具有图像跟踪功能的环保监测系统的制作方法

[0001]
本发明属于环保检测领域，涉及一种具有图像跟踪功能的环保监测系统，特别涉及一种具有对敏感区域图像目标进行跟踪的环保监测系统。


背景技术：

[0002]
环保监测在污水治理、污染气体治理、施工管理等领域有着重要应用价值。基于物联网技术的环保监测系统将各类传感器、视频监控、红外探测、gps、rfid以及卫星遥感等采集到的信息进行综合，实现对监测地各类环境数据信息的采集，经过信息处理与综合，实现提前预警，避免严重污染情况的发生。尤其对于一些重要敏感地区，如配电间、机房、操作间等，需要进行视频监控。当未经授权期间有人员进入，监控摄像头应当能够锁定移动目标，由云台带动对目标进行连续跟踪。为了确保在不同时段都能有效实现目标的稳定跟踪，跟踪算法应具有良好的适应性和稳定性。目前，深度学习在目标跟踪领域表现出优秀的性能，但基于深度学习的目标跟踪方法通常需要大量的训练样本，进行长时间的训练，这对于系统的硬件配置提出了较高要求，造成系统硬件成本以及运行时间成本的增加。传统跟踪方法通常运算量较小，对系统硬件要求也不高，但跟踪性能存在一定的不稳定性。
[0003]
因此，设计一种具有较好适应能力的目标跟踪方法，对于提升环保监测系统的性能具有很好的应用价值。


技术实现要素：

[0004]
本发明所要解决的技术问题是，为提高环保监测系统的智能化水平，设计一种具有图像目标检测与跟踪功能的环保监测系统，利用传感器检测环境信息，利用摄像头对敏感区域进行监控，对未授权进入的目标进行跟踪，并实现报警。
[0005]
本发明所采用的技术方案是：一种具有图像目标跟踪功能的环保监测系统，包括感知层、网络层和应用层三层结构。感知层利用底层仪表、传感器及设备采集数据信息，并利用摄像头实现敏感区域环境图像信息的采集。网络层将感知层所获得的数据信息进行处理与传递。应用层根据所获得的数据信息，实现设备管理维护、监控预警、生产调度、实时数据曲线显示以及异常报警等功能。
[0006]
本发明的目的在于构建一种能够采集环境信息，并能够对敏感区域进行图像监控的环保检测系统，具有很好的实用性。
附图说明
[0007]
图1是场景图像中目标区与非目标区示意图。
具体实施方式
[0008]
下面结合附图对本发明作进一步详细说明。
[0009]
感知层采集待监测环境的温度、湿度、空气污染物等各类数据信息，并通过摄像头
采集监测敏感区的图像信息。当监测敏感区域内处于禁止人员进入状态时，如果发现运动目标，摄像头将由云台带动对目标进行跟踪。系统通过网络层将感知层采集到的各类监测数据、摄像头监测的敏感区域图像及是否有运动目标进入等信息传送至应用层。应用层根据所采集到的数据进行存储、显示以及报警。
[0010]
对于监测的敏感地区，如配电间、机房、操作间等，安装有图像采集装置，图像采集装置由云台带动的摄像头对敏感区域进行图像监测。图像采集装置具有两种工作状态，一种为正常扫描拍摄状态，另一种为目标检测跟踪状态。监测的敏感区域只允许被授权的人员才能够进入。被授权的人员输入密码验证后，监测的敏感区域内的图像采集装置工作于正常扫描拍摄状态，此时，云台带动摄像头连续旋转，将所拍摄图像通过网络层传送至应用层。被授权的人员离开敏感区域，并输入禁止入内指令后，图像采集装置工作于目标检测跟踪状态，此时图像采集装置检测敏感区域内是否存在运动目标，图像采集装置内预存云台各个位置对应的监控场景背景图像，图像采集装置中的云台带动摄像头连续旋转，并根据当前采集到的位置图像与预存位置的背景图像，利用背景差法进行目标检测，当未发现目标时，则继续利用背景差法进行目标检测，并将图像信息通过网络层传送至应用层；当检测到运动目标时，就对目标进行跟踪，同时将图像及报警信息通过网络层传送至应用层。
[0011]
图像采集装置工作于目标检测跟踪状态时，利用背景差法确定出运动目标区域后，将运动目标区域选定为被跟踪目标，采用一种特征加权匹配的目标跟踪方法对被跟踪目标进行跟踪。
[0012]
特征加权匹配的目标跟踪方法分别建立模板及模板周围非目标区域灰度直方图模型，根据模板灰度直方图模型，确定各灰度等级的加强权值系数，根据模板周围非目标区域直方图模型确定各灰度等级的抑制权值系数，采用加权匹配的方式，突出模板主要灰度的匹配作用，抑制非目标区域主要灰度的匹配作用，从而提高目标识别的准确性。
[0013]
设目标跟踪模板a大小为m
×
n，将当前帧目标区的长和宽各向外扩展一定区域，形成非目标区b，如图1所示。根据目标跟踪模板a的像素灰度值建立灰度直方图模型q
a
，根据非目标区b的像素灰度值建立灰度直方图模型q
b
。将灰度值划分为m个等级，设模板中各像素的位置坐标为{(x
i
,y
i
)}，i＝1，2，
…
,s。其对应的灰度特征值为b
a
(x
i
,y
i
)，则模板的灰度特征直方图模型
[0014][0015]
其中，δ为kornecker函数。
[0016]
灰度级目标加权值定义为：
[0017][0018]
其中，q
au
和q
av
分别表示目标模板第u个和第v个灰度等级的像素数量。w
au
为第u个灰度等级的目标加权值。
[0019]
设非目标区中各像素的位置坐标为{(x
j
,y
j
)}，i＝1，2，
…
,t。其对应的灰度特征值为b
b
(x
j
,y
j
)，则非目标区的灰度特征直方图模型为
[0020][0021]
灰度级非目标加权值定义为：
[0022][0023]
其中，q
bu
和q
bv
分别表示非目标区第u个和第v个灰度等级的像素数量。w
bu
为第u个灰度等级的非目标加权值。
[0024]
模板图像a中像素点(x
i
,y
i
)的灰度值为f
a
(x
i
,y
i
)，与模板图像a尺寸相同的待匹配图像的匹配区c中对应像素点(x
i
,y
i
)的灰度值为f
c
(x
i
,y
i
)，其对应的灰度特征值为b
c
(x
i
,y
i
)，则模板图像a与图像匹配区c的匹配值d
c
定义为：
[0025][0026]
将模板a在待匹配图像的搜索区内进行遍历搜索，将匹配值最大的匹配区定位为目标位置。以新定位出的目标区为模板，继续在下一帧中进行目标定位，从而实现目标的持续跟踪。
[0027]
匹配准则函数计算时，考虑了模板及非目标区中灰度的分布信息，模板中具有主要灰度等级的像素点的匹配值起主要作用，同时抑制非目标区中主要灰度等级的像素点的匹配作用，因此匹配结果能够突出模板的主要特征，抑制背景的干扰，有利于提高匹配准确性。与传统目标跟踪方法相比，本发明方法具有更好的目标定位准确性。
[0028]
本发明的优点在于，跟踪方法的匹配准则函数中具有模板图像主要灰度等级的像素点起主要作用，同时抑制非目标区中主要灰度等级的像素点的匹配作用，能够在较复杂的背景中定位出图像目标，提高了目标定位的准确性，能够提升环保监控系统对敏感区监控的可靠性。