發(fā)布時間：所屬分類：科技論文瀏覽：1次
摘 要： 摘要：針對日益突出的人、車間交通安全事故頻發(fā)問題，設(shè)計(jì)了一種基于人臉識別的車輛超員智能監(jiān)控系統(tǒng)，前端通過安裝在運(yùn)行車輛的攝像頭獲取實(shí)時圖片，后端服務(wù)器通過通信模塊接收前端發(fā)來的實(shí)時視頻數(shù)據(jù)，服務(wù)器端基于 OpenCV 實(shí)現(xiàn)了圖像采集、圖像預(yù)處理、面部識別、
摘要：針對日益突出的人、車間交通安全事故頻發(fā)問題，設(shè)計(jì)了一種基于人臉識別的車輛超員智能監(jiān)控系統(tǒng)，前端通過安裝在運(yùn)行車輛的攝像頭獲取實(shí)時圖片，后端服務(wù)器通過通信模塊接收前端發(fā)來的實(shí)時視頻數(shù)據(jù)，服務(wù)器端基于 OpenCV 實(shí)現(xiàn)了圖像采集、圖像預(yù)處理、面部識別、邊緣檢測、特征提取等操作。通過對于背景區(qū)域和前景區(qū)域的識別來實(shí)時計(jì)算運(yùn)行車輛中人員數(shù)量是否超出標(biāo)準(zhǔn)數(shù)量。
關(guān)鍵詞：人臉識別，智能監(jiān)控，特征提取
隨著人工智能技術(shù)的飛速發(fā)展， 基于圖像的人體檢測跟蹤和人臉識別再智能監(jiān)控系統(tǒng)領(lǐng)域有著廣泛的應(yīng)用前景， 本文設(shè)計(jì)了一種基于判別跟蹤區(qū)域士背景區(qū)域或前景區(qū)域來設(shè)置權(quán)重系數(shù)來判別人員數(shù)量。 傳統(tǒng)的超員監(jiān)控是采取人為在公路上對車輛采取登車臨檢。 這不僅加大了檢查的誤差也加大了人工的工作量。 由此可以看出傳統(tǒng)的方案已經(jīng)不能滿足現(xiàn)在的多車輛、多出行的安全需求
為解決上述問題， 本文設(shè)計(jì)了基于人臉識別的人體檢測跟蹤的智能監(jiān)控系統(tǒng)，該系統(tǒng)基于面部識別和人體檢測跟蹤技術(shù)，通過對于背景區(qū)域和前景區(qū)域的識別進(jìn)行智能監(jiān)控，提高了安全性能。
1 系統(tǒng)的總體設(shè)計(jì)思路
1.1 系統(tǒng)總體設(shè)計(jì)
系統(tǒng)主要功能： 車廂內(nèi)的人員數(shù)量是通過面部識別和人體檢測跟蹤進(jìn)行相應(yīng)的統(tǒng)計(jì)的， 其中車廂內(nèi)攝像頭的視頻數(shù)據(jù)會通過通信模塊實(shí)時傳送給后端服務(wù)器， 通過服務(wù)器的分析對比判斷車廂內(nèi)相應(yīng)位置是否有人，通過服務(wù)器的處理，實(shí)時計(jì)算出車廂里人員的數(shù)量。
根據(jù)項(xiàng)目總體需求，需要設(shè)計(jì)一個智能監(jiān)控系統(tǒng)，主要有三個部分：前端系統(tǒng)、后端系統(tǒng)、執(zhí)行系統(tǒng)。 三個主要模塊系統(tǒng)：其中信息采集模塊核心主要使用 STM32 類單片，主要包括電源模塊、通信模塊、高清攝像頭模塊;后端模塊主要采用網(wǎng)絡(luò)數(shù)據(jù)庫進(jìn)行數(shù)據(jù)的接受和數(shù)據(jù)調(diào)用處理工作， 主要工作包括人臉識別和人體檢測跟蹤; 執(zhí)行系統(tǒng)主要包括前端預(yù)警提示模塊和后端的超員提示模塊[1-6]。
1.2 高清攝像頭
其中高清攝像頭采用現(xiàn)在市面上流行的 4G 無線監(jiān)控?cái)z像機(jī) TNSA-4G-T5，其中該攝像機(jī)主要內(nèi)置 4G 通信 模 塊，可 以產(chǎn)生拍照和發(fā)送動作， 符合所需要的拍攝圖片并將圖片上傳到后端數(shù)據(jù)庫的任務(wù)。
2 人臉識別程序設(shè)計(jì)
2.1 背景減除法
根據(jù)實(shí)際情況分析， 我們可以知道車廂內(nèi)部背景圖像景色單一、穩(wěn)定。 此處的人臉識別可以通過對比前后幾幀圖片中相應(yīng)位置的像素點(diǎn)在接近時間段內(nèi)像素值的變化來判斷是否有人存在。 背景減除法的基本思想是建立視頻圖像的背景模型，之后利用連續(xù)的圖像與背景圖像相對應(yīng)點(diǎn)的對比來得到運(yùn)動物體，優(yōu)勢在于數(shù)據(jù)計(jì)算簡單、對數(shù)據(jù)運(yùn)算速度快。
2.2 ViBe 算法概述
通過查詢大量的資料，提出使用一個新的框架——ViBe 框架，這是一種使用像素點(diǎn)的像素的視頻背景建模算法。 ViBe 算法的大致框架分為三個部分：模型初始化、前景分割、背景更新。
2.2.1 模型初始化
ViBe 的模型初始化采用單幀進(jìn)行模型初始化，這種方法初始化速度快，但是初始化正確度不高，因?yàn)橛锌赡軐⑦\(yùn)動物體認(rèn)作背景，容易引起拖影區(qū)域。 ViBe 算法的核心思想是通過利用單幀視頻序列初始化圖像的背景模型， 將相鄰像素點(diǎn)與相似像素值的空間分布組合以隨機(jī)選擇其相鄰點(diǎn)， 并將其像素值作為其模型樣本值。 ViBe 模型的初始化可以簡單地通過選擇一幀圖像上的所有像素來完成。
2.2.2 前景分割
背景模型存儲成每個背景點(diǎn)的樣本集， 然后將每個新像素值與樣本集中每個背景點(diǎn)的像素值進(jìn)行比較， 確定新像素是否屬于背景。 當(dāng)比較像素時，計(jì)算機(jī)自動計(jì)算樣本集中新像素值和樣本值之間的距離，如果近似采樣點(diǎn)的數(shù)量大于閾值，則新像素被認(rèn)為是背景。 背景分割技術(shù)目的是生成一個帶有背景和前景像素的二值化模板，由此可以看出，在更新模板時，分割蒙版起著非常重要的作用。 同時，以不同的方式處理分割蒙版并以不同的方式更新蒙版。 為了發(fā)揮抑制效果，通過設(shè)置程序的判斷條件強(qiáng)行決定前景像素來更新模型。
2.2.3 背景模型檢測過程
背景模型由兩種假定構(gòu)成： 一是假定背景像素點(diǎn)是由一個隨機(jī)變量生成的; 二是背景像素點(diǎn)接近于某個被給定的概率密度函數(shù)。 另外，也可能為背景模型收集樣本值并存儲它們，而不是計(jì)算背景像素點(diǎn)的底層概率密度函數(shù)的參數(shù)[4-5]。
相關(guān)知識推薦：學(xué)術(shù)論文篇幅
背景模型的更新可以讓背景模型不斷地適應(yīng)背景的變化，例如照明的變化、背景對象的變化等等，當(dāng)選擇樣本集中需要替換的樣本值時， 隨機(jī)選擇需要更新的樣本值。
可以看到通過 ViBe 圖片背景處理的更加平滑， 噪點(diǎn)更少，對于背景圖像的提取更流暢。
2.3 人數(shù)統(tǒng)計(jì)原理
通過兩幀圖片像素點(diǎn)的變化，機(jī)器可以判別該處是否有人， 如果有人計(jì)數(shù)器加一，當(dāng)計(jì)數(shù)器的值大于一個設(shè)定值的時候，會產(chǎn)生警示信號。 整個系統(tǒng)流程如圖 4 所示。
3 結(jié)束語
本項(xiàng)目前端警示模塊采用無線信息傳輸模塊 GPRS 接入互聯(lián)網(wǎng)與公安交警系統(tǒng)通信， 收集到的信息被發(fā)送到公安交警系統(tǒng)。 前端報警模塊使用液晶顯示器和語音模塊進(jìn)行相關(guān)的違規(guī)提醒，提醒駕駛員注意安全。
本文結(jié)合業(yè)務(wù)的實(shí)際需要，借助先進(jìn)的機(jī)器視覺，傳感器和無線通信計(jì)數(shù)， 綜合運(yùn)用各種關(guān)鍵計(jì)數(shù)并實(shí)現(xiàn)車輛的智能監(jiān)控系統(tǒng)，主要實(shí)現(xiàn)了機(jī)動車輛超載違規(guī)違章行為的實(shí)時監(jiān)控。 本文基于人臉識別設(shè)計(jì)的智能監(jiān)控系統(tǒng)， 服務(wù)端與監(jiān)控端采用網(wǎng)絡(luò)通信連接，避免了無法實(shí)施內(nèi)部監(jiān)控的問題。 本項(xiàng)目的設(shè)備采用現(xiàn)在市面流行的高清攝像頭，節(jié)省空間、安裝方便。 使用人臉識別技術(shù)，智能掃描、計(jì)數(shù)大大增強(qiáng)了智能監(jiān)控系統(tǒng)的風(fēng)險預(yù)警能力，本系統(tǒng)程序會自動識別和濾除機(jī)器所拍下的無效監(jiān)控視頻，通過這樣的管理機(jī)制可以大幅度節(jié)省監(jiān)控視頻存儲空間。——論文作者：高 文
參考文獻(xiàn)
[1]李翔，張義紅.基于人臉識別的實(shí)驗(yàn)室監(jiān)控系統(tǒng)設(shè)計(jì)[J].工業(yè)控制計(jì)算機(jī)，2018，31(2)：48-49
[2]湯德俊.人臉識別中圖像特征提取與匹配技術(shù)研究[D].大連：大連海事大學(xué)，2013
[3]王守佳.基于圖像的人體檢測跟蹤和人臉識別的研究[D].長春：吉林大學(xué)，2013
[4]興軍亮.基于檢測的在線多物體跟蹤[D].北京：清華大學(xué)，2012
[5]朱明旱，羅大庸.基于幀間差分背景模型的運(yùn)動物體檢測與跟蹤[J].計(jì)算機(jī)測量與控制，2006(8)：1004-1006，1009
