阳台危险行为报警系统的研究

张鑫杨

摘 要：阳台危险行为报警系统是借助摄像设备采集图片与自制图片库进行危险动作匹配的报警装置，通过实时监控保护孩子生命安全和居民财产安全。该装置有两个功能，防止儿童在阳台玩耍时不慎坠落和盗贼从阳台进入屋内进行盗窃。设备的工作原理是通过摄像头提取照片，经过OpenCV进行图片人物背景分离和轮廓识别，判断是否需要报警。实验结果表明：装置识别危险动作的准确度较高。

关键词：图像处理 轮廓识别 图像采集 OpenCV

中图分类号：TP27 文献标识码：A 文章编号：1672-3791（2018）04（c）-0019-02

1 装置的工作流程

当孩子进入监控范围，装置自动开启图像分析，一旦孩子接触护栏并且脚部抬起，装置立刻信号接收端反馈报警信息，及时解除危险。除此之外，通过检测人体被遮挡的程度来断定是否为盗贼潜入阳台。它的原理非常巧妙，无论盗贼从楼下或者楼上潜入阳台，盗贼的身体都是从头或者脚逐渐暴露在监控下的，盗贼身体的局部也会被护栏或者阳台遮挡，通过系统分析是否为盗窃，如是，将报警信息反馈给主人。装置工作流程图如图1所示。

2 图像提取

2.1 设定危险动作

在分类器中输入典型的危险行为，通过分析儿童的实际动作，与分类器中的数据进行比对，当儿童的动作与分类器中危险动作相似度达到一定程度，将危险信号发送至报警终端，进行危险报警。

2.2 图像预处理

图像预处理逻辑上是图像分析处理过程的一个环节，主要作用是对拍摄获得的原始图片作矩形抽出和图像压缩。经过矩形抽出后的图片的内存空间会得到极大的减少，再配合适当的图像压缩技术输出图片文件。在现有的实时控制器的硬件水平下，文件输出可以节省大量时间。

2.3 矩形抽出原理

矩形抽出原理是基于背景分离的原理。因为通常摄像头拍摄的场景都是可以分为前景和背景的，而且对于该装置，背景都是固定不变的。人在某个时刻进入背景成为前景对象，經过图片流差异对比，我们就可以从整个画面中抽取出前景对象，实现背景分离的效果。Open CV的cvaux模块中就提供两类的用于计算背景差分的函数。计算图像的像素基本统计量来实现差分分析的。模型公式如下：

3 轮廓识别

3.1 轮廓矩

3.3 Hu矩

我们可以直观地看到每个图像对应的3个Hu矩。当阶数变高时，Hu矩一般会变小。根据定义，高阶Hu矩由多个归一化矩的高阶幂计算得到，而归一化矩都是小于1的，所以指数越大，计算所得的值越小。使用Hu矩我们想要比较两个物体并且判明他们是否相似。

4 实验结果与分析

该装置进行了150次实验及大量的危险动作图片模拟识别，其中报警率最高图片如图2所示。

在测试中，偶尔出现孩子原理栏杆处就报警的情况，我们仍需改进装置的报警准确度，精炼算法。虽然在装置的研究过程中我们团队遇到了很多困难，但是我们一直坚持着一丝不苟的态度。当然，我们的装置一定存在很多不足，我们在日后会多加改正。

参考文献

[1] 谢凤英，赵丹培，李露，等.数字图像处理及应用[M].北京：电子工业出版社，2016.

[2] 马新明，赵晓莉，时雷.基于Open CV的图像处理系统设计与实现[J].河南农业大学学报，2014（1）：87-90.

[3] （美）普拉蒂克·乔希，大卫·米兰·埃斯克里瓦.OpenCV实例精解[J].北京：机械工业出版社，2016.

[4] 葛罗瑞亚·布埃诺·加西亚.OpenCV图像处理[M].北京：机械工业出版社，2016.