智能家居监控系统及方法
【专利摘要】本发明公开了一种智能家居监控系统，包括监控终端、控制平台以及信息接收终端，所述监控终端包括数位摄影机及声音收集器，对监控环境进行图像及声音进行采集并将采集到的数据传送到控制平台；所述控制平台包括影像处理系统及声音处理系统，对接收的图像数据集声音数据进行处理，判断是否出现紧急情况并向信息接收终端发送警报信号。本发明采用声音与图像处理技术对家居环境进行全方位的监控和看护，能够满足现代人生活对家居安全的不同要求，并结合多种不同方式进行数据处理及分析，确保监控的准确率和有效性。
【专利说明】智能家居监控系统及方法
【技术领域】
[0001]本发明涉及一种智能家居监控的系统，尤其涉及一种利用图像及声音识别进行家居监控的系统及其方法。
【背景技术】
[0002]随着社会的发展和进步，在充足的物质基础之上，人们开始关注一种更为舒适、便捷和智能的生活方式和态度。“智能家居”的概念体现人们对智能化的舒适生活的追求，同时，人们对安全性的要求也在不断提升。
[0003]随着社会的发展，人口红利逐渐消失，人口老龄化的问题日益突出，加上越来越快的都市生活节奏让年轻一代不得不投入更多的时间与精力在工作上面，而没有时间对家里的老人与小孩进行看护和照顾。
[0004]现有的智能家居监控系统大多通过在门、窗安装红外线等探测仪器进行安全监控。其功能单一，不能满足家居智能监控对家庭成员的看护等其他需求，另外其安全性有限，不法分子很容易将探测仪器拆除而使监控系统失去作用。
【发明内容】
[0005]本发明所要解决的技术问题在于，提供一种智能家居监控系统，包括监控终端、控制平台以及信息接收终端其特征在于，所述监控终端包括数位摄影机及声音收集器，对监控环境进行图像及声音进行采集并将采集到的数据传送到控制平台；所述控制平台包括影像处理系统及声音处理系统，对接收的图像数据集声音数据进行处理，判断是否出现紧急情况并向信息接收终端发送警报信号。
[0006]进一步地，所述监控终端为智能机器人，所述智能机器人装有声呐装置可感测周围环境辅助对家居的智能监控。
[0007]进一步地，所述监控终端可以为固定的摄像头，通过在家居的多个角落安装摄像头对家居的各个角落进行监测。
[0008]所述方法包括:
Si采集家居环境及家庭成员图片的特征信息；
步骤SI包括:
Sll将拍摄的图片像素由RGB色彩空间模式转为HSV色彩空间模式，采用HSV可结合颜色信息及纹理特征，能大大地提高辨识率及可辨识范围。
[0009]S12将HSV色彩空间模式中的H、S、V分别量化为8、3、3个区域，从而将照片像素点的值量化为72色，;将图像的每个像素点(H，S，V)量化的结果为(H'，S'，V')，对HSV色彩空间量化为72色之后可减少色差对图像比对的影响并降低图像处理时间；
S13将量化后的图片像素点转换为平面坐标，转换结果是(H''，S''，V'' )。
[0010]S14将转换为平面坐标的照片像素值使用边缘检测计算出X轴及Y轴的变化趋势。[0011]进一步地，由步骤S14得到两个向量并计算出这两个向量的夹角0，可用于判断在某个边缘的属性上是否相似。
[0012]S15获取照片上的微结构特征，其方法具体为，
S151将图片切割为若干个不重叠的正方形微结构区域；
S152对每一个微结构区域内的周围像素点与中心像素点做比较；
S153将与中心像素点相同的周围像素点保留，否则删除；
S154将微结构区域的中心比对位置由正中央依次往右、下、右下移动一个像素，对图像重新进行分割，再进行(S53)的判断步骤；
S155将上述四种区块切割运算后的保留像素进行合并，得到所需的微结构特征。
[0013]S156对每一个微结构单元区域内周围像素点与中心像素点做比较；
S157将与中心像素点相同的像素点保留，否则删除。
[0014]S16将步骤S15获得的特征位置与步骤S2获得的色彩数据相结合 S17将步骤S16得到的特征使用直方图统计图片的特征向量，
S171由步骤S6取得的特征计算出图像大小并计算出最小外接圆的半径及圆心；
S172将极坐标的圆心与上述步骤的外接圆圆心重叠，并将外接圆分为若干个同心圆组成的区域；
S173将每个区域所对应的特征部分记录起来并用直方图统计。
[0015]最后，将获取的图片特征向量与数据库中的图片特征向量进行比对，利用欧氏距离确定所拍摄的照片的物品信息。
[0016]其中P与Q分别为数据库中的图片和拍摄的图片，而i和j则代表直方图中每个区间的统计个数。
[0017]进一步地，步骤S4对平面坐标进行边缘检测之后计算出物体的长与宽，并将特征区域的中心点并移至照片量化后的中心点。
[0018]在一个三维空间中，若将其中的一轴固定(如z轴)，经过任意旋转，其参数可能会改变，但是函数值保持不变，计算出物体的长与宽后可以得出物体的中心，以此可以在物体旋转不同角度时都能准确对其进行特征的获取。
[0019]进一步地，为了进一步提高识别的准确率及识别范围，除了获取原照片的特征数据进行对比之外，还包括将照片特征水平翻转、垂直翻转及像素移位获取特征数据再进行对比。
[0020]S18将获取的特征向量存储。
[0021]S2对家居环境进行实时监控；
监控时采用SI的方法采集家居环境的实时图像数据，并将数据与存储的环境及家庭成员特征进行比对。
[0022]S3出现危险情况时向信息接收终端发送警报信号；
其中，S3所述的危险情况包括有非家庭成员的人出现、目标家具的倾倒、老人行走的摔倒及出现小孩子啼哭的声音。
[0023]对小孩子异常情况的判定可以通过设定声音分贝及持续时间的阈值进行判断；也可以通过对小孩子啼哭声音的数据进行训练再将实施获取的声音与其进行对比判断。
[0024]进一步地，实时数据与存储数据对比包括轮廓的对比及重心高度的对比。[0025]其中人体重心高度的计算步骤包括:
1、计算头部和脚部的重心；
计算头部和脚部重心时需将任务图像分割为头部区域及脚部区域，其中，所述头部区域高度占身高的20%，所述脚部区域高度占身高的33%。
[0026]进一步地，头部重心由所述头部区域的顶端向下选取65%的像素确定，头部重心的定义为该像素至头部边界上的每一个点的距离和为最小。
[0027]脚部重心为脚部区域底端向上选取25%的像素确定。
[0028]优选地，考虑到人蹲下或其他动作与站立时的区别，所述脚部重心为脚部区域底端向上选取12.5%的像素确定。
[0029]2、计算由头部和脚部三点形成的三角形的面积和高；
3、由三角形面积与高计算三角形的底；
本发明采用SVM (support vector machine)进行训练,优选采用Polynomial函数进行辨识分类。
[0030]进一步地，对于家具的倾倒和周围环境中人脸的监测采用SI的方法对图像进行特征提取，并与存储的特征向量进行对比进而判断出家具是否倾倒以及是否出现了陌生的面孔。
[0031]进一步地，当家里窗户或者阳台出现有异常的人进出也会触发警报，从而有效避免窃贼的进出或者家里老人、小孩出现意外。
[0032]进一步地，向信息接收终`端发送警报信号的同时还发送实时图片。
[0033]本发明所述的信息接收终端包括手机、电脑、平板电脑、电视等可以接收文字、图片信息的设备尤其是移动设备。
[0034]实施本发明，具有如下有益效果:
本发明采用声音与图像处理技术对家居环境进行全方位的监控和看护，能够满足现代人生活对家居安全的不同要求，并结合多种不同方式进行数据处理及分析，确保监控的准确率和有效性。
【专利附图】
【附图说明】
[0035]图1是本发明第一实施方式结构示意图；
图2是本发明第二实施方式结构示意图。
[0036]
【具体实施方式】
[0037]为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。
[0038]如图1所示，本发明的系统包括移动监控终端、控制平台以及信息接收终端若干，本实施例中信息接收终端为2个，包括手机或电脑等设备。所述监控终端包括数位摄影机及声音收集器，本实施例优选智能机器人，所述机器人对多个家居环境进行图像及声音进行采集并将采集到的数据传送到控制平台；所述控制平台包括影像处理系统及声音处理系统，对接收的图像数据集声音数据进行处理，判断是否出现紧急情况并向信息接收终端发送警报信号。
[0039]图2为本发明另一种实现方式，其与图1所示的实现方式的区别在于采用固定的监控终端代替移动监控终端，每个固定的监控终端对应一个家居环境，在本实施例中家居环境及固定的监控终端各有三个。
[0040]实施例1
采用本发明可以对家进行安全监控，防止窃贼进入。其主要实现方式是通过采集并存储家居环境及家庭成员图片的特征信息，在监控时对拍摄到的实时图像进行数据处理，并通过图片的特征数据进行计算比较，从而判断出现在监测范围内的人是否属于陌生人，若是，则像信息接收终端发送警报信号。
[0041]上述方法的实现原理为:
Si采集家居环境及家庭成员图片的特征信息；
步骤SI包括，
Sll将拍摄的图片像素由RGB色彩空间模式转为HSV色彩空间模式，转换的公式为
【权利要求】
1.一种智能家居监控系统，包括监控终端、控制平台以及信息接收终端，其特征在于，所述监控终端包括数位摄影机及声音收集器，对监控环境进行图像及声音进行采集并将采集到的数据传送到控制平台；所述控制平台包括影像处理系统及声音处理系统，对接收的图像数据集声音数据进行处理，判断是否出现紧急情况并向信息接收终端发送警报信号。
2.根据权利要求1所述的监控系统，其特征在于，所述监控终端为智能机器人。
3.根据权利要求2所述的监控系统，其特征在于，所述智能机器人装有声呐装置。
4.根据权利要求1所述的监控系统，其特征在于，所述监控终端为固定的摄像头。
5.一种采用权利要求1所述监控系统智能家居监控方法，其特征在于，所述方法包括: SI采集家居环境及家庭成员图片的特征信息； S2对家居环境进行实时监控； S3出现危险情况时向信息接收终端发送警报信号； 其中，S3所述的危险情况包括有非家庭成员的人出现、目标家具的倾倒、老人行走的摔倒及出现小孩子啼哭的声音。
6.根据权利要求5所述的监控方法，其特征在于，步骤SI包括， Sll将拍摄的图片像素由RGB色彩空间模式转为HSV色彩空间模式； S12将HSV色彩空间模式中的H、S、V分别量化为8、3、3个区域，从而将照片像素点的值量化为72色； S13将量化后的图片像素点转换为平面坐标； S14将转换为平面坐标的照片像素值使用边缘检测计算出X轴及Y轴的变化趋势； S15获取照片上的微结构特征； S16将步骤S15获得的特征位置与步骤S2获得的色彩数据相结合； S17将步骤S16得到的特征使用直方图统计图片的特征向量； S18将获取的特征向量存储。
7.根据权利要求5或6所述的监控方法，其特征在于，监控时采用SI的方法采集家居环境的实时图像数据，并将数据与存储的环境及家庭成员特征进行比对。
8.根据权利要求7所述的监控方法，其特征在于，实时数据与存储数据对比包括轮廓的对比及重心高度的对比。
9.根据权利要求5所述的监控方法，其特征在于，向信息接收终端发送警报信号的同时还发送实时图片。
【文档编号】G05B19/418GK103576660SQ201310565632
【公开日】2014年2月12日 申请日期:2013年11月13日 优先权日:2013年11月13日
【发明者】庄礼鸿, 吴明霓 申请人:汕头大学