一种智能家居联防系统的制作方法

本发明涉及智能家居技术领域，具体涉及一种智能家居联防系统。

背景技术：

智能家居以住宅为搭建平台，通过在室内安装智能家居系统来为提高人们的住宅提供安全性、便利性，现有技术中以提高住宅安全性能为目的的智能家居系统通常采取的方法是在住宅内安全摄像头，以监控室内的情况，一旦室内发生安全事故，用户可通过查看监控录像来查找事故原因，但是这种家居系统的最大缺点就是常常无法阻止事故的发生，换句话说就是无法避免用户蒙受损失，如果要做到进一步提高要用户住宅的安全性能，需要用户通过摄像头时刻关注室内的情况，但这很也不现实，因此需要一种能够在事故发生之前就可以达到阻止事故发生的更加智能的家居系统。

技术实现要素：

针对上述问题，本发明旨在提供一种智能家居联防系统。

本发明的目的采用以下技术方案来实现：

一种智能家居联防系统，包括监测模块、识别模块、无线传输模块和联防用户终端，所述监测模块用于监测家居的异常信息；所述识别模块用于对家居异常信息进行识别判断，得到家居异常信息的识别结果；所述无线传输模块用于将家居异常信息的识别结果发送至所述联防用户终端。

本发明的有益效果为：本发明采用联防的方式来解决家居异常情况，可在出现异常情况的家庭无人在家时，利用其它联防用户及时解决该家庭的家居异常情况，保障该用户的人身财产安全，并且常常能够在事故即将发生之前就可以通知用户采取措施去阻止安全事故的发生，有预防住宅安全事故发生的功能，大大提高用户住宅的安全性能。

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是本发明的框架结构图；

图2是本发明的监测模块的框架结构图。

附图标记：

监测模块1、识别模块2、无线传输模块3、联防用户终端4、传感器子模块11、视频监测子模块12、一氧化碳传感器111、烟雾传感器112、湿度传感器113、振动传感器114、背景识别单元121、刷新单元122和动态物检测单元123。

具体实施方式

结合以下应用场景对本发明作进一步描述。

参见图1，本实施例的一种智能家居联防系统，包括监测模块1、识别模块2、无线传输模块3和联防用户终端4，所述监测模块1用于监测家居的异常信息；所述识别模块2用于对家居异常信息进行识别判断，得到家居异常信息的识别结果；所述无线传输模块3用于将家居异常信息的识别结果发送至所述联防用户终端4。

优选地，如图2所示，所述监测模块1包括传感器子模块11和视频监测子模块12，所述传感器模块11包括一氧化碳传感器111、烟雾传感器112、湿度传感器113和振动传感器114，用于监测家居内是否有燃气泄漏、火灾、漏水渗水和强烈振动的异常信息；所述视频监测子模块12包括背景识别单元121、刷新单元122和动态物检测单元123，用于监测家居内是否有陌生人闯入的异常信息。

优选地，所述联防用户终端4为pc客户端或者手机客户端，用于接收家居异常信息的识别结果，在发生异常情况的用户不能及时解决此异常情况时，其他可能解决此异常情况的联防用户会接收到该用户的家居异常信息。

本发明上述实施例，采用联防的方式来解决家居异常情况，可在出现异常情况的家庭无人在家时，利用其它联防用户及时解决该家庭的家居异常情况，保障该用户的人身财产安全，并且常常能够在事故即将发生之前就可以通知用户采取措施去阻止安全事故的发生，有预防住宅安全事故发生的功能，大大提高用户住宅的安全性能。

优选地，所述背景识别单元对家居内的静态背景进行识别，首先根据家居视频图像的数据对各高斯背景模型重要参数进行初始化，将n帧家居视频图像中每个像素点位置的平均灰度值和方差作为各单个高斯背景模型的初始均值和初始方差，并设定初始权重，具体为：

式中，t表示高斯背景模型，ψ²(m,n)表示家居视频图像位置(m,n)处的灰度值方差，k(m,n)为家居视频图像位置(m,n)处的灰度值，ω(m,n)表示家居视频图像位置(m,n)处的灰度值均值，ηl,0表示第l个高斯背景模型的初始权重，l为高斯背景模型的个数，ωl,0(m,n)表示在第l个高斯背景模型中家居视频图像位置(m,n)处的灰度值的初始均值，表示在第l个高斯背景模型中家居视频图像位置(m,n)处的灰度值的初始方差，n为初始化窗口宽度(单位：帧)；

然后再将家居视频图像的各像素灰度值与高斯背景模型进行匹配判断，在τ时刻，将位置(m,n)处家居视频图像的像素灰度值与l个高斯背景模型逐一按照自定义匹配判断公式进行判断，其中采用的自定义匹配公式为：

式中，kτ(m,n)为τ时刻家居视频图像位置(m,n)处的灰度值，ωl,τ-1(m,n)为τ-1时刻第l个高斯背景模型中家居视频图像位置(m,n)处的均值，ψl,τ-1(m,n)为τ-1时刻第l个高斯背景模型中家居视频图像位置(m,n)处的方差。

本发明上述实施例，根据家居视频图像的数据对高斯背景模型进行初始化后，通过自定义匹配判断公式，将家居视频图像位置(m,n)处的像素灰度值与高斯背景模型进行匹配，将用户住宅的室内静态背景与动态物图像进行区分，有利于本智能家居联防系统对动态物的精确检测，有助于所述识别模块对动态物的识别，提高对动态物的关注度，当有陌生人闯入用户住宅时及时发现。

优选地，所述刷新单元对家居视频图像τ时刻第l个高斯背景模型的均值、方差、权重进行更新，具体为：

式中，ωl,τ(m,n)为τ时刻第l个高斯背景模型中家居视频图像位置(m,n)处的均值，ωl,τ-1(m,n)为τ-1时刻第l个高斯背景模型中家居视频图像位置(m,n)处的均值，kτ(m,n)为τ时刻家居视频图像位置(m,n)处的灰度值，表示τ时刻第l个高斯背景模型中家居视频图像位置(m,n)处的方差，表示τ-1时刻第l个高斯背景模型中家居视频图像位置(m,n)处的方差，为高斯背景模型的均值和方差的更新率，设定为0.01；

ηl,τ(m,n)表示τ时刻第l个高斯背景模型的初始权重，ζ为权重更新率，ζ设定为0.02，l为高斯背景模型的个数。

本发明上述实施例，对家居视频图像中的参数进行快速更新，有利于对家居视频图像中变化的像素点进行快速的检测，保证移动缓慢和移动十分迅速的动态物都不会被检测遗漏，有利于对室内动态物的及时发现，大大提高本智能家居联防系统的防盗安全性能。

优选地，所述动态物检测单元首先对所有已经完成参数更新的权重ηl,τ(m,n)进行归一化处理，随后计算归一化处理后的ωl,τ(m,n)与的比值并按照从大到小的顺序进行排序，选取前x个满足模型表征背景，然后计算家居视频图像中的稳定度指标，最后计算稳定度指标阈值并判断动态物图像，具体为：

(1)计算x值，采用的计算公式为：

式中，函数表示取满足∑x＝1ηl,τ(m,n)≥μ时的x最小值，μ为权重判断阈值；

(2)计算家居视频图像中像素点的稳定度指标并筛选出其最大和最小值，采用的稳定度指标计算公式为：

式中，q(m,n)表示位置(m,n)处的稳定度指标函数，g为向后滑动的帧数，kτ(m,n)为τ时刻家居视频图像位置(m,n)处的灰度值；

(3)计算稳定度指标阈值，采用的计算公式为：

式中，q′表示稳定度指标阈值，qmax为最大稳定度指标值，qmin为最小稳定度指标值；

若存在家居视频图像τ时刻位置(m,n)连续f帧图像的稳定度指标q(m,n)＞q′，则判断家居视频图像τ时刻位置(m,n)的像素点为动态物像素点，否则为静态家居背景，当检测家居内出现动态物时，所述识别模块对动态物进行识别，若识别结果为有陌生人闯入时，立即向所述联防用户终端发送警示。

本发明上述实施例，通过对稳定度指标的计算来精确区分家居视频图像中动态物与室内静态背景，有利于减少动态物图像像素点被背景模型错误匹配的概率，增大了动态物与室内静态背景的区分度，增强算法鲁棒性，同时提高对动态物的检测与追踪的准确度，准确判断出动态物图像，以便识别模块确定此动态物是否对用户家居安全构成威胁。

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。