一种基于智能监控技术的校园宿舍楼安防监控系统的制作方法

本发明涉及校园安防技术领域，特别是涉及一种基于智能监控技术的校园宿舍楼安防监控系统。

背景技术：

学生是祖国未来的花朵，因此学生需要全社会的精心保护。目前在校学生的人数已经达到了2.3亿人，是一个非常大的群体，加上学生长时间与社会隔离，对来自社会上的各种危险防范能力比较低，因此大部分学校都会安装安防监控系统，以对校园内的各种情况进行实时记录。

安防监控系统目前以视频监控和火灾监控为主，视频监控由布设在校园内各个位置的监控探头和监控中心组成，火灾监控由安装在建筑物内的烟雾检测传感器和与之相连的报警器组成。监控探头采集的视频信息发送至监控中心后由安保人员查看，由安保人员人工查看视频以确定是否存在潜在或正在发生的犯罪行为，烟雾检测传感器一旦检测到浓烟后立即由报警器报警，并由喷淋头洒水灭火。

虽然视频监控和火灾监控都能起到一定的防范作用，但是一旦发生意外，还是免不了会造成损失。为了降低或避免损失，学校会对学生加强安全意识教育，使学生提高自我保护意识。目前的安防监控系统只能依靠安保人员人工识别可疑人员，对人员需求比较大，而且人工识别存在错误的情况，不利于保护在校学生的安全。

技术实现要素：

本发明实施例提供了一种基于智能监控技术的校园宿舍楼安防监控系统，可以解决现有技术中存在的问题。

本发明提供了一种基于智能监控技术的校园宿舍楼安防监控系统，包括视频采集模块、烟雾检测模块、人员识别模块、异常预警模块、报警器和监控中心，所述视频采集模块的数量为多个，分别安装在宿舍楼内部各个位置以及宿舍楼外部周围，所述烟雾检测模块的数量为多个，分别安装在宿舍楼内部各个位置；

所述视频采集模块实时采集宿舍楼内外部的视频并发送至所述人员识别模块，所述人员识别模块将接收的视频进行逐帧分析，以判断视频中是否出现人，如果出现则识别出现的人的身份，一旦发现出现无法识别身份的人员，所述人员识别模块向所述异常预警模块反馈一个警示信息，所述异常预警模块统计出现陌生人员的图像，并将这些图像归类，将所有归类的图像实时发送至所述监控中心；

所述烟雾检测模块检测宿舍楼内各处的烟雾信息，一旦检测到某个区域存在烟雾，所述异常预警模块还根据所述烟雾检测模块所在的位置确定发生火灾的位置，然后根据所述人员识别模块的识别结果判断火灾发生的位置在火灾发生之前的一段时间内是否有无法识别身份的人员出现过，如果是，则控制所述报警器发出报警，并将报警信息发送至所述监控中心。

本发明提供的一种基于智能监控技术的校园宿舍楼安防监控系统，包括视频采集模块、烟雾检测模块、人员识别模块、异常预警模块、报警器和监控中心，视频采集模块采集宿舍楼内外的实时监控视频，人员识别模块将监控视频逐帧分析，采用人脸识别和步态识别相结合的方式对人员进行身份识别，如果发现无法识别身份的人则由异常预警模块向监控中心反馈身份异常人员的图像；同时烟雾检测模块在检测到烟雾后由异常预警模块确定发生火灾的位置，判断该位置在火灾发生前是否有无法识别身份的人员出现过，如果有则向监控中心发送报警信息。本发明的监控系统能够对宿舍楼内外各处的人员进行自动实时识别，以确定是否存在可疑人员，并在发现可疑人员时立即通知安保人员，从源头上杜绝了大部分危险因素，有力保障在校学生的人身财产安全。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于智能监控技术的校园宿舍楼安防监控系统的功能模块图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参照图1，本发明实施例中提供了一种基于智能监控技术的校园宿舍楼安防监控系统，包括视频采集模块、烟雾检测模块、动物识别模块、人员识别模块、定期反馈模块、异常预警模块、报警器、监控中心、数据存储单元。所述视频采集模块为监控探头，监控探头的数量为多个，分别安装在宿舍楼内部各个位置以及宿舍楼外部周围，所述烟雾检测模块为烟雾传感器，烟雾传感器的数量为多个，分别安装在宿舍楼内部各个位置，所述监控中心为校园的监控室。

所述视频采集模块实时采集宿舍楼内外部的视频并发送至所述动物识别模块和人员识别模块，所述动物识别模块将接收的视频进行逐帧分析，以判断视频中是否出现非人的动物，如果有则识别出现的动物的名称并采用噪声统计特性失配的鲁棒目标跟踪方法对动物的移动轨迹进行追踪，在将该名称反馈给所述定期反馈模块的同时还将追踪到的动物轨迹进行统计分析，得到动物出现的密集区域。

具体地，所述动物识别模块对接收的视频中的图像帧进行色彩转换，将彩色图像转换为灰度图，以减少图像处理过程中的计算量，然后对灰度图采用canny边缘检测算法提取灰度图中所有物体的边缘像素点，将边缘像素点的连线组成的图形与预存的动物图形模板进行比较，以确定图像中是否存在动物图形模板表示的动物，如果存在，则向所述定期反馈模块反馈识别得到的动物名称。

所述定期反馈模块接收所述动物识别模块反馈的动物名称和密集区域后，将一段时间内，例如一个星期或一个月内统计反馈的动物名称出现的次数，将各个动物名称、出现的次数以及出现的密集区域分类，按照预先设定的规则生成相应的处置建议，将处置建议发送给所述监控中心。例如一个星期内猫在宿舍楼内的某个角落或周围出现了4次，则处置建议可以是提醒校园环境管理人员留意出现的流浪猫，如果猫出现了10次则处置建议可以是提醒校园环境管理人员寻找流浪猫并将其送往动物管理部门，如果一个星期内出现了比较多次的老鼠，则处置建议可以是让校园环境管理人员联系消杀单位对宿舍楼内以及周围的老鼠进行捕杀，避免老鼠传染疾病。

所述人员识别模块将接收的视频进行逐帧分析，以判断视频中是否出现人，如果有则识别出现的人的身份。具体地，所述人员识别模块对接收的视频中的图像帧进行色彩转换，将彩色图像转换为灰度图，以减少图像处理过程中的计算量，然后对灰度图采用canny边缘检测算法提取灰度图中所有物体的边缘像素点，将边缘像素点的连线组成的图形与预存的人图形模板进行比较，以确定图像中是否有人存在，如果存在，则识别人的身份。身份识别时，优先根据图像中的人脸进行识别，如果图像中不存在人脸，则首先采用噪声统计特性失配的鲁棒目标跟踪方法对图像帧中的目标进行追踪，在追踪过程中采集图像帧中的步态特征，然后根据人的步态进行识别。当然，所述安防监控系统在安装之初由于没有足够的样本库支持因此无法进行步态识别，而人脸识别则可以根据学生和教职员工上传的照片来进行比对。在经过一段时间的样本库建立后，所述人员识别模块可以按照样本库中的样本和图像帧中的步态特征进行比对，以确定图像中的人的身份，并且在图像中同时存在人脸和步态特征时，将人脸、步态特征和具体的人员姓名进行绑定，以在后续的监控中对人员身份进行准确识别。

本发明中采用的噪声统计特性失配的鲁棒目标跟踪方法具有较高的跟踪精度和鲁棒性，具体方法记载在《电子测量与仪器学报》于2018年9月发表的文章“噪声统计特性失配的鲁棒目标跟踪方法”中，因此本发明实施例对其不做具体描述。

一旦发现图像中出现无法识别身份的人员，所述人员识别模块立即向所述异常预警模块反馈一个警示信息，所述异常预警模块统计出现陌生人员的图像分析这些图像中可能存在同一个陌生人员的图像并将这些图像归为一类，将所有归类的图像实时发送至所述监控中心，并提醒安保人员注意防范。如果一旦发生盗抢等犯罪行为，安保人员可以将这些归类的图像调取出来，为受害者或警方提供有用信息。

所述烟雾检测模块检测宿舍楼内各处的烟雾信息，一旦检测到某个区域的存在烟雾，除喷淋器开始洒水外，所述异常预警模块还根据所述烟雾检测模块的位置信息确定发生火灾的位置，然后根据所述人员识别模块的识别结果判断火灾发生的位置在火灾发生之前的一段时间内是否有无法识别身份的人员出现过，如果是，则立即控制所述报警器发出声光报警，并将报警信息发送至所述监控中心，提醒安保人员立即前往火灾发生的地方，并注意排查出现过的身份无法识别的人。如果没有身份无法识别的人出现过，则仅仅提醒安保人员前往处置火灾。

所述数据存储单元用于存储所述视频采集模块得到的视频、所述定期反馈模块反馈的处置建议、所述异常预警模块反馈的归类图像以及报警信息，供安保人员或警方随时调取。

以上公开的仅为本发明的几个具体实施例，但是，本发明实施例并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。