可视化户外智能监控系统的设计和实现

针对目前流行的可视化监控系统存在的缺陷,研制并实现了一种利用计算机系统辅助宪成运动目标的自动检测和分类的智能化监控系统,并针对户外监控场景复杂、干扰大,人体识别困难的问题,提出了背景图象更新、检测块、提取函数、特征点等概念,以及影子模式的投影直方图技术,基于时空信息的累加和技术解决户外复杂背景下的人体识别困难,以降低户外监控的漏警率和误警率。     

复杂背景下人体检测算法

静态图像的人体识别技术在实际视频监控场景中, 面临背景复杂、图像分辨率低、光照影响和噪声干扰等问题, 这些多变性以及可能发生的遮挡给单一图像中的人体识别技术提出了挑战. 设计和实现一种复杂背景下的人体检测算法, 基于HOG人体检测算法, 使用积分直方图计算HOG特征, 并用级联SVM分类器对样本进行训练. 实验结果表明, 该算法在复杂视频监控场景中进行人体检测比其它人体检测算法具有更高的准确率和更快的检测速度.     

基于WSN和RFID的矿井作业人员健康监测系统设计

针对煤矿井下工作场景恶劣复杂、人员健康及环境参数监控难度大、易造成安全事故等问题,采用物联网技术,设计了一种基于无线传感器网络（WirelessSensorNetworks,WSN）和射频识别（RadioFrequency Identification,RFID）的矿井作业人员健康监测系统。该系统利用WSN实时监控人体的心率、血氧及井下环境温湿度、气体浓度等数据;利用RFID技术定位井下作业人员;将所采集信息数据传输至服务器实时检测,实现安全预警并及时定位救援,从而远程监测作业人员健康。     

机器人视觉的电梯轿厢门状态识别系统

针对视频监控中人工监督的低效率、传感器在轿厢内安装困难等问题,结合电梯轿厢内场景的特征,设计了一套基于 ARM的电梯轿厢门智能识别监控系统.门状态智能识别系统以三星的 Exynos4412为控制中心,搭载 Linux系统驱动视频采集模块,通过基于计算机视觉的门状态识别算法实现轿厢内门开关状态的识别.电梯轿厢门状态智能识别系统是以数字图像处理为基础,为满足轿厢内监控设备的小型化、安装便利等需求,本文采用前端识别技术.在嵌入式Linux系统上实现图像采集、图像预处理,采用基于 Hough线变换算法来实现开关门状态监测.实验表明,该系统能对轿厢门状态进行准确识别,在检测识别和安防领域具有很好的应用前景.     

基于物理检测方式的胶轮车运输监控系统

针对基于射频识别技术的胶轮车运输监控系统建设投入高、维护量大、不适应某些矿区需求等问题,提出了一种基于物理检测方式对井下车辆进行定位的胶轮车运输监控系统,介绍了系统总体架构、胶轮车判定方法、系统控制逻辑等。应用结果表明,该系统能够有效识别胶轮车位置,较基于射频识别技术的胶轮车运输监控系统安装及维护更加简便。     

基于C/S和B/S混合结构的智能监控系统

本文设计了一种基于C/S和B/S混合结构的无线智能监控系统,重点介绍了该系统的总体框架及基于服务器的无线监控系统的实现.该系统将无线数据传输技术和智能监控技术相融合,基于CDMA无线网络和新型DSP开发平台,结合图像压缩技术、运动检测技术以及人体识别技术,综合实现了系统自动检测、智能报警、自动连接和无线数据传输等功能.     

基于监控系统的人体行为识别技术研究

针对传统行为识别技术实时性、鲁棒性较差等问题,提出了一种高效鲁棒性的人体行为识别算法。通过基于Meanshift和Kalman滤波相结合的跟踪算法来跟踪定位人体目标;利用肢体特征和区域特征来提取运动特征;利用基于OAA的支持向量机分类识别。仿真实验表明,该算法实时性好、鲁棒性高,能有效应用于监控系统中。     

一个基于Agent和数据挖掘技术的实时入侵检测系统模型设计

探讨了在实时环境下设计基于Agent，数据挖掘技术的入侵检测系统模型，针对传统入侵检测系统的局限性，在处理大量数据提高实时监控的能力和自适应能力上提出了分别采用了基于异常检测模式．多点检测集中决策的方法和有自适应能力基于滑动窗口的关联规则递增算法SWF。这种设计方案在一定程度上有助于提升入侵检测系统的准确率。减少误报率和漏警率。     

基于深度传感器的监控技术与算法

针对现有的视频监控技术对关键设施的监控实时性低,以及在夜晚实施监控时效果差的问题,提出基于深度传感器的关键设施监控技术,并通过支持向量机(SVM)算法对其可行性进行验证。利用不同人体的骨架长度存在差异的特性,采用深度传感器作为数据采集端,瞬时采集人体的8个骨架长度作为特征值,作为人体骨架信息,由于深度传感器以红外结构光检测为核心,故在夜晚也可无损地采集数据。基于SVM进行分类器的设计,得到最佳人体识别算法。实验表明:所提模型及算法的识别成功率可以达到80%以上,具有较好的识别效果,故基于深度传感器的监控技术可以为关键设施监控提供一种新思路。     

基于有源RFID技术的定位系统研究

针对传统出入口监控管理方式的效率低下及无源射频识别技术在实际应用中存在的金属物干扰、人体吸收、识别数量有限等问题,提出一种基于有源2.4 G射频识别技术的出入口监控管理方法。该方法利用125 kHz激励器唤醒2.4 GHz射频识别标签及标签定位的技术,比传统出入口监控管理方式更加准确、便捷、高效;同时,有效地延长了有源射频识别设备的使用寿命。采用低频触发器、读卡器和有源2.4 G射频识别标签等设备,搭建试验环境进行为期30天的测试;结果表明,基于低频触发的有源射频识别出入口监控管理系统具有较高的可靠性和实用性。     

基于帧间差分和边缘差分的遗留物检测算法

遗留物检测是智能视频监控系统的核心功能,遗留物一般较小,所处环境复杂,传统的运动目标检测算法直接用于遗留物检测效果一般.提出了一种基于帧间差分与边缘差分的遗留物检测算法,首先进行帧间差分得到运动目标区域,然后将当前帧图像和前一帧的背景图像进行边缘差分运算得到运动目标的边缘,融合二次差分的结果即可得到运动目标的完整轮廓特征,最终通过判断运动目标在场景中的滞留时间是否达到或超过报警系统设置的阈值来标示遗留物,供智能视频监控系统处理.实验结果证明该算法实时性好且识别率较高.     

基于几何形状特征的运动目标判决方法

为了室内安全监控异常报警任务的需要,文章在对运动检测后的二值图像进行形态学后处理,消除细小噪声、平滑物体边界,对处理后仍保留的大面积伪运动目标区域,通过提取和分析面积、纵横比等几何形状特征参数,提出了一种运动目标判决方法.该方法有利于消除虚假报警,对基于安全报警系统的异常检测具有一定的意义.     

基于高斯背景模型的红外人体运动目标检测技术

针对红外监控中人体运动目标的空洞和拖尾问题,提出了一种基于高斯模型的运动目标检测方法。首先,介绍了红外图像的预处理;其次通过与其他经典的人体运动目标检测算法比较与综合,引入高斯模型,建立背景图像的自适应模型。该种模型主要使用了拟合修正的方法处理了红外监控背景图像中的差分信息,过滤图像中的噪声等相关外部环境干扰因素,从而更新红外图像中的背景信息,提高了红外监控系统图像中人体运动目标的检测清晰度,并进一步提高了红外监控图像的精度。同时,还对该方法进行了必要的仿真实验。仿真结果表明,提出的方法可以准确地检测红外监控图像中的人体运动目标,较好地避免了人体运动速度过快或过慢所产生的拖尾或空洞现象。     

一种单一编码多分类boosting优化算法

现有图像分类机制一般将多类别分类问题划分成多个二类别分类问题的集合进行解决,类别数的多少直接影响着二值分类器的需求量。由于图像分类问题牵扯的类别数通常较多,从而导致其训练时间过长、计算需求过高以及测试代价过大等。针对上述问题,本文设计一种新型的多分类boosting优化算法,即SCOBoost。首先,以单一编码技术为基础,结合最小二乘支持向量机(LS-SVM)目标函数,提出单一编码的多分类改进目标;其次,选取其数量与类别数无关联的弱分类器集合作为核函数,利用boosting的递归方式进行求解。通过对不同数据集实验,结果表明SCOBoost不仅拥有较高的分类性能,而且具有算法复杂度低、训练时间不受类别数影响、测试速率快等优点。      

基于堆叠卷积注意力的网络流量异常检测模型

入侵检测系统(IDS)在发现网络异常和攻击方面发挥着重要作用,但传统IDS误报率较高,不能准确分析和识别异常流量。目前,深度学习技术被广泛应用于网络流量异常检测,但仅仅采用简单的深度神经网络(DNN)模型难以有效提取流量数据中的重要特征。针对上述问题,提出一种基于堆叠卷积注意力的DNN网络流量异常检测模型。通过堆叠多个以残差模块连接的注意力模块增加网络模型深度,同时在注意力模块中引入卷积神经网络、池化层、批归一化层和激活函数层,防止模型过拟合并提升模型性能,最后在DNN模型中得到输出向量。基于NSL-KDD数据集对模型性能进行评估,将数据集预处理生成二进制特征,采用多分类、二分类方式验证网络流量异常检测效果。实验结果表明,该模型性能优于KNN、SVM等机器学习模型和ANN、AlertNet等深度学习模型,其在多分类任务中识别准确率为0.807 6,较对比模型提高0.034 0～0.097 5,在二分类任务中准确率和F1分数为0.860 0和0.863 8,较对比模型提高0.013 0～0.098 8和0.030 6～0.112 8。     

监狱视频识别报警系统的研究与实现

监狱视频监控系统中视频监控、识别、智能报警等形成一个整体并实现联动,真正形成报警系统的整体解决方案。该文拟在具体监狱实际情况和视频图像识别技术的基础上,对基于神经网络分类器和智能终端在监狱报警系统中的应用研究,重点研究了基于BP神经网络的视频图像识别方法。通过实现监狱监控、识别和智能报警一体化,降低了监管人员工作负荷,提高监狱科学管理水平,从而保证监狱安全,减少越狱等恶性事件发生,提高对犯人的监督和改造效果。     

视频监控中人的运动检测方法研究与实现

为了提高视频监控的实时性、准确性和可靠性,引入运动目标检测非常必要,而在此基础上的人运动检测更是后续各种高级处理的基础。根据视频监控的特点,采用一种基于自适应背景图像估计与当前多帧图像的混合差的算法来实现快速精确地检测和提取运动目标区域,并充分利用视频图像的时域连续特性和人脸肤色信息,实现快速可靠的人脸定位,从而准确定位人运动区域。实验表明,该算法对人的运动检测在光线、姿势变化等情况下具有良好的鲁棒性,适于实时监控系统的应用。     

LBP特征分类的极化SAR图像机场跑道检测

目的 在极化合成孔径雷达（synthetic aperture radar，SAR）图像中常用直线检测进行机场跑道的识别，但是河流、道路等与机场跑道具有相似直线的地物容易对检测结果造成干扰，出现检测目标难定位、目标模糊、多虚警等问题。为此，本文设计了一种利用目标散射特性结合局部二值模式（local binary patterns，LBP）特征分类的极化SAR图像机场跑道区域检测方法，采用LBP特征对极化SAR图像进行有监督的分类来提取真实的机场区域。方法 首先利用异化散射功率对极化SAR图像进行阈值分割，然后通过形态学处理得到疑似机场跑道区域，同时构建机场跑道和非机场跑道两类训练样本，并提取、统计样本的LBP特征，形成直方图，得到特征向量训练支持向量机（support vector machine，SVM）二分类器，其中SVM二分类器采用了径向基函数（radial basis function，RBF）核函数；接着对疑似机场跑道区域构建LBP特征，送入SVM二分类器中分类，对机场跑道进行检测识别，最终得到真实的机场跑道区域。结果 利用UAVSAR（uninhabited aerial vehicle synthetic aperture radar）系统采集的7幅极化SAR图像数据进行实验检测，并选取基于几何特征辨识跑道的两种算法进行对比，3种方法均有效检测出了7幅场景中的真实跑道，但是本文方法在7幅数据中总的虚警和漏警个数均为1，而两种对比算法中的虚警个数分别为2和11、漏警个数分别为8和1。结论 本文方法不仅能有效检测出机场跑道区域，且检测效果更好，计算量较小，虚警和漏警率低，效率更高。     

基于空间域的图像噪声检测技术

图像质量检测技术可以代替人工巡检的方式对视频质量进行自动检测,对监控系统中视频图像出现的异常进行准确分析、判断和报警,以保障规模不断扩大的网络视频监控系统的正常运行。基于空间域的图像噪声检测技术,利用图像的邻域信息特征与各类噪声异常在空间域上的轮廓和方向分布,并结合OpenCV图像处理技术,实现对噪点、雪花和条纹异常的检测。空间域噪声检测算法,与人的视觉感知相一致,可以用于监控视频的实时检测。     

Suspicious human activity recognition: a review

Suspicious human activity recognition from surveillance video is an active research area of image processing and computer vision. Through the visual surveillance, human activities can be monitored in sensitive and public areas such as bus stations, railway stations, airports, banks, shopping malls, school and colleges, parking lots, roads, etc. to prevent terrorism, theft, accidents and illegal parking, vandalism, fighting, chain snatching, crime and other suspicious activities. It is very difficult to watch public places continuously, therefore an intelligent video surveillance is required that can monitor the human activities in real-time and categorize them as usual and unusual activities; and can generate an alert. Recent decade witnessed a good number of publications in the field of visual surveillance to recognize the abnormal activities. Furthermore, a few surveys can be seen in the literature for the different abnormal activities recognition; but none of them have addressed different abnormal activities in a review. In this paper, we present the state-of-the-art which demonstrates the overall progress of suspicious activity recognition from the surveillance videos in the last decade. We include a brief introduction of the suspicious human activity recognition with its issues and challenges. This paper consists of six abnormal activities such as abandoned object detection, theft detection, fall detection, accidents and illegal parking detection on road, violence activity detection, and fire detection. In general, we have discussed all the steps those have been followed to recognize the human activity from the surveillance videos in the literature; such as foreground object extraction, object detection based on tracking or non-tracking methods, feature extraction, classification; activity analysis and recognition. The objective of this paper is to provide the literature review of six different suspicious activity recognition systems with its general framework to the researchers of this field.