应用图像识别技术的实验室智能预警系统的设计

李毅 金文江 齐桂斌

摘 要：为应用图像识别技术的实验室智能预警系统采用多高斯背景建模、背景差分等算法对视频监控数据流进行分析，可以第一时间检测无人值守实验室内人员的异常进出等情况并触发声音报警，同时可以通过无线网络将现场照片传出，实现了对无人值守实验室安全的智能化、网络化监管。以OK6410为硬件平台，在移植嵌入式Linux的基础上，开发了全部驱动程序和应用软件。

关键词：智能监控 嵌入式 背景差分法 高斯背景模型

中图分类号：TP753 文献标识码：A 文章编号：1672-3791（2018）07（a）-0004-02

无人值守的实验室会面临人员非法进入等威胁[1]。应 用图像识别技术的实验室智能预警系统能够有效应对上 述威胁，该系统把摄像头摄取的图像送入嵌入式处理器 进行监测，一旦有目标进入，即判定威胁发生，立即声音报 警并通过无线网络将现场图片发送出去，提升无人值守实 验室的智能安保水平。

1 算法简介

1.1 算法原理

人眼通过识读图像获取信息——当进入人眼的稳定背景画面被出现的物体部分或全部遮挡，视觉神经会立即将这些变化通知大脑，经过大脑的研判，就能得出发现目标的结论[2]。

与之类似，由于实验室环境较为稳定，目标出现的画面 与背景画面之间存在显著不同，只要能第一时间捕捉这种 不同，就可以确认发现非法目标，这种处理思路就是应用 图像识别技术的实验室智能预警系统的算法原理。

1.2 建立背景模型

本系统选择多高斯模型作为背景建模方法。

图像中每个像素点X（x，y）的灰度呈现均值为μ和方差为σ2的高斯分布，而整幅图像中所有点可组成符合η（X t，μt，σt2）的高斯分布，t是时间。如某时刻某点的概率小于规定阈值Tbkg，即

则判断该点为目标，否则判断为背景，这就是单高斯模型[3]。

实验室虽然处于室内，但仍然会受到外界影响，比如光照变化、窗外投影的改变等，而单高斯模型并不能很好 地表述这些变化。为此，本系统采用Stauffe等人提出的混 合高斯背景模型算法，这种算法采用多个高斯分布共同表 示一个点的灰度分布[4]：

1.3 捕获目标

本系统采用背景差分法[5]捕获目标，算法如图1所示。

1.4 图像获取和发送触发

一旦发现目标，执行背景差分算法的程序会立即发出警报音并存储这帧图像，同时通过网络将其传送。这个功能是通过linux的inotify[6]的机制实现的，inotify是linux的内核特性，它监控文件系统，并及时向专门的应用程序发出相关的事件警告，比如：删除、读、写和卸载操作等。首先，使用inotify_init（）进行初始化，之后通过inotify_add_ watch（）函数对存储介质内的文件变化进行监测，一旦存入 新拍摄的照片，inotify_add_watch（）会立即触发发送程序。

1.5 网络通信

现场照片通过TCP协议发送[7]，这里使用linux的socket 网络编程机制实现，嵌入式处理系统作为客户端发送数 据，远程移动终端作为客户端接收数据。

1.6 算法流程

本系统的算法流程如图2所示。

2 实验室智能预警系统的组成

2.1 系统硬件组成

本系统的硬件组成如图3所示，摄像头摄取原始视频，无线网络模块传送数据，而主算法运行在OK6410开发板中。

2.2 系统的软件构成

本系统软件组成如图4所示，内核为3.0.1的嵌入式linux作为操作系统，编制的摄像头驱动、网卡驱动及声卡 驱动可用来指挥相关硬件工作。

软件分为图像采集、背景模型建立、背景差分算法及 网络报警等部分。其中，多高斯背景模型学习的时长为500 帧。

3 实验结果及分析

图5为部分实验结果，系统检测到的目标进入后，会持续拍照上传，展示现场情况。

4 结语

本系统运用圖像识别技术完成对实验室异常进入目 标的实时监测，具备实用价值，能够有效担负起无人值守 实验室的安全监控任务。

参考文献

[1] 艾德生，黄开胜，马文川，等.实验室安全管理模式的研究与实践[J].实验技术与管理，2018，35（1）：8-12.

[2] 刘晓玲.视觉神经生理学[M].北京：人民卫 生出版社，2012：45-52.

[3] L Lin，Y Xu， X Liang，et al.Complex background subtraction by pursuing dynamic spatio-temporal models[J].IEEE Transactions on Image Processi-ng，2015，23（7）：3191-3202.

[4] YM Song，SJ Noh，J Yu，et al.Background subtraction based on Gaussian mixture models using color and depth information[A].International Conference on Control[C].2015.

[5] Apolinário L，Armesto N，Cunqueiro L.An analysis of the influence of background subtraction and quenching onjet observables in heavy-ion collisions[J].Journal of High Energy Physics，2013（22）：1-33.

[6] 刘忆智.Linux从入门到精通[M].2版.北京：清华大学出 版社，2014：100-108.

[7] 冯穗力，董守斌.网络通信原理[M].北京：科学出版社，2018：55-58.