發布時間：2022-05-27所屬分類：科技論文瀏覽：1次
摘 要： 摘要：針對日益突出的人、車間交通安全事故頻發問題，設計了一種基于人臉識別的車輛超員智能監控系統，前端通過安裝在運行車輛的攝像頭獲取實時圖片，后端服務器通過通信模塊接收前端發來的實時視頻數據，服務器端基于 OpenCV 實現了圖像采集、圖像預處理、面部識別、
摘要：針對日益突出的人、車間交通安全事故頻發問題，設計了一種基于人臉識別的車輛超員智能監控系統，前端通過安裝在運行車輛的攝像頭獲取實時圖片，后端服務器通過通信模塊接收前端發來的實時視頻數據，服務器端基于 OpenCV 實現了圖像采集、圖像預處理、面部識別、邊緣檢測、特征提取等操作。通過對于背景區域和前景區域的識別來實時計算運行車輛中人員數量是否超出標準數量。
關鍵詞：人臉識別，智能監控，特征提取
隨著人工智能技術的飛速發展， 基于圖像的人體檢測跟蹤和人臉識別再智能監控系統領域有著廣泛的應用前景， 本文設計了一種基于判別跟蹤區域士背景區域或前景區域來設置權重系數來判別人員數量。 傳統的超員監控是采取人為在公路上對車輛采取登車臨檢。 這不僅加大了檢查的誤差也加大了人工的工作量。 由此可以看出傳統的方案已經不能滿足現在的多車輛、多出行的安全需求
為解決上述問題， 本文設計了基于人臉識別的人體檢測跟蹤的智能監控系統，該系統基于面部識別和人體檢測跟蹤技術，通過對于背景區域和前景區域的識別進行智能監控，提高了安全性能。
1 系統的總體設計思路
1.1 系統總體設計
系統主要功能： 車廂內的人員數量是通過面部識別和人體檢測跟蹤進行相應的統計的， 其中車廂內攝像頭的視頻數據會通過通信模塊實時傳送給后端服務器， 通過服務器的分析對比判斷車廂內相應位置是否有人，通過服務器的處理，實時計算出車廂里人員的數量。
根據項目總體需求，需要設計一個智能監控系統，主要有三個部分：前端系統、后端系統、執行系統。 三個主要模塊系統：其中信息采集模塊核心主要使用 STM32 類單片，主要包括電源模塊、通信模塊、高清攝像頭模塊;后端模塊主要采用網絡數據庫進行數據的接受和數據調用處理工作， 主要工作包括人臉識別和人體檢測跟蹤; 執行系統主要包括前端預警提示模塊和后端的超員提示模塊[1-6]。
1.2 高清攝像頭
其中高清攝像頭采用現在市面上流行的 4G 無線監控攝像機 TNSA-4G-T5，其中該攝像機主要內置 4G 通信 模 塊，可 以產生拍照和發送動作， 符合所需要的拍攝圖片并將圖片上傳到后端數據庫的任務。
2 人臉識別程序設計
2.1 背景減除法
根據實際情況分析， 我們可以知道車廂內部背景圖像景色單一、穩定。 此處的人臉識別可以通過對比前后幾幀圖片中相應位置的像素點在接近時間段內像素值的變化來判斷是否有人存在。 背景減除法的基本思想是建立視頻圖像的背景模型，之后利用連續的圖像與背景圖像相對應點的對比來得到運動物體，優勢在于數據計算簡單、對數據運算速度快。
2.2 ViBe 算法概述
通過查詢大量的資料，提出使用一個新的框架——ViBe 框架，這是一種使用像素點的像素的視頻背景建模算法。 ViBe 算法的大致框架分為三個部分：模型初始化、前景分割、背景更新。
2.2.1 模型初始化
ViBe 的模型初始化采用單幀進行模型初始化，這種方法初始化速度快，但是初始化正確度不高，因為有可能將運動物體認作背景，容易引起拖影區域。 ViBe 算法的核心思想是通過利用單幀視頻序列初始化圖像的背景模型， 將相鄰像素點與相似像素值的空間分布組合以隨機選擇其相鄰點， 并將其像素值作為其模型樣本值。 ViBe 模型的初始化可以簡單地通過選擇一幀圖像上的所有像素來完成。
2.2.2 前景分割
背景模型存儲成每個背景點的樣本集， 然后將每個新像素值與樣本集中每個背景點的像素值進行比較， 確定新像素是否屬于背景。 當比較像素時，計算機自動計算樣本集中新像素值和樣本值之間的距離，如果近似采樣點的數量大于閾值，則新像素被認為是背景。 背景分割技術目的是生成一個帶有背景和前景像素的二值化模板，由此可以看出，在更新模板時，分割蒙版起著非常重要的作用。 同時，以不同的方式處理分割蒙版并以不同的方式更新蒙版。 為了發揮抑制效果，通過設置程序的判斷條件強行決定前景像素來更新模型。
2.2.3 背景模型檢測過程
背景模型由兩種假定構成： 一是假定背景像素點是由一個隨機變量生成的; 二是背景像素點接近于某個被給定的概率密度函數。 另外，也可能為背景模型收集樣本值并存儲它們，而不是計算背景像素點的底層概率密度函數的參數[4-5]。
相關知識推薦：學術論文篇幅
背景模型的更新可以讓背景模型不斷地適應背景的變化，例如照明的變化、背景對象的變化等等，當選擇樣本集中需要替換的樣本值時， 隨機選擇需要更新的樣本值。
可以看到通過 ViBe 圖片背景處理的更加平滑， 噪點更少，對于背景圖像的提取更流暢。
2.3 人數統計原理
通過兩幀圖片像素點的變化，機器可以判別該處是否有人， 如果有人計數器加一，當計數器的值大于一個設定值的時候，會產生警示信號。 整個系統流程如圖 4 所示。
3 結束語
本項目前端警示模塊采用無線信息傳輸模塊 GPRS 接入互聯網與公安交警系統通信， 收集到的信息被發送到公安交警系統。 前端報警模塊使用液晶顯示器和語音模塊進行相關的違規提醒，提醒駕駛員注意安全。
本文結合業務的實際需要，借助先進的機器視覺，傳感器和無線通信計數， 綜合運用各種關鍵計數并實現車輛的智能監控系統，主要實現了機動車輛超載違規違章行為的實時監控。 本文基于人臉識別設計的智能監控系統， 服務端與監控端采用網絡通信連接，避免了無法實施內部監控的問題。 本項目的設備采用現在市面流行的高清攝像頭，節省空間、安裝方便。 使用人臉識別技術，智能掃描、計數大大增強了智能監控系統的風險預警能力，本系統程序會自動識別和濾除機器所拍下的無效監控視頻，通過這樣的管理機制可以大幅度節省監控視頻存儲空間。——論文作者：高 文
參考文獻
[1]李翔，張義紅.基于人臉識別的實驗室監控系統設計[J].工業控制計算機，2018，31(2)：48-49
[2]湯德俊.人臉識別中圖像特征提取與匹配技術研究[D].大連：大連海事大學，2013
[3]王守佳.基于圖像的人體檢測跟蹤和人臉識別的研究[D].長春：吉林大學，2013
[4]興軍亮.基于檢測的在線多物體跟蹤[D].北京：清華大學，2012
[5]朱明旱，羅大庸.基于幀間差分背景模型的運動物體檢測與跟蹤[J].計算機測量與控制，2006(8)：1004-1006，1009
SCISSCIAHCI
