弃大矩形包围盒外的像素；
[0036] S33、根据初始化的前景和背景信息，分别构建前景和背景的高斯混合模型；
[0037] S34、求得大矩形包围盒内的每个像素n所对应的高斯混合模型参数；
[0038] S35、用最大流/最小割算法进行分割；
[0039] S36、返回步骤（34)重复执行，直至能量最小化收敛。
[0040] 本发明首先用HOG梯度方向直方图对行人进行检测，得到一个包含行人的包围 盒；然后，采用GrabCut算法进行前景提取，得到精确的人体分割结果。具体地说，梯度方向 直方图特征（Histograms of Oriented Gradient，HOG)是 Navneet Dalal 和 Bill Triggs 首次提出的。HOG特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获 得了极大的成功。在一幅图像中，局部目标的表象和形状能够被梯度或边缘的方向密度分 布很好地描述。具体实现方法是：首先将彩色图像转换为灰度图像，灰度图像分成小的连通 区域，称为单元格；然后采集单元格中各像素点的梯度的或边缘的方向直方图，一般将直方 图分为9级。计算每个单元对应的用梯度幅值加权的梯度方向直方图。将所有单元格在块 上进行归一化，得到HOG描述符；将检测空间所有块的HOG特征串联起来，组成最终的特征 向量供分类使用。HOG行人检测先获得正负样本的HOG特征，然后用线性SVM进行训练，得 到一个分类器，进行行人的检测。在用HOG进行行人检测后，得到一个包围盒，使得行人恰 好处于包围盒内。GrabCut算法是Rother Carsten等提出来的，用于前景提取。GrabCut 算法利用图像中的纹理（颜色）信息和边界（反差）信息，它是基于迭代的GraphCut的前 景提取算法，只要少量的用户交互操作即可得到较好的分割结果。GrabCut算法主要包括彩 色数据建模和通过迭代实现能量最小化，得到分割。
[0041] 在用HOG行人检测后，得到一个行人的包围盒，将大矩形包围盒内小矩形包围盒 外的像素作为背景，小矩形包围盒内的像素作为前景，得到初始的预分割信息。然后建立前 景和背景的高斯混合模型（Gaussian Mixture Model，GMM)。其中Gibbs能量函数为：
[0042] E ( a，k，9，z) = U ( a，k，9，z) +V ( a，z) (I)
[0043] 式（I)中，a = 0表示背景，a = I表示前景；0为图像前景与背景的灰度直方 图；z为图像灰度值数组，式（1)主要受GMM变量k影响。引入GMM的彩色数据模型，其数 据项定义为：
[0045] 式⑵中，n是像素个数，D(an，kn，0，zn) = -logP(zn|kn，a，0n)，P(z|k，a， 0) = 2^))，则模型参数为：
[0046]0 k= (Jik，yk，E k) (3)
[0047] 平滑项用欧氏距离计算得到：
[0049] 然后，通过迭代实现能量最小化，得到最终的分割结果。
[0050] S4、主控制器将所述行人视频图像信息传输至人脸检测处理单元；
[0051] S5、人脸检测处理单元对所述行人视频图像信息进行人脸位置检测，并将人脸位 置信息传输至主控制器；
[0052] S6、主控制器根据人脸位置信息控制视频数据采集单元对所述运动目标的人脸位 置进行跟踪视频图像采集，并从视频数据采集单元实时获取所述跟踪视频图像，然后将所 述跟踪视频图像与人脸数据库中的犯罪嫌疑人的人脸图片进行人脸比对，并在当所述跟踪 视频图像与犯罪嫌疑人的人脸图片相符时向报警单元发送报警信号。
[0053] 以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范 围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方 案作出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。
【主权项】
1. 一种智能安防视频监控系统，其特征在于：包括视频数据采集单元、音频数据采集 单元、行人分割处理单元、人脸检测处理单元、报警单元、主控制器、网络传输单元和监控终 端；所述视频数据采集单元包括云台摄像机、云台摄像机支架、全景摄像机和全景摄像机支 架；所述主控制器采用ARM处理器，所述ARM处理器的型号为S3C2410 ;所述网络传输单元 包括以太网络模块、GPRS网络模块、3G/4G网络模块、Wi-Fi模块和无线收发模块；所述无线 收发模块包括无线发射端和无线接收端；所述视频数据采集单元通过视频数据转换电路与 主控制器相连； 所述视频数据采集单元，用于采集运动目标视频图像，并将所述运动目标视频图像传 输至主控制器；所述主控制器，用于将所述运动目标图像传输至行人分割处理单元；所述 行人分割处理单元，用于采用基于HOG行人检测预分割方法和基于GrabCut的精确分割方 法，将所述运动目标图像进行行人分割处理，得到行人视频图像信息，并将所述行人视频图 像信息传输至主控制器；所述主控制器，还用于将所述行人视频图像信息传输至人脸检测 处理单元；所述人脸检测处理单元，用于对所述行人视频图像信息进行人脸位置检测，并将 人脸位置信息传输至主控制器；所述主控制器，还用于根据人脸位置信息控制视频数据采 集单元对所述运动目标的人脸位置进行跟踪视频图像采集，并从视频数据采集单元实时获 取所述跟踪视频图像，然后将所述跟踪视频图像与人脸数据库中的犯罪嫌疑人的人脸图片 进行人脸比对，并在当所述跟踪视频图像与犯罪嫌疑人的人脸图片相符时向报警单元发送 报警信号。2. 根据权利要求1所述的一种智能安防视频监控系统，其特征在于：所述主控制器连 接有以太网接口电路、电源管理电路和存储器接口电路。3. 根据权利要求1所述的一种智能安防视频监控系统，其特征在于：所述的无线收发 装置采用nRF24L01无线收发芯片。4. 根据权利要求1所述的智能安防视频监控系统的检测处理方法，其特征在于：该方 法包括以下步骤： (1) 视频数据采集单元采集运动目标视频图像，并将所述运动目标视频图像传输至主 控制器； (2) 主控制器将所述运动目标图像传输至行人分割处理单元； (3) 行人分割处理单元采用基于HOG行人检测预分割方法和基于GrabCut的精确分割 方法，将所述运动目标图像进行行人分割处理，得到行人视频图像信息，并将所述行人视频 图像信息传输至主控制器；所述行人分割处理单元具体包括以下处理步骤： (31) 用HOG行人检测算法对所述运动目标图像进行行人检测，得到一个包围行人的包 围盒； (32) 初始化，将小矩形包围盒内的像素设置为前景，小矩形包围盒外大矩形包围盒内 的像素设置为背景，舍弃大矩形包围盒外的像素； (33) 根据初始化的前景和背景信息，分别构建前景和背景的高斯混合模型； (34) 求得大矩形包围盒内的每个像素n所对应的高斯混合模型参数； (35) 用最大流/最小割算法进行分割； (36) 返回步骤（34)重复执行，直至能量最小化收敛； (4) 主控制器将所述行人视频图像信息传输至人脸检测处理单元； (5) 人脸检测处理单元对所述行人视频图像信息进行人脸位置检测，并将人脸位置信 息传输至主控制器； (6) 主控制器根据人脸位置信息控制视频数据采集单元对所述运动目标的人脸位置进 行跟踪视频图像采集，并从视频数据采集单元实时获取所述跟踪视频图像，然后将所述跟 踪视频图像与人脸数据库中的犯罪嫌疑人的人脸图片进行人脸比对，并在当所述跟踪视频 图像与犯罪嫌疑人的人脸图片相符时向报警单元发送报警信号。
【专利摘要】本发明涉及一种智能安防视频监控系统及其检测处理方法。监控系统，包括视频数据采集单元、音频数据采集单元、行人分割处理单元、人脸检测处理单元、报警单元、主控制器、网络传输单元和监控终端；所述视频数据采集单元包括云台摄像机、云台摄像机支架、全景摄像机和全景摄像机支架；所述主控制器采用ARM处理器；所述网络传输单元包括以太网络模块、GPRS网络模块、3G/4G网络模块、Wi-Fi模块和无线收发模块；所述无线收发模块包括无线发射端和无线接收端；所述视频数据采集单元通过视频数据转换电路与主控制器相连。该监控系统及其检测处理方法能够解决现有的安防监控系统存在的问题，满足智能化监控的要求。
【IPC分类】G06K9/00, G06K9/46, H04N7/18
【公开号】CN104994347
【申请号】CN201510391760
【发明人】纪勇, 张传金, 刘治国, 洪宇, 邵磊, 何进, 闫瑞林, 陶维俊
【申请人】安徽创世科技有限公司
【公开日】2015年10月21日
【申请日】2015年7月1日