基于非重叠多摄像头的实时监控系统

龙强

关键词：非重叠；多摄像头；实时监控系统

实时监控系统包括图像处理单元和数据采集系统（CIS）两部分，视频信号通过摄像头和智能摄像头进行传输和处理，图像以像素形式呈现在液晶显示屏上并显示在中央控制台上。与传统摄像头相比，实时监控系统能够实现对目标或者环境中的人（如人）以及物体（如车辆）进行实时画面显示，以便于及时对突发事件进行快速处理与处置。本文介绍了一种基于模型的多摄像头协作算法。采用多摄像头的空间信息和运动物体的时间信息，在不考虑物体的视觉特性和摄像头方位的情况下，构造多摄像头的非重叠协作方案。而后，通过对摄像头的邻域关系、移动目标与摄像头的距离、移动目标与邻近摄像头的转换时间等因素，选择最佳的摄像头实现移动目标的连续追踪。

1概述

根据监控系统的应用情况，将其划分为单一摄像头监控系统、重叠多摄像头监控系统和非重叠多摄像头监控系统。在进行视频监视时，仅依靠一个摄像头监视系统往往难以实现对全部区域的有效监视。因此，采用基于非重叠多摄像头的实时监控系统，将能够解决单一摄像头视角有限、多摄像头重叠造成的资源浪费问题，实现大面积、全方位、长时间的连续追踪。

本文介绍了一种基于C/S结构的非重叠多摄像头协同监控系统。该系统由摄像头、DVR/板卡、光线路终端等构成，并通过公用或私有网与服务器主机相连。将局部监测设备配置在重点监控区域，尽可能覆盖全部监测范围。其次，设定该装置的网络传送参数，决定各摄影机的IP地址、端口号、使用者名称、密码等，为摄影机存取系统所需的信息数据资源。目前，国内的视频监控技术尚未形成统一的规范，各厂商、型号的设备在接口和编码方面存在一定的差异。因此，需要利用中间件技术，在访问层实现对摄像头的异构化，形成统一的监控和监控接口。

该系统采用多个摄像头进行监测，并将多个摄像头的追踪结果和有关数据实现紧密联系，由此能够更好地降低系统的通信开销成本。该方法具有较高的可靠性，不会成为通信与运算的瓶颈。同时，采用分布式的架构，能达到广域、无交叠的多摄像头网络体系设计效果。

2单摄像头监控

2.1运动目标检测与跟踪

本系统所使用的运动物体提取技术主要是利用图像的亮度特性进行背景提取。在此基础上，本文提出一种基于像素点的亮度成分，应用统计的方法对各个像素点进行数值模拟，并用时域滤波来维持其序列的均方差，再根据不同的光照条件对光斑的影响分布进行检测，并对像素点进行自适应更新。

2.2目标分类

人体在运动过程中，形态常常会发生反复的改变，但是如汽车等刚性物体，在移动过程中，其外形基本没有改变。因此，该系统使用特殊的RMI，即所谓的“重复动作图象”，求出物体的反复移动结果，利用该方法可以区分个人、人群和交通工具。

3多摄像头协同监控系统方案设计

3.1系统描述

本文提出的基于非重叠多摄像头的实时监控系统模型可以将视频信号进行编码、处理、传输，然后在同一个局域网中开展实时监控任务，同时对多个应用实现快速切换。该实时监控系统包括多摄像头及数据处理中心，其主要目的是将分散和重叠的实时视频信号融合为一个独立的监控系统。其中，摄像头可以对不同角度进行观察和识别，并且在同时进行视频信息处理时不会消耗视频监控的大部分资源，如存储设备和硬盘，并在视频监控系统中可以实现多场景下的监视和信息检索应用。此外，其还可以在多个平台上实时监控，方便查看所需要的信息。

3.1.1摄像头的视场角

由于摄像头分辨率不同，视场角也不同。例如，在对焦速度为60帧／s．拍摄1帧时，从目标到摄像头平均距离为100m。将摄像头聚焦后的视角等于光圈（F）与视场角之比为1/100。图像在不同区域内会产生不同视场角，视场角反映多摄像头拍摄到的对象角度范围内像素值的大小情况。对数分布表示为P=f（p－1）/f（x 0+1）．r≈0.05。其中，p为拍摄角度，r为摄像头像素（I）／为视场角（R）。

3.1.2视频信息

视频信息是由摄像头所拍摄到的视频中的信息，包括图像质量、图像尺寸、运动速度以及帧格式等。此外，图像中还包括环境光源，声音等其他细节信息。其中，摄像头可以实现包括水平、垂直、倾斜、变焦等多种观察和识别模式。由于不同的視角所带来的视场角、速度和运动速度等方面的变化是完全不同的，因此本文对于图像的数据处理可以采用TTS滤波模式来避免视频帧的抖动，同时能有效提升对部分图像的识别效果。而在对视频进行分类处理时，需要对所获得的多摄像头视场信号进行解码，以便识别目标。对于运动速度和运动方向两种特征，若有足够的运动速度，则可以得到相应的帧率信息，从而实现对视频进行质量检测。

3.1.3视频信号的编码和传输

视频信号是在数字视频流中进行信息处理的方式。当进行实时监控时，需要将图像信号进行编码和处理。为了获得最大效率，本文提出一种基于视频信号的编码方法，即在码流上采用HD格式（数字视频）。通过该编码，视频数据和图像之间发生转换。期间，为了将一帧帧转换为一帧内容，需要将编码信号处理后写人数据处理模块，然后传送到各摄像头单元。

3.1.4监控中心的设置

实时监控系统的监控中心设置在数据处理中心，其核心功能是将各摄像头数据集中到同一个网络中。由摄像头记录的实时数据和图像信息在网络中自动交换，从而实现统一的监控功能。监控中心保存所有记录下的视频数据，并且在数据处理中心采用多个任务实现并行处理策略，以便在多个任务之间实现快速切换。整个系统包括两个层面：一是在视频中进行图像提取与输出；二是在数据处理过程中处理摄像头信息，并与监控中心的其他应用进行交互。一个具有实时、大量存储信息、丰富监视内容和信息检索功能的数据处理中心包含多个模块，其中涵盖视频编码系统（CCD）、音频传输系统（MPEG-2）和编解码器系统（SI）[1]。

3.2设计与实现

本文非重叠摄像头模块使用的是AF7806系列DSP的SF780MC730．它可以实现非重叠方式监控图像和视频的识别、图像提取功能和控制功能。其视频处理模块基于VISION System开发板设计实现。视频数据存储模块基于AT89C52单片DSP芯片S7256设计实现，该芯片可用于构建非重叠多摄像头监控系统，可实现1Gbps高吞吐量和低延迟特性。视频图像实时处理模块由1个主摄像头、4个副摄像头和视频编解码器组成，同时还有1个解码器以解码和输出信号模式实现10倍图像传输速率和100 ms视频响应。

3.2.1摄像头的功能

本文实时监控系统基于非重叠多摄像头，其中一个摄像头用于将采集到的图像和视频实时地传输到中央处理器，其通过一个串口连接到一个用于采集视频信号与DSP信号的数据接口。这个输入口控制RGB图像信号，并且其承载两个输入数据，分别是一个控制帧的采集信号和一个控制视频输出信号，其主要功能是将数字信号输出至控制处理器（CPUI），由此使其能够根据系统采集到的信号做出控制的动作。该控制信号发送至视频编解码器时，解码器根据编码解码后提取输出数字信号传输到控制主机的接口，然后转换成控制信号经主机的串口传输到PC上，并对显示信号进行处理后输出给服务器。其中，输入部分是硬件上实现的信号部分，而输出部分是将信号转换成数据，以供用户使用。控制信号由CPU、摄像头、摄像头、音频模块等4个部分组成。

3.2.2图像识别

在识别功能模块中，由主摄像头采集的图像信息经图像识别模块进行处理，而后对图像进行分类，并提取最优视频，由此进一步确保其能够在不同区域看到相同数据。当需要自动识别时，还需要将原始图像和视频分开，通过对比检测出图像特征点后，由编码解码结果完成计算。在识别过程中，首先需要对图像进行特征提取，而后分别计算不同摄像头采集画面特征值下采集到的图片以及每张图像所对应的阈值数据，两个提取函数分别表示图像特征点集合和一个检测阈值。其中，每个检测到的阈值即为该监控系统的目标像素，期间需要判断其是否具有所需条件状态中每个摄像头采集到的特征点个数。

3.2.3视频解码

视频编解码器在进行解码过程中，首先将图像信号转换为视频信号，再通过MPEG-4解码，输出到网络视频信号模块。视频编解码器所用芯片AT89C52采用NVIDIA DSP平台开发完成，支持H.264格式和FPGA多种编码方式，最高可达5 kHz采样率，采用DVD标准和HDR（HD+HDR）视频格式，因此可以非常方便地进行高清的数字图像输出，并且具有足够的比特率空间实现高速的视频传输功能[2]。

4仿真結果与分析

本文采用2个相同焦距的摄像头，并以3Hz/秒的频率进行采样，记录下各摄像头工作和数据传输帧。实验模拟现象表明，当第一个摄像头检测到有物体接近时，将会立即切换到另一个摄像头进行监控，直到出现检测结果。实验表明，利用多摄像头的时间和空间信息，构建一个非重叠的多摄像头监视系统，可以实现对车辆的实时跟踪。多摄像头协作追踪算法，能够削弱光照、阴影等因素的干扰；所采用的相关信息更稳定、更容易获得。同时，其还可以结合目标的视觉特性追踪技术，进一步改善多摄像头的协同跟踪效果，由此可见，其具有良好的实用价值。

5结束语

基于多摄像头的时间、空间信息，设计多摄像头协作方案，而后选取最佳的摄像头跟踪运动物体，将能够更好地建立相邻关系，克服多摄像头的空间离散性，找到切换时间的分配规则，进一步解决在多摄像头监视区域中运动对象的随机性。通过对基于非重叠多摄像头的实时监控系统的实验表明，该方法具有较高的可行性和有效性。