一种基于图像处理的数据监测系统及方法与流程

本发明涉及数据监测，具体为一种基于图像处理的数据监测系统及方法。

背景技术：

1、随着经济的不断发展，出现了越来越多的人往城市聚集的趋势，这一趋势导致城市中许多不同区域的人流量陡然增加，并给管理带来了巨大压力。在现有技术中，处理人员流量和分布的问题，是通过红外或gps等设备监控人员流量，并针对反馈的数据进行监测，虽然该方法可以准确的获取人员实时流量，但同时也存在着不够直观、预警能力差的缺点。

2、所以现在需要一种可以进行直观监测和以数据分析的形式进行预警的一种基于图像处理的数据监测系统。

技术实现思路

1、本发明的目的在于提供一种基于图像处理的数据监测系统及方法，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：该系统包括图像信息获取模块、图像处理模块、数据分析模块、数据监测模块和数据库；

3、所述图像信息获取模块与所述图像处理模块相连来将获取到的图像信息不断地进行图像处理，所述图像处理模块与所述数据分析模块相连将处理过的图像信息转化为数据信息直观的进行分析，所述数据监测模块与所述图像信息获取模块，所述数据监测模块与所述数据分析模块相连实现实时的监测当前人员的相关数据，所述数据库与所述图像信息获取模块相连，所述数据库与所述数据分析模块相连以达到存储图像信息和数据分析结果的目的。

4、所述图像信息获取模块用于利用摄像头来获取当前区域里的图像信息，所述图像处理模块用于分析图像中的关键信息并提取出相应特征，所述数据分析模块用于对图像中提取出来的数据进行直观的表达和分析，所述数据监测模块用于对区域中人群聚类分布情况、人员密度、人员流量增长参数和人员流量减少参数进行监测，所述数据库用于存储图像信息和数据分析的结果。

5、所述图像信息获取模块包括图像截取单元和实时图像获取单元；所述图像截取单元用于在固定的时刻截取当前区域的图像，即所获取的信息是时间和图片，所述实时图像获取单元用于收集图像信息便于实时监测，通过摄像头对当前区域进行实时监控并将监控画面不断地传输给图像信息分析模块进行分析。

6、所述图像处理模块包括图像滤波单元和图像特征提取单元；所述图像滤波单元用于对图像信息进行滤波来突出分析所需要的信息，滤波可以消除图像中的噪音突出特征，在频率分析领域的框架中，滤波器是一个用来增强图像中某个波段或频率并阻塞其他频率波段的操作，通过频域分析将图像分成从低频到高频的不同部分，低频对应图像强度变化小的区域，高频是图像强度变化大的区域。所述图像特征提取单元用于提取分析所需要的目标特征并将目标以散点图的形式呈现在二维坐标上面，提取人员特征使用hog特征提取方法，该方法的好处在于因为hog是在图像的局部方格单元上操作，所以它对图像几何以及光学的形变都可以保持很好的不变性。在识别人员方面，只要人员工大体上能够保持直立的姿势，可以容许行人有一些细微的肢体动作，这些动作并不影响分析，所以hog特征提取方法是适合于做图像中的人员的识别。

7、所述数据分析模块包括聚类分析单元和aoriori分析单元；所述聚类分析单元用于分析各个目标聚类的情况，所述aprioroi分析单元用于分析不同时间段里出现人群聚集的规律。

8、所述数据监测模块包括预警单元、实时信息更新单元和数据信息监控单元；所述预警单元用于对不符合预警标准的情况进行警告，所述实时信息更新单元用于对不断地更新当前区域的信息数据，所述数据信息监控单元用于将当天区域中的相关数据用折线图描述出来并对相关数据变化的趋势进行监控，所述相关数据是指人群聚类分布情况、人员密度、人员流量增长参数和人员流量减少参数。

9、所述数据库包括数据存储单元和数据信息读写单元；所述数据存储单元用于存储图像信息以及算法分析的结果，所述数据信息读写单元用于对特定的数据进行读取和写入。数据库的搭建是使用hbase分布式数据库进行搭建的，该数据库具有对结构化和半结构化大数据的实时读写和随机访问能力，所以hbase可以提供高效的读写能力来帮助数据的读取和写入。因此，hbase集群可以较为方便的实现集群容量、数据存储节点以及读写服务节点扩展。

10、一种基于图像处理的数据监测方法，其步骤包括：

11、s1、实时地获取当前的图像信息；

12、s2、利用聚类分析的算法分析之前所获取图像信息中的聚类情况，再使用apriori算法得出人群聚类的规律；

13、s3、以人群聚类分布情况、人员密度、人员流量增长参数和人员流量减少参数为标准对当前区域反馈的数据进行监测；

14、s4、对于不符合监测标准的数据进行警告。

15、在s1中，所述实时地获取当前的图像信息是通过摄像头来实时的获取当前区域的图像以及位置和时间信息。

16、在s2中，分析人群聚类情况目的在于分析出在特定时刻人群的分布情况；

17、

18、其中d(x,μ)表示样本点到质心的距离，xi表示簇中的一个样本点，μ表示该簇中的质心，n表示每个样本点中的特征数目，i表示x每个特征，将每个样本分配给距离最近的质心，由此得出最初的簇。分析特定时刻人群的分布情况有利于直观的观察到人群聚集的状况，其次也有利于分析人群聚集的地点是否存在风险，例如可查看路口、河边等具有安全隐患的地点是否有人员聚集。

19、找出人群聚类规律的是为了分析不同时间段区域中不同地点聚类情况的关联度，得出人群聚集概率较高的地点；

20、

21、

22、其中min(s)表示最小支持度，num(all example)表示样本的数量，number表示为发生目标事件的数量，min(c)表示最小置信度，p(x|y)指在y发生的条件下x发生的概率，p(xy)指x与y同时发生的概率，p(y)指y发生的概率。

23、分析出人员聚集概率高的地点的好处在于：相较于原有技术中单纯的分析人员在区域中的流量而言，将过往的人员分布情况进行收集并算法分析是可以突出在众多的地点中，人员相对容易聚集的地点信息，有助于给监测方一个衡量人员聚集状况是否正常的一个标准。

24、在s3中，通过监测人群聚类分布情况、人员密度、人员流量增长参数和人员流量减少参数四个指标来对区域进行实时监控，所述聚类分布情况是指算法分析所表明的区域中人员聚集概率高的地点，监控这个指标有助于监测人员分布情况是否正常，所述人员密度是指在人员聚集地点中单位面积为每平方米中的人员数量，监测人员密度可以反馈给监测方区域中是否有拥挤的情况，所述人员流量增长参数是指在时间维度上人员流量变大的速率，所述人员流量减少参数是指在时间维度上人员流量减小的速率，监控参数的变化有助于了解区域中人员变化的缓急。

25、在s4中，若实际区域中人员聚类情况与所述人群聚类分布情况有所差别将触发人群聚类分布异常的警告，当人员密度超出阈值时那么将触发人员密度过高的警告，人员流量增长参数超出阈值和人员流量减少参数高于阈值那么将触发人员流量异常警告。

26、与现有技术相比，本发明所达到的有益效果是：该发明相较于现有技术，其特点在于使用数字化的方式来直观描述图像中的关键信息，利用apriori算法和聚类分析来实现人员分布情况的直观化以及形成判断人员分布情况的标准，结合监测人员密度人员密度、人员流量、人员流量增长参数超出阈值和人员流量减少参数来提升数据监测的效率，为区域中人员聚集提供了客观的预警标准，提高了人员流动时的安全性。