基于全方位视觉传感器的智能安保装置

摘要

一种基于全方位视觉传感器的智能安保装置，该智能安保装置包括微处理器、用于监视安全情况的全方位视觉传感器、用于与外界通信的通信模块；全方位视觉传感器能把一个半球视野中的信息压缩成一幅图像，场景中的安放位置更加自由；监视环境时不用瞄准目标；检测和跟踪监视范围内的运动物体时算法更加简单；可以获得场景的实时图像。视频监控中可利用的人的属性信息：1)空间位置属性；2)区域大小属性；3)形状属性；4)纹理颜色属性；5)活动属性等综合加权判断是否有侵入。本发明能够同时满足灵敏度和误报率、实时性好、安全性高。

主权项

1. 一种基于全方位视觉传感器的智能安保装置，其特征在于：该智能安保装置包括微处理器、用于监视安全情况的全方位视觉传感器、用于与外界通信的通信模块；所述的全方位视觉传感器包括用于反射监控领域中物体的外凸反射镜面、透明圆柱体、摄像头，所述的外凸反射镜面朝下，所述的透明圆柱体支撑外凸反射镜面，用于拍摄外凸反射镜面上成像体的摄像头位于透明圆柱体的内部，摄像头位于外凸反射镜面的虚焦点上；所述的微处理器包括：图像数据读取模块，用于读取从视频传感器传过来的视频图像信息；图像数据文件存储模块，用于将读进来的视频图像信息通过文件方式保存在存储单元中；传感器标定模块，用于对全方位视觉传感器的参数进行标定，建立空间的实物图像与所获得的视频图像的线性对应关系；色彩空间转化模块，用于将图像RGB色彩空间转化到YUV颜色模型；图像展开处理模块，用于将采集的圆形视频图像展开为全景柱状图；运动对象检测模块，用于将所获得的当前帧现场视频图像与一个相对比较稳定的基准参考图像进行差值运算，图像相减的计算公式如式(1)表示：fd(X，t0，t1)＝f(X，t1)-f(X，t0)(1)上式中，fd(X，t0，t1)是实时拍摄到图像与基准参考图像间进行图像相减的结果；f(X，t1)是实时拍摄到图像；f(X，t0)是基准参考图像；并将当前图像中与相邻K帧的图像相减计算公式如(2)所示：fd(X，t1-k，t1)＝f(X，t1)-f(X，t1-k)(2)上式中，fd(X，t1-k，t1)是实时拍摄到图像与相邻K帧图像间进行图像相减的结果；f(X，t1-k)是相邻K帧时的图像；如fd(X，t0，t1)≥阈值、fd(X，t1-k，t1)≥阈值成立时，判定为运动对象；如fd(X，t0，t1)≥阈值、fd(X，t1-k，t1)＜阈值，判定静止对象，并用式(3)来更新替换基准参考图像：$f(X,t_0)\Leftarrow f(X,t_{1-k})---\left(3\right)$ 如fd(X，t0，t1)＜阈值，判定为静止对象；连通区域计算模块，用于对当前图像进行标记，像素灰度为0的小区表示此小区无可疑侵入，像素灰度为1则表示此小区有可疑侵入，计算当前图像中的像素是否与当前像素周围相邻的某一个点的像素相等，如灰度相等判断为具有连通性，将所有具有连通性的像素作为一个连通区域；空间位置属性判断模块，用于对每个连通区域并对其上下空间部分进行颜色分割，如果某个连通区域与地面颜色相接触，设定空间位置影响因子Fp为1；否则Fp为0；区域大小属性判断模块，用于将每个连通区域求出其面积Si与预设的阈值进行比较，如下判断规则：若Si＜阈值1，则该变化区域为噪声点；若Si＞阈值2，则该变化区域为大面积的变化，设定区域大小影响因子Fs为0.2～0.5之间；若阈值1＜Si＜阈值2，则该变化区域可疑为有人，设定区域大小影响因子Fs为1；形状属性判断模块，用于将人体模型简化矩形模型，求每个连通区域的平均宽度和高度，平均宽度wl是在高度hl方向的分成4等份的宽度均值，并以该平均宽度wl和高度hl作一个矩形，计算某个连通区域与该连通区域的矩形的面积比，参见公式(4)：${ϵ}_{\mathrm{area}}^i=\frac{S_i}{w_i*h_i}---\left(4\right)$ 再计算矩形的宽度wl与高度hl的比，参见公式(5)：${ϵ}_{\mathrm{rate}}^i=\frac{w_i}{h_i}---\left(5\right)$ 若εarea l、εrate l在预设的范围，设定形状属性影响因子Fsh为1，否则Fsh为0；纹理颜色判断模块，用于取连通区域矩形的高度hl的上部的1/7处计算(Crl，Cbl)的值，并用公式(6)进行色差分量矢量的比较：${ϵ}_{\mathrm{color}}=\sqrt{{({\mathrm{Cr}}_i-150)}^2-{({\mathrm{Cb}}_i-120)}^2}---\left(6\right)$ 上式中，Cr，Cb分别表示为YUV颜色模型中的U和V分量；若εcolor＞阈值2设定区域大小影响因子Fcolor为0.2～0.5之间；若阈值1＜Si＜阈值2，设定区域大小影响因子Fcolor为1；活动属性判断模块，用于计算对象目标的重心，计算公式由式(7)计算得到：$X_{\mathrm{cg}\left(i\right)}=\frac{\underset{x,y\in S_i}{\Sigma }x}{S_i};$ $Y_{\mathrm{cg}\left(i\right)}=\frac{\underset{x,y\in S_i}{\Sigma }y}{S_i}---\left(7\right)$ 如在t帧时某一目标的重心在(xcg(t)，ycg(t))，t+1帧时某一目标的重心在(xcg(t+1)，ycg(t+1))，运动方向可以用(dx＝xcg(t+1)-xcg(t)，dy＝ycg(t+1)-ycg(t))来确认，运动速度可以通过下式来进行计算：$V_t=\sqrt{{\mathrm{dx}}^2+{\mathrm{dy}}^2}/\mathrm{\Delta t}---\left(8\right)$ 运动加速度可以通过(8)式求得的速度值来进行计算：$a_t=V_t-V_{t-1}/\mathrm{\Delta t}---\left(9\right)$ 式中Δt为两帧之间的时间间隔，Vt为从t+1帧到t帧的运动速度，at为t帧时刻时的加速度。预设人的运动速度与加速度的阈值范围，如果超过该阈值范围，设定运动特性影响因子Fmove为0；明显低于该阈值范围，设定运动特性影响因子Fmove为0.2～0.5之间；其他设定运动特性影响因子Fmove为1；综合判断处理模块，用于根据上述的五种属性信息，加权综合计算，如(10)：Wguard alarm＝Kp×Fp+Ks×Fs+Ksh×Fsh+Kcolor×Fcolor+Kmove×Fmove (10)式中：Kattention为异常量化值；Kp为对象目标空间属性的加权系数；Ks为对象目标面积属性的加权系数；Ksh为对象目标形状属性的加权系数；Kcolor为对象目标纹理颜色属性的加权系数；Kmove为对象目标运动属性的加权系数；并将异常量化值与预设的告警值Kalarm比较，如果Wguard alarm≥Kalarm，判断为可疑侵入，通过通信模块向管理人员发送告警信息；否则，判断为正常。