论文部分内容阅读
基于视频监控的智慧幼儿园安全检测,是指以视频监控为载体对智慧幼儿园内幼儿的异常行为进行实时自动的检测,从而最大程度确保幼儿的安全。一方面,由于当今社会正处于信息化时代,物联网的存在使得我们可以获取到海量的数据;另一方面,随着人们生活水平的提高,家长越来越关注幼儿的成长和身心健康。相比于传统的幼儿园,智慧幼儿园的安全检测也需要更加完善,因此,本文致力于智慧幼儿园内的幼儿安全检测关键技术研究,以视频监控为载体,实现对智慧幼儿园的安全检测。按照视频监控场景的复杂度和异常检测的要求,园内幼儿安全检测可分为简单场景下的检测和复杂场景下的检测。首先,本文提出了越界检测、基于封闭区域内的规则检测和摔倒检测这三种基于规则的幼儿个体异常行为检测算法,主要用于园内简单场景下幼儿的异常行为检测。这三种检测算法实现简单,能够取得很好的检测效果,检出率分别为100%、100%和92%,但需要事先人为规定异常规则,可扩展性不强。其次,本文提出了一种基于改进的Camshift/Kalman个体运动多目标跟踪算法,并根据此跟踪算法进一步提出了一种基于运动模型的幼儿个体运动异常检测算法。其中,提出的个体运动多目标跟踪算法用于实现多目标跟踪、目标跟踪自动初始化、目标跟踪自动失效处理等功能。提出的幼儿个体运动异常检测算法在利用个体运动多目标跟踪算法获取到运动目标信息后,以视频监控图像中最小子块为单位,通过建立的正常运动模型对未知运动目标进行异常检测,实现对幼儿在视频监控中的位置、运动方向、运动速率和停留时间等信息的实时检测。该算法具有较高的准确性和较快的检测速度,特别是针对运动目标较少的场景中的个体运动异常检测,平均召回率为92.6%,平均检测速度为33.8 ms/帧,优于同类个体异常检测算法的实验结果数据。第三,本文提出了一种结合背景差分和光流法的幼儿群体运动状态突变事件检测算法,用于园内幼儿集体活动时群体运动状态突变的异常检测。该算法结合了背景差分算法数据处理速度快的优势和光流算法实验结果准确性高的优势,对于UMN视频数据库中的视频片段AUC值可以达到0.96以上,平均检测速度为25.8 ms/帧,相比于其它同类群体异常检测算法在综合性能上有明显的提高。最后,利用基于像素统计的人群密度估算方法,将以上提出的各种安全检测算法整合在一起,组合成一套比较完整的适用于智慧幼儿园内的视频监控安全检测算法,并利用OpenCV开源计算机视觉库,在 Windows 操作系统 Microsoft Visual Studio 2010 开发平台下用 Visual C++语言对智慧幼儿园视频监控安全检测关键技术进行了实现。