一种基于云的预警调度架构与其中的抢劫侦测方法

摘要

本发明公开了一种基于云的预警调度架构与其中的抢劫侦测方法，该方法包括对视频监控画面进行获取，然后采用背景消去法对获取的视频监控画面进行前景和背景的分割，对背景消去图进行感兴趣区域边界界定，根据预存的模板区域对有效感兴趣区域进行比对，得出左右手臂比对结果，最后对左右手臂比对结果进行验证，获得有效左右手臂比对结果。该系统包括监控视频摄像端，采用抢劫侦测方法进行识别的基于云的预警调度系统、监控中心端以及调动显示端。通过使用本发明能够准确地对抢劫的视频监控画面进行识别，并且提高抢劫侦测方法的处理效率以及集中优化管理资源。本发明作为一种基于云的预警调度架构与其中的抢劫侦测方法广泛应用在公安领域中。

说明书

技术领域

本发明涉及视频图像识别技术和云计算技术，尤其涉及一种基于 云的预警调度架构与其中的抢劫侦测方法。

背景技术

现今人们的物质生活水平逐渐提高，但是贫富差距却逐渐拉大， 因此抢劫犯罪发生的机率有明显逐年升高的现象。为了预防打击抢劫 犯罪和维护社会治安，人们采取了很多防卫措施，例如视频监控系统、 公安预警、出警系统、小区保卫等，进而加强治安管理以及维护社会 公共安全。然而现今的视频监控系统并不能够对抢劫现场的视频画面 进行识别，进而进行监控以及警力调配。

发明内容

为了解决上述技术问题，本发明的目的是提供准确度高以及速度 快的抢劫侦测方法。

本发明的另一目的是提供响应和处理速度快的一种基于云的预 警调度架构。

本发明采用的技术方案是：抢劫侦测方法，该方法的步骤包括：

S1、对视频监控画面进行获取；

S2、采用背景消去法对获取的视频监控画面进行前景和背景的分 割，进而得到背景消去图；

S3、对背景消去图进行感兴趣区域边界界定，进而获得有效感兴 趣区域；

S4、根据预存的模板区域对有效感兴趣区域进行比对，进而得出 有效感兴趣区域中左右手臂比对结果；

S5、对左右手臂比对结果进行验证，进而获得有效左右手臂比对 结果。

进一步，所述步骤S2包括：

S21、采用中值法生成参考背景画面；

S22、取当前视频监控画面与参考背景画面的差值，并将所述的 差值取绝对值；

S23、根据阈值对所述绝对值进行二值化，进而得到二值化的背 景消去图；

S24、采用形态学对二值化的背景消去图进行去噪。

进一步，所述步骤S3包括：

S31、采用像素垂直投影以及像素水平投影对背景消去图进行感 兴趣区域边界界定；

S32、根据边界预设值对感兴趣区域的边界界定范围向外扩展， 进而获得有效感兴趣区域。

进一步，所述步骤S31中采用像素垂直投影对背景消去图进行感 兴趣区域左右边界界定以及采用像素水平投影对背景消去图进行感 兴趣区域上下边界界定。

进一步，所述步骤S4采用扫描方式根据预存的模板区域对有效 感兴趣区域进行逐一比对，进而得出有效感兴趣区域中左右手臂比对 结果。

进一步，所述步骤S5包括：

S51、计算有效感兴趣区域中左手臂比对结果与模板区域中左手 臂的左手臂近似度测量值，以及计算有效感兴趣区域中有效右手臂比 对结果与模板区域中右手臂的右手臂近似度测量值；

S52、将左手臂近似度测量值与右手臂近似度测量值进行相加， 进而得到左右手臂近似度测量相加值；

S53、根据近似度测量阈值，判断左右手臂近似度测量相加值是 否大于近似度测量阈值，若是，执行步骤S54；反之，则排除左右手 臂比对结果；

S54、对左右手臂比对结果中进行左右手臂位置判断，若左右手 臂的外侧垂直距离以及左右手臂内侧之间的水平距离均符合预设条 件，则输出有效左右手臂比对结果；反之，则排除左右手臂比对结果。

进一步，步骤S52中左手臂近似度测量值以及计算右手臂近似度 测量值的计算公式如下：

$\left(\begin{array}{c}{s}_1=w_F·\mathrm{Area}(X_F\cap T_F)+w_B·\mathrm{Area}(X_B\cap T_B)\\ s_2=w_F·\mathrm{Area}(X_F\cap T_B)+w_B·\mathrm{Area}(X_B\cap T_F)\\ \mathrm{SM}=s_1-s_2\end{array}\right)$

其中，W_F和W_B均为加权系数，X_B表示有效感兴趣区域中的背景像 素，T_B表示模板区域中的背景像素，当计算左手臂近似度测量值时， X_F表示有效感兴趣区域中的左手臂前景像素，T_F表示模板区域中的左 手臂前景像素，SM表示左手臂近似度测量值；当计算右手臂近似度 测量值时，X_F表示有效感兴趣区域中的右手臂前景像素，T_F表示模板 区域中的右手臂前景像素，SM表示右手臂近似度测量值。

进一步，所述步骤S54中左右手臂的外侧垂直距离以及左右手臂 内侧之间的水平距离符合的预设条件如下：

$\left(\begin{array}{c}{d}_{\mathrm{Ver}}\le K_1·{\bar{d}}_{\mathrm{Ver}}\\ K_2·{\bar{d}}_{\text{Hor}}\le d_{\mathrm{Hor}}\le K_3·{\bar{d}}_{\mathrm{Hor}}\end{array}\right)$

其中d_Ver表示左右手臂的外侧垂直距离，d_Hor表示左右手臂内侧 之间的水平距离，表示左右手臂的外侧垂直距离的平均值或参考 值，表示左右手臂内侧之间的水平距离的平均值或参考值，K₁、 K₂、K₃均为常数。

本发明采用的另一技术方案是：一种基于云的预警调度架构，包 括：

监控视频摄像端，用于获取视频监控画面，并将视频监控画面发 送到基于云的预警调度系统以及监控中心端；

基于云的预警调度系统，用于对视频监控画面进行接收以及对监 控视频摄像端的地理位置进行获取，采用抢劫侦测方法对接收的视频 监控画面进行识别后，根据识别到的有效左右手臂比对结果进而发送 提示信息到监控中心端，以及对确认信息进行接收后根据监控视频摄 像端的地理位置进行匹配的警力资源表搜索，进而获得匹配警力资源 表后发送匹配警力资源表到调动显示端，对优选警力资源表进行接收 后发送到警局端；

监控中心端，用于对提示信息和视频监控画面进行接收以及发送 确认信息到基于云的预警调度系统；

调动显示端，用于对匹配警力资源表进行接收和显示，以及发送 优选警力资源表到基于云的预警调度系统。

警局端，用于对优选匹配警力资源表进行接收。

进一步，所述基于云的预警调度系统包括：

云监测抢劫子系统，用于对视频监控画面进行获取以及采用抢劫 侦测方法对视频监控画面进行识别，根据识别到的有效左右手臂比对 结果进而发送提示信息到监控中心端；

情报调度子系统，用于对视频监控画面进行接收以及对监控视频 摄像端的地理位置进行获取，根据视频监控画面和监控视频摄像端发 送加权信息到云计算平台的负载均衡，进而云计算平台的负载均衡为 云监测抢劫子系统寻找地理位置与空限度优化配合的服务器进行信 息处理，以及对确认信息进行接收后根据预存的警局地理位置搜索离 监控视频摄像端的地理位置距离最短的匹配警局地理位置，将匹配警 局地理位置发送到出警调度子系统；

出警调度子系统，用于对匹配警局地理位置进行接收，根据存储 的实时警力资源表搜索与匹配警局地理位置相对应的匹配警力资源 表，进而获得匹配警力资源表后发送匹配警力资源表到调动显示端， 对优选警力资源表进行接收后发送到警局端；

所述情报调度子系统在等待确认信息时释放所占用资源以及将 所占用资源交给云计算平台的资源调度进程。

本发明的有益效果是：通过使用该方法，能够准确地对抢劫的视 频监控画面进行识别，从而减轻监控中心人员的工作压力，大大减少 人力资源的费用。

本发明的另一有益效果是：通过使用该系统，能够准确地对抢劫 的视频监控画面进行识别，从而减轻监控中心人员的工作压力，并且 采用云计算的系统架构以及在云计算的系统架构上再构造三个子系 统，这样能够提高抢劫侦测方法的处理效率以及集中优化管理资源， 进而实现应对犯罪发生的最快应急响应。

附图说明

下面结合附图对本发明的具体实施方式作进一步说明：

图1是本发明抢劫侦测方法的步骤流程图；

图2是本发明抢劫侦测方法的最优实施方式的步骤流程图；

图3是本发明抢劫侦测方法中模板区域的左手臂二值化示意图；

图4是本发明抢劫侦测方法中模板区域的右手臂二值化示意图；

图5是本发明抢劫侦测方法的左右手臂的外侧垂直距离以及左 右手臂内侧之间的水平距离示意图；

图6是本发明一种基于云的预警调度架构的结构框图。

具体实施方式

由图1所示，抢劫侦测方法，该方法的步骤包括：

S1、对视频监控画面进行获取；

S2、采用背景消去法对获取的视频监控画面进行前景和背景的分 割，进而得到背景消去图；

S3、对背景消去图进行感兴趣区域边界界定，进而获得有效感兴 趣区域；

S4、根据预存的模板区域对有效感兴趣区域进行比对，进而得出 有效感兴趣区域中左右手臂比对结果；

S5、对左右手臂比对结果进行验证，进而获得有效左右手臂比对 结果。

由于当抢劫发生时，劫犯会要挟人们的双手举高从而防止人们按 警铃或打电话报警，这样就导致警方无法迅速赶往抢劫现场并且抓拿 劫犯，所以通过使用该方法对人们双手举高这一体型特征进行识别， 这样即使人们被劫犯要挟双手举高，人们仍能通过举高双手进而报 警。

由图2所述，抢劫侦测方法的最优实施方式，其步骤包括：

S1、对视频监控画面进行获取；

S21、采用中值法生成参考背景画面；

S22、取当前视频监控画面与参考背景画面的差值，并将所述的 差值取绝对值；

S23、根据阈值对所述绝对值进行二值化，进而得到二值化的背 景消去图；

S24、采用形态学对二值化的背景消去图进行去噪。

S31、采用像素垂直投影以及像素水平投影对背景消去图进行感 兴趣区域边界界定；

S32、根据边界预设值对感兴趣区域的边界界定范围向外扩展， 进而获得有效感兴趣区域；

S4、采用扫描方式根据预存的模板区域对有效感兴趣区域进行比 对，进而得出有效感兴趣区域中左右手臂比对结果，所述预存的模板 区域是通过采集视频监控画面进而分割出的左手臂二值图以及右手 臂二值图，如图3和图4所示；

S51、计算有效感兴趣区域中左手臂比对结果与模板区域中左手 臂的左手臂近似度测量值，以及计算有效感兴趣区域中有效右手臂比 对结果与模板区域中右手臂的右手臂近似度测量值；

S52、将左手臂近似度测量值与右手臂近似度测量值进行相加， 进而得到左右手臂近似度测量相加值；

S53、根据近似度测量阈值，判断左右手臂近似度测量相加值是 否大于近似度测量阈值，若是，执行步骤S54；反之，则排除左右手 臂比对结果；

S54、对左右手臂比对结果中进行左右手臂位置判断，若左右手 臂的外侧垂直距离以及左右手臂内侧之间的水平距离均符合预设条 件，则输出有效左右手臂比对结果；反之，则排除左右手臂比对结果。

上述步骤S21中采用中值法生成参考背景画面，其具体为若双手 举高的画面为第K帧，即参考背景画面就取第K-1帧和第K-ΔT帧的 中值。

上述步骤S23根据阈值对所述绝对值进行二值化进而得到二值 化的背景消去图，其具体为根据阈值，判断绝对值是否大于阈值，若 是，则该绝对值被判定为前景像素，并且将该绝对值进行二值化，置 1；反之，则该绝对值被判定为背景像素，并且将该绝对值进行二值 化，置0。

上述步骤S31中采用像素垂直投影对背景消去图进行感兴趣区 域左右边界界定，以及采用像素水平投影对背景消去图进行感兴趣区 域上下边界界定，在感兴趣区域的像素中前景像素占95％以上。

上述步骤S32是为了确保前景像素均在感兴趣区域中，而所述步 骤S32具体为，根据边界预设值，感兴趣区域的上下左右边界界定均 以边界预设值向外扩展，例如若边界预设值为3，即左边界界定向左 移动3，右边界界定向右移动3，上边界界定向上移动3，下边界界 定向下移动3。所述边界预设值可为多个，分别对应上、下、左、右 边界界定。

上述步骤S52中左手臂近似度测量值以及计算右手臂近似度测 量值的计算公式如下：

$\left(\begin{array}{c}{s}_1=w_F·\mathrm{Area}(X_F\cap T_F)+w_B·\mathrm{Area}(X_B\cap T_B)\\ s_2=w_F·\mathrm{Area}(X_F\cap T_B)+w_B·\mathrm{Area}(X_B\cap T_F)\\ \mathrm{SM}=s_1-s_2\end{array}\right)$

其中，W_F和W_B均为加权系数，X_B表示有效感兴趣区域中的背景像 素，T_B表示模板区域中的背景像素，当计算左手臂近似度测量值时， X_F表示有效感兴趣区域中的左手臂前景像素，T_F表示模板区域中的左 手臂前景像素，SM表示左手臂近似度测量值；当计算右手臂近似度 测量值时，X_F表示有效感兴趣区域中的右手臂前景像素，T_F表示模板 区域中的右手臂前景像素，SM表示右手臂近似度测量值。

而W_F和W_B的计算公式为：

$\left(\begin{array}{c}{w}_F=\mathrm{Area}\left(T_F\right)/(\mathrm{Area}\left(T_F\right)+\mathrm{Area}\left(T_B\right))\\ w_B=\mathrm{Area}\left(T_B\right)/(\mathrm{Area}\left(T_F\right)+\mathrm{Area}\left(T_B\right))\end{array}\right)$

同样地，T_B表示模板区域中的背景像素，当计算左手臂近似度测 量值时，T_F表示模板区域中的左手臂前景像素；当计算右手臂近似度 测量值时，T_F表示模板区域中的右手臂前景像素。

上述步骤S54中左右手臂的外侧垂直距离以及左右手臂内侧之 间的水平距离符合的预设条件如下：

$\left(\begin{array}{c}{d}_{\mathrm{Ver}}\le K_1·{\bar{d}}_{\mathrm{Ver}}\\ K_2·{\bar{d}}_{\text{Hor}}\le d_{\mathrm{Hor}}\le K_3·{\bar{d}}_{\mathrm{Hor}}\end{array}\right)$

其中如图5所示，d_Ver表示左右手臂的外侧垂直距离，d_Hor表示左 右手臂内侧之间的水平距离，表示左右手臂的外侧垂直距离的平 均值或参考值，表示左右手臂内侧之间的水平距离的平均值或参 考值，K1、K2、K3均为常数，并且K1和K3的值大于1，K2的值小 于1。

如图6所示，一种基于云的预警调度架构，包括：

监控视频摄像端，用于获取视频监控画面，并将视频监控画面发 送到基于云的预警调度系统以及监控中心端；

基于云的预警调度系统，用于对视频监控画面进行接收以及对监 控视频摄像端的地理位置进行获取，采用抢劫侦测方法对接收的视频 监控画面进行识别后，根据识别到的有效左右手臂比对结果进而发送 提示信息到监控中心端，以及对确认信息进行接收后根据监控视频摄 像端的地理位置进行匹配的警力资源表搜索，进而获得匹配警力资源 表后匹配警力资源表到调动显示端，对优选警力资源表进行接收后发 送到警局端；

监控中心端，用于对提示信息和视频监控画面进行接收以及发送 确认信息到基于云的预警调度系统，当监控中心端的工作人员发现提 示信息后就会进一步确认是否有抢劫发生，若有则发送确认信息到基 于云的预警调度系统；若否则丢弃此次警报；

调动显示端，用于对匹配警力资源表进行接收和显示，并且经警 局中心领导确认优化的出警方案进而修改匹配警力资源表，得到优选 警力资源表，将优选警力资源表发送到基于云的预警调度系统，同时 也会显示优选警力资源表；

警局端，用于对优选匹配警力资源表进行接收。所述警局端根据 接收的优选匹配警力资源表进行警力调配，从而快速地赶往抢劫犯罪 现场，达到快速应急响应。

进一步作为优选的实施方式，所述基于云的预警调度系统包括：

云监测抢劫子系统，用于对视频监控画面进行获取以及采用抢劫 侦测方法对视频监控画面进行识别，根据识别到的有效左右手臂比对 结果进而发送提示信息到监控中心端；

情报调度子系统，用于对视频监控画面进行接收以及对监控视频 摄像端的地理位置进行获取，根据视频监控画面和监控视频摄像端发 送加权信息到云计算平台的负载均衡，进而云计算平台的负载均衡为 云监测抢劫子系统寻找地理位置与空闲度优化配合的服务器进行信 息处理，所述进行信息处理即为采用抢劫侦测方法进行识别，因此图 6中采用虚线连接情报调度子系统和云监测抢劫，其意为两者并非直 接数据连接但却有关联，而地理位置与空闲度优化配合的服务器也就 是离监控视频摄像端距离最近并且空闲的服务器，这样云监测抢劫子 系统能够短时间内获取视频监控画面并进行处理，从而能够合理利用 计算机硬件资源并且提高云监测抢劫子系统识别视频监控画面的速 度和整体的报警反应速度，

以及对由监控中心端传来的确认信息进行接收后根据预存的警 局地理位置搜索离监控视频摄像端的地理位置距离最短的匹配警局 地理位置，将匹配警局地理位置发送到出警调度子系统；

出警调度子系统，用于对匹配警局地理位置进行接收，根据存储 的实时警力资源表搜索与匹配警局地理位置相对应的匹配警力资源 表，进而获得匹配警力资源表后发送匹配警力资源表到调动显示端， 对优选警力资源表进行接收后发送到警局端；

所述情报调度子系统在等待确认信息时释放所占用资源以及将 所占用资源交给云计算平台的资源调度进程。

以上是对本发明的较佳实施进行了具体说明，但本发明创造并不 限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提 下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含 在本申请权利要求所限定的范围内。