[發明專利]一種基于智慧燈桿的社區安全預警方法

在審

• 申請號: 202110387587.6
• 申請日: 2021-04-09
• 公開（公告）號: CN113096338A
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 張登銀;陳皓然;劉寧
• 申請（專利權）人: 南京郵電大學
• 主分類號: G08B13/196
• 分類號: G08B13/196;G08B21/04;G08B5/38;G06K9/00;G06K9/62
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 龔擁軍

本發明公開一種基于智慧燈桿的社區安全預警方法，屬于智慧燈桿技術領域，本發明社區安全預警方法對終端設備采集到的圖像進行預處理，分析運動物體并進行人體識別，檢測危險因素與突發事件，實現社區安全預警；本發明以智慧燈桿為載體與服務器端進行交互，采用機器學習訓練分類器對異常事件進行快速分析與檢測，實現社區實時監控與管理，提升社區居民生活質量，提前消除事故隱患。

技術領域

本發明屬于智慧燈桿技術領域，具體涉及一種基于智慧燈桿的社區安全預警方法。

背景技術

社區作為城市中最主要的生活環境形式，安防至關重要。傳統社區安防系統與照明系統往往是分離的，不能實時識別突發危險如老人摔倒、高空拋物、車輛碰撞等，使得安防系統面臨著分布散亂、清晰度不足、存儲空間有限、不能實時預警等問題。

新一代信息技術的發展推動智慧城市建設不斷加速，智慧燈桿作為智慧城市建設的重要基礎設施，將城市照明與安防，尤其是社區照明與安防融合于一體，為智能化安防提供一個最佳落腳點。目前智慧燈桿雖然能將視頻監控與社區照明整合起來，但距離全域覆蓋、全程可控仍有很大差距。在社區安全方面，視頻資源利用率低，圖像數據處理慢，多偏向于事后響應，缺少事前預防的能力。

發明內容

本發明提出一種基于智慧燈桿的社區安全預警方法，通過在社區合理部署智慧燈桿，將照明系統與安防系統有效融合，實現社區監控全域覆蓋，采用機器學習訓練分類器對視頻設備采集到的圖像數據實時分析，改善傳統社區安防系統無法實時發出預警的缺點。

為實現以上目的，本發明采用以下技術方案：

一種基于智慧燈桿的社區安全預警方法，包括以下步驟：

S1：獲取前端球機攝像頭采集到的實時視頻圖像數據(視頻數據編碼格式為H.264/H.265)，對圖像數據進行幀圖像提取、背景差分、去噪去霧，得到幀圖像集合；

S2：使用第一視頻幀作為背景視頻模型幀，利用Vibe算法對后續幀圖像集進行運動物體檢測；

S3：基于OpenCV輪廓外接框功能獲取每一幀的外接框信息集合識別是否包含運動目標；若數據中包含運動目標，則對運動目標進一步跟蹤，直至該目標離開攝像頭區域；

S4：將幀圖像集交付已訓練好的分類器進行識別，分類器的輸出結果分為人體或非人體；

S5：接收分類器輸出結果為人體后進行滯留物檢測；

S6：若存在人體意外摔倒，將人體在地面短暫停留標識為滯留狀態；對滯留區域進行特征提取，使用支持向量機分類判斷運動目標是主動著地還是意外跌倒；

S7：若運動目標被判斷為意外跌倒，則發出預警，將服務器預置路徑下文本數據發送至相關管理人員，同時控制就近燈桿的照明燈閃爍，LED屏幕紅藍色閃爍。

以上所述步驟中，步驟S2中Vibe算法具體包括以下步驟：

第一步：提取視頻第一幀作為背景模型，建立背景模型并初始化；

第二步：逐幀逐像素將像素值與背景模型的樣本進行比較來分類像素值，將超過閾值的像素值分類為前景；

第三步：在隨機時間下采樣更新背景模型，每次確定需要更新像素點的背景模型時，以新的像素值隨機取代該像素點樣本集的一個樣本值(無記憶更新策略)，同時新采用的像素點會同時更新鄰近像素點的樣本值(擴散機制)。

步驟S4中訓練分類器具體包括以下步驟：步驟S4中訓練分類器具體包括以下步驟：初始化人體數據集，并定義卷積神經網絡數據類型及其網絡深度h與寬度w，搭建好CNN網絡后設置損失函數，采用Sigmod函數及其優化器，進一步的，將至少含有1000張已標記好頭部與軀干的人體圖像數據集輸入，循環遍歷數據迭代器，并將輸入提供給神經網絡并進行權值更新，達到優化的目的。