一种基于支持向量机的智能监控系统的制作方法
本发明涉及监控领域，具体为一种基于支持向量机的智能监控系统。
背景技术：
随着社会的不断发展，各个领域的系统都在朝着自动化、智能化方向发展。视频监控报警系统正是在这种环境下孕育而生的。传统的视频监控需要工作人员监控各个监控画面，这样将浪费大量的劳动力，对于某些重要的场景，必须要求操作员目不转睛的盯着屏幕，十分容易疲劳而分心，从而导致工作效率低、出错率高。如果能使监控系统具有自动检测、识别和报警的能力，则必然是监控领域技术上的一项突破，目前支持向量机已经在视频监控领域得到初步的应用，支持向量机是常见的一种判别方法，在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析，支持向量机是基于统计学习理论的一种新的机器学习方法，专门针对有限样本情况，得到现有信息下的最优解，svm与传统的机器学习方法相比具有很强的优势，它遵循结构风险最小化原则，从而具有很强的推广能力。svm在很大程度上解决了模型选择、过学习、局部极值、非线性、维数灾难等问题。
现有智能监控系统用户不能够及时的接收到监控区域出现异常情况的警报，而且监控系统不能威慑异常进入监控区域的人，很大程度上减小了视频监控系统的作用。
技术实现要素：
本发明目的在于提供一种基于支持向量机的智能监控系统，解决了现有智能监控系统用户不能够及时的接收到监控区域出现异常情况的警报，而且监控系统不能威慑异常进入监控区域的人，很大程度上减小了视频监控系统作用的问题。
为达成上述目的，本发明提出如下技术方案：一种基于支持向量机的智能监控系统，包括前端采集系统、文件储存装置、中心识别控制器、传输设备、驱动电路和提醒装置；所述前端采集系统为采集现场的音频数据、视频数据和红外成像数据，并传输至中心识别控制器进行处理或文件储存装置内保存；所述中心识别控制器通过支持向量机识别算法对前端采集系统采集的音频数据、视频数据和红外成像数据进行分类和识别处理，通过分类和识别结果与特征储存装置内的特征进行对比，并将对比结果通过传输设备发送至位于用户的接收终端，通过驱动电路使得提醒装置进行提醒对特定声音。
进一步的，在本发明中，所述前端采集系统包括视频采集装置、红外成像装置和音频采集装置，所述视频采集装置为云台、枪机或者球机的一种，所述红外成像装置为红外热像仪，所述音频采集装置为麦克风和集音盘，所述视频采集装置、红外成像装置和音频采集装置均与中心识别控制器通信连接。
进一步的，在本发明中，所述视频采集装置、红外成像装置和音频采集装置均包括远程通讯模块和云控制模块，所述远程通讯模块用于与中心识别控制器通信连接，所述控制模块用于对接收到的中心识别控制器指令进行解码，将其转换为控制电机运行的控制信号，并根据控制信号，驱动云台上的电机进行相应动作。
进一步的，所述分类和对比的方法具体为：对前端采集系统采集的信息进行预处理，预处理过程包括滤波和图像灰度化、图像锐化处理、图像平滑处理、图像增强处理。灰度化的公式
进一步的，灰度化的图像定义为二维函数f(x,y)，其中x、y是空间坐标，预处理过程对图像f(x,y)进行图像锐化处理，经过图像锐化处理后的图像二维函数为g(x,y)，其中：
进一步的，预处理过程接着对图像g(x,y)进行图像平滑处理，经过图像平滑处理后的图像二维函数为h(x,y)，平滑函数为q(x,y)，其中，
进一步的，预处理过程最后对图像h(x,y)进行图像增强处理，以对图像h(x,y)进行图像清晰度增强处理，经过图像清晰度增强处理后的图像二维函数为d(x,y)，其中，
进一步的，在本发明中，所述中心识别控制器包括基于支持向量机的处理器，所述基于支持向量机的处理器接收前端采集系统采集的信息进行分类和对比，还包括人机交互界面和数据库，所述处理器内设有支持向量机识别算法，所述数据库用于存储传输设备发送过来的数据，以及存储中心识别控制器的控制系统处理后特征数据。
进一步的，在本发明中，所述提醒装置包括扬声器、显示装置和报警装置，所述中心识别控制器根据判别结构通过驱动电路控制扬声器、显示装置和报警装置。
有益效果，本申请的技术方案具备如下技术效果：
1、本发明监控系统具有自动检测、识别和报警的能力，通过前端采集系统为采集现场的音频数据、视频数据和红外成像数据，并传输至中心识别控制器进行处理，本发明将采集到的物体的图像信息传输至预处理过程，预处理过程对接收到的图像信息依次进行灰度化、图像锐化、图像平滑和图像增强处理后传输至中心识别控制器，能有效提高图像的清晰度；中心识别控制器得到处理结果并发生给接收终端通知使用者，还可以控制提醒装置威慑异常进入监控区域的人员，进而可以有效解决现有智能监控系统用户不能够及时的接收到监控区域出现异常情况的警报，而且监控系统不能威慑异常进入监控区域的人的问题，结构设计简单使用方便，具有广泛的实用性。
附图说明
附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本发明的各个方面的实施例，其中：
图1为本发明系统示意图。
图2为将采集的信息向量化的示意图。
具体实施方式
为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。
在本公开中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本发明的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。如图1所示。
一种基于支持向量机的智能监控系统，包括前端采集系统、文件储存装置、中心识别控制器、传输设备、驱动电路和提醒装置；所述前端采集系统为采集现场的音频数据、视频数据和红外成像数据，并传输至中心识别控制器进行处理或文件储存装置内保存；所述中心识别控制器通过支持向量机识别算法对前端采集系统采集的音频数据、视频数据和红外成像数据进行分类和识别处理，通过分类和识别结果与特征储存装置内的特征进行对比，并将对比结果通过传输设备发送至位于用户的接收终端，通过驱动电路使得提醒装置进行提醒对特定声音。
进一步的，在本发明中，所述前端采集系统包括视频采集装置、红外成像装置和音频采集装置，所述视频采集装置为云台、枪机或者球机的一种，所述红外成像装置为红外热像仪，所述音频采集装置为麦克风和集音盘，所述视频采集装置、红外成像装置和音频采集装置均与中心识别控制器通信连接。
所述分类和对比的方法具体为：对前端采集系统采集的信息进行预处理，预处理过程包括滤波和图像灰度化，灰度化的公式：
进一步的，所述中心识别控制器包括基于支持向量机的处理器，所述基于支持向量机的处理器接收前端采集系统采集的信息进行分类和对比，还包括人机交互界面和数据库，所述处理器内设有支持向量机识别算法，所述数据库用于存储传输设备发送过来的数据，以及存储中心识别控制器的控制系统处理后特征数据。
进一步的，所述分类和对比的方法具体为：对前端采集系统采集的信息进行预处理，预处理过程包括滤波和图像灰度化、图像锐化处理、图像平滑处理、图像增强处理。灰度化的公式
进一步的，灰度化的图像定义为二维函数f(x,y)，其中x、y是空间坐标，预处理过程对图像f(x,y)进行图像锐化处理，经过图像锐化处理后的图像二维函数为g(x,y)，其中：
进一步的，预处理过程接着对图像g(x,y)进行图像平滑处理，经过图像平滑处理后的图像二维函数为h(x,y)，平滑函数为q(x,y)，其中，
进一步的，预处理过程最后对图像h(x,y)进行图像增强处理，以对图像h(x,y)进行图像清晰度增强处理，经过图像清晰度增强处理后的图像二维函数为d(x,y)，其中，
进一步的，在本发明中，所述视频采集装置、红外成像装置和音频采集装置均包括远程通讯模块和云控制模块，所述远程通讯模块用于与中心识别控制器通信连接，所述控制模块用于对接收到的中心识别控制器指令进行解码，将其转换为控制电机运行的控制信号，并根据控制信号，驱动云台上的电机进行相应动作。
进一步的，在本发明中，所述红外成像装置包括红外成像系统、焦平面阵列、冷光源系统，光学读出系统、ir图像复原器，红外物体通过红外成像系统成像到焦平面阵列上，红外热辐射使得焦平面阵列中的fpa单元发生微小变形，然后用冷光源系统发出标准平面波通过分光镜照射到fpa单元上发生反射，使带有微小面形变化的波前信息通过分光镜进入光学读出系统，由光学读出系统中的哈特曼波前传感器进行波前探测，再由ir图像复原器根据相关算法从光学读出系统探测到的波前中提取出每个fpa单元的热致转角信息后重构为被探测物体的红外图像。
进一步的，在本发明中，向量化具体为，定义一个中心o点，各个向量从目标轮廓的中心o点出发，按一定间隔呈放射状分布，指向目标的轮廓线。如图2为i=8的星形向量表示，其中，x1指向为水平0°方向，其他向量按逆时钟方向，间隔45°角分布。间隔的角度可以根据定义向量数的多少，可以等角度，也可以是变角度，如果某个向量不止一次穿过目标轮廓的边界，则选择距离最远的，如图2中向量x4。将各向量的长度按顺序表示为目标形状的特征向量，并做规一化处理，使特征向量具有伸缩不变性，从特征向量的抽取过程中可以看出，特征向量只与目标的轮廓有关，在目标提取过程中有可能目标内部空洞不会对目标的特征向量造成影响。
进一步的，在本发明中，在构造支持向量机分类器时样本集是基础，并且样本集的性能直接影响svm分类器的性能，样本应包括人体样本和非人体样本，其中人体样本可以通过以下两种方式获得：一是采用前面所述的人体目标提取方法从拍摄的图片集中提取得到；二是选取各种含有人体的图像，用手工方式分割出人体，而非人体样本由于其种类的多样性，它需要大量的非人体样本，庞大的非人体样本空间似的训练过程中迭代次数增加，降低收敛速度。从而需要减小非人体样本，可以采用自举的方式使样本更具有代表性以达到目的，非人体样本的收集从各类非人体的图像中获得，包括各类动物、车辆等。从非人体样本中抽出部分与人体样本组成训练样本集，送入svm进行训练，得到一个初步的svm分类器，将其余的非人体样本作为测试集，从错误区分的样本中随机挑选一部分与前面的非人体样本组成新的非人体样本集。重复此过程直至收集到足够的非人体样本。在训练分类器时，样本是以向量的形式表示，用前面的星形向量表示目标物体关键就如何选择维数以到达精确表示的目的。经实验证明采用16维向量时表示的精度最高，可达96.7％，维数过或过高精度都将下降。所以下面的实验中都采用16维向量来表示人体。最终我们得到的样本集包含人体样本1500个，非人体样本1500，以16维的向量形式表示，优化约束条件c＝100，送入svm训练，作后的支持向量508个，构成最终的svm分类器。
进一步的，在本发明中，所述提醒装置包括扬声器、显示装置和报警装置，所述中心识别控制器根据判别结构通过驱动电路控制扬声器、显示装置和报警装置。
本发明在使用的过程中，通过前端采集系统采集监控区域的信息储存在文件储存装置中，通过特征采集装置采集特征信息并储存在特征储存装置中，特征储存装置将特征信息传输给中心识别控制器进行对比分析，再将分析结果通过传输设备传输给接收终端通知用户，同时控制驱动电路使得提醒装置威慑异常进入监控区域的人，进而可以有效解决现有智能监控系统用户不能够及时的接收到监控区域出现异常情况的警报，而且监控系统不能威慑异常进入监控区域的人的问题，结构设计简单使用方便，具有广泛的实用性。
本发明中的用电元件均通过电源线（图中未画出）与市电连接，由市电连接。本发明中涉及的电路以及控制均为现有技术，在此不进行过多赘述
虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。
- 还没有人留言评论。精彩留言会获得点赞！