基于云安全服务器的自主追踪移动特征的家用监控系统的制作方法

本发明涉及通信和图像处理技术领域，特别是涉及一种基于云安全服务器的自主追踪移动特征的家用监控系统。

背景技术：

家庭监控是利用网络技术将安装在家内的视频、音频、报警等监控系统连接起来，通过中控电脑的处理将有用信息保存并发送到其他数据终端，如手机，笔记本，110报警中心等。随着人们的安全意识逐日提高，越来越多的人，尤其是经常出差的人开始考虑安装家庭监控系统。依靠家庭监控系统，用户可以实时了解家中安全状况。但目前的监控还停留在事后查证状态，不能在突发安全事件时即时通知用户。所以怎样能够让监控自主识别、自主追踪、自主报警是近几年的研究热点。

海康威视公司旗下的萤石品牌已经做到了自主追踪和联网报警，只是局限于单一摄像头。而为保证用户住所面积全方位无死角的覆盖，就需要多摄像头协同工作组成网络。如何让这个网络协调并且独立自主的完成监控任务是一个巨大的技术难点。

技术实现要素：

针对上述问题，本发明提出一种能够对目标实现自主跟踪并且具有云服务器的装置，该装置应用于摄像头对目标的自主跟踪，所述装置包括：

摄像头，图像采集装置。首先进行图像的采集，检测周围光强，为下一步图像预处理做准备。

图像处理模块，对摄像头采集的图像信息进行图像处理，识别移动物体，计算移动物体相对位置，检测人体特征。

arm主控：根据移动物体的相对位置，控制云台移动摄像头视角，追踪移动特征，达到机械限制角度会发送移动特征跟踪接力包。

云台及控制部分：移动摄像头视角，使视角中轴可活动机械范围为：俯仰角90度、偏航角180度。

wifi模块：将arm主控所需要的发送信息发送到相应ip；

单监终端运行模式共四种，分别为漫游巡视模式、固定视角模式、锁定追踪模式、以及伪丢失模式。

漫游巡视模式以及固定视角模式由用户进行选择，并且用户终端可以在这两种模式之间进行转换。

监控终端以及不同的用户终端均通过云安全服务器进行连接，并且该云安全服务器直接与公安网接口进行互联。

当监控终端在漫游巡视模式或固定视角模式下发现了移动特征或者特征跟踪接力包，变更为锁定追踪模式，这时移动特征被锁定监控。

附图说明

为了更清楚地说明本发明的实施以及应用的技术方案，下面将对使用的附图做简单的介绍。

图1为本发明提供的一种实例示意图；

图2为本发明提供的一种单监控终端组成部分示意图；

图3为本发明提供的一种单监控终端运行模式转换示意图；

图4为本发明提供的一种追踪模式下查证报警流程示意图；

图5为本发明提供的一种相邻监控终端交接范围示意图；

图6为本发明提供的一种监控系统互联方式示意图。

具体实施方式

下面结合附图和具体的实施对本发明作进一步的说明，但是不作为本发明的限定。

本发明介绍一种能够对目标实现自主跟踪并且具有云服务器的装置。其中，该装置应用于摄像头对运动目标的跟踪中，该装置主要包括多个摄像头、图像处理模块、arm主控、云台控制部分以及wifi模块，并且配以云安全服务器来连接监控终端以及用户管理设备。与此同时，云安全服务器还能与公安网接口实现互联。

用户确定覆盖居所室内或室外所需要的监控终端数量和安装位置后将监控终端安装到位，继而在用户管理设备上设置每个监控固定ip和监控边缘关系，以此组成一个终端间监控边界关联表。

摄像头首先进行图像的采集，检测周围光强，为下一步图像预处理做准备。采集到的图像除了移动特征之外，还有环境背景，如墙壁、沙发、冰箱，需要进一步提取与处理。

当摄像头模块开机自检后，通过预设的wifi名称与密码尝试连接网络，与服务器进行通信，用led灯表示对云服务器的连接。

本发明监控终端不断采集图像并识别图中移动特征和人体特征。

本发明的图像处理模块进行特征检测是基于特征描述的方法,而不是基于像素。

本发明采用了迭代算法来区分正常移动和异常移动,其核心思想是针对不同的目标特征训练集训练一个弱分类器,然后把在不同训练集上得到的分类器集合起来,构成一个强分类器。

在本发明的采样检测算法中,每个采集样本都被赋予一个权重,表明它被某个分量分类器选入样本集的概率。如果某个样本点已经被准确地分类,那么在构造下一个样本集中,它被选中的概率就被降低;相反,如果某个样本点没有被正确分类,那么它的权重就得到提高。

通过多次这样的采样，就在图像中识别出了移动特征。

图像处理模块首先对采集到的源图像，进行初步锐化处理，在图像本身质量不受损的情况下，使移动特征变得更为清晰，为了提高处理速度，采用线性变换的方法。

在此基础上对含噪声的目标进行滤波处理，本发明采用中值滤波对图像进行滤波。滤波去噪后图像的清晰度还不高，然后采用小波变换法对图像进行增强。

小波变换法对图像进行增强处理，首先对图像进行小波变换将其分解为大小位置方向均不相同的分量，通过改变某些分量系数的大小使得需要的分量被放大而不需要则被弱化。

在此基础上最后再进行小波逆变换使得增强得到图像，然后采用图像的灰度积分投影曲线确定目标的边界。

arm主控在固定视角模式下不对云台进行输出移动控制，云台固定在某个角度。当在漫游巡视模式下，arm主控对云台输出移动进行控制，使云台在偏航角的移动范围缓慢往复扫描。在追踪模式下通过图像处理后所得的云台俯仰和偏航移动量来控制云台运动，当云台达到机械角度限制，arm主控通过wifi模块发送移动特征跟踪接力包。

参见图4所示的结构示意图，单监控终端运行模式共四种，分别为漫游巡视模式、固定视角模式、锁定追踪模式、以及伪丢失模式。

漫游巡视模式以及固定视角模式由用户通过管理设备进行选择，并设定为初始模式，后续用户依然可以通过管理设备在这两种模式之间进行转换。

当监控终端在漫游巡视模式或固定视角模式下发现了移动特征或者接收到跟踪数据包，于是会变为锁定追踪模式，这时跟踪目标便被锁定。

参见图4所示的结构示意图，追踪模式下的查证报警流程有：

首先判断是否检测到人脸特征，如果检测到了人脸特征，需要进行判断该目标是否为公安网嫌疑人。

如果该目标为公安网嫌疑人，则该信息便会直接被上传至公安网。如果该目标不是公安网嫌疑人，则会匹配到用户，即判断该目标是否为用户自身。

如果该目标为用户自身或其家庭成员，则结束追踪模式。

否则，如果该目标不是用户自身，则会给用户终端发送警报，由用户来判断是否报警。

如果没有发现人脸特征，则去判断家具是否丢失。如果家具已经丢失，便会给用户终端发送警报，由用户来判断是否报警。

如果家具没有丢失，则判断目标的持续移动是否超出了报警时间，如果超出了便会给用户终端发送警报，由用户来判断是否报警。如果没有超出，则判断目标是否仍在监控范围。

如果目标将要移出监控范围，便会给相邻的监控终端发送追踪数据包。由下一个单监控终端执行上述任务。

如果在这个过程中跟踪目标丢失，便会进入伪丢失模式。在伪丢失模式下，如果在限定的时间内追踪目标再次出现，则转回锁定追踪模式。如限制时间内未能再次获得追踪目标，便会返回原最初模式。

相邻监控终端交接范围示意图参见图4所示的结构示意图。其中a、b分别为监控终端的两侧监控范围，c为两视角范围的交接点。08与09代表相邻的两个监控终端，10代表单一监控终端监视角范围界限。

参见图1所示的结构示意图，不同的监控终端以及不同的用户终端均通过云安全服务器进行连接，并且该云安全服务器直接与公安网接口进行互联。

本发明由两个无刷伺服电机和机械结构构成的双轴云台来移动用于目标检测的摄像头，追踪算法使用了均值漂移算法，即meanshift算法，此方法可以通过较少的迭代次数快速找到与目标最相似的位置，效果很好。但是目前存在的问题是当目标被遮挡后，容易丢失跟踪目标，但是目标的形状和大小变化不会影响追踪的效果，进行改进的camshift算法，识别追踪效果更好，但当背景色和目标颜色接近时，容易使目标的区域变大，甚至有可能导致目标跟踪丢失。这也是目前发明中的不足之处。

当摄像头捕获并且跟踪目标后，进行视频流的获取与处理，鉴于视频流占用网络带宽大，h.264具有低码率，高质量图像，容错能力强，网络适应性强，数据压缩比高的优点，编码解码占用资源少，开发时间短。本发明采用h.264视频流模式传输到云服务器上。

云服务器的工作过程为：对每个连接到服务器的摄像头进行guid标识；讲摄像头传输来的视频流保存成视频文件；分析视频文件中的影像，将其中的人脸目标进行分析；将分析后的人脸数据，与公安部提供的面向社会公开的安全api连接，进行在逃通缉犯的面部比对；如果匹配到在逃通缉犯，则通过网络平台发短信给用户，提醒危险。

本领域技术人员应该理解，本领域技术人员在结合现有技术以及上述方案可以实现所述追踪，在此不做赘述。

以上对本发明的较佳方案进行了描述。需要理解的是，本发明并不局限于上述特定的实施方案，其中未尽详细描述的设备和结构应该理解为用本领域中的普通方式予以实施；任何熟悉本领域的技术人员，在不脱离本发明技术方案范围情况下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效方案，这并不影响本发明的实质内容。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上方案所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围。