本发明涉及仓库技术领域,具体涉及一种监控效果良好的仓库监控系统。
背景技术:
随着社会的进步和科技的发展,越来越多的地方需要用到监控性能更好的监控系统,尤其是仓库。
机器视觉,即研究如何使用计算机来模拟人的视觉功能。机器视觉属于人工智能领域,是一门综合了计算机科学、神经科学、信号处理等多个学科的新兴技术。一个典型的机器视觉系统通过图像采集设备将目标转换成图像信号,传输给图餘处理单元。图像处理单元首先提取目标的特征信息,然后通过图像处理算法计算结果,最后输出到监视器等设备。其优点有:快速、准确,对目标物无伤害;具有更广的波谱观测范围;可长时间稳定工作。我国己成为目前机器视觉发展最快的地区之一,应用领域涵盖了工业、农业、气象、航天、军事等行业。这就为监控系统的发展奠定了良好基础。
技术实现要素:
针对上述问题,本发明旨在提供一种监控效果良好的仓库监控系统。
本发明的目的采用以下技术方案来实现:
提供了一种监控效果良好的仓库监控系统,包括监控前端子系统、监控客户端子系统、监控管理子系统和报警子系统;
所述监控前端子系统设置于仓库,包括图像采集设备、声音采集设备和云台,所述图像采集设备用于获取仓库及仓库周边的监控图像并将所述监控图像传输至监控客户端子系统,所述声音采集设备用于采集仓库及周边的声音信号并将所述声音信号传输至监控客户端子系统,所述云台用于安装图像采集设备,所述云台能够在监控管理子系统的控制下移动和旋转所述图像采集设备;
所述监控客户端子系统包括信息接收模块、图像处理模块和播放模块,所述信息接收模块用于接收所述监控图像和声音信息,所述图像处理模块用于对监控图像中的目标进行识别,获取识别结果,所述播放模块包括扬声器和显示器,所述显示器用于显示所述识别结果,所述扬声器用于播放所述声音信息;
所述监控管理子系统用于对云台进行控制;
所述报警子系统用于显示器出现可疑目标或者扬声器发出可以声音时发出警报。
本发明的有益效果为:同时对图像和声音进行采集,实现了仓库的有效监控。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明的结构示意图;
附图标记:
监控前端子系统1、监控客户端子系统2、监控管理子系统3、报警子系统4。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例的一种监控效果良好的仓库监控系统,包括监控前端子系统1、监控客户端子系统2、监控管理子系统3和报警子系统4;
所述监控前端子系统1设置于仓库,包括图像采集设备、声音采集设备和云台,所述图像采集设备用于获取仓库及仓库周边的监控图像并将所述监控图像传输至监控客户端子系统2,所述声音采集设备用于采集仓库及周边的声音信号并将所述声音信号传输至监控客户端子系统2,所述云台用于安装图像采集设备,所述云台能够在监控管理子系统3的控制下移动和旋转所述图像采集设备;
所述监控客户端子系统2包括信息接收模块、图像处理模块和播放模块,所述信息接收模块用于接收所述监控图像和声音信息,所述图像处理模块用于对监控图像中的目标进行识别,获取识别结果,所述播放模块包括扬声器和显示器,所述显示器用于显示所述识别结果,所述扬声器用于播放所述声音信息;
所述监控管理子系统3用于对云台进行控制;
所述报警子系统4用于显示器出现可疑目标或者扬声器发出可以声音时发出警报。
本实施例同时对图像和声音进行采集,实现了仓库的有效监控。
优选的,所述图像处理模块包括图像分割模块、特征提取模块和图像识别模块,所述图像分割模块用于分割图像中目标和背景,所述特征提取模块用于对目标特征进行提取,所述图像识别模块用于对目标进行分类识别;
本优选实施例通过对图像进行分割和提取目标特征对目标进行分类识别,实现了图像的准确识别。
优选的,所述图像分割模块用于分割图像中目标和背景,具体为:
定义分割函数:
f(k)=2[m0(μ0-μ)2+m1(μ1-μ)2]
式中,k表示图像分割值,用于将图像分割为背景部分和目标部分,k∈[0,l],l表示图像灰度级数,m0和m1分别表示背景像素和目标像素所占的比例,μ0和μ1分别表示背景像素和目标像素的灰度均值,μ表示图像所有像素的灰度均值;
采用下式确定最佳图像分割值:
k=argmaxf(k)
式中,k表示最佳图像分割值,argmaxf(k)表示f(k)最大时k的取值;
本优选实施例通过定义分割函数确定最佳图像分割值,实现了图像的准确分割,精确获取了图像目标
优选的,所述特征提取模块包括第一特征提取模块、第二特征提取模块和综合特征提取模块,所述第一特征提取模块用于提取目标的颜色特征,所述第二特征提取模块用于提取目标的形态特征,所述综合特征提取模块用于根据颜色特征和形态特征确定目标特征向量;
所述第一特征提取模块用于提取目标的颜色特征,具体为:
采用下式提取目标的颜色特征:
式中,y1表示目标的第一颜色特征,y2表示目标的第二颜色特征,y3表示目标的第三颜色特征,n表示目标像素点的个数,ri表示色彩空间中像素的红色分量,gi表示色彩空间中像素的绿色分量,bi表示色彩空间中像素的蓝色分量;
根据目标的颜色特征建立目标的颜色特征向量t1:t1=[y1,y2,y3];
本优选实施例通过计算目标的颜色特征,建立起目标颜色特征向量,具体的,本发明颜色特征充分考虑了目标的所有像素点,具有很强的鲁棒性,相比颜色直方图方式提取颜色特征,本发明颜色特征降低了特征维度,具有计算量小,节约计算资源的特点,为后续目标识别奠定了基础。
优选的,所述第二特征提取模块用于提取目标的形态特征,具体为:
采用下式计算目标的形态特征:
式中,x1表示目标的第一形态特征,x2表示目标的第二形态特征,x3表示目标的第三形态特征,z表示目标的外轮廓长度,a表示目标的面积大小,l表示目标最小外接矩形的长,h表示目标最小外接矩形的宽,r1表示目标的内切圆半径,r2表示目标的外切圆半径;
根据目标的形态特征建立目标的形态特征向量t2:t2=[x1,x2,x3]
所述综合特征提取模块用于根据颜色特征和形态特征确定目标特征向量,具体为:根据目标的颜色特征向量和形态特征向量建立目标的特征向量t:t=[t1,t2];
所述图像识别模块用于对目标进行分类识别,具体为:根据目标的特征向量采用支持向量机对目标进行分类识别。
本优选实施例通过计算目标的形态特征,建立起目标形态特征向量,具体的,第一形态特征充分考虑了目标的复杂度,第一形态特征越大,目标越复杂,第二形态特征充分考虑了目标的占空比,目标第三形态特征充分考虑了目标的球形性,第三形态特征越大,目标越接近球形,为后续目标识别奠定了基础。
采用本发明监控效果良好的仓库监控系统对仓库进行监控,选取5个仓库进行实验,分别为仓库1、仓库2、仓库3、仓库4、仓库5,对监控准确性和监控成本进行统计,同现有监控系统相比,产生的有益效果如下表所示:
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。