视频监控是通过视频对某一场所进行监控,它是公共安全防范系统的重要组成部分,是一种防范能力较强的综合系统。视频监控以其直观、准确、及时和信息内容丰富而广泛应用于许多场合。视频监控在日常生活中的各个领域提供了个基于物理和逻辑安全的基础,随着科学技术的发展,视频监控越来越依赖于信息与通信新技术。在二十世纪七十年代,视频监控开始于英格兰,目的是防止恐怖分子袭击。此举取得了巨大的成功,并逐渐开始发展。安装视频监控系统的动机是多种多样的,然而,最主要的目的是保证公共或私人的安全以及保护个人财产和不动产。经过多年的发展,视频监控技术已由早期模拟设备为主的第一代视频监控系统发展到目前的数字智能视频监控。随着3G技术难点的突破以及3G网络的发展,无线视频监控的实现成为了可能。视频监控系统由摄像、传输、控制、显示、注册登记五大部分组成。首先由摄像机通过同轴视频电缆或网线将视频图像传输到控制主机,控制主机再将视频信号分配到各监视器及录像设备,同时可将需要传输的语音信号同步存储。通过控制主机,操作人员可发出指令,对云台的上、下、左、右的动作进行控制及对镜头进行调焦变倍的操作,并可通过控制主机实现在多路摄像机及云台之间的切换。利用特殊的录像处理模式,可对图像进行录入、回放、处理等操作,使录像效果达到最佳。3G是一项结合无线通信技术和互联网等多媒体技术的新技术,它在传输声音和数据的速度上有很大的提升,并能够在全球范围内更好地实现无线漫游,而且能够处理图像、音乐、视频流等多种媒体形式,提供包括网页浏览、电话会议、电子商务等多种信息服务。为了确保用户可以从任何地方访问并监测系统,本文提出了基于3G的视频监控系统,该系统使用3G手机、相机、摄像头、互联网(ADSL)或3G网络进行本地或异地视频监控以及入侵者报警。本研究的目的是基于以下三个问题：(1)如何使用户系统在任何地方获得实时的访问?(2)用户如何获得图像序列并通过什么样的资源传送?(3)如何在系统中执行入侵过程的检测?为了回答这些研究问题,本文首先对视频监控系统进行综述,进而设计了基于3G的视频监控系统,并给出了入侵检测算法,最后实现了基于3G的视频监控系统。主要工作如下：1)对视频监控系统进行综述视频监控系统主要由前端音视频数据采集设备、传送介质、终端监看／监听设备和控制设备等四部分组成。视频监控运用传感技术、监控摄像技术、通讯技术和计算机技术等组成一个多功能智能化处理系统。该系统经过了模拟监控系统、硬盘录像机监控系统、网络监控系统、智能监控系统四代的发展历程,分别说明：(1)模拟监控系统：全系统采用模拟信号,各个系统之间独立；存储介质为录像磁带,使用和保存成本高,特别不适宜全时段录像；从录像存储的磁带中检索历史图像资料难度大、成本高；图像清晰度受限制；功能单一(2)硬盘录像机监控系统：应用计算机技术,降低了存储和历史图像检索的成本,但仍未解决连点成片的网络问题,管理性和资源共享性差。网络监控系统：采用IP化全数字新技术构网,系统克服了前两代的缺点,显现出如下的优势：组网和应用不受地域限制、管理性强、图像清晰度高、存储成本降低、可实现的功能强、平台开放等。(3)智能视频监控：智能视频监控是利用计算机视觉技术对视频信号进行处理、分析和理解,在不需要人为干预的情况下,通过对序列图像自动分析对监控场景中的变化进行定位、识别和跟踪,并在此基础上分析和判断目标的行为,能在异常情况发生时及时发出警报或提供有用信息,有效地协助安全人员处理危机,并最大限度地降低误报和漏报现象。其中,运动检测是智能视频监控系统的基础。运动目标检测是指在序列图像中检测出变化区域并将运动目标从背景图像中提取出来。目标分类、跟踪和行为理解等后处理过程仅仅考虑图像中对应于运动目标的像素区域。运动目标的正确检测与分割对于后期处理非常重要。场景的动态变化,如天气、光照、阴影和杂乱背景的干扰,使得运动目标检测和分割变得相当困难。运动目标检测常用的方法有以下三种：①光流法：主要任务是计算光流场,即在适当的平滑性约束条件下,根据图像序列的时空梯度估算运动场,通过分析运动场的变化对运动目标和场景进行检测与分割。②帧差法：基本原理是在图像序列相邻的两帧或者三帧采用基于像素的时间差分通过阈值化来提取图像中的运动区域。③特征点检测法：其基本思想是计算两幅图像的特征点,将两幅图像的特征点进行匹配,如果匹配不上,说明相对位置发生变化,因而可以提取运动区域。总的来说,随着通信技术以及计算机视觉技术的发展潮流,视频监控系统正朝着宽带化、IP化、移动化和智能化方向发展。2)设计了基于3G的视频监控系统本文设计的基于3G的移动视频监控系统功能、模块以及数据结构流图描述分别如下：(1)系统的主要功能包括：①系统应该能够轻松而有效地与所有外设进行能够自动进行通讯。②实时视频数据的流畅显示,用户的请求通过其3G手机接入系统后,用户必须能够实时查看视频序列。③能够对静止监测点进行入侵者检测,并自动报警。(2)为实现系统要求的功能,系统由五个模块组成,各模块功能分别为：①管理模块管理模块的功能是对于入侵检测的提醒功能设置参数,并设置图像的大小和格式以适应图像的传输。②输入和输出模块输入和输出模块功能是视频采集、视频编码、调用入侵检测模块进行入侵检测以及调用通讯模块进行视频传输。该模块由音视频采集设备(摄像机或网络摄像头、拾音器)、云台、视频编码卡以及相关软件组成。③编码和压缩模块编码和压缩模块功能是,将要传输的数据流进行压缩,以便于数据传输。④通讯模块通讯模块的功能由以下三部分组成：用户在有监控申请时,通过3G网络传送给视频采集端；采集端将得到的数据流进行压缩,传输给用户；当出现入侵检测时,采集端将报警信号传输给用户。⑤数据库模块数据库模块的功能是将检测到的入侵信号进行存储,方便用户调用。⑥入侵检测模块入侵检测模块的功能是确定检测区域中要检测的区域或运动物体,并将分析得到的运动轨迹传输给通讯模块。(3)系统的数据流程基于3G的视频监控首先要将监控系统和用户使用的移动手机连接到3G网络,并通过管理模块设置各项参数。当用户端发送监控申请时,通讯模块通过3G网络将信息传送给视频采集端,视频采集端利用输入和输出模块的网络摄像头,采集视频信息,由通讯模块传输给用户；当目标入侵时,入侵检测模块将报警信息传送给通讯模块,通讯模块通过3G网络将信息传送给视频采集端。3)给出了入侵检测算法视频图像的入侵物体检测算法分五个步骤来进行目标检测。第一步是背景初始化以及前景检测。本文采用了自适应在线高斯混合模型来建立背景模板。通过使用背景模板和当前视频图像来检测前景像素。该检测过程依赖于使用的背景模板,且能更新背景模版,以适应动态场景变化。第二步,由于照相机噪声和环境影响使得检测到的前景图像含有噪声。本文采用膨胀、腐蚀等图像后处理操作来消除噪声,得到过滤后的前景图像。第三步,通过连通区域标记法找到各候选目标区域,计算边界矩形。第四步,通过相关规则,去掉残留的小区域。最后,提取出目标的质心等特征。各步骤详细描述如下：(1)背景初始化以及前景检测本文使用背景模版和图像后处理技术相结合的方法建立前景图像且提取每帧图像的物体特征。背景模板通常包含两个阶段：初始化和更新。本文主要使用自适应在线高斯混合模型来进行前景检测,基本算法如下：每一个像素在RGB色彩空间由它的强度表征,当前观测到的可能的像素值,由下式表示：其中,K表示高斯模型的个数,ω和时间t时第i个高斯模型有关的加权,μ表示均值,∑i,t表示方差,η表示高斯概率密度函数。所以,每一个像素值由K个混合高斯模型进行表征,一旦背景模型固定了,混合模型的不同参数也要初始化。K决定了背景的多峰性,一般K为3到5的数字,均值和方差的初始化利用EM算法求得。一旦初始参数设置完成,第一幅图像的背景构建就可以完成,然后更新参数,根据标准γj=ω/j/δj,排列K个高斯模型的顺序,当方差较小时,加权值要大,因为背景图像比运动物体存在的更久,而且它的像素值几乎不变。第一个超过一定阈值T的B被选为背景模版,如下式：其他的被认为表示前景分布,因此当t+1时刻,新的一帧到来的时侯,每一个像素就要进行匹配测试,满足以下式(3)就要匹配一个高斯分布：k是一常量,可以设置为2.5,这样就会出现两种情况：第一种：匹配上一个高斯模型,如果这个高斯分布是被定义的背景图像,那么这个像素值就被归类为背景图像,否则,就为前景图像。第二种：找不到可以匹配的高斯模型,这种情况下,就被定义为前景图像。这一步之后,就可以找到一个二值化模版,然后,为了下一个的前景图像检测,参数必须更新。利用以上匹配测试公式,会出现两种情况：第一种：有一个相匹配的高斯分布。这种情况下,对于相匹配的部分,利用以下式(4)更新加权值：其中,α是一个不断的学习率对于不相匹配的部分,μ和∑是不变的,只有加权值改变,如式(6)第二种：没有相匹配的高斯模型在这种情况下,最不可能的高斯分布就会被替代。一旦参数制定,前景检测图像就可以得到。通观整个高斯模型,它主要是有方差和均值两个参数决定,,对均值和方差的学习,采取不同的学习机制,将直接影响到模型的稳定性、精确性和收敛性。由于我们是对运动目标的背景提取建模,因此需要对高斯模型中方差和均值两个参数实时更新。(2)图像后处理技术由于前景区域检测算法的输入包含噪声,所以有必要增加图像后处理操作。引起前景图像检测的噪声有：相机噪声,反射噪声,有色物体噪声,阴影和照度突然变化的噪声。前三种噪声使用腐蚀、膨胀进行处理,而对于阴影和照度突然变化的噪声,本文不进行处理。(3)相关区域检测前景区域检测完成后,应用图像后处理操作来消除噪声和阴影区域。对过滤后的前景像素进行区域标记,并计算各区域的边界盒。(4)区域水平的后处理经过消除噪声,仍然残留下一些由于不精确物体分割的小区域。为了消除这类的小区域,根据像素,计算出每一帧的平均区域尺寸γ,若区域尺寸满足size(region)<α*γα为小数,该区域将被删除。由于分割错误,一些对象的部分成分与主体分开。为了避免这种错误,区域的边界盒接近的区域被合并,且区域标签被更新。(5)物体特征提取分割区域后,从当前图像的对应物体中提取特征。特征有面积S,质心C(?),颜色直方图H。。物体O,质心Cm=(xCm,yCm),使用下面的公式(7)n为图像O的像素数。4)实现了基于3G的视频监控系统实现基于3G的视频监控,系统各模块所需要的软硬件环境以及要满足的各项指标分别如下：(1)图像采集和处理模块对于图像的采集和处理,本文使用的网络摄像头型号为Logitech Pro HD C525,它的高清视频捕获需要达到1280*720的像素值,图像可达到800万像素,且是自动聚焦的。(2)通讯模块对于通讯模块,本文使用的USB调制解调器型号为HUAWEI E153,它的无线网速要达到3.6Mbps,并且需要微型记忆卡槽,有数据和短信服务,即插即用。(3)入侵检测模块对于入侵检测,本文采用自适应在线高斯混合模型,检测入侵物体。对于入侵检测的管理可以分为两个步骤：视频序列的录制和发送短信提醒。①录制视频序列：目的是保留入侵期间物体的移动轨迹,防止盗窃。基于这一点,要实时进行运动检测,捕获图像,并通过网络发送,并自动保存图像。②发送短信提醒：用户只需要订阅移动电话运营商提供的发送短信服务就可以获得短信提醒服务。3G时代的到来开启了视频监控的新时代,随着3G网络的不断建设和完善,网络带宽和无线传输质量得到提高,从而使得视频监控达到更好的效果,更大的满足用户需求、提升用户感受。本文设计并实现了基于3G的视频监控系统,通过利用自适应在线高斯混合模型,给出了入侵检测算法,并通过实验验证了算法以及系统的可行性。然而由于物力和财力的限制,本文设计的视频监控系统是基于单个图像采集源,不能同时观看多个采集源的视频信息,因而监控区域有限,不能实现无死角监控。因此我们未来的研究是基于开发一个移动视频监控应用程序,它可以处理多个图像采集源,该应用程序的实现,意味着我们能够在不同的站点进行监控,并可以跟随运动物体检测,也可以实现火灾检测。