CN202488597U

CN202488597U - 一种智能目标识别和跟踪的自主协作视频监控节点设备

Info

Publication number: CN202488597U
Application number: CN2011205265301U
Authority: CN
Inventors: 何楚; 许连玉; 李双; 董浩; 黄驰
Original assignee: Wuhan University WHU
Current assignee: Wuhan University WHU
Priority date: 2011-12-16
Filing date: 2011-12-16
Publication date: 2012-10-10
Anticipated expiration: 2021-12-16

Abstract

本实用新型涉及一种自主协作视频监控节点设备，尤其是涉及一种智能目标识别和跟踪的自主协作视频监控节点设备。一种智能目标识别和跟踪的自主协作视频监控节点设备，其特征在于，包括：监测设备：用于监测目标以及跟踪目标；智能服务设备：集成了图像处理模块和图像传输模块，接收监测设备的视频信息，将监测到的视频信息进行处理，提取目标信息，并将目标信息反馈给监测设备，完成目标的识别和跟踪。本实用新型具有如下优点：设计合理，结构简单且完全实用；能够完成复杂场景下多节点协同的目标检测跟踪与识别方法，以及复杂场景内容分析，单目标或多目标的目标检测和行为分析；利用wifi无线网络传输，从而达到节点间的相互通信。

Description

一种智能目标识别和跟踪的自主协作视频监控节点设备

技术领域

本实用新型涉及一种自主协作视频监控节点设备，尤其是涉及一种智能目标识别和跟踪的自主协作视频监控节点设备。

背景技术

目前的视频监控大多是将视频信息传输到服务器端进行人工解读，这种模式往往导致几个问题：1）人工解读已经远远跟不上监控数据的发展项目；2）需要在网络上传输大量数据；3）智能处理在服务器端会导致必要的对视频数据采集方式（如摄像头的方向、焦距等参数的控制）的延迟，因此目前视频智能处理以及将智能处理的位置往前端设备上推迁移成为一个趋势。

智能视频监控***是采用图像处理、模式识别和计算机视觉技术，通过在监控***中增加智能视频分析模块，借助计算机强大的数据处理能力过滤掉视频画面无用的或干扰信息、自动识别不同物体，分析抽取视频源中关键有用信息，快速准确的定位事故现场，判断监控画面中的异常情况，并以最快和最佳的方式发出警报或触发其它动作，从而有效进行事前预警，事中处理，事后及时取证的全自动、全天候、实时监控的智能***。但这种智能视频监控***往往是独立地完成数据采集和任务处理，摄像机之间没有协作，监测到的目标信息不能传送给附近的摄像头，因此不能使其它摄像头根据自己提供的信息及时地识别和跟踪目标信息。例如当一个摄像头监测到目标车辆时，由于摄像头的监控范围有限，因此需要将该摄像头监测到的目标信息传送给附近的摄像头，使附近的摄像头根据接收到的信息能很快的识别目标并进行跟踪监控。

实用新型内容

本实用新型主要是解决现有技术所存在的技术问题；提供了一种能够完成复杂场景下多节点协同的目标检测跟踪与识别方法，以及复杂场景内容分析，单目标或多目标的目标检测和行为分析的一种智能目标识别和跟踪的自主协作视频监控节点设备。

本实用新型还有一目的是解决现有技术所存在的技术问题；提供了一种利用wifi无线网络传输，从而达到节点间的相互通信的一种智能目标识别和跟踪的自主协作视频监控节点设备。

本实用新型的上述技术问题主要是通过下述技术方案得以解决的：

一种智能目标识别和跟踪的自主协作视频监控节点设备，其特征在于，至少包括两个节点设备，每个节点设备包括：

监测设备：用于监测目标以及跟踪目标；

智能服务设备：集成了图像处理模块和图像传输模块，接收监测设备的视频信息，将监测到的视频信息进行处理，提取目标信息，并将目标信息反馈给监测设备，完成目标的识别和跟踪。

在上述的一种智能目标识别和跟踪的自主协作视频监控节点设备，每个节点设备的监测设备包括：

一个摄像头：用于监控场景获得目标的视频图像，将其传送给智能服务设备，并能根据所述智能服务设备反馈的目标信息进行目标跟踪。

在上述的一种智能目标识别和跟踪的自主协作视频监控节点设备，每个节点设备的智能服务设备包括：

与上述摄像头连接的图像处理模块，用于分析视频图像，提取图像中的目标信息，实现目标的识别，并能根据图像传输模块提供的目标信息反馈给上述摄像头，实现目标的跟踪;

与上述图像处理模块连接的图像传输模块,使用WIFI用于将目标图像信息发送出去,并且接收附近摄像头发出的目标信息。

因此，本实用新型具有如下优点：1.设计合理，结构简单且完全实用；2.能够完成复杂场景下多节点协同的目标检测跟踪与识别方法，以及复杂场景内容分析，单目标或多目标的目标检测和行为分析；3.利用wifi无线网络传输，从而达到节点间的相互通信。

附图说明

图1为本实用新型的单个***的结构示意图。

图2为本实用新型的多个***的结构示意图。

图3为智能目标识别模块流程图。

具体实施方式

下面通过实施例，并结合附图，对本实用新型的技术方案作进一步具体的说明。

实施例：

如图1和图2所示，该智能视频监控***包括至少两个摄像头，对应有两个集成了图像处理模块和图像传输模块的智能服务设备。当一个摄像头监测到目标（如可疑人物等）时，将监测到的视频图像进行处理，提取有用的目标信息传送给附近的摄像头使得附近的摄像头根据接收到的目标信息继续跟踪。即，上述一种智能目标识别和跟踪的自主协作视频监控节点设备至少包括两个节点设备，每个节点设备包括：

1.监测设备：用于监测目标以及跟踪目标；监测设备包括：一个摄像头，即：

2.智能服务设备：集成了图像处理模块和图像传输模块，接收监测设备的视频信息，将监测到的视频信息进行处理，提取目标信息，并将目标信息反馈给监测设备，完成目标的识别和跟踪；智能服务设备包括：

与摄像头连接的图像处理模块，用于分析视频图像，提取图像中的目标信息，实现目标的识别，并能根据图像传输模块提供的目标信息反馈给上述摄像头，实现目标的跟踪;

与图像处理模块连接的图像传输模块,使用WIFI用于将目标图像信息发送出去,并且接收附近摄像头发出的目标信息。

如图3是基于part-based模型的智能目标识别模块流程图。part-based模型目标检测算法分为三个阶段：建立模型，训练模型和目标检测。

1）建立模型

模型的四个方面：部分、子类型、位置、可能性，可以由目标检测语法来表示。目标检测语法分三个阶段，第一阶段定义部分、子类型；第二阶段定义位置；第三阶段定义出现的可能性。

2）训练模型

因为part-based模型的训练数据中只有目标的边框坐标信息，没有组成目标的每个part的位置信息，属于弱标注的模型训练问题，不能用传统的SVM训练，而应该用Latent SVM。给定的训练数据是带标注的图片集，图片中有感兴趣目标的边框，以及目标属于那种类别的标注。对于part-based模型来说这是一个弱标注的数据集，因为没有指定部件和部分标记，模型参数的训练是通过建立LSVM训练问题。

3）目标检测

训练好模型之后，将输出图像提取HOG特征，建立特征金字塔，在特征空间进行滑动窗口检测，求得滤波响应的大小，然后应用模型生成语法得到最终的目标的响应大小，响应值超过特征阈值说明此处有目标。‘

需要注意的是，本实施例中的摄像头和相关模块可以使用多个，依据用户场所而设定。

本文中所描述的具体实施例仅仅是对本实用新型精神作举例说明。本实用新型所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本实用新型的精神或者超越所附权利要求书所定义的范围。

Claims

1. 一种智能目标识别和跟踪的自主协作视频监控节点设备，其特征在于，至少包括两个节点设备，每个节点设备包括：

监测设备：用于监测目标以及跟踪目标；

2.根据权利要求1所述的一种智能目标识别和跟踪的自主协作视频监控节点设备，其特征在于，所述监测设备包括：

3. 根据权利要求2所述的一种智能目标识别和跟踪的自主协作视频监控节点设备，其特征在于，所述智能服务设备包括：

与上述摄像头连接的图像处理模块：用于分析视频图像，提取图像中的目标信息，实现目标的识别，并能根据图像传输模块提供的目标信息反馈给上述摄像头，实现目标的跟踪；

与上述图像处理模块连接的图像传输模块：使用WIFI用于将目标图像信息发送出去,并且接收附近摄像头发出的目标信息。