专利名称：无人值守目标智能识别与自动跟踪的方法及其系统的制作方法
技术领域：
本发明涉及一种目标智能识别与自动跟踪的方法，具体地说是涉及一种在 无人值守的情况下，尤其是能在黑夜、雪雾天气等恶劣环境中自动识别与跟踪 运动目标的方法及其系统。
背景技术：
传统的无人值守变电站监控是发现目标后由人手操作控制键盘、锁定目标、 控制云台的移动以实现对目标的跟踪，即使个别监控系统无需外人工参与，但 也是以增加现场摄像头的数目和信号传输线路的复杂性为代价的，另外，目前 的监控系统虽能远距离传输监控现场的信息，但设备造价昂贵，通常需人工逐 区域切换监控，对于监控区域多且分散、要求时实监控的场合，显然也不能很 好的满足要求。而且利用人工实时监控又难免会存在成本高、人易疲劳和连续 反应速度迟缓、误报警率高等方面的缺点。
发明内容
本发明的目的是提供一种无人值守目标智能识别与自动跟踪的方法及其系统。为实现上述目的，本发明采用以下技术方案 本发明包括以下步骤一种无人值守目标智能识别与自动跟踪的方法，它包括以下步骤① 红外电荷耦合器件CCD获取原始图像后进行预处理，使图像二值化，根 据图像面积与预先设定的阈值差值大小，判断系统是否存在可疑目标；② 对可疑目标进行识别对可疑目标的特征图像进行提取和处理，并完成 运动目标的分类识别；③ 对可疑目标进行自动跟踪对获取的可疑目标图像采用差影法进行处理， 计算出运动物体的中心坐标，从而驱动云台实现对运动物体的跟踪。上述的步骤②包括以下步骤a、 图像处理包括对可疑目标图像进行增强、图像分割及滤波处理；b、 特征提取首先对处理后的二值图像进行选择，提取出一系列特征作为 原始特征；然后对所形成的原始特征进行选择；经过特征选择后，对特征维数 进行压縮；c、 分类识别把经过处理后的特征图像送入分类器中进行分类识别；d、 报警根据识别的结果，给出相应的报警信息。在步骤a中，对图像中存在的噪声进行平滑和增强处理，利用基于全局动 态阈值法的图像分割技术获取最佳的全局阈值，形成二值化图像，从而将目标 与背景区分开来；针对二值分割后图像中存在的孤立点噪声和孔洞，利用数学 形态中的开启与闭合运算，用其膨胀和腐蚀算子对图像做断裂处连接以去除噪 声和填充空隙，进行滤波处理。在步骤b中，运用基于遗传GA模拟退火算法对所形成的原始特征进行选择。上述的步骤③包括以下步骤a、 对获取到的可疑运动目标图像采用差影法进行实时处理；b、 根据图像的灰度理论，将正常场景图像与可疑运动目标图像进行灰度差 值运算，产生差影图像；c、 对差影图像进行处理，分离出可疑运动目标图像；d、 将可疑运动目标图像进行阀值处理并转换成二值图像，而后对该图进行 垂直和水平方向上的投影，获取目标的中心位置坐标；e、 根据可疑目标的中心位置坐标值，驱动云台指向此坐标点。 一种无人值守目标智能识别与自动跟踪的系统，包括可疑目标智能识别模块，其包括电荷耦合器件CCD，电荷耦合器件CCD将输 出的图象信号输入到现场计算机中进行处理；自动跟踪模块，其与可疑目标智能识别模块相连，它包括现场计算处理单 元，它接收来自于可疑目标智能识别模块中的处理信号，其输出端与云台相连 接，云台驱动电荷耦合器件CCD采集可疑目标图象，并通过图象采集卡传入到 现场计算处理单元中；以及，控制室计算机，其与可疑目标智能识别模块和自动跟踪模块相连，用于对 所述可疑目标智能识别模块和自动跟踪模块进行数据监控及处理。上述自动跟踪模块中的现场计算处理单元位于可疑目标智能识别模块中的 现场计算机中。上述的现场计算处理单元通过云台控制器与云台相连接。上述的控制室计算机通过网络接口与可疑目标智能识别模块和自动跟踪模 块相连。采用上述技术方案的本发明，设有具有可疑目标智能识别模块和自动跟踪 模块。可疑目标识别模块是基于目标特征提取的智能模块，负责完成运动目标 的分类识别；自动跟踪模块是基于改进的运动目标定位算法，可以自动生成运 动物体的运动轨迹，驱动云台实现对运动物体的跟踪，特别是当被跟踪目标移 动并超出一个摄像头范围时，系统会检测被跟踪目标进入的另一摄像头继续进行跟踪，实现对监控目标远距离多方位的连续跟踪。本发明无需手动操作，系 统自动对可疑目标进行识别与自动跟踪，可在黑夜、雪雾天气等恶劣环境中长 期稳定的工作。系统除了能应用于我国电力行业外，还可以广泛应用于客运站、 火车站及机场周边包括停车场、无人值守变电站、文物古迹及博物馆、军队的 弹药库、营房周边及边防哨卡、银行的营业厅、自助银行及金库等。
图1为本发明中系统总体流程图；图2为本发明中系统的硬件原理图；图3为本发明中可疑目标智能识别模块的流程图；图4为本发明中自动跟踪模块的流程图；图5为本发明中所采用的差影算法的流程图；图6为本发明中所采用的全局动态阈值法的流程图；图7为本发明中所采用的基于遗传GA模拟退火算法的流程图。实施例1如图1所示， 一种无人值守目标智能识别与自动跟踪的系统包括以下步骤① 程序启动后进行系统初始化，利用红外电荷耦合器件CCD进行摄像，获取原始图像后进行预处理，使图像二值化，根据图像面积与预先设定的阈值差值大小，判断系统是否存在可疑目标；② 对可疑目标进行识别对可疑目标的特征图像进行提取和处理，并完成 运动目标的分类识别；③ 对可疑目标进行自动跟踪对获取的可疑目标图像采用差影法进行处理， 计算出运动物体的中心坐标，从而驱动云台实现对运动物体的跟踪。上述的步骤②，即对可疑目标进行识别包括以下步骤a、图像处理如图3所示，它包括对可疑目标图像进行增强、图像分割及 滤波处理。具体地说，因为现场采集的图像在采集和传输的过程中存在很多噪 声，因此对图像中存在的噪声进行平滑和增强处理，利用基于全局动态阈值法 的图像分割技术获取最佳的全局阈值。上述的全局动态阈值法的流程图如图6 所示。首先计算得出初始阈值T。二 (Z,+Zk) /2，其中，z、 A分别为图像中最小 灰度值和最大灰度值。根据初始阈值T。叠加得出阈值Tk，并将图像分割成目标 和背景两部分，求出两部分的平均灰度值Z。和Zb，从而计算出新阈值Tk+1=k (Z。+ZB)，并判断阈值Tk是否等于新阈值Tw，如果不等于，则继续计算初始阈 值；如果阈值Tk和新阈值Tw相等，则将阈值Tk的值作为最佳的全局阈值T，从 而形成二值化图像，将目标与背景区分开来。然后针对二值分割后图像中存在的孤立点噪声和孔洞，利用数学形态中的开启与闭合运算，用其膨胀和腐蚀算 子对图像做断裂处连接以去除噪声和填充空隙，进行滤波处理。所述的开启与 闭合运算和用膨胀和腐蚀算子对图像做断裂处连接均为本领域的普通技术人员 所熟知的技术。b、 特征提取首先对处理后的二值图像进行选择，提取出一系列特征作为原始特征；然后运用基于遗传GA模拟退火算法对所形成的原始特征进行选择； 经过特征选择后，对特征维数进行压縮。上述的基于遗传GA模拟退火算法的流 程图如图7所示。首先设定该算法的初始参数，包括初始温度T,初始解状态S， 每个T值的迭代次数L，然后根据适应度函数值来评价当前群体。该算法中，初 始温度T充分大，初始解状态S是算法迭代的起点。上述的适应度函数为本领 域普通技术人员所熟知的技术。评价当前群体后，要判断是否满足算法的收敛 准则，如果满足，则输出优化结果；如果不满足，则执行遗传的选择复制操作、 交叉操作和变异操作。上述的遗传选择复制操作、交叉操作和变异操作为本领 域普通技术人员所熟知的技术。执行后上述操作后，得到模拟退火算法的初始 群体，并根据Metr叩olis判别准则的复制策略产生下一代群体，最后进行退温 操作。上述的Metropolis判别准则为本领域普通技术人员所熟知的技术。c、 分类识别把经过处理后的特征图像送入分类器中进行分类识别。d、 报警根据识别的结果，给出相应的报警信息。如图4所示，上述的步骤③，即对可疑目标进行自动跟踪包括以下步骤a、 从运动目标智能识别模块中获取存在可疑运动目标的图像。采用图像处 理中的差影法对变电站内的全景图像进行实时处理，从而达到智能跟踪与定位 的目的。上述的差影法的流程图如图5所示。首先获取背景图片A，同时计算其 中心坐标X和Y，然后获取可能带有可疑目标的图片B，进而判断(A-B)的值 是否大于A，其中A是给定的阈值。如果(A-B)的值小于A，则继续获取背景 图片A和可疑目标图片B;如果(A-B)的值大于A，则计算差影图片的中心坐 标X '和Y 、从而判断{ (X- X ' ) + (Y- Y ' ) }的值是否等于零。如果得出 的值等于零，则继续获取背景图片A和可疑目标图片B;如果得出的值不等于零， 则计算水平和垂直方向的坐标偏移量，云台也根据水平和垂直方向上的偏移量 进行跟踪。b、 根据图像的灰度理论，将获取的现场视频中前后两帧图像进行灰度差值 运算，产生差影图像。c、 对差影图像进行处理，分离出可疑运动目标图像。d、 将可疑运动目标图像进行阀值处理转换成二值图像，获得目标的中心位置坐标。e、云台运动控制系统根据可疑目标的中心位置坐标值，控制云台指向此可 疑目标，从而实现运动目标锁定与动态跟踪的目的。如图2所示， 一种为上述方法所采用的无人值守目标智能识别与自动跟踪 的系统，它包括可疑目标智能识别模块，其包括电荷耦合器件CCD，电荷耦合器 件CCD将输出的图象信号输入到现场计算机中进行处理；自动跟踪模块，其与 可疑目标智能识别模块相连，它包括现场计算处理单元，它接收来自于可疑目 标智能识别模块中的处理信号，其输出端与云台控制器相连，云台控制器与云 台相连接，云台驱动电荷耦合器件CCD采集可疑目标图象，并通过图象采集卡 传入到现场计算处理单元中；以及，控制室计算机，其通过网络接口与可疑目 标智能识别模块和自动跟踪模块相连，用于经由网络接口对所述可疑目标智能 识别模块和自动跟踪模块进行数据监控及处理。上述自动跟踪模块中的现场计 算处理单元位于可疑目标智能识别模块中的现场计算机中。其硬件系统的工作原理是-自动跟踪模块自动跟踪可以使摄像机对自身的云台和变焦镜头进行自主 驱动，并自动控制摄像机进行云台全方位旋转和镜头縮放，针对被锁定的运动 目标进行视觉导向的自动跟踪，以确保跟踪目标持续以放大特写画面出现在镜 头中央，这样可以更清晰的看到信息，同时还可以用于事后取证。自动跟踪模 块弥补了固定摄像机监控视野狭窄的缺点，是完善的安全监控系统所必备的功 能。系统捕捉到可疑目标后，由图像处理模块发出的云台运动命令直接传送到 云台控制器，云台控制器随即接收到这些命令，并生成操作信号脉冲。最后， 控制器向云台的马达发送合适移动距离的信号。只要目标一移动，云台上的摄 像头就会自动跟踪目标。图像处理模块摄像头的自动跟踪功能需要用到运动跟踪算法，这种算法 可以根据方向计算不断变化的可疑目标的中心坐标，使目标始终位于摄像头视 场中央。智能识别模块针对现有图像监控系统的不足，采用先进的模式识别技术 来对现场采集到的实时图像进行分析和智能识别，给出可疑目标的类型，并把 相关信息及时发送到监控中心。本发明的工作过程是-对于无人值守变电站内的可疑目标， 一旦进入摄像头的视场范围，系统可 以立即对目标进行识别和随动跟踪，启动现场的报警装置，并把报警信息通过 网络发送到监控中心。数字视频监控系统的监控网络组建为开放式的数字组网方式，即数字图像信号和控制信号完全通过数据网进行传输。有极大的工程施 工优势。可实现现场实时监视、控制、数码硬盘录像存储的全数字化分布式网 络模式。系统设备是按照国际标准进行数字的图像化采集和存储。所有影像实 现数字化，采用现场总线，用户可以自由集成不同制造商的通信网络，既可与 同层网络互连，也可以与不同层网络互连。设备无缝联结，而无须关心子系统的类型，如HAVC、照明和安全设备可以非常容易地在同一个通道中应用。系统 的网络结构能够使用所有现在已有的网络结构，如主从式、对等式和客户服务器式。网络拓扑可以自由组合，并可以选择任意形式的网络结构。监控工作 站可在任何时候介入网上每一点的远端界面和组态工作，也可以以客户服务器 的方式支持监控。允许用户通过网络在任何时间、地点监视和控制现场的设备 和情况。将集中监控和分散监控融为一体。系统可以与其它计算机联网，网络 控制灵活。本发明是当今计算机、图像处理、模式识别、多媒体等各项最新技术高度 结合的产品。它利用最新的图像数字处理与模式识别技术将模拟音、视频信号转化为数字信号，在计算机显示器上实时显示多路，为1一64路活动图像的同 时， 一方面将各路音视频信号以数据流方式同步存储于计算机硬盘内，另一方 面对实时采集的无人值守变电站内图像中的可疑目标进行实时识别与随动跟 踪，并启动现场报警装置，实现了无人值守变电站真正意义上的自动化。而且， 该系统还可以在计算机上实现音视频信号的监视、记录、回放。与同类的数字 监控设备相比，该系统具备图像监视系统的小型化、高清晰度化、智能化和网 络化等优点。本实施例为本发明的最佳实施例。实施例2如图1所示， 一种无人值守目标智能识别与自动跟踪系统的软件流程图包括以下步骤① 程序启动后进行系统初始化，利用红外电荷耦合器件CCD进行摄像，获 取原始图像后进行预处理，使图像二值化，根据图像面积与预先设定的阈值差 值大小，判断系统是否存在可疑目标；② 对可疑目标进行识别对可疑目标的特征图像进行提取和处理，并完成 运动目标的分类识别；③ 对可疑目标进行自动跟踪对获取的可疑目标图像采用差影法进行处理， 计算出运动物体的中心坐标，从而驱动云台实现对运动物体的跟踪。上述的步骤②包括以下步骤a、 图像处理包括对可疑目标图像进行增强、图像分割及中值滤波处理；b、 特征提取首先对处理后的二值图像进行选择，提取出一系列特征作为 原始特征；然后对所形成的原始特征进行选择；经过特征选择后，对特征维数 进行压縮；c、 分类识别把经过处理后的特征图像送入分类器中进行分类识别；d、 报警根据识别的结果，给出相应的报警信息。 上述的步骤③包括以下步骤a、 对获取到的可疑运动目标图像采用差影法进行实时处理；b、 根据图像的灰度理论，将采集的现场视频中前后两帧图像进行灰度差值 运算，产生差影图像；C、对差影图像进行处理，分离出可疑运动目标图像；d、 将可疑运动目标图像进行阀值处理并转换成二值图像，获取目标的中心位置坐标；e、 根据可疑目标的中心位置坐标值，驱动云台指向此可疑目标。如图2所示， 一种为上述方法所采用的无人值守目标智能识别与自动跟踪 系统的硬件原理框图，它包括可疑目标智能识别模块，其包括电荷耦合器件CCD， 电荷耦合器件CCD将输出的图象信号输入到现场计算机中进行处理；自动跟踪 模块，其与可疑目标智能识别模块相连，它包括现场计算处理单元，它接收来 自于可疑目标智能识别模块中的处理信号，其输出端与云台控制器相连，云台 控制器与云台相连接，云台驱动电荷耦合器件CCD采集可疑目标图象，并通过 图象采集卡传入到现场计算处理单元中；以及，控制室计算机，其通过网络接 口与可疑目标智能识别模块和自动跟踪模块相连，用于经由网络接口对所述可 疑目标智能识别模块和自动跟踪模块进行数据监控及处理。上述自动跟踪模块 中的现场计算处理单元位于可疑目标智能识别模块中的现场计算机中。其他技术特征与工作原理与实施例1相同。实施例3如图l所示， 一种无人值守目标智能识别与自动跟踪的方法包括以下步骤① 程序启动后进行系统初始化，利用电荷耦合器件CCD进行摄像，获取原 始图像后进行预处理，使图像二值化，根据图像面积与预先设定的阈值差值大 小，判断系统是否存在可疑目标；② 对可疑目标进行识别对可疑目标的特征图像进行提取和处理，并完成 运动目标的分类识别；③ 对可疑目标进行自动跟踪.*对获取的可疑目标图像采用差影法进行处理，计算出运动物体的中心坐标，从而驱动云台实现对运动物体的跟踪。如图2所示， 一种为上述方法所采用的无人值守目标智能识别与自动跟踪 系统的硬件原理框图，它包括可疑目标智能识别模块，其包括电荷耦合器件CCD， 电荷耦合器件CCD将输出的图象信号输入到现场计算机中进行处理；自动跟踪 模块，其与可疑目标智能识别模块相连，它包括现场计算处理单元，它接收来 自于可疑目标智能识别模块中的处理信号，其输出端与云台控制器相连，云台 控制器与云台相连接，云台驱动电荷耦合器件CCD采集可疑目标图象，并通过 图象采集卡传入到现场计算处理单元中；以及，控制室计算机，其通过网络接 口与可疑目标智能识别模块和自动跟踪模块相连，用于经由网络接口对所述可 疑目标智能识别模块和自动跟踪模块进行数据监控及处理。其他技术特征与工作原理与实施例1相同。需要指出的是，虽然结合附图描述了本发明的实施方式，但是本领域内熟 练的技术人员均可以在所附权利要求的范围内做出各种变形或修改。
权利要求
1、一种无人值守目标智能识别与自动跟踪的方法，其特征在于它包括以下步骤①红外电荷耦合器件CCD获取原始图像后进行预处理，使图像二值化，根据图像面积与预先设定的阈值差值大小，判断系统是否存在可疑目标；②对可疑目标进行识别对可疑目标的特征图像进行提取和处理，并完成运动目标的分类识别；③对可疑目标进行自动跟踪对获取的可疑目标图像采用差影法进行处理，计算出运动物体的中心坐标，从而驱动云台实现对运动物体的跟踪。
2、 根据权利要求l所述的无人值守目标智能识别与自动跟踪的方法，其特 征在于所述的步骤②包括以下步骤a、 图像处理包括对可疑目标图像进行增强、图像分割及滤波处理；b、 特征提取首先对处理后的二值图像进行选择，提取出一系列特征作为 原始特征；然后对所形成的原始特征进行选择；经过特征选择后，对特征维数 进行压缩；c、 分类识别把经过处理后的特征图像送入分类器中进行分类识别；d、 报警根据识别的结果，给出相应的报警信息。
3、 根据权利要求2所述的无人值守目标智能识别与自动跟踪的方法，其特 征在于在所述的步骤a中，对图像中存在的噪声进行平滑和增强处理，利用基于全局动态阈值法的图像分割技术获取最佳的全局阈值，形成二值化图像，从而将目标与背景区分开来；针对二值分割后图像中存在的孤立点噪声和孔洞，利用数学形态中的开启与闭合运算，用其膨胀和腐蚀算子对图像做断裂处连接 以去除噪声和填充空隙，进行滤波处理。
4、 根据权利要求2所述的无人值守目标智能识别与自动跟踪的方法，其特征在于在所述的步骤b中，运用基于遗传GA模拟退火算法对所形成的原始特征进行选择。
5、 根据权利要求l所述的无人值守目标智能识别与自动跟踪的方法，其特征在于所述的步骤③包括以下步骤a、 对获取到的可疑运动目标图像采用差影法进行实时处理；b、 根据图像的灰度理论，将正常场景图像与可疑运动目标图像进行灰度差值运算，产生差影图像；C、对差影图像进行处理，分离出可疑运动目标图像；d、将可疑运动目标图像进行阀值处理并转换成二值图像，而后对该图进行 垂直和水平方向上的投影，获取目标的中心位置坐标；e、根据可疑目标的中心位置坐标值，驱动云台指向此坐标点。
6、 一种为实施如权利要求1的无人值守目标智能识别与自动跟踪的系统， 其特征在于，它包括可疑目标智能识别模块，其包括电荷耦合器件CCD，电荷耦合器件CCD将输 出的图象信号输入到现场计算机中进行处理；自动跟踪模块，其与可疑目标智能识别模块相连，它包括现场计算处理单 元，它接收来自于可疑目标智能识别模块中的处理信号，其输出端与云台相连 接，云台驱动电荷耦合器件CCD采集可疑目标图象，并通过图象采集卡传入到 现场计算处理单元中；以及，控制室计算机，其与可疑目标智能识别模块和自动跟踪模块相连，用于对 所述可疑目标智能识别模块和自动跟踪模块进行数据监控及处理。
7、 根据权利要求6所述的无人值守目标智能识别与自动跟踪系统，其特征在于所述自动跟踪模块中的现场计算处理单元位于可疑目标智能识别模块中 的现场计算机中。
8、 根据权利要求6或7所述的无人值守目标智能识别与自动跟踪系统，其 特征在于所述的现场计算处理单元通过云台控制器与云台相连接。
9、 根据权利要求6所述的无人值守目标智能识别与自动跟踪系统，其特征在于所述的控制室计算机通过网络接口与可疑目标智能识别模块和自动跟踪 模块相连。
全文摘要
本发明公开了一种无人值守目标智能识别与自动跟踪的方法，包括以下步骤①红外电荷耦合器件CCD获取原始图像后进行预处理，使图像二值化，根据图像面积与预先设定的阈值差值大小，判断系统是否存在可疑目标；②对可疑目标进行识别对可疑目标的特征图像进行提取和处理，并完成运动目标的分类识别；③对可疑目标进行自动跟踪对获取的可疑目标图像采用差影法进行处理，计算出运动物体的中心坐标，驱动云台实现对运动物体的跟踪。本发明可以完成运动目标的分类识别，并自动生成运动物体的运动轨迹，驱动云台实现对运动物体的跟踪，并能实现对监控目标远距离多方位的连续跟踪。
文档编号H04N7/18GK101626489SQ20081014053
公开日2010年1月13日 申请日期2008年7月10日 优先权日2008年7月10日
发明者仝全利, 刘新宇, 荻 吴, 张恒源, 张红涛, 苏国政, 邱道尹, 波 顾 申请人:苏国政;邱道尹;仝全利;顾 波;吴 荻;刘新宇;张红涛;张恒源