纵坐标值maxy_number，且像素点(K_x,K_y)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K_x≥maxx_number，则maxx_number＝K_x且minx_number值保持不变，若minx_number<K_x<maxx_number，则minx_number和maxx_number值均保持不变；若K_x≤minx_number，则minx_number＝K_x且maxx_number值保持不变；若此时K_y≥maxy_number，则maxy_number＝K_y且miny_number值保持不变，若miny_number<K_y<maxy_number，则miny_number和maxy_number值均保持不变；若K_y≤miny_number，则miny_number＝K_y且maxy_number值保持不变；

如果图像F_k的像素点(K_x,K_y)与其上边的像素点(K_x-1,K_y)、(K_x-1,K_y-1)、(K_x-1,K_y+1)和左边的像素点(K_x,K_y-1)都不连通，并且图像F_k在像素点(K_x,K_y)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(K_x,K_y)的连通标号，即label(K_x,K_y)＝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minx_number′、最大横坐标值maxx_number′、最小纵坐标值miny_number′和最大纵坐标值maxy_number′,即令minx_number′＝K_x、maxx_number′＝K_x、miny_number′＝K_y和maxy_number′＝K_y；如果图像F_k在坐标为(K_x,K_y)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F_k中组成背景的像素点；

3)按照过程2)中所述扫描图像F_k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F_k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：minx_number、maxx_number、miny_number和maxy_number计算各连通区域的高度H_number和宽度W_number，即：

H_number＝maxx_number-minx_number

W_number＝maxy_number-miny_number

将高度H_number和宽度W_number的乘积作为各连通区域的近似面积即S_number＝H_number*W_number,通过比较各连通区域的面积S_number，将面积最大MAX(S_number)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(minx_number)、MAXS(maxx_number)、MAXS(miny_number)和MAXS(maxy_number)；由于图像F_k中的最大运动模块是通过上述步骤处理图像A_k所得到的，因此图像A_k中的最大运动模块与图像F_k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(maxx_number)-MAXS(minx_number)、宽为MAXS(maxy_number)-MAXS(miny_number)的矩形框，即矩形框的四个坐标点为(MAXS(minx_number),MAXS(miny_number))，(MAXS(minx_number),MAXS(maxy_number))，(MAXS(maxx_number),MAXS(miny_number))，(MAXS(maxx_number),MAXS(maxy_number))，令得到的矩形框显示为红色；用红色矩形框将图像A_k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l_k，宽为b_k，当b_k大于l_k，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l_k，宽为b_k，则l_k/b_k可以近似为入侵物体的长宽比，l_k*b_k可以近似为入侵物体的面积；如果l_k/b_k小于θ_k或者大于β_k，或者l_k*b_k小于α_k或者大于ε_k时，则不是人体，当且仅当θ_k≤l_k/b_k≤β_k和α_k≤l_k*b_k≤ε_k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θ_k、β_k、α_k和ε_k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L_Ak，宽K_Ak；因此l_k/b_k的下限比例阈值θ_k设定为上限比例阈值β_k设定为7；l_k*b_k的下限面积阈值α_k设定为当前监控图像面积的上限面积阈值ε_k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A_k-1、A_k、A_k+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：

B_k＝|A_k-A_k-1|

B_k+1＝|A_k+1-A_k|

为降低噪声对以上得到的图像B_k和图像B_k+1的影响，将分别对图像B_k和图像B_k+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C_k和C_k+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T_k将图像C_k分为前景即目标，和背景两类，其中前景为图像C_k中像素值大于等于阈值T_k的像素点，背景为图像C_k中像素值小于阈值T_k的像素点，即若图像C_k在坐标(x,y)处的像素点C_k(K_x,K_y)≥T_k，则C_k(K_x,K_y)为前景，若图像C_k在坐标(x,y)处的像素点C_k(K_x,K_y)<T_k，则C_k(K_x,K_y)为背景，并且阈值T_k使前景和背景这两类之间的方差最大；若阈值T_k+1将图像C_k+1分为前景即目标，和背景两类，其中前景为图像C_k+1中像素值大于等于阈值T_k+1的像素点，背景为图像C_k+1中像素值小于阈值T_k的像素点，即若图像C_k+1在坐标(x,y)处的像素点C_k+1(K+1_x,K+1_y)≥T_k+1，则C_k+1(K+1_x,K+1_y)为前景，若图像C_k+1在坐标(x,y)处的像素点C_k+1(K+1_x,K+1_y)<T_k+1，则C_k+1(K+1_x,K+1_y)为背景，并且阈值T_k+1使前景和背景这两类之间的方差最大；则T_k、T_k+1分别为图像C_k、C_k+1的最佳阈值，最佳阈值的计算过程如下：

设图像C_I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C_I包含L个灰度级{0,1,...,L-1}，灰度值为i的像素点数为n_i，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T_I：

通过上述最佳阈值计算方法求得图像C_k、C_k+1的最佳阈值T_k、T_k+1，然后使用最佳阈值T_k、T_k+1分别对图像C_k、C_k+1二值化得到前景二值图像D_k、D_k+1，即为最大类间方差阈值法，用公式表达如下：

D_k＝threshold(|C_k|)

D_k+1＝threshold(|C_k+1|)

(2)将得到的前景二值图像D_k、D_k+1进行逻辑“与”运算，其中图像D_k中的前景与图像D_k+1中的前景进行“与”运算后得到的前景即为图像A_k中运动目标的形状轮廓，公式表达为：

E_k＝D_k And D_k+1

由于噪声的影响，图像D_k、D_k+1进行逻辑运算后所得到的图像E_k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F_k，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F_k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F_k中的每一个像素点设置标号，得到图像F_k像素点的连通域标号矩阵，标号初始值均设为0；设图像F_k像素点(K_x,K_y)，其连通区域标号为label(K_x,K_y)，其中图像F_k像素点(K_x,K_y)的八邻域坐标为(K_x-1,K_y)、(K_x+1,K_y)、(K_x,K_y-1)、(K_x,K_y+1)、(K_x-1,K_y-1)、(K_x-1,K_y+1)、(K_x+1,K_y-1)和(K_x+1,K_y+1)；

2)首先从图像F_k的左上角开始逐行扫描，即是从存储图像F_k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F_k像素点(K_x,K_y)时，已经扫描完成了(K_x,K_y)像素点的上边和左边邻接的像素点，则已经获得label(K_x-1,K_y)、label(K_x-1,K_y-1)、label(K_x-1,K_y+1)和label(K_x,K_y-1)的值；

若图像F_k坐标为(K_x,K_y)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F_k中组成前景的像素点；若像素点(K_x,K_y)与其相邻像素点(K_x-1,K_y)、(K_x-1,K_y-1)、(K_x-1,K_y+1)以及(K_x,K_y-1)连通，则label(K_x,K_y)的值等于label(K_x-1,K_y)、label(K_x-1,K_y-1)、label(K_x-1,K_y+1)和label(K_x,K_y-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minx_number、最大横坐标值maxx_number、最小纵坐标值miny_number和最大纵坐标值maxy_number，其中number为此连通区域的标号；

假使图像F_k中标号为number的连通区域，若此连通区域扫描至像素点(K_x,K_y)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minx_number、最大横坐标值maxx_number、最小纵坐标值miny_number和最大纵坐标值maxy_number，且像素点(K_x,K_y)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K_x≥maxx_number，则maxx_number＝K_x且minx_number值保持不变，若minx_number<K_x<maxx_number，则minx_number和maxx_number值均保持不变；若K_x≤minx_number，则minx_number＝K_x且maxx_number值保持不变；若此时K_y≥maxy_number，则maxy_number＝K_y且miny_number值保持不变，若miny_number<K_y<maxy_number，则miny_number和maxy_number值均保持不变；若K_y≤miny_number，则miny_number＝K_y且maxy_number值保持不变；

如果图像F_k的像素点(K_x,K_y)与其上边的像素点(K_x-1,K_y)、(K_x-1,K_y-1)、(K_x-1,K_y+1)和左边的像素点(K_x,K_y-1)都不连通，并且图像F_k在像素点(K_x,K_y)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(K_x,K_y)的连通标号，即label(K_x,K_y)＝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minx_number′、最大横坐标值maxx_number′、最小纵坐标值miny_number′和最大纵坐标值maxy_number′,即令minx_number′＝K_x、maxx_number′＝K_x、miny_number′＝K_y和maxy_number′＝K_y；如果图像F_k在坐标为(K_x,K_y)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F_k中组成背景的像素点；

3)按照过程2)中所述扫描图像F_k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F_k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：minx_number、maxx_number、miny_number和maxy_number计算各连通区域的高度H_number和宽度W_number，即：

H_number＝maxx_number-minx_number

W_number＝maxy_number-miny_number

将高度H_number和宽度W_number的乘积作为各连通区域的近似面积即S_number＝H_number*W_number,通过比较各连通区域的面积S_number，将面积最大MAX(S_number)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(minx_number)、MAXS(maxx_number)、MAXS(miny_number)和MAXS(maxy_number)；由于图像F_k中的最大运动模块是通过上述步骤处理图像A_k所得到的，因此图像A_k中的最大运动模块与图像F_k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(maxx_number)-MAXS(minx_number)、宽为MAXS(maxy_number)-MAXS(miny_number)的矩形框，即矩形框的四个坐标点为(MAXS(minx_number),MAXS(miny_number))，(MAXS(minx_number),MAXS(maxy_number))，(MAXS(maxx_number),MAXS(miny_number))，(MAXS(maxx_number),MAXS(maxy_number))，令得到的矩形框显示为红色；用红色矩形框将图像A_k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l_k，宽为b_k，当b_k大于l_k，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l_k，宽为b_k，则l_k/b_k可以近似为入侵物体的长宽比，l_k*b_k可以近似为入侵物体的面积；如果l_k/b_k小于θ_k或者大于β_k，或者l_k*b_k小于α_k或者大于ε_k时，则不是人体，当且仅当θ_k≤l_k/b_k≤β_k和 α_k≤l_k*b_k≤ε_k时，判断为人体入侵监控区域；其中，阈值θ_k、β_k、α_k和ε_k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L_Ak，宽K_Ak；因此l_k/b_k的下限比例阈值θ_k设定为上限比例阈值β_k设定为7；l_k*b_k的下限面积阈值α_k设定为当前监控图像面积的上限面积阈值ε_k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)。