基于3G网络的智慧社区分布式视频监控系统研究

1 引言（Introduction）

随着3G移动通信能力的提升以及家用安防监控设备的普及，智能移动终端在家用安防监控方面的应用已经成为了一个必然趋势，家用安防监控系统正处于从模拟时代进入数字时代的转型时期。数字安防监控系统[1-3]最主要的特征是智能化，即将被动取证用的录像方式转化为实时视频分析处理，并向相关人员及时发送险情以最大化降低损失。目前在入侵检测、人脸识别、姿势识别等领域国内外已经有了大量的研究并取得了辉煌的成绩，现有的安防系统针对盗窃抢劫等刑事犯罪的防御能力已经取得了斐然的成绩，然而对于弱势群体出现危险的情况（例如，摔倒、病发等）却措手不及，每年因为老人的心脏病高血压中风等情况发作、摔伤，由于抢救不及时而带来的家庭伤痛不计其数，而社会节奏的加快使得国家建设的主力军们缺乏时间去照料这些弱势群体。

本课题在普通家用监控系统中增加一部分软件处理功能，通过互联网（通过手机邮箱与App即时推送）与一个额外的GSM Modem进行结合，在检测到有弱势群体摔倒的时候立刻向相关监护人报警并传送截图或实时监控影像，为监护人在第一时间做出正确的反应，及时为处理措施提供可视化的数据支撑。本课题研究内容适用于居家，社区以及医疗机构病房看护等方面的应用，可以配合现有监控设备或系统进行扩充，是数字社区、智慧城市[4-9]建设的一部分，为忙于工作无暇照料家中老人、病患等的上班族群体提供了便利。本课题的研究主要分为上层监控服务软件系统部分和下层的家用嵌入式多媒体服务设备两块内容，分别可以实现公共资源的接入访问与私有资源的存储访问。本课题研究的主要内容和整体设计如图1所示。

图1 系统整体构架图

Fig.1 The overall system architecture diagram

2 智慧社区监控服务系统（Distributed video

surveillance systems intelligence community ）

随着数字化城市战略的普及推广，越来越多的居民住宅社区引入了全套的数字化安防设备，互联网与社区局域网的带宽不断升级，现在已经全面进入千兆光纤时代，同时3G无线网络带宽的升级，使得视频信息能够流畅传输。本课题基于现有的监控设备与局域网之上，增加开发一套安防监控服务软件系统，该系统可实现用户随时随地查看所需的实时或录像视频信息的目的（例如停车场的私家车，散步的老人或者玩耍的儿童以及大门外的访客等）。用户需使用物业中心实名注册的账号密码进行访问，以保障用户信息的真实性与合法性，方便物业管理，增强系统安全性。

3 家用嵌入式多媒体服务中心（Household

embedded multimedia service center）

该模块主要将ARM芯片作为核心处理器，基于Linux系统，可以实现多种功能：

（1）配合无线模块作为家用无线路由器

目前家庭用户有多台设备（数字电视、电脑、笔记本、平板或手机等，以及智能家电）需要接入网络，传统的解决方式是采用一个无线路由器作为WLAN的wifi热点。在本课题的研究方案中可以让一台运行中的监控服务器加入无线路由功能，将独立的设备集成到一起。

（2）配置硬盘阵列作为家用多媒体存储服务器

传统的家用视频监控存储是采用一个网络嵌入式DVR（Digital Video Recorder）作为存储中心，配合多个IP Camera将监控视频存入硬盘中，其缺点在于存储空间占用量大，缺乏智能分析检测等功能。本课题研发的家用嵌入式多媒体中心，结合了移动物体检测技术，通过背景差值法检测，只在有物体移动的时候存储有效的视频录像，节约了大量的存储空间。除此之外，家用嵌入式多媒体中心还可作为家用多媒体服务器，用户可以将喜欢的电影音乐等资源存储在该服务器上，各个设备可以共享多媒体资源，更加节约存储空间。

（3）智能报警功能

该模块结合温度传感器、瓦斯传感器和移动物体检测技术，当家中出现煤气泄漏、火灾等情况时可以即时将警报信息发送给户主和物业；当家中无人（上班，旅游等情形）时可启动自动值守功能，在户主解除家中无人值守模式之前，若检测到持续活动的移动物体可以判定为入室盗窃，及时将家中的视频或截图传输给户主的手机，此外通过GSM modem发送短信，以免当用户手机网络质量不好时不能收到及时的提醒。

4 技术路线（Technical route）

4.1 基于背景帧间差值法的移动目标轮廓检测

采用ARM11芯片（6410）作为主处理器，运行Linux系统，可以让用户通过直接联网console方式手动设定配置，开发相应的软件配合DSP进行图像背景差值法计算移动物体检测判定。移动目标检测在国内外已经取得了诸多成绩，然而在视频中对移动目标的检测是一项非常有挑战性的工作，由于应用场景的千差万别，一个很好的算法可能在另一个场景中误差较大。灰度漂移算法是课题组最近在研究高斯混合模型的过程中提出的一种消除背景差分法检测的移动目标存在过多噪声杂点的算法，可以非常有效地消除由于微震动、空气扰动等原因导致的像素灰度在邻近区域发生漂移的现象；多颜色空间信息融合就是利用多个颜色空间中的一些互补分量共同确定移动目标。

图2 移动目标站立与跌倒检测结果

Fig.2 Result of stand and fall on detection of

moving targets

本课题借鉴国内外许多专家和学者的研究经验，针对居家环境调整参数，以适应背景和光照强度等参数，精简算法的运算量以减轻安防系统的运算负荷，结合单高斯模型，利用灰度漂移算法和多颜色空间的信息融合有效消除差分后图像中虚假目标点引起的多种噪声。移动目标站立与跌倒检测结果对比如图2所示。

4.2 判定行为模式的设计

通过对实时监控视频的处理，将移动物体的相关参数存入内存，把正常的行走、休息等正常居家行为与跌倒、与歹徒搏斗等情况的参数进行对比，我们可以认定在异常情况发生时，在短时间 内参数的变化十分剧烈，通过相应的实践，本课题通过大量的实验积累数据找到一个合适的阈值区间（具体灵敏度可以通过调整阈值来实现）当超越阈值时即认为触发报警条件，可能出现了危险。根据课题组的初步实验，模拟各种情况，变化剧烈程度由低到高分别如图3所示，阈值的设置应该在正常居家活动之上，危险行为之下，以确保报警信息触发准确。

图3 各种行为的模拟图

Fig.3 All kinds of behavior simulation diagram

4.3 无线路由、视频存储服务器的设计

前期工作需要在带有DPS、无线模块和磁盘驱动模块的ARM开发板上调通相应的功能，后期工作需要根据需要裁减或增加相应的电路和功能芯片，以及外壳，按键和红外遥控器等。家用嵌入式多媒体中心功能模块抽象图如图4所示。

图4 家用嵌入式多媒体中心功能模块抽象图

Fig.4 Abstract figure of household embedded

multimedia center function module

4.4 分布式智慧社区视频服务系统的设计

系统的用户分为五种权限类别：居民用户、物业用户、管理员用户、警务/市政用户和预留种类用户。其中居民用户可以访问公共资源和自己的私有资源，物业用户可以访问公共资源和居民的部分信息（屏蔽视频以保护隐私，可以接受报警请求）并可以受理用户的各种请求以及用户的添加修改删除缴费、续费等操作，管理员用户可以查看所有非视频类账户信息，警务人员用户在申请得到授权的情况下可以查看到所有可以访问的信息。预留用户作为将来系统发展所需的备用，暂不使用。系统将记录各用户使用的记录和IP以系统日志方式备案。此外，由于用户的私有视频存储在自家服务器中，本系统仅作为一个地址映射（系统并不会保存用户的私人视频信息以保障隐私权），由用户的家用嵌入式多媒体服务中心通过合法账号登陆到系统进行连接。系统需分布式多媒体服务器来存储社区各个位置的摄像头录像，作为公共视频资源分布存储在服务器集群中，系统也只作为一个地址映射，当用户请求操作时，合法用户的合法请求将得到批准，将权限内的内容反馈给用户。

4.5 客户端软件的制作

其中包括PC客户端和智能手持设备客户端（iOS与Android等，可以使用跨平台开发工具Cross Platform Tools一次开发多种平台运行共同完成），基于用户账户和密码产生的加密密钥，让传输的视频或图片经过加密，保障在传输图中不会被截获而泄露隐私。此外，可以根据用户的网络带宽状况判定合适的传输模式（由低到高分别是：单张图片的方式/连续图片/压缩视频/实时视频）。这样，当用户网络状况不好时可以收到单张截图以节约流量传输时间，当PC端用户拥有高速的局域网时可以直接查看实时高清视频等。

4.6 信息推送服务设计

通信方式有三种，其中第一种为主模式：通过软件，在触发报警条件时，截取相关的媒体信息并直接向手机邮箱发送截图附件。该模式可以保障用户在第一时间可以看到手机关联的信息，就算是一台能上网的非智能手机也可以看到相关的截图信息，目前满足功能的手机普及程度相当高。第二种为从模式，是一种被动的方式，如果用户需要查看家中实时的视频情况，可以通过电脑或者智能手机的APP访问网络，需验证户主的账户密码（以保障家中隐私）并且在带宽允许的情况才可以访问家中的实时视频信息。第三种为可选的后备模式，如果用户需要，可以增加一个额外的GSM Modem发送短信，由于GSM短信的信息量小、信号覆盖广、传送速度快等特点，这样在互联网或者3G网络情况达不到要求的情况下也可以直接通过短信告诉监护人用户出现险情，但看不到图像信息，需要监护人用户自行确认。

5 结论（Conclusion）

在智慧城市建设的政策支持下，现有智能住宅建设相关配套的软硬件质量与技术方面参差不齐，本课题研究依据可靠的监控硬件设备，以及国外先进的轮廓检测算法，结合具体实际应用，在安防监控软件SDK之上进行二次开发，使原有的硬件产品配合智能的软件，使系统更加智能化，并可以通过3G网络与手持移动设备进行即时消息通信实现报警与控制。

参考文献（References）

[1] 孙君顶，等.基于颜色和形状特征的彩色图像检索方法[J].中

国图象图形学报.2004，9（7）：820-827.

[2] Huang J.Image indexing using color correlograms[A].In：proceeding on the IEEE Computer Society Conference on Computer Vision and Pattern Recognition[C]，San Juan，Puerto

Rico，USA，1997：762-768.

[3] Wan X，Kuo C J.A new approach to image retrieval with hierarchical color clustering[J].IEEE Transactions on Circuits and Systems for Video technology，1998，8（5）：628-643.

[4] Belongie S，et al. Color-and texturebased image segmentation using EM and its application to content-based image retrieval[A]. In： Proceedings of the 6th International Conference on Computer Vision （ICCV'98）[C].Bombay，India，1998：1-7.

[5] Bimbo D， Vicario E. Using weighted spatial relationships in retrieval by visual contents[A]. In： Proceedings of IEEE Workshop on Image and Video Libraries[C].Santa Barbara， California，USA，1998：75-79.

[6] Gevers T， Smeuder A W M. Evaluating color and shape invariant image indexing of consumer photograph [A]. In： Proceedings of the 1st International Conference on Visual Information Systems [C]， Melbourne， Australia， 1996：254-261.

[7] Gevers T，Smeuder A W M.Content-based image retrieval by viewpoint-invariant image indexing [J ].Image and Vision Computing， 1999， 17（7）：475-488.

[8] Nastar C，Mitschke M，Meihac C.Efficient query refinement for image retrieval [A].In： Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition[C]，Santa Barbara，California，USA，1998：547-552.

[9] Smeulders A W M，et al.Content based image retrieval at the end of the early years [J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2000，22（12）：1349-1380.

作者简介：

汤 荻（1982-），女，硕士，助教.研究领域：云计算、图像处理.