摘 要： 傳統視頻監控系統要求監控人員時(shí)刻緊盯畫(huà)面， 很容易造成監控人員視覺(jué)疲勞與疏忽， 為克服該弊端， 設計一種遠程智能監控系統。通過(guò)客戶(hù)端與服務(wù)器端的實(shí)現過(guò)程， 重點(diǎn)闡述了智能監控系統的設計， 通過(guò)對出現在監控場(chǎng)景中的運動(dòng)物體進(jìn)行檢測， 實(shí)現了對運動(dòng)目標跟蹤， 使用感知哈希算法可以保證在光照變化時(shí)不丟失追蹤目標， 并開(kāi)發(fā)了Android移動(dòng)設備應用程序。用戶(hù)在有網(wǎng)絡(luò )的情況下可以查看監控場(chǎng)景， 在應用程序退出后能夠接受服務(wù)器傳輸過(guò)來(lái)的報警提醒。
　　
　　關(guān)鍵詞： 人工智能； 目標跟蹤； 遠程監控； 感知哈希； 智能監控；
　　
　　Abstract: This paper descripes the development of artificial intelligence and intelligent monitoring system in China and designs a system with both client and server.This paper realizes the tracking of moving objects after detecting the moving objects that appear in the monitoring scene, and the perceptual hash algorithm used in this paper avoids losing the tracking target when the illumination changes.Android application is also developed to view the monitoring scene wherever network is available, and users will receive the alarm via the application when moving objection is detected.
　　
　　Keyword: artificial intelligence; target tracking; remote monitoring; perceptual hash; intelligent monitoring;
　　
　　0 引言
　　
　　近年來(lái)， 人工智能在中國發(fā)展非常迅猛。李克強總理在2017年3月5日政府工作報告中首次指出要加快發(fā)展包括人工智能在內的新興產(chǎn)業(yè)。國內BAT三大互聯(lián)網(wǎng)巨頭大力發(fā)展人工智能：百度建立商業(yè)智能實(shí)驗室 （BIL） 、深度學(xué)習實(shí)驗室 （IDL） 、機器人與自動(dòng)駕駛實(shí)驗室 （RAL） 、硅谷人工智能實(shí)驗室 （SVAIL） 、大數據實(shí)驗室 （BDL） 等五大人工智能實(shí)驗室；騰訊發(fā)布了快速讓硬件具備語(yǔ)音和視覺(jué)圖像能力的智能服務(wù)平臺“小微”, 小微還是一種可以擴展硬件能力的智能解決方案；阿里巴巴建立了數據科學(xué)與技術(shù)研究院， 該研究院現在是阿里負責智能技術(shù)研發(fā)的核心團隊、阿里巴巴NASA計劃的人工智能大腦。由此可見(jiàn)， 人工智能行業(yè)在中國得到了政府與企業(yè)的大力支持。前微軟全球副總裁、創(chuàng )新工場(chǎng)董事長(cháng)兼首席執行官李開(kāi)復預測中國不久后將在人工智能行業(yè)處于領(lǐng)先地位[1].
　　
　　智能監控系統是一種基于人工智能、可以分析監控畫(huà)面的新型監控系統， 隨著(zhù)移動(dòng)終端的普及以及人工智能的飛速發(fā)展， 智能監控系統已經(jīng)成為安防領(lǐng)域研究的新熱點(diǎn)。我國監控系統研究機構中， 中科院自動(dòng)化所處于領(lǐng)先地位。中科院自動(dòng)化所在研究中主要對人的動(dòng)作進(jìn)行檢測識別， 同時(shí)還可對交通場(chǎng)景進(jìn)行視覺(jué)監控[2].2002年， 中科院自動(dòng)化所舉辦了第一屆全國智能視覺(jué)監控學(xué)術(shù)會(huì )議， 重點(diǎn)探討了目標識別、序列圖像分析以及高層語(yǔ)義理解等相關(guān)內容[3];2016年10月19日， 中科院自動(dòng)化所又舉辦了第四屆全國智能視覺(jué)監控學(xué)術(shù)會(huì )議， 重點(diǎn)討論了智能監控系統在生產(chǎn)實(shí)踐中的應用。
　　
　　視頻監控是現代安防系統的重要組成部分， 而傳統的視頻監控系統要求監控人員時(shí)刻緊盯畫(huà)面， 很容易造成監控人員的視覺(jué)疲勞并造成疏忽。智能監控系統通過(guò)自動(dòng)采集實(shí)時(shí)監控圖像， 對獲取的圖像進(jìn)行智能分析， 判斷畫(huà)面是否有異常， 可以檢測出實(shí)時(shí)監控畫(huà)面中的運動(dòng)物體， 并進(jìn)一步跟蹤運動(dòng)物體[4].本文的遠程監控系統可以減少大量監控過(guò)程中的人工勞動(dòng)， 并大大提升監控效率， 具有極高的應用價(jià)值[5].
　　
　　1、 系統總體結構
　　
　　遠程智能監控系統的總體結構設計如圖1所示， 主要包括圖像采集設備 （攝像頭） 、服務(wù)器 （個(gè)人電腦） 和移動(dòng)設備3部分。
　　 　　 　　
　　2、 服務(wù)器端
　　
　　2.1、 系統配置
　　
　　系統采用個(gè)人計算機進(jìn)行實(shí)時(shí)監控視頻獲取與圖像處理， 利用C++語(yǔ)言在VS2010上進(jìn)行開(kāi)發(fā)， 利用OpenCV進(jìn)行圖像處理。OpenCV包含少量C++類(lèi)和大量C函數， 可以用于實(shí)現圖像處理方面的很多通用算法， 大大提高圖像處理程序的開(kāi)發(fā)效率[6].要想使用OpenCV提供的各個(gè)接口， 需要在VS2010新建項目中添加程序文件后， 在屬性管理器中添加OpenCV的依賴(lài)項， 將OpenCV的庫文件全部添加到VS2010項目的附加依賴(lài)項。添加方式如圖2所示。
　　 　　 　　
　　2.2、 運動(dòng)物體檢測
　　
　　實(shí)現對異常物體的追蹤首先要實(shí)現對異常物體的檢測。幀間差分法檢測速度快、計算簡(jiǎn)單， 對動(dòng)態(tài)環(huán)境具有很好的適應性， 可以用于在視頻監控中檢測運動(dòng)物體。如圖3, 幀間差分法對視頻中連續的若干幀圖像做差分運算， 從而獲得視頻中出現的異常物體輪廓。通過(guò)對連續幀之間圖像對應位置像素點(diǎn)進(jìn)行運算得到目標檢測結果[7].如果兩幀圖像運算后的結果大于設定好的閾值時(shí)， 設置對應位置的像素值為1, 否則設置為0, 從而可以得到一個(gè)二值圖像， 再對二值圖像進(jìn)行一次閉運算， 使輪廓上斷開(kāi)的部分融合， 填補輪廓上的間隙。再使用對噪聲具有平滑作用的sobel算子消除部分點(diǎn)對輪廓提取的影響， 在得到的二值圖像中進(jìn)行輪廓檢測。
　　 　　 　　
　　2.3、 運動(dòng)物體跟蹤
　　
　　在檢測到運動(dòng)物體之后， 監控系統使用感知哈希算法對物體進(jìn)行持續跟蹤。感知哈希算法利用DCT域中的低頻系數， 只要圖像中物體的整體結構不變， 哈希值就不會(huì )有變化， 從而避免了光照變化對物體跟蹤效果的影響[8].
　　
　　感知哈希算法可以提取具有圖像特征的指紋， 該指紋十分簡(jiǎn)單， 可以用于畫(huà)面相似度比較[9].監控系統通過(guò)不斷進(jìn)行窗體掃描， 利用指紋相似度找到與運動(dòng)物體最像的目標， 從而達到跟蹤目的。如圖4, 感知哈希值的步驟為：
　　
　　（1） 圖片預處理。縮小圖片尺寸， 并將彩色圖片變?yōu)楹诎讏D片。
　　（2） 計算DCT.計算圖片的DCT （離散余弦變換） 變換， 得到32*32的DCT矩陣。
　　（3） 縮小DCT.左上角的矩陣位低頻信息， 具有代表性， 提取矩陣左上角的8位矩陣。
　　（4） 計算平均值。計算DCT矩陣的平均值。
　　（5） 計算hash值。將矩陣中大于等于系數均值的系數值設為“1”, 小于系數均值的設為“0”.
　　（6） 將哈希值組合成一個(gè)64位列向量， 即圖片指紋。
　　 　　 　　
　　對檢測到的目標按照圖5所示方法計算哈希值， 對傳輸的下一幀圖像進(jìn)行掃描并計算每一個(gè)掃描窗口的哈希值。選擇其中與上一幀哈希值漢明距離最小的窗口作為運動(dòng)物體的最新位置。對傳入的圖像重復該步驟， 更新目標位置與哈希值， 實(shí)現對目標的跟蹤。
　　
　　2.4、 跟蹤效果檢測
　　
　　當視頻中沒(méi)有運動(dòng)物體時(shí)， 監控界面沒(méi)有檢測到運動(dòng)物體輪廓， 如圖6所示。
　　
　　當物體運動(dòng)時(shí)， 跟蹤到物體， 界面中出現目標輪廓， 如圖7所示。
　　
　　光線(xiàn)變暗， 移動(dòng)物體依舊被鎖定， 如圖8所示。
　　 　　 　　 　　 　　 　　 　　 　　 　　
　　3、 客戶(hù)端及通信
　　
　　在實(shí)現對目標的檢測與跟蹤之后， 可以進(jìn)一步擴展設計， 實(shí)現客戶(hù)端報警功能以及遠程視頻傳輸功能。如果監控系統具備這兩個(gè)功能， 監控人員就不必時(shí)刻停留在監控電腦前， 只需要隨身攜帶手機即可掌握監控現場(chǎng)的實(shí)時(shí)情況。
　　
　　3.1、 報警與圖像傳輸功能設計
　　
　　監控系統使用Socket跨平臺協(xié)議實(shí)現報警功能和遠程視頻傳輸功能[10].遠程監控系統在啟動(dòng)之后建立服務(wù)器端Socket, 一旦檢測到異常運動(dòng)物體， 就通過(guò)Socket向客戶(hù)端手機APP發(fā)送警報信號， 客戶(hù)端通過(guò)Socket對象與服務(wù)器建立連接， 服務(wù)器即可將實(shí)時(shí)監控畫(huà)面傳輸到客戶(hù)端[11].監控人員在處理完異常后， 可以通過(guò)客戶(hù)端中斷連接。Socket通信流程如圖9所示。
　　
　　APP使用JAVA語(yǔ)言編寫(xiě)， 用來(lái)接收服務(wù)器發(fā)送的報警信號和視頻圖像。客戶(hù)端總體設計見(jiàn)圖10, 包含了4個(gè)模塊： （1） UI模塊用于向用戶(hù)展示監控畫(huà)面； （2） Activity模塊為Android的活動(dòng)， 主要功能為控制UI的顯示內容， 接收服務(wù)器的實(shí)時(shí)畫(huà)面數據以及解碼顯示圖像； （3） Service模塊是應用程序在退出后仍然會(huì )運行的部分， 這個(gè)模塊用來(lái)與服務(wù)器建立連接， 等待服務(wù)器推送報警消息， 當接收到服務(wù)器推送的消息后， Service模塊會(huì )在安卓手機上提示報警； （4） Notification是Android平臺提供的通知欄接口， 創(chuàng )建之后無(wú)論系統處于桌面還是應用程序中其它界面， 都可以顯示報警消息。
　　 　　 　　 　　 　　
　　3.2、 報警與圖像傳輸功能實(shí)現
　　
　　當監控系統發(fā)現運動(dòng)物體時(shí)， 通過(guò)Socket對客戶(hù)端APP進(jìn)行報警， 報警信息會(huì )出現在通知欄， 如圖11所示。
　　 　　 　　
　　此時(shí)， 可以通過(guò)APP, 從服務(wù)器端接收實(shí)時(shí)畫(huà)面， 如圖12所示。
　　 　　 　　
　　4、 結語(yǔ)
　　
　　智能目標跟蹤系統實(shí)現了對運動(dòng)物體的檢測跟蹤， 提升了監控效率， 在對倉庫、保管室等靜態(tài)環(huán)境的監控中可以發(fā)揮巨大作用， 同時(shí)客戶(hù)端的使用讓監控方式靈活起來(lái)， 監控人員可以更加便捷地掌握現場(chǎng)情況。近幾年隨著(zhù)人工智能的迅速發(fā)展， 我國安防行業(yè)可以借這股浪潮變得更加智能化， 從而實(shí)現更高效、更精確的智能監控。
　　
　　參考文獻：
　　
　　[1]PAUL T, 李開(kāi)復。中國的人工智能革命：理解中國的結構性?xún)?yōu)勢[J].機器人產(chǎn)業(yè)， 2018 （1） :83-95.
　　[2]李川。淺述視頻監控系統的經(jīng)歷與發(fā)展[J].電大理工， 2009 （4） :49-50.
　　[3]BUCH N, VELASTIN S A.ORWELL J.A review of computer vision techniques for the analysis of urbantraffic[C].IEEE Transactions on Intelligent Transportation Systems, 2011:920-939.
　　[4]王素玉。智能視覺(jué)監控技術(shù)研究進(jìn)展[J].中國圖像圖形學(xué)報， 2007, 12 （9） :1505-1514.
　　[5]吳曉陽(yáng)。基于OpenCV的運動(dòng)目標檢測與跟蹤[D].杭州：浙江大學(xué)， 2008.
　　[6]熊英。基于背景和幀間差分法的運動(dòng)目標提取[J].計算機時(shí)代， 2014 （3） :38-41.
　　[7]FEI M J, LI J, LIU H H.Visual tracking based on improved foreground detection and perceptual hashing[J].Neurocomputing, 2015, 152:413-428
　　[8]FRIDRICH J, GOLJAN M.Robust hash functions for digital watermarking[C].IEEE Proceedings International Conference on Information Technology:Coding and Computing, 2000:178-183.
　　[9]ZHAO Y B.A low cost GSM/GPRS based wireless home security system[J].Consumer Electronics, 2008, 54 （2） :567-572.
　　[10]王韋樺。智能視覺(jué)監控中運動(dòng)目標檢測與行為識別方法[D].西安：西安電子科技大學(xué)， 2014.