一种入侵检测监控系统

1.一种入侵检测监控系统，其特征在于，包括：
图像采集模块，用于获取静态图像，并传输给图像处理模块；
图像处理模块，用于对静态图像进行预处理，得到灰度图像；
人脸检测模块，用于对灰度图像进行人脸检测和定位；若检测到人脸则获得固定大小的灰度人脸图像，并传输给人脸识别模块；若没有检测到人脸则直接将灰度图像传输给背景对比模块；
背景对比模块，用于将数据存储模块存储的平均背景图像和人脸检测模块传来的灰度图像分别划分为若干个权重不同的子图像,计算对应子图像的相似度，并对所有子图像的相似度进行加权求和，若加权求和结果大于预设的相似度阀值，则作为检测到异常的灰度图像存储到数据存储模块，并通知报警管理模块进行报警；
人脸识别模块，用于对灰度人脸图像和数据存储模块存储的已注册人脸图像进行特征提取、计算相似度，根据相似度判断是否为陌生人，若为陌生人则通知报警管理模块进行报警；
人脸注册模块，用于实时检测灰度人脸图像，并进行标记；
用户反馈模块，用于将误判为陌生人的灰度人脸图像调整为已注册人脸图像；
数据存储模块，用于存储已注册人脸图像、被判为陌生人的灰度人脸图像、检测到异常的灰度图像、平均背景图像和用户自定义信息；
报警管理模块，用于在收到背景对比模块或人脸识别模块的报警通知时，将报警信息通过短信发送给预设定用户，并将检测到异常的灰度图像或被判为陌生人的灰度人脸图像通过网络邮件发送给预设定用户；
所述人脸识别模块在进行特征提取、计算相似度时使用了基于随机子空间的人脸方法，包括如下步骤：
a)对待识别的灰度人脸图像q和数据存储模块存储的N幅已注册人脸图像pi，i＝1,...,N进行局部二值模式变换；
b)将步骤a)变换后的图像划分成L个大小相同且互不重叠的子图像块；
c)对待识别灰度人脸图像q的每个子图像块qj和所有对应的已注册人脸图像的子图像块pi,j进行随机采样得到测试特征子集和训练特征子集，其中j＝1,...,L；
d)计算测试特征子集和训练特征子集之间的海明距离作为相似度度量，若测试特征子集和最相似的训练特征子集之间的海明距离超过预先设定的相似度阀值，则认为此次随机采样所代表的子图像块qj和pi,j不相似，其中i＝1,...,N；
e)步骤c)和d)重复K次，即进行K次随机采样，统计待识别的灰度人脸图像q的L个子图像块一共得到的不相似次数，若不相似次数超过预定阀值则认为待识别的灰度人脸图像q和数据存储模块存储的N幅已注册人脸图像都不相似，为陌生人或未注册，否则为已注册。
2.根据权利要求1所述一种入侵检测监控系统，其特征在于：还包括用户自定义模块，用于设置背景对比模块中的子图像划分方式、各子图像所占权重、相似度阀值、接收报警信息的用户电话和网络邮箱地址。
3.根据权利要求1或2所述一种入侵检测监控系统，其特征在于：所述图像采集模块为摄像头。
4.根据权利要求1所述一种入侵检测监控系统，其特征在于：所述平均背景图像是采集若干张不同光照环境下同一固定背景的图片，进行平均得到的。
5.根据权利要求1所述一种入侵检测监控系统，其特征在于：所述背景对比模块在计算对应子图像的相似度时先对图像进行了局部二值模式变换。
6.根据权利要求1所述一种入侵检测监控系统，其特征在于：所述人脸注册模块检测灰度人脸图像时，如果未成功检测到人脸，则重新采集图像；如果成功检测到人脸，则由人脸识别模块进行识别。
7.根据权利要求1所述一种入侵检测监控系统，其特征在于：所述报警管理模块还设置扬声器进行声音报警。

一种入侵检测监控系统\n技术领域\n[0001] 本发明涉及一种入侵检测监控系统，特别是一种对监控区域的图像进行检测和监控并在出现人员或物体变动时报警的系统。\n背景技术\n[0002] 为了更好地保护个人、家庭以及企业的财产安全、信息安全，很多场所都配备有安全防护措施。传统的安防主要依靠人力，如设立门卫进行登记、组织人员进行巡逻等；由于这种方式不能保证每个区域在任意时刻都有保卫人员，容易出现安全漏洞。近年来，随着计算机、网络以及图像处理、传输技术的飞速发展，视频监控技术被广泛应用于各种安全保密场合，如家庭视频监控、办公室区域监控等。通过视频自动监控，能在人无法直接观察的场合，适时、清晰、真实地反映被监控对象的画面，大大节省了需要投入的人力物力。\n[0003] 但是现在的大部分视频监控采用的本质上还是一种人为监控方式，即通过对监控区域内的环境进行录像，依靠监控人员的肉眼来发现异常，而无法对区域内的人进行自动检测，无法自动识别陌生人，然后采取相应的安防措施。这种人为监控方式成本较高、灵活性差、局限性大，无法满足用户的真正需求。当前计算机技术的迅速发展极大地带动了视频监控技术的发展，模式识别、计算机视觉等领域的相关技术地引入，大大提高了视频监控系统的智能化，尤其是人脸检测识别技术，在智能视频监控系统中得到了大量应用。\n[0004] 人脸检测、识别具有采集方便且隐蔽性好、设备成本低廉、防伪性好等优点，智能视频监控系统只需要在原有视频监控系统的基础上加入一个人脸检测识别模块和一个人脸数据库就能自动检测识别陌生人员并在发现陌生人员时进行预警。虽然经过多年研究, 人脸检测识别技术在可控环境下取得了很好的性能，但在其具体实现过程中还存在着相当多的问题。人脸图像作为一种较为复杂的模式，在采集过程中很容易受到光照、姿态、遮挡、外表附属物以及图像采集设备等的干扰，极大地影响了人脸图像的表观，从而使得识别性能不够稳定。因为进行人脸自动检测识别往往需要采集到被识别人的正面人脸，即要求被识别人尽量正对摄像头，但是针对智能监控系统中的小偷、恐怖分子等入侵人员，上述采集条件很难满足，导致系统很难从实时的图像中检测到人脸，即使检测到人脸由于采集条件影响也很难准确识别。所以，智能视频监控中仅简单地使用人脸检测识别技术，对于实时的动态入侵检测和识别还是不够的。\n发明内容\n[0005] 本发明的目的针对上述技术中存在的问题，提供一种入侵检测监控系统，从人和物两个方面同时着手，通过对监控区域出现的人员或物体变动进行检测和监控，减小图像采集条件对系统造成的不良影响，提高监控区域的安全防护效率。\n[0006] 为实现上述目的，本发明采用的技术方案是：一种入侵检测监控系统包括：\n[0007] 图像采集模块，用于获取静态图像，并传输给图像处理模块。\n[0008] 图像处理模块，用于对静态图像进行预处理，得到灰度图像；预处理包括灰度化、光照补偿等处理。\n[0009] 人脸检测模块，用于对灰度图像进行人脸检测和定位；若检测到人脸则获得固定大小的灰度人脸图像，并传输给人脸识别模块；若没有检测到人脸则直接将灰度图像传输给背景对比模块；\n[0010] 背景对比模块，用于将数据存储模块存储的平均背景图像和人脸检测模块传来的灰度图像分别划分为若干个权重不同的子图像,计算对应子图像的相似度，并对所有子图像的相似度进行加权求和，若加权求和结果大于预设的相似度阀值，则作为检测到异常的灰度图像存储到数据存储模块，并通知报警管理模块进行报警。\n[0011] 人脸识别模块，用于对灰度人脸图像和数据存储模块存储的已注册人脸图像进行特征提取、计算相似度，根据相似度判断是否为陌生人，若为陌生人则通知报警管理模块进行报警。\n[0012] 人脸注册模块，用于实时检测灰度人脸图像，并进行标记。\n[0013] 用户反馈模块，用于将误判为陌生人的灰度人脸图像调整为已注册人脸图像。\n[0014] 数据存储模块，用于存储已注册人脸图像，被判为陌生人的灰度人脸图像，检测到异常的灰度图像，平均背景图像和用户自定义信息。\n[0015] 报警管理模块，用于在收到背景对比模块或人脸识别模块的报警通知时，将报警信息通过短信发送给预设定用户，并将检测到异常的灰度图像或被判为陌生人的灰度人脸图像通过网络邮件发送给预设定用户，还可通过邮箱的手机提醒功能提醒收件人。\n[0016] 用户自定义模块，用于设置背景对比模块中的子图像划分方式、各子图像所占权重、相似度阀值、接收报警信息的用户电话和网络邮箱地址。\n[0017] 进一步地，所述图像采集模块为摄像头。\n[0018] 进一步地，所述平均背景图像是采集若干张不同光照环境下同一固定背景的图片，进行平均得到的。当固定背景发生变化即有物体变动时，用户需要及时更新。\n[0019] 进一步地，所述背景对比模块在计算对应子图像的相似度时先对图像进行了局部二值模式变换，用以减小光照等变化带来的影响，即减小将光照变化导致的图像差异被误认为异常的可能性。\n[0020] 更进一步地，所述背景对比模块中的子图像划分、各个子图像区域的权重、图像之间的相似度阀值等参数需要用户预先设定。所述系统先按照用户的要求将平均背景图像划分成若干个大小相等互不重叠的子图像，用户可以根据需要将相互邻近的几个子图像进行合并得到一个新的子图像，同时用户可以对进出口位置（包括门窗、过道等）和需要监控的物体所占的子图像区域赋予较大的权重进行重点监控，可以按照各个区域的重要性设定三个权重等级，取值分别为1、2、3，数值越大表明所占权重越大；图像之间的相似度阀值开始应该设定得比较严格，以减小把陌生人误识别为已注册的可能性，随着用户在使用过程中的不断反馈，所述系统对注册用户的描述越来越详细，再逐步放宽阀值的设定，降低注册用户的误识率，如开始可以假定某幅图像的 个子图像块中有10%以上的被认为和数据存储模块存储的 幅已注册人脸图像不相似则该图像为陌生人或未注册，在后面这个范围可以扩大到20%-30%。\n[0021] 进一步地，所述人脸识别模块在进行特征提取、计算相似度时使用了基于随机子空间的人脸方法，包括如下步骤：\n[0022] a)对待识别的灰度人脸图像 和数据存储模块存储的 幅已注册人脸图像  () 进行局部二值模式变换，用以减小光照等变化带来的影响；\n[0023] b)将步骤a)变换后的图像划分成 个大小相同且互不重叠的子图像块；\n[0024] c)对待识别灰度人脸图像 的每个子图像块 和所有对应的已注册人脸图像的子图像块 进行随机采样，即随机选择 和 若干个相同位置的数值，得到测试特征子集和训练特征子集 ，其中 ， ；\n[0025] d)计算测试特征子集和训练特征子集之间的海明距离(Hamming Distance, HD)作为相似度度量，若测试特征子集和最相似的训练特征子集之间的海明距离超过预先设定的相似度阀值，则认为此次随机采样所代表的子图像块 和  ( ) 不相似；\n[0026] e)步骤c)和d)重复 次，即进行 次随机采样，统计待识别的灰度人脸图像 的个子图像块一共得到的不相似次数，若不相似次数超过预定阀值则认为待识别的灰度人脸图像 和数据存储模块存储的 幅已注册人脸图像都不相似，为陌生人或未注册，否则为已注册。\n[0027] 更进一步地，所述人脸注册模块检测灰度人脸图像时，如果未成功检测到人脸，则重新采集图像；如果成功检测到人脸，则由人脸识别模块进行识别。即与数据存储模块中存储的注册人脸图像进行对比，防止重复注册。人脸注册模块由于采集同一个人的人脸图像受光照、姿态、表情、遮挡等条件的影响而不能正确识别时导致的多次注册不是重复注册。\n[0028] 进一步地，所述报警管理模块除短信和网络邮箱报警外，还设置扬声器进行声音报警，用于提醒监控场所的其他人员。\n[0029] 综上所述，本发明能达到的有益效果是：\n[0030] 1. 充分考虑了人脸图像采集条件给人脸识别带来的影响，提供了一种反馈机制，不断完善所述系统对注册用户的描述，可有效提高识别效率和准确率。\n[0031] 2. 从使用监控系统保证财物和信息安全的本质目的出发，利用对特定物体和固定背景的监控作为人脸检测识别的辅助手段，当物体的位置或背景发生变化时则进行报警，提高了发现陌生人员入侵的机率，增强了监控场所的安全防护。\n[0032] 3. 根据监控场所和监控条件的不同，用户可以通过修改子图像划分、子图像所占权重、图像相似度阀值等参数自行调整重点监控区域、监控等级等，并提供了多种报警方式，给用户提供一种个性化的解决方案，满足用户的实际需求。\n附图说明\n[0033] 图1为本发明的入侵检测监控系统的模块结构图；\n[0034] 图2为本发明的入侵检测监控系统的一次工作流程图；\n[0035] 图3为图1中背景对比模块的流程图；\n[0036] 图4为图1中人脸注册模块的流程图。\n具体实施方式\n[0037] 下面将结合附图对本发明做进一步说明。以下说明只是为了更好理解本发明，不是对本发明的保护范围进行限定。\n[0038] 参考图1，本发明中所述的入侵检测监控系统，包括图像采集模块101、图像处理模块102、人脸检测模块103、背景对比模块104、人脸识别模块105、人脸注册模块106、用户反馈模块107、数据存储模块108、报警管理模块109和用户自定义模块110。\n[0039] 所述图像采集模块101是摄像头，从监控的视频流中截取一帧帧静态图像传输给所述图像处理模块102进行灰度化和光照补偿[1]等处理后得到灰度图像。\n[0040] 所述人脸检测模块103对图像处理模块102得到的灰度图像进行检测，若检测出人脸，则从灰度图像中分割出固定大小的人脸图像；若检测失败，则进行背景对比或者提醒用户重新采集实时静态图像。\n[0041] 所述用户反馈模块107可以将数据存储模块108中被误认为陌生人的灰度人脸图像调整为注册的人脸图像，使得注册用户又增加了一个不同的人脸图像描述。\n[0042] 所述数据存储模块108存储人脸注册模块106中的灰度人脸图像、平均背景图像和背景对比模块104中检测到的异常的灰度图像、人脸识别模块105中检测到的陌生人的灰度人脸图像和用户自定义模块110中的信息。\n[0043] 所述报警管理模块109提供了多种报警方式，当人脸识别模块105检测到陌生人或背景对比模块104检测到物体、背景变化时，报警管理模块109可以提供本地声音预警、电话短信报警和网络邮箱报警，其中可以利用网络邮箱的手机提醒功能，将用户手机和网络邮箱进行绑定，通过网络邮件可以将报警信息和图片信息发送给预定用户而不再需要借助电话短信通知用户。\n[0044] 所述用户自定义模块110提供了背景对比模块104中的子图像划分、子图像所占权重、相似度阀值、人脸识别模块105中的注册人脸图像和报警管理模块109中的用户电话、网络邮箱地址等参数信息。\n[0045] 参考图2，其给出了本发明所述的入侵检测监控系统的主要流程。首先，每隔一定时间从图像采集模块101获得一幅实时图像，然后通过图像处理模块102灰度化等处理后进入人脸检测模块103进行人脸检测和定位，若检测到人脸则通过人脸识别模块105访问数据存储模块108进行识别，判断是否为陌生人；若检测不到人脸则通过背景对比模块104检测图片中是否存在物体、背景变化等异常。如果发现陌生人或检测到异常，则生成报警信息，并通过报警模块109将报警信息和图片信息发送给预定用户进行报警。\n[0046] 参考图3，其给出了图1中所述的背景对比模块104的流程图。所述背景对比模块\n104是在人脸检测模块检测人脸失败时，先将检测失败的图像和平均背景图像进行了局部二值模式变换[2]，尽量减小由于光照等采集条件变化时出现的图像差异，再按照用户自定义模块中的设定将二者划分成若干个互不重叠的子图像并赋予相应的权重，一般的子图像权重可设为1，门窗、过道等进出口位置和需要监控的物体对应的子图像权重按重要性可设为2或3，然后计算二者对应位置子图像之间的相似度并进行加权求和，若所得的加权相似度超过预先设定的相似度阀值，则认为被监控的物体或固定背景发生了变化，即有陌生人入侵，然后产生报警信息，并将报警信息和检测失败存在异常的图像传给报警管理模块。\n[0047] 参考图4，其给出了图1中所述的人脸注册模块106的流程图。首先，图像采集模块采集一幅实时静态图像，通过图像处理模块处理后进行人脸检测，若未能检测到人脸，则提醒用户使用图像采集模块重新采集一幅图像，并重新进行检测；若检测到人脸，则通过人脸注册模块访问数据存储模块进行识别，识别成功说明用户已经注册，不能重复注册，识别失败说明还未注册，并进行注册。\n[0048] 参考文献\n[0049] [1]陈恒鑫. 基于多尺度分析的变化光照下人脸识别研究[D]. 重庆: 重庆大学, \n2010。\n[0050] [2]Huang Di, Shan Caifeng, Ardabilian M. Local Binary Patterns and its application to facial image analysis: a survey[J]. IEEE Transactions on Systems, Man, and Cybernetics, Part C: Applications and Reviews, 2011, 41(6): \n765-781。