基于计算机视觉的财产保护系统

论文摘要

盗窃犯罪是一种多发性的、与人类社会共同进步的犯罪行为,是当前危害我国社会治安和公民财产安全的主要因素。历年犯罪资料显示,盗窃案在各类犯罪案件中所占比例最高,其中入室盗窃就占全部盗窃案件的百分之六十以上,每年都造成了巨大的财产损失。如何监控、预防、快速处理此类犯罪行为,将失窃造成的社会财产损失降至最低已经是安防部门迫在眉睫的任务。随着视频监控技术的快速发展,在博物馆、商场、超市等一类开放性室内场所都采用视频监控系统来防止盗窃行为发生。但现有的视频监控系统不能将全部场景无冗余的显示在一幅画面上,出现视觉死角;另外,监控系统对采集的视频数据缺少智能分析处理,需要配备保安人员进行全天候监视画面,这样效率低、成本高,而且容易出现人工失误引起的漏检、误检等情况。针对以上不足,本文设计一种基于计算机视觉的财产保护系统,该系统采用全方位视觉传感器完成无死角地监控开放性环境下的财产,同时依靠PTZ(Pan、Tilt and Zoom)算法来实现盗窃异常事件检测和盗窃者身份确认。视频监控下的盗窃异常是指场景中的物品在未经允许的情况下被人移出场景,致使物品所在区域内颜色、边缘信息发生改变。可以看出,构成盗窃事件的要素包括实施盗窃的人(盗窃者)和被盗物体(盗窃对象),以及人对物发出的异常行为。盗窃异常是判断盗窃事件发生的先决条件,而盗窃对象又是触发盗窃异常的必要因素,所以本文首先阐述盗窃对象检测方法和异常处理,主要是利用Fatih Porikli提出的一种暂时静止区域检测算法,并在此基础上融合人与物、盗窃物与滞留物的分类处理,从而完成盗窃异常检测。其次是在盗窃异常发生之后,盗窃事件检测的工作重点将转移到盗窃者身份确认上。为了能快速追回被盗物件需要检测并跟踪盗窃者以获取其细节特征,本文通过借鉴侦察的逻辑推理模式对可能实施盗窃的嫌疑人进行身份确认,显然只有在案发的时间和地点出现的人才有可能成为盗窃者,所以本文根据盗窃事件发生的时间、地点信息来初步确定多个可能进行盗窃的嫌疑人并将其存储在嫌疑对象链表中,然后通过“携带物体检测模块”判断嫌疑人链表中的对象是否携带物体,如果携带物体被检测为失窃物,则可以唯一确认盗窃者,否则只能确认多个嫌疑对象。最后设计一种用于盗窃者细节特征抓拍的装置。为了要在开放性场景中快速的找出盗窃者并获取其细节特征,人一般都要遵循以下过程:首先在宏观视角下,从全局范围扫描所有对象,从而锁定目标在场景内的位置,然后将眼睛转动到该位置,利用微观视角来获取人体对象的局部特征信息。根据这一思想在本文中设计了一种多视觉传感器相融合的装置来抓拍盗窃者特征,用以后续警方取证。本文开发了基于计算机视觉的财产保护系统,详细介绍各个模块的实现,并在模拟的环境中进行了相关实验。实验结果显示了本文所使用的方法能够有效保护财产,并在财产被盗之后能提供对追回财产有价值的信息。

论文目录

• 摘要
• ABSTRACT
• 图录
• 表录
• 第1章 绪论
• 1.1 课题背景和意义
• 1.2 智能视频监控技术的国内外研究现状
• 1.3 基于视觉的盗窃检测技术研究现状
• 1.3.1 视频获取技术
• 1.3.2 盗窃异常检测技术
• 1.3.3 盗窃者的身份检测技术
• 1.4 研究内容与工作
• 1.5 论文的章节安排
• 第2章 基于计算机视觉的财产保护系统设计
• 2.1 引言
• 2.2 装置设计思想
• 2.3 系统总体架构
• 2.4 系统硬件设计
• 2.4.1 全方位视觉传感器
• 2.4.2 高速球摄像机结构
• 2.5 系统软件设计
• 2.5.1 软件系统构架
• 2.5.2 模块功能介绍
• 2.6 本章小结
• 第3章 盗窃异常检测算法研究
• 3.1 引言
• 3.2 前景对象分割
• 3.2.1 前景分割算法介绍
• 3.2.2 基于混合高斯的前景分割
• 3.3 暂时静止区域检测
• 3.3.1 基于双高斯的前景检测
• 3.3.2 暂时静止对象目标获取
• 3.3.3 试验分析
• 3.4 判定暂时静止对象是人或物
• 3.4.1 图像不变矩计算
• 3.4.2 图像不变矩分类
• 3.4.3 试验分析
• 3.5 盗窃物与滞留物分类
• 3.5.1 基于轮廓的分类算法
• 3.5.2 基于轮廓分类的改进算法
• 3.5.3 试验分析
• 3.6 盗窃异常处理
• 3.6.1 异常信息记录
• 3.7 本章小结
• 第4章 盗窃者嫌疑对象检测算法研究
• 4.1 引言
• 4.1.1 人体目标跟踪算法介绍
• 4.1.2 CamShift 跟踪算法
• 4.2 携带物体目标检测
• 4.2.1 图像透视展开算法
• 4.2.2 人体对称性建模
• 4.2.3 人体对称轴检测
• 4.2.4 周期性运动检测
• 4.2.5 试验分析
• 4.3 盗窃嫌疑对象确认
• 4.3.1 时空约束匹配
• 4.3.2 携带信息匹配
• 4.4 本章小结
• 第5章 盗窃嫌疑对象细节特征抓拍
• 5.1 引言
• 5.2 多视觉传感器融合方法
• 5.2.1 预置点定制法
• 5.3 本章小结
• 第6章 基于视觉的财产保护系统实现
• 6.1 引言
• 6.2 系统软硬件构成
• 6.3 系统主要模块实现
• 6.3.1 盗窃异常检测模块
• 6.3.2 盗窃嫌疑对象检测模块
• 6.3.3 盗窃嫌疑对象细节特征抓拍
• 6.4 本章小结
• 第7章 总结与展望
• 7.1 总结
• 7.2 展望
• 参考文献
• 致谢
• 攻读学位期间参加的科研项目和成果