智能安防监控技术探析

2023-09-27蒋旭洲

科学与信息化 2023年18期

蒋旭洲

上海市保安服务（集团）有限公司上海 200051

引言

社会进步的今天，人们对安防工作提出了新要求，传统的技术相对滞后，主要为人工模式，一切的安防任务均由人来完成，效率偏低且安全威胁下不同岗位之间的联动性不足，无法快速处理问题。而在迈入信息时代后，陆续出现的大数据、云计算、物联网等技术，有助于构建智能安防网络，形成智能分析、智慧预警新模式。但由于物联网时代下的智能安防监控要求高，相关人员需立足实际情况，不断创新智能安防技术，构建完善的技术路径，提高智能安防监控水平。

1 智能安防中的物联网技术

1.1 RFID技术

智能安防监控中RFID技术必不可少，此技术下能实现非接触式自动识别，FRID系统内主要有阅读器、电子标签和数据库，其识别流程为：物体上嵌入有电子标签，如该物体经过阅读器无线电波覆盖范围，有关模块可自动识别物体上电子标签的信息，此时无线电波为媒介，在识别电子标签信息的同时将这些采集的信息上传给数据库，由数据库存储各类信息；阅读器依据其内部的分类规则等，自动分类所识别的各种数据，从中提取出关键信息。由于RFID技术的这一特点，智能安防监控中相关人员可立足实际情况合理应用该技术，如在贵重物品内嵌入电子标签，并配备与之配套的阅读器，后续安防工作中由阅读器识别物体内电子标签的信息，一旦发现异常情况，及时进入应急状态，如分析信息时发现贵重物品存在位置偏移，系统可快速检验物体的位置移动过程，与其他岗位人员核实相关数据，判定位置移动是正常还是非法行为，如为非法行为，则需立即发送预警信息，提醒各个部位的人员注重安全防御[1]。智能安防监控系统中，RFID的技术优越性明显，存储容量大、可多次读写、成本偏低、操作便捷、电磁干扰小、识别精度高。

1.2 传感器和传感器网络

物联网系统的构成复杂，传感器为不可或缺的部分，兼具感知、识别、采集信息功能。目前传感器技术发展迅速，根据感知功能的差异，一般有温度、压力、光敏传感器等多种类型，在实际的工作中可根据实际需求来选择传感器，发挥传感器在采集信息等方面的作用。近年来，很多领域都配备了传感器，如工业生产、施工监测等方面，即使是相对复杂的条件，同样可使用传感器来感知。智能安防监控中需根据需求配备传感器，建立完善的传感器网络，但具体的工作中应建立无线传感网络，在其中采用微型化、低功能组网技术，为信号的高效、稳定传输创造良好条件。但如传感器网络覆盖范围异常大，远距离区域的信号衰减相对严重，所采集到的信号不完整，或者经常有信号延时、失真情况，面对这些问题，需优化网络技术，如引入5G网络，以保障传输速率、信号强度。

1.3 云计算

云计算也是当下的技术产物，在物联网时代下的智能安防监控中，相关人员也需合理引入云计算技术。智能系统工作时，传感器采集的信号将被传送给终端计算机，由其智能终端负责处理信息，从海量信息中筛选出更有价值的信息，利用这些信息制定决策。智能安防监控系统投入使用后，每时每刻都会产生大量的信息，如借助普通计算机来存储信息，并展开运算，其工作量大，耗时长，不利于安防工作的顺利开展。而利用云计算技术，可提高计算机运算速率，为安防工作提供较大的便捷。根据目前的市场情况，主流的云服务器运行速率异常快，能为智能安防视频监控提供有效保障。物联网时代下的智能安防监控系统，不仅需应用云计算技术，还需采用云存储技术，使各个传感器采集到的各类信息均能存储于云服务器。与传统传感器不同，云服务器的存储容量异常大，不再需要配备其他的存储设施，再加上应用了网络安全防护技术，可为数据存储提供安全条件，避免出现信息泄露。

1.4 智能面部识别系统技术

现阶段很多智能安防监控系统中均采用了智能面部识别技术，该技术与其他技术结合，可增强监控系统的安全性、智能化水平。智能面部识别系统对面部的识别，由智能化模块对比与分析人体面部，将采集到的信息与系统存储信息相对比，如匹配结果不一致，则存在安全风险，需立即启动预警机制，这一识别过程凸显了非接触的隐蔽性优势[2]。智能面部识别与物联网技术融合后，可增强面部识别的智能化特征，利用智能安防系统时能自动完成图像匹配，而在图像识别方面则包含图像检测、人脸检测与定位，由于有网络信息技术，可增强不同环节数据的交互性，依据数据完成智能检测、异常预警，实现动态跟踪。

2 物联网技术下的智能安防系统

2.1 系统结构总体设计

2.1.1 系统整体结构。物联网条件下的智能安防监控系统，有关人员需根据监控范围、目标设计整体框架，所建立的智能安防平台应能采集监控范围内的有关数据，并整合、分析数据，从而发现监控区域内的安全风险，通过联动触发机制向有关部门和岗位人员共享风险数据，并通过相互之间的配合进行及时处理。以建筑安防为例，所建立的智能安防平台可选择客户端/服务器模式，平台内的信息传输与共享在安防专网内进行。以物联网层级架构为基准，系统整体包含采集、传输、处理和应用几个层级。

2.1.2 数据采集层的设计与实现。智能安防的采集层负责采集各类数据，其采集的外部数据最终被传输到数据库加以存储。在当下的条件下为达到智能安防工作目标，需保障智能安防系统具备远程监控、联动报警功能，使监控过程不再受到时间与地点的影响，达到智能化、动态化监控目标，即使监控到异常情况，也能通过联动报警提醒相关人员引起警惕。数据采集层中要获得完成且准确的信息，需在监控范围内配备各种外部感知设备，由这些设备采集环境等信息，如可配备视频监控探头、室内外红外报警传感器、交通测速传感器等，所选择的外部感知设备不仅应保持类型的合理性，也需根据监控范围，合理选择安装位置，以保障监控的全方位性。

2.1.3 数据传输层的设计与实现。数据传输层为中间部分，为不同层级的数据传输创造了条件，可为用户与系统提供数据传输网络、接口，使系统内的全部传感器均可由联动控制装置与监控设备建立连接关系。一旦智能安防监控系统监测到火灾、超速、非法入侵等问题，控制器可依据所采集的信息，立即反馈信息并启动与其连接的监控设备，提醒后台人员注意处理问题。

2.1.4 数据处理层的设计与实现。当采集层的信息到达处理层后，有关人员需根据处理需求，选择对应的处理方式，挖掘数据的价值。各级权限管理员登录信息、操作信息、感知设备数据信息等均能在该层完成处理。智能安防监控的数据处理层，兼具数据分析与处理功能，烟雾传感器、车辆测速传感器、红外线报警等传回的数据均可在该层处理，从海量数据中挖掘有价值的信息，并通过横向与纵向对比，得到与安全风险有关的信息，保障预警和预防的及时性。

2.1.5 数据应用层的设计与实现。应用层可为用户提供良好的交互条件，包含后台客户端与前台客户端，前者以职能为前提确定角色权限，分级操作与管控数据库；后者以PC端方式展示系统，用户能根据自身的需求从数据库中调取相关数据，在查询数据的同时检查各种设备的性能，一旦发现设备有异常情况，可快速生成报告并将问题反馈给客户端。

2.2 关键技术

2.2.1 目标选取与检测。在建筑内的重点位置配备监控设备，由这些设备对建筑内外完成监控，选取特定目标完成检测，引入MeanShift跟踪技术实现动态化监管，采集监控对象的各种信息，一旦存在异常数据，及时反馈并制定解决措施，以消除各种安全风险。如系统监控到不安全行为，应立即将信息反馈给保安中心，由专业人员到现场处理问题。

2.2.2 目标跟踪技术。

（1）基于MeanShift目标跟踪算法的基本原理。MeanShift属于迭代算法的一种，在应用该算法实现监控时，需率先计算当前点的偏移均值，移动该点到达偏移均值，将此作为新起点，继续移动，当满足要求后停止移动。

（2）MeanShift算法的应用与实现。建筑智能安防平台的构成复杂，其内部包含了诸多要素，不同要素之间相互配合，能扩大监控范围，得到完整且准确的监控结果。如监控系统能实时监控进入建筑的车辆，车辆在经过门禁后，智能模块可自动采集车辆信息，如进入时间、照片、车牌号等，再由MeanShift算法实现动态跟踪与检测，得到车辆在建筑内的位置；根据道路检测系统检测录入系统中的车辆信息，如通过信息对比发现车辆存在异常情况，应及时上报信息[3]。MeanShift算法的跟踪监控流程如图1所示。

图1 MeanShift算法跟踪流程图

为在智能监控过程中判定MeanShift算法的可靠性，以建筑的车辆作为监控对象，具体的监控过程中建立Visio C++ 2010开发平台，针对监控过程中所获取的图像与数据，在Matlab软件内统一处理，将视频转变为图形序列，如视频在第1帧时停止，手动定位对象，双击该区域，进入单对象监控阶段。上述过程中计算机系统可自动生成MeanShift目标跟踪结果图，图底标注的数字为每幅图的帧数，算法从第1帧开始手动选取目标，随后开始迭代分析，一旦监控的车辆与建筑物相接近或者进入了建筑物内部，需立即对其展开动态监控。

2.2.3 数据库的实现。建筑智能安防系统在监控期间，往往要接触来自各个方面的信息，这些信息的类型、属性等各有不同，如分开管理信息，工作量庞大且极易出现管理混乱的情况。为避免这一情况，系统内需建立专有数据库，在该数据库中集成不同来源及类型的信息，后续采取分布式管理方式，归类管理各种信息，后续有需要的情况下直接从数据库内调取有关模块的数据，完成数据匹配和对比，如发现异常情况及时反馈并上报。