CN102724482B - 基于gps和gis的智能视觉传感网络运动目标接力跟踪系统 - Google Patents

Abstract

本发明公开了一种基于GPS和GIS的智能视觉传感网络运动目标接力跟踪系统，包括若干监控摄像单元，各监控摄像单元包括监控摄像机，内嵌或配有GPS接收定位模块和有线/无线通信模块，通过监控摄像单元采集监控区域中的视频序列，并由有线/无线通信模块经有线/无线数字通信网络发送给监控中心；监控中心包括有线/无线通信模块、目标分析模块、接力跟踪调度模块、接力跟踪网络生成模块、数据库服务器、显示交互模块、GIS地理信息系统。可实现对移动嫌疑对象的自主发现、实时定位、接力跟踪并将目标的监控视频融合显示于电子地图之上以及应急联动、视频监控、指挥调度等多项功能。

Description

基于GPS和GIS的智能视觉传感网络运动目标接力跟踪系统

技术领域

本发明属于视频传感网络、计算机视觉、智能信息处理领域。涉及基于GPS(GlobalPositioning System)卫星定位技术和GIS(Geophysics Information System)地理信息系统的视频传感网络接力跟踪技术以及基于运动图像的计算机监控和视觉计算技术。具体是一种将GPS卫星定位系统、GIS地理信息系统、有线/无线数字通信网络、视频监控、计算机网络以及视觉计算有机融合于一体的视觉监控智能组网的运动目标接力跟踪方法，可实现对移动嫌疑对象的自主发现、实时定位、接力跟踪并将目标的监控视频融合显示于电子地图之上以及应急联动、视频监控、指挥调度等多项功能。

背景技术

随着社会对公共安全问题的重视，实时视频监控系统得到了越来越广泛的应用。现有视频监控系统存在的主要问题，一是各监控系统自我封闭成信息孤岛，没有在较大范围内比如城域内建立视频传感监控网络，形成对被监控目标的接力跟踪；另一个是几乎完全依靠人工进行视频内容的判别，人员工作强度大，易产生漏警漏报现象，往往用于事后查询，属被动式系统。随着人们对视频监控智能化、大范围部署的要求越来越高，上述两个问题变得日益突出。

随着电信宽带网络和移动无线互联网络的日臻完善与成熟，数字视频信号的远程实时传输变得十分便捷和经济。而GPS卫星定位技术则随着硬件成本的不断降低和我国各地GPS差分台站的不断建立以及美国SA政策的取消，得到了广泛的应用，单机定位精度可达到亚米级，能实时提供经度、纬度、高度、时间、速度、航向等参数，可以满足视频摄像机定位精度的应用要求。GPS/GIS集成技术在发达国家的运输导航与监控领域应用已经非常普及，在中国的一系列大中城市，特别是在公安、交通、消防及银行等部门也有了较快的发展，取得了一定的成效。与此同时，基于视觉计算的视频监控技术也开展了较多的相关研究，取得了较大进展，包括国家高技术研究发展计划和国家重点基础研究发展计划中智能监控项目的研究，一批视频对象的行为识别、特征识别的研究成果已达到或接近实用水平。

考虑到视频监控系统现有问题的需要和相关的网络、定位与智能监控等技术条件的成熟，本发明提出了基于GPS和GIS的智能视觉传感网络运动目标接力跟踪系统，利用有线和无线数字通信网络、GPS与GIS及智能监控技术，建立大范围(城域或高速公路)内的视频传感监控网络，实现对可疑运动目标的自主发现与接力跟踪，协助安全部门对特定行为和事件的分析和识别。

视频传感监控网络的组网方法是计算机视觉监控领域基础理论研究的新热点，涉及到网络互联、GPS授时定位、GIS系统及视觉计算等课题。虽然近年来学术上对网络互联、GPS授时定位、GIS系统和视频监控等各个方面进行了较多的相关研究，但还没有将GIS、GPS和视频监控结合在一起形成一个汇集GIS中的电子地图信息、GPS授时定位数据和监控摄像机视频信息的综合的、智能化程度更高的视频传感监控接力跟踪网络。

本发明项目组对国内外专利文献和公开发表的期刊论文检索，尚未发现与本发明密切相关和一样的报道或文献。

发明内容

本发明的目的是将GPS卫星定位系统、GIS地理信息系统、有线/无线数字通信网络、视频监控、计算机网络以及视觉计算有机地融合于一体，形成一个智能化更高、定位准确、智能组网并利用计算机视觉技术监控和分析被监控目标的运动、实现对被监控目标接力跟踪的综合网络系统。

本系统根据摄像机中内嵌的GPS模块获取的授时定位数据决定摄像机在GIS电子地图中所处的地理位置，根据6IS数据决定摄像机直接的地理邻接关系(即有可供运动物体到达的道路等通路)，根据地理邻接关系自动生成摄像机直接的接力跟踪网络拓扑结构，当有新的摄像机加入后，自动根据其GPS授时定位数据和系统的GIS数据重新生成接力跟踪的网络拓扑结构。当有车载无线GPS监控摄像机加入后，也可自动实时重新生成接力跟踪网络拓扑结构；并能将监控视频信息实时显示在监控指挥中心的监控屏幕，同步将导航和指挥调度信息发送给车载移动监控平台。监控指挥中心的目标分析模块对监控视频自动进行分析，发现警情及时报警给监控人员，并自动启动接力跟踪模块进行监控跟踪。本发明的应用有助于改善更大范围内的视频传感网络接力跟踪监控水平。

本发明技术方案如下：

一种基于GPS和GIS的智能视觉传感网络运动目标接力跟踪系统，包括若干监控摄像单元，各监控摄像单元包括监控摄像机，内嵌或配有GPS接收定位模块和有线/无线通信模块，通过监控摄像单元采集监控区域中的视频序列，并由有线/无线通信模块经有线/无线数字通信网络发送给监控中心；监控中心包括有线/无线通信模块、目标分析模块、接力跟踪调度模块、接力跟踪网络生成模块、数据库服务器、显示交互模块、GIS地理信息系统；监控中心通过所述有线/无线通信模块接收各监控摄像单元传输来的视频序列，由接力跟踪网络生成模块提取所接收的视频序列中的各监控摄像机的GPS授时定位数据，根据GPS授时定位数据和GIS电子地图信息计算各监控摄像机在GIS系统中的地理位置和邻接关系；根据最短距离算法和各监控摄像机的邻接关系，自动构建以监控摄像机为结点的接力跟踪网络拓扑结构图以链式存储结构存储在数据库服务器中的接力跟踪网络拓扑结构数据库；所述的目标分析模块，用于检测监控摄像机所传送的视频序列中的运动物体，提取其特征，构建跟踪目标标准模型库，并与数据库服务器中的跟踪目标标准模型库中的特征模型进行比对，特征符合的，初步判断为可疑目标并报警，提交监控人员进行人工判定后，确定为报警目标，在视频图像上对目标进行持续标记，将目标的特征、位置和可能的行进方向信息反馈到接力跟踪调度模块；对于快速运动的目标，在提交监控人员进行人工判定的同时，将目标的特征、位置和可能的行进方向信息反馈到接力跟踪调度模块，启动接力跟踪；接力跟踪调度模块接到报警信息后，根据监控摄像机的接力跟踪网络拓扑结构图，通知目标分析模块按照报警目标特征锁定相邻接的监控摄像机，对目标进行紧凑跟踪、标记。

所述接力跟踪调度模块接到报警信息后，还将得到的报警目标信息传输至所述的显示交互模块，以导航并指挥尾随追踪人员辅助调整车载或手持监控摄像机。

所述GIS地理信息系统包括GIS地图生成模块，所述GIS电子地图信息由GIS地图生成模块生成，包括以下步骤：

(1)GIS地图生成模块获得预设的路段编号表，所述的路段编号表包括路段名字段和与之对应的路段编号字段及路段之间的地理邻接关系，以及该路段的对应的外接矩形的对角线两顶点的经纬度数据；

(2)绘制跟踪路段图层，包括绘制各路段对象，并对每个路段对象分配路段编号字段与状态信息字段，其状态信息字段包含其外接矩形某条对角线的两顶点的经纬度数据及图层之间的地理邻接关系，根据所述的路段编号表将各路段对象的路段编号写入路段编号字段；

(3)绘制跟踪轨迹图层，包括绘制位于所述监控区域上的所跟踪对象运动轨迹，绘制各轨迹段的行驶方向箭头；

(4)绘制当前位置图层，包括绘制表示跟踪对象当前所在位置的当前位置标示点；

(5)绘制跟踪路段名图层，包括根据所述的跟踪路段编号表绘制各跟踪路段对象的文字名称。

所述的接力跟踪系统，所述目标分析模块，具体执行以下步骤：

(1)对各摄像机对所监控的区域进行动态背景建模；

(2)用背景差分法，实现监控视频中运动目标的实时检测；

(3)提取运动目标特征，并与跟踪目标标准模型库中所载特征进行比较，利用基于加权Hu不变矩的相似性比较算法，根据最大似然准则，计算出待识别目标特征与跟踪目标标准模型库中所载特征的相似度，按照设定的阈值，大于相似度阈值的为正常行为，小于相似度阈值的为异常行为，判别出可疑，提交监控人员人工判定；

(4)经人工判定后，对确认为报警目标的紧凑跟踪、标记，将报警目标的特征与可能行进的方向信息反馈到接力跟踪模块报警。

所述的接力跟踪系统，所述的数据库服务器：采用ORACLE空间数据库管理，将监控摄像机获取的视频及其GPS授时定位数据、跟踪目标标准模型、接力跟踪网络拓扑结构图存储在指定的数据库内，将参加接力跟踪的监控摄像机的GPS坐标按时间顺序存入数据库，形成跟踪轨迹。

所述的接力跟踪系统，所述目标分析模块根据监控要求和目标特征，构建跟踪目标标准模型库包括以下步骤：

(1)监控视频获取：目标分析模块接收来自各视频监控摄像机的视频图像序列；

(2)运动目标检测：利用背景差分法提取出采集视频序列图像中的运动目标；

(3)运动目标特征提取，包括长度，宽度，长和宽之比，离散度，占空比，颜色直方图，目标数量，间隔距离，运动速度，滞留时间，轮廓；

(4)行为建模：利用上述运动目标特征提取过程中采集的大量样本对不同行为进行相关的学习建模，建立对应的标准行为模型；

(5)建立模型库：将获得的标准行为模型分类保存，构建跟踪目标标准模型库。

所述的接力跟踪网络拓扑结构图：根据各监控摄像机的GPS授时定位数据，以绘制地图的方式采用一定的比例尺，在图中的相应坐标点绘制代表各摄像机的结点，根据各摄像机在电子地图中接力邻接关系，画出各摄像机之间的连接线，并存入接力跟踪网络拓扑结构数据库，随变化实时修改。

所述显示交互模块：对来自各监控摄像机的视频进行缩放处理，将处理结果嵌入到GIS电子地图的相应矢量图形中，形成融合了监控视频序列和电子地图信息的视频图像，并驱动监控屏幕显示；

所述显示交互模块：用于监控人员与系统之间的信息交互，包括监控人员向系统发出指令，对可疑目标作出确认，查询信息或分析结果，对任意指定区域的监控摄像机进行查询，或将目标锁定在某窗口，将跟踪目标的视频跟踪轨迹套叠显示于GIS电子地图上，显示信息的形式为视频、音频和文字；

所述显示交互模块：支持监控人员事先给出目标特征，比如嫌疑人的照片、步态、汽车牌号等，或者临时在视频中指定具体目标进行接力跟踪，这些目标可以是可疑目标，也可以是非可疑目标，在视频中指定具体目标时，系统提供指定工具，只需在指定目标上点击鼠标或触摸屏手指点击即可；

所述显示交互模块：系统自动对人工指定的目标进行轮廓标定，通过图像分析与行为特征提取，获得特征模型，并由接力跟踪调度模块通知目标可能前往的监控摄像机和现场监控人员进行接力跟踪和处置；

所述显示交互模块：将人工指定的异常行为模型分类保存到跟踪目标标准模型库中，为系统提供异常行为判定模型，提高系统异常行为的判定能力和学习能力。

本发明解决了多监控摄像机自动组网并实现接力跟踪等技术难题，实现了对异常行为的检测、报警、报警信息的人工判定和智能监控接力跟踪等功能。此项技术成果可以应用于各行各业的视频接力监控系统中，例如金融证券保险商场超市等营业场所、政府机关场所、监狱、社区安防和城市道路等环境的异常行为人、异常行为车辆的监控、预警和接力跟踪。

附图说明

图1是本发明的接力跟踪系统结构及主要数据关系示意图；

图2本发明的接力跟踪网络图；(a)为位置固定的监控摄像机接力跟踪示意图；(b)为车载或手持监控摄像机加入时接力跟踪示意图；图例说明：实线圆圈表示位置固定的监控摄像机；虚线圆圈表示车载或手持监控摄像机；圆圈之的连线表示摄像机之间的接力邻接关系；矩形黑块表示运动中的嫌疑目标；

图3本发明的接力跟踪网络链式存储结构图；(a)为运动中的监控摄像机M加入接力跟踪前，接力跟踪网络的链式存储结构示意图；(b)为运动中的监控摄像机M加入接力跟踪后，接力跟踪网络的链式存储结构示意图；

图4是包含监控车辆的接力跟踪图，图例说明：圆圈表示监控摄像机，矩形表示监控视频融合显示在电子地图中，虚线表示接力跟踪线路；

图5是包含监控行人的接力跟踪图，图例说明：圆圈表示监控摄像机，箭头线表示接力跟踪线路；

具体实施方式

以下结合具体实施例，对本发明进行详细说明。

实施例1

本系统可实现可疑运动对象在电子地图中的实时跟踪显示、为追踪提供最优路径选择及导引、显示导航信息、地图检索、语音提示告警、矢量图分层显示及缩放显示；

参考图1，本发明的接力跟踪系统结构示意图，包括若干监控摄像单元，各监控摄像单元包括监控摄像机(例如包含CCD、CMOS的可见光摄像机、红外摄像机和亚毫米精度的雷达检测成像系统)，内嵌或配有GPS接收定位模块和有线/无线通信模块，通过监控摄像单元采集监控区域中的视频序列，并由有线/无线通信模块经有线/无线数字通信网络发送给监控中心；

监控中心包括有线/无线无线/有线通信模块、目标分析模块、接力跟踪调度模块、接力跟踪网络生成模块、数据库服务器、显示交互模块、GIS地理信息系统；

监控中心通过所述有线/无线通信模块接收各监控摄像单元传输来的视频序列，由接力跟踪网络生成模块提取所接收的视频序列中的各监控摄像机的GPS授时定位数据，根据GPS授时定位数据和GIS电子地图信息计算各监控摄像机在GIS系统中的地理位置和邻接关系；根据最短距离算法和各监控摄像机的邻接关系，自动构建以监控摄像机为结点的接力跟踪网络拓扑结构图以链式存储结构存储在数据库服务器中的接力跟踪网络拓扑结构数据库；

所述的GIS电子地图信息由GIS地图生成模块即GIS地图绘制器生成，包括以下步骤：

(1)GIS地图生成模块获得预设的路段编号表，所述的路段编号表包括路段名字段和与之对应的路段编号字段及路段之间的地理邻接关系，以及该路段的对应的外接矩形的对角线两顶点的经纬度数据。

(2)绘制跟踪路段图层，包括绘制各路段对象，并对每个路段对象分配路段编号字段与状态信息字段，其状态信息字段包含其外接矩形某条对角线的两顶点的经纬度数据及图层之间的地理邻接关系，根据所述的路段编号表将各路段对象的路段编号写入路段编号字段；

(3)绘制跟踪轨迹图层，包括绘制位于所述监控区域上的所跟踪对象运动轨迹，绘制各轨迹段的行驶方向箭头；

(4)绘制当前位置图层，包括绘制表示跟踪对象当前所在位置的当前位置标示点；

(5)绘制跟踪路段名图层，包括根据所述的跟踪路段编号表绘制各跟踪路段对象的文字名称；

所述的目标分析模块，用于检测监控摄像机所传送的视频序列中的运动物体，提取其特征，并与数据库服务器中的跟踪目标标准模型库中的特征模型进行比对，特征符合的，初步判断为可疑目标并报警，提交监控人员进行人工判定后，确定为报警目标，在视频图像上对目标进行持续标记，将目标的特征、位置和可能的行进方向信息反馈到接力跟踪调度模块。对于快速运动的目标，比如汽车，可在提交监控人员进行人工判定的同时，将目标的特征、位置和可能的行进方向信息反馈到接力跟踪调度模块，启动接力跟踪；具体执行以下步骤：

(1)对各摄像机对所监控的区域进行动态背景建模；

(2)用背景差分法，实现监控视频中运动目标的实时检测；

(3)提取运动目标特征，并与跟踪目标标准模型库中所载特征进行比较，利用基于加权Hu不变矩的相似性比较算法，根据最大似然准则，计算出待识别目标特征与跟踪目标标准模型库中所载特征的相似度，按照设定的阈值，大于相似度阈值的为正常行为，小于相似度阈值的为异常行为，判别出可疑，提交监控人员人工判定；

(4)经人工判定后，对确认为报警目标的紧凑跟踪、标记，将报警目标的特征与可能行进的方向信息反馈到接力跟踪模块报警。

接力跟踪调度模块接到报警信息后，根据监控摄像机的接力跟踪网络拓扑结构图，通知目标分析模块按照报警目标特征锁定相邻接的监控摄像机，对目标进行紧凑跟踪、标记。将得到的报警目标信息传输至所述的车载监控平台，以导航并指挥尾随追踪人员辅助调整车载或手持监控摄像机；

所述的数据库服务器：采用ORACLE空间数据库管理，将监控摄像机获取的视频及其GPS授时定位数据(经度、纬度、高程、时间)、跟踪目标标准模型、接力跟踪网络拓扑结构图存储在指定的数据库内，将参加接力跟踪的监控摄像机的GPS坐标按时间顺序存入数据库，形成跟踪轨迹；

所述显示交互模块：对来自各监控摄像机的视频进行缩放处理，将处理结果嵌入到GIS电子地图的相应矢量图形中，形成融合了监控视频序列和电子地图信息的视频图像，并驱动监控屏幕显示；

所述显示交互模块：用于监控人员与系统之间的信息交互，包括监控人员向系统发出指令，对可疑目标作出确认，查询信息或分析结果，对任意指定区域的监控摄像机进行查询，或将目标锁定在某窗口，将跟踪目标的视频跟踪轨迹套叠显示于GIS电子地图上等。显示信息的形式为视频、音频和文字；

所述显示交互模块：支持监控人员事先给出目标特征，比如嫌疑人的照片、步态、汽车牌号等，或者临时在视频中指定具体目标进行接力跟踪，这些目标可以是可疑目标，也可以是非可疑目标，在视频中指定具体目标时，系统提供指定工具，只需在指定目标上点击鼠标或触摸屏手指点击即可；

所述显示交互模块：系统自动对人工指定的目标进行轮廓标定，通过图像分析与行为特征提取，获得特征模型，并由接力跟踪调度模块通知目标可能前往的监控摄像机和现场监控人员进行接力跟踪和处置；

所述显示交互模块：将人工指定的异常行为模型分类保存到跟踪目标标准模型库中，为系统提供异常行为判定模型，提高系统异常行为的判定能力和学习能力；

所述的目标分析模块根据监控要求和目标特征，构建跟踪目标标准模型库；包括以下步骤：

(1)监控视频获取：主控服务器接收来自各视频监控摄像机的视频图像序列；

(2)运动目标检测：利用背景差分法提取出采集视频序列图像中的运动目标；

(3)运动目标特征提取，包括长度，宽度，长和宽之比，离散度，占空比，颜色直方图，目标数量，间隔距离，运动速度，滞留时间，轮廓等；

(4)行为建模：利用上述采集的大量样本对不同行为进行相关的学习建模，建立对应的标准行为模型；

(5)建立模型库：将获得的标准行为模型分类保存，构建跟踪目标标准模型库；

当有新的摄像机加入时，通过实时采集该摄像机监控区域的视频序列，并重新进行视频监控的接力跟踪网络拓扑结构；

在白天或光照条件好的情况下驱动所述CCD摄像机，而在晚上或浓雾、大雨、或降雪的情况下驱动红外摄像机和亚毫米精度的雷达检测成像系统。亚毫米精度的雷达检测成像系统其测量活动不受降雨，灰尘，烟尘的影响，可在任何天气条件下使用，测量精度可达±0.2mm，测量范围可达850m(测量范围可超过850米，但分辨率会降低)；

在对监控目标的尾随跟踪中，可使用车载或手持无线GPS监控摄像机和固定位置的监控摄像机相结合的接力协作跟踪方式。当固定位置的摄像机监控到嫌疑目标时，可调度车载或手持无线GPS监控摄像机进行尾随跟踪。其工作方式同上述步骤。

显示交互模块将各监控摄像机的视频嵌入到GIS地图中相对应经纬坐标区域内，实现各监控点视频同屏同步显示；使显示监控目标所在的电子地图区域自动高清晰显示在监视屏幕的中心区域，其他接力跟踪监控摄像机的视频以较低分辨率同步显示在电子地图的相应区域内，以提高系统响应速度。随着监控目标的运动，自动切换电子地图以使跟踪目标所在的视频始终高清显示在监视屏幕的中心区域。

所述的有线/无线通信模块：支持PPP，IP，TCP，UDP，ICMP，DNS等协议，具有SIM卡、UIM卡插槽和标准的有线数字通信接口，具有IP、SIM卡、UIM卡寻址功能，能够根据各链路速率自动选择较高速的链路(有线、无线、光纤等)进行传输，对使用者透明。用于监控摄像机与监控中心之间通过有线/无线数字通信网络的数据传送，既可由监控摄像机向监控中心实时传送视频，也以由监控中心向监控摄像机发送控制导航等信息，实现对监控摄像机的远程控制；

所述的有线/无线数字通信网络：主要是有线Internet网、移动通信网，在这些网络没有覆盖的地区，可使用有线局域网、无线局域网乃至卫星数字通信网络；

所述的视频传输：采用H.264视频压缩格式(用户也可根据需要选择其他合适的压缩编码方式)，高清晰，全实时传输；

所述的监控摄像机所传送数据的数据结构：采用7元组(监控摄像机的编号，经度，纬度，受时，方位，高程，视频图像)的形式；

所述的接力跟踪网络拓扑结构图：根据各监控摄像机的GPS授时定位数据，以绘制地图的方式采用一定的比例尺，在图中的相应坐标点绘制代表各摄像机的结点，根据各摄像机在电子地图中接力邻接关系，画出各摄像机之间的连接线，并存入监控中心数据库，随变化实时修改。

所述的GIS系统，是为了获取、储存、显示、查询定位数据而建立的计算机数据库管理系统，将所需要的信息和资料直观、形象地在电子地图上以图形或表格的形式显示出来，为GPS卫星定位提供良好的地图环境，并能将空间信息与属性信息的处理完美结合起来，以直观的方式显示位置状态等信息；

所述GIS地理信息系统：用于提供监控区域的矢量电子地图信息，用于根据各监控摄像机自身的GPS定位信息来计算各监控摄像机所在的地理位置和邻接关系；可根据需要分层显示信息；可任意放大、缩小、移动；可进行同屏多监控区域显示；采用虚拟现实技术，提高GIS图形显示的真实感；

接力跟踪网络生成模块用于生成所述接力跟踪网络拓扑结构的链式存储结构，包括两部分，一部分是数组结构，其每个元素是个7元组，(监控摄像机在数组中的序号，识别码，经度，纬度，方位，高程，链接指针)，其中链接指针指向其地理邻接的相邻摄像机，即相邻的摄像机在数组中的序号；另一部分是存储结点用来表示结点间的邻接关系，结点有2个域组成，一个域表示相邻摄像机的在数组中的存储序号，另一个域是链接指针，指向相邻的摄像机。如图3所示。

系统运行时，采用两个物理存储结构保存接力跟踪网络的存储结构，一个始终保存一份全由固定位置的监控摄像机组成的接力跟踪网络的存储结构，如图3(a)所示；另一个是接力跟踪模块实时访问的一份由全部固定位置的监控摄像机及处于运动态的监控摄像机一起组成的接力跟踪网络的存储结构，如图3(b)所示当有新的运动态的监控摄像机加入时的接力跟踪网络的存储结构示意图；

实施例2：

参见图1，本发明是基于GPS和GIS的智能视觉传感网络运动目标接力跟踪系统，可应用于道路上是否出现嫌疑车辆等涉及公共安全问题需要实时监控的场所。本发明中对车牌号已知的嫌疑车辆是否出现在监控区域的接力跟踪监控包括如下步骤：

步骤S1：监控人员通过显示交互模块的输入接口，输入受监控的嫌疑车辆的车牌号；

步骤S2：监控人员通过显示交互模块在GIS电子地图上指定监控范围；

步骤S3：显示交互模块将监控人员输入的信息传递给接力跟踪调度模块；

步骤S4：接力跟踪调度模块将跟踪特征即车牌号传递给目标分析模块，并通知目标分析模块锁定指定监控范围的监控摄像头传来的视频；

步骤S5：目标分析模块利用车牌识别算法在锁定的视频中进行车牌号提取和比对，若发现目标，则立即报警、标记并将捕捉到目标的摄像头的编号、位置通知显示交互模块；

步骤S6：显示交互模块将目标所在的视频及相应位置的GIS电子地图融合显示于监控屏幕中央，同时提请监控人员判定；

步骤S7：监控人员通过显示交互模块人工确认后，由接力跟踪调度模块通知目标分析模块将原来的锁定范围切换到邻接监控摄像头的视频，开始接力跟踪。由于汽车运动速度较快，也可在提请监控人员判定的同时，即由接力跟踪调度模块启动接力跟踪，但在人工确认前，目标分析模块原来的锁定范围暂不撤销。

步骤S8：必要时，由接力跟踪调度模块调度车载或手持无线GPS监控摄像机进行尾随跟踪、处置。

实施例3：

参见图5，本发明是基于GPS和GIS的智能视觉传感网络运动目标接力跟踪系统，可应用于道路上是否出现已知嫌疑人员等涉及公共安全问题需要实时监控的场所。本发明中对已知的嫌疑人是否出现在监控区域的接力跟踪监控包括如下步骤：

步骤S1：监控人员通过显示交互模块的输入接口，输入嫌疑人的身份照片；

步骤S2：监控人员通过显示交互模块在GIS电子地图上指定监控范围；

步骤S3：目标分析模块利用人脸识别和比对算法实时监测所监控区的各摄像机传送的视频图像，进行人脸的识别、提取和比对，若发现目标，则立即报警、标记并将捕捉到目标的摄像头的编号、位置通知显示交互模块；

步骤S4：显示交互模块将目标所在的视频及相应位置的GIS电子地图融合显示于监控屏幕中央，同时提请监控人员判定；

步骤S5：监控人员通过显示交互模块人工确认后，由接力跟踪调度模块通知目标分析模块将原来的锁定范围切换到邻接监控摄像头的视频，开始接力跟踪。

步骤S6：必要时，由接力跟踪调度模块调度车载或手持无线GPS监控摄像机进行尾随跟踪、处置。

实施例4：

参见图3，本发明是基于GPS和GIS的智能视觉传感网络运动目标接力跟踪系统，可应用于道路上是否出现车辆异常行为等涉及公共安全问题需要实时监控的场所。本发明中对车辆异常行为是否出现在监控区域的接力跟踪监控包括如下步骤：

模型的建立：

以超速和闯红灯为例。

车辆超速标准模型以有监督的学习方式建立：

步骤S1：目标分析模块利用监控视频对监控区域进行动态背景建模；

步骤S2：目标分析模块利用背景差分法提取监控视频中的运动目标；

步骤S3：监控人员通过显示交互模块对图像中属于汽车的运动目标用鼠标或触摸屏点击，进行人工确认，再由目标分析模块测量其外接矩形的左下顶点(前沿与左边的交点)位置和宽度，记为位置坐标和宽度组成的2元数组，并通过一段时间的监控视频训练积累足够多的2元数组样本；

步骤S4：系统自动将样本按照位置坐标分组，同组内位置坐标相同；

步骤S5：系统自动找出每组中的最小宽度，略加容差后即为该位置汽车宽度的下限，在该位置超过此宽度即可视为汽车；

步骤S6：系统自动找出不同位置汽车宽度的下限，形成完整的宽度判别标准；

步骤S7：用已知车速的车辆监控视频建立实际车速与运动目标外接矩形的左下顶点在视频图像中位移速度的对应关系，对视频测速参数进行标定，此标定不需大量样本，理论上一次即可，标定后系统即可测量任何速度的目标运动速度；

步骤S8：上述宽度标准和标定的参数即构成汽车测速模型，再由监控人员通过显示交互模块设定速度上限，一起存入跟踪目标标准模型库，即完成了车辆超速标准模型的建立。

实际上由于行人和单车速度较慢，上述模型中可以省略宽度测量部分，这样对于超速摩托也可测出了。

车辆闯红灯标准模型以有监督的学习方式建立：

步骤S1：利用车辆超速标准模型中相同的方法测出车辆；

步骤S2：监控人员通过显示交互模块对视频图像中车辆限位线做出标示；

步骤S3：监控人员通过显示交互模块对视频图像中红绿灯的位置做出标示，划出其范围；

步骤S4：目标分析模块对划出的红绿灯范围的局部图像进行RGB/HSI颜色空间转换，再按色调HUE对像素进行自动分类，对分类形成的3类颜色的像素进行形态学处理，形成连通域，此连通域可初步视作红绿灯的准确发光位置，再通过一定数量的视频样本训练，求出其平均位置或交集位置范围，即为红绿灯的准确发光位置；

步骤S5：目标分析模块按照红绿灯的准确发光位置读取其平均亮度I，通过一定数量的视频样本训练，即可对其亮暗程度做出分类，从而判断红绿灯发光状态；

步骤S6：目标分析模块探知红灯亮后，开始判断运动车辆外接矩形的顶点位置是否越过车辆限位线，如越过并超出了指定坐标跨度(由监控人员通过显示交互模块设定)，即为闯红灯；

步骤S7：对于带有方向指示的红绿灯，在上述方法的基础上使用模板匹配法即可判断方向；

接力跟踪监控过程：

步骤S1：监控人员通过显示交互模块指定监控的车辆异常行为为超速和闯红灯；

步骤S2：监控人员通过显示交互模块在GIS电子地图上指定监控范围；

步骤S3：目标分析模块利用跟踪目标标准模型库中的对应模型实时分析各监控摄像机的视频序列，捕获到异常行为车辆，进行车牌号提取，并通知接力跟踪模块调度；

步骤S4：显示交互模块将目标所在的视频及相应位置的GIS电子地图融合显示于监控屏幕中央，同时提请监控人员判定及指示；

步骤S5：监控人员确定后，如认为有必要，则由接力跟踪模块调度通知相邻接的摄像机进入捕获状态，并由接力跟踪调度模块调度车载或手持无线GPS监控摄像机进行尾随跟踪、处置。

实施例5：

参见图5，本发明是基于GPS和GIS的智能视觉传感网络运动目标接力跟踪系统，可应用于道路上是否出现行为异常人员等涉及公共安全问题需要实时监控的场所。本发明中对行为异常人员是否出现在监控区域的接力跟踪监控包括如下步骤：

步骤S1：样本视频数据采集。采用机器学习原理进行人体行为的建模和识别。本例中预先定义正常行为包括一人(/两人/多人)慢走、一人(/两人/多人)匀速走、一人(/两人/多人)短时间站立。采集若干段视频序列，并取其中一部分作为训练集进行学习，一部分作为测试集进行模型校验，构建视频数据训练样本。

步骤S2：行为建模：利用标准行为样本对神经网络算法进行训练，通过图像分析与行为特征提取，获得标准行为模型。

步骤S3：建立模型库：将获得的标准行为模型分类保存到模型数据库即训练模型库中；

步骤S4：在GIS子系统指定预监控的地理范围；

步骤S5：实时数据采集：通过摄像头实时采集行为视频序列，并采用和步骤S2相同的方法利用神经网络算法进行特征提取；

步骤S6：结果分析：利用基于加权Hu不变矩的相似性比较算法，对当前帧图像即提取到的跟踪目标与标准行为数据库中预先定义的正常行为比较，根据最大似然准则，计算出待识别行为和预先定义行为的相似度，与设定阈值进行比较，大于相似度阈值的为正常行为，小于相似度阈值的为异常行为，判别出异常；

步骤S7：对异常行为接力跟踪并报警，与前面实施例相似，不赘述。

实施例6：

参见图5，本发明是基于GPS和GIS的智能视觉传感网络运动目标接力跟踪系统，可应用于监控区域出现行为异常人员或行为异常车辆报警时的人工判定和标定，避免虚假报警。本发明中对行为异常人员或行为异常车辆报警时的人工判定和标定包括如下步骤：

步骤S1：当系统由实施例4出现的行为异常人员报警时，可由监控人员进行人工判定，监控人员如需对其中某具体目标进行接力跟踪监控，可通过显示交互模块提供的指定工具进行指定，只需在该目标上点击鼠标或触摸屏手指点击即可；

步骤S2：实时跟踪：目标分析模块自动对人工指定的目标进行特征提取，包括轮廓、颜色分布构成、纹理构成、高宽比，步态，脸部特征等，由接力跟踪调度模块将这些特征传递给相关目标分析模块，锁定目标可能前往的地理相邻的监控摄像机视频，并通知现场监控人员进行接力跟踪和处置；

步骤S3：将新出现的异常行为模型分类保存到模型数据库中，为系统模型数据库提供异常行为判定模型，提高系统异常行为的判定能力和学习能力。

实施例7：

参见图5，本发明是基于GPS和GIS的智能视觉传感网络运动目标接力跟踪系统，可应用于公路车辆交通事故报警。本发明中对公路车辆交通事故报警包括如下步骤：

车辆交通事故标准模型的建立：

步骤S1：按照实施例3中的方法找出运动汽车并找出路面上运动目标的外接矩形；

步骤S2：当两辆汽车的外接矩形从不连接变为连接，并且两车异常停止(前无阻碍，也无红灯)充分长的时间，即可判断为侧面相撞；

步骤S3：路面上的小宽度目标的外接矩形与车辆的外接矩形融合后又脱离，高度和高宽比明显变小，并且停止，即可判断为人员受伤；

步骤S4：汽车的外接矩形顶点运行方向异常变化并停车；

步骤S5：汽车过后路面出现较大异常遗留物；

上述几种情况是模型的初步设计，经过大量视频样本训练后，相关参数会趋于合理，最终构成车辆交通事故标准模型。

接力跟踪监控过程基本与前面的实施例类似，只是对于人员受伤而车辆不停的情况，需由目标分析模块立即提取特征，由接力跟踪调度模块启动接力跟踪，同时报警。

本发明解决了多监控摄像机自动组网并实现接力跟踪等技术难题，实现了对异常行为的检测、报警、报警信息的人工判定和智能监控接力跟踪等功能。此项技术成果可以应用于各行各业的视频接力监控系统中，例如金融证券保险商场超市等营业场所、政府机关场所、监狱、社区安防和城市道路等环境的异常行为人、异常行为车辆的监控、预警和接力跟踪。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (8)

1.一种基于GPS和GIS的智能视觉传感网络运动目标接力跟踪系统，其特征在于，包括若干监控摄像单元，各监控摄像单元包括监控摄像机，内嵌或配有GPS接收定位模块和有线/无线通信模块，通过监控摄像单元采集监控区域中的视频序列，并由有线/无线通信模块经有线/无线数字通信网络发送给监控中心；监控中心包括有线/无线通信模块、目标分析模块、接力跟踪调度模块、接力跟踪网络生成模块、数据库服务器、显示交互模块、GIS地理信息系统；监控中心通过所述有线/无线通信模块接收各监控摄像单元传输来的视频序列，由接力跟踪网络生成模块提取所接收的视频序列中的各监控摄像机的GPS授时定位数据，根据GPS授时定位数据和GIS电子地图信息计算各监控摄像机在GIS系统中的地理位置和邻接关系；根据最短距离算法和各监控摄像机的邻接关系，自动构建以监控摄像机为结点的接力跟踪网络拓扑结构图以链式存储结构存储在数据库服务器中的接力跟踪网络拓扑结构数据库；所述的目标分析模块，用于检测监控摄像机所传送的视频序列中的运动物体，提取其特征，构建跟踪目标标准模型库，并与数据库服务器中的跟踪目标标准模型库中的特征模型进行比对，特征符合的，初步判断为可疑目标并报警，提交监控人员进行人工判定后，确定为报警目标，在视频图像上对目标进行持续标记，将目标的特征、位置和可能的行进方向信息反馈到接力跟踪调度模块；对于快速运动的目标，在提交监控人员进行人工判定的同时，将目标的特征、位置和可能的行进方向信息反馈到接力跟踪调度模块，启动接力跟踪；接力跟踪调度模块接到报警信息后，根据监控摄像机的接力跟踪网络拓扑结构图，通知目标分析模块按照报警目标特征锁定相邻接的监控摄像机，对目标进行紧凑跟踪、标记。

2.根据权利要求1所述的接力跟踪系统，其特征在于，所述接力跟踪调度模块接到报警信息后，还将得到的报警目标信息传输至所述的显示交互模块，以导航并指挥尾随追踪人员辅助调整车载或手持监控摄像机。

3.根据权利要求1所述的接力跟踪系统，其特征在于，所述GIS地理信息系统包括地图生成模块，所述GIS电子地图信息由GIS地图生成模块生成，包括以下步骤：

(1)GIS地图生成模块获得预设的路段编号表，所述的路段编号表包括路段名字段和与之对应的路段编号字段及路段之间的地理邻接关系，以及该路段的对应的外接矩形的对角线两顶点的经纬度数据；

(2)绘制跟踪路段图层，包括绘制各路段对象，并对每个路段对象分配路段编号字段与状态信息字段，其状态信息字段包含其外接矩形某条对角线的两顶点的经纬度数据及图层之间的地理邻接关系，根据所述的路段编号表将各路段对象的路段编号写入路段编号字段；

(3)绘制跟踪轨迹图层，包括绘制位于所述监控区域上的所跟踪对象运动轨迹，绘制各轨迹段的行驶方向箭头；

(4)绘制当前位置图层，包括绘制表示跟踪对象当前所在位置的当前位置标示点；

(5)绘制跟踪路段名图层，包括根据所述的路段编号表绘制各跟踪路段对象的文字名称。

4.根据权利要求1所述的接力跟踪系统，其特征在于，所述目标分析模块，具体执行以下步骤：

(1)对各摄像机所监控的区域进行动态背景建模；

(2)用背景差分法，实现监控视频中运动目标的实时检测；

(3)提取运动目标特征，并与跟踪目标标准模型库中所载特征进行比较，利用基于加权Hu不变矩的相似性比较算法，根据最大似然准则，计算出待识别目标特征与跟踪目标标准模型库中所载特征的相似度，按照设定的阈值，大于相似度阈值的为正常行为，小于相似度阈值的为异常行为，判别出可疑，提交监控人员人工判定；

(4)经人工判定后，对确认为报警目标的紧凑跟踪、标记，将报警目标的特征与可能行进的方向信息反馈到接力跟踪模块报警。

5.根据权利要求1所述的接力跟踪系统，其特征在于，所述的数据库服务器：采用ORACLE空间数据库管理，将监控摄像机获取的视频及其GPS授时定位数据、跟踪目标标准模型、接力跟踪网络拓扑结构图存储在指定的数据库内，将参加接力跟踪的监控摄像机的GPS坐标按时间顺序存入数据库，形成跟踪轨迹。

6.根据权利要求1所述的接力跟踪系统，其特征在于，所述目标分析模块根据监控要求和目标特征，构建跟踪目标标准模型库包括以下步骤：

(1)监控视频获取：目标分析模块接收来自各视频监控摄像机的视频图像序列；

(2)运动目标检测：利用背景差分法提取出采集视频序列图像中的运动目标；

(3)运动目标特征提取，包括长度，宽度，长和宽之比，离散度，占空比，颜色直方图，目标数量，间隔距离，运动速度，滞留时间，轮廓；

(4)行为建模：利用上述运动目标特征提取过程中采集的大量样本对不同行为进行相关的学习建模，建立对应的标准行为模型；

(5)建立模型库：将获得的标准行为模型分类保存，构建跟踪目标标准模型库。

7.根据权利要求1所述的接力跟踪系统，其特征在于，所述的接力跟踪网络拓扑结构图：根据各监控摄像机的GPS授时定位数据，以绘制地图的方式采用一定的比例尺，在图中的相应坐标点绘制代表各摄像机的结点，根据各摄像机在电子地图中接力邻接关系，画出各摄像机之间的连接线，并存入接力跟踪网络拓扑结构数据库，随变化实时修改。

8.根据权利要求1所述的接力跟踪系统，其特征在于，所述显示交互模块：对来自各监控摄像机的视频进行缩放处理，将处理结果嵌入到GIS电子地图的相应矢量图形中，形成融合了监控视频序列和电子地图信息的视频图像，并驱动监控屏幕显示；

所述显示交互模块：用于监控人员与系统之间的信息交互，包括监控人员向系统发出指令，对可疑目标作出确认，查询信息或分析结果，对任意指定区域的监控摄像机进行查询，或将目标锁定在某窗口，将跟踪目标的视频跟踪轨迹套叠显示于GIS电子地图上，显示信息的形式为视频、音频和文字；

所述显示交互模块：支持监控人员事先给出目标特征，比如嫌疑人的照片、步态、汽车牌号等，或者临时在视频中指定具体目标进行接力跟踪，这些目标可以是可疑目标，也可以是非可疑目标，在视频中指定具体目标时，系统提供指定工具，只需在指定目标上点击鼠标或触摸屏手指点击即可；

所述显示交互模块：系统自动对人工指定的目标进行轮廓标定，通过图像分析与行为特征提取，获得特征模型，并由接力跟踪调度模块通知目标可能前往的监控摄像机和现场监控人员进行接力跟踪和处置；

所述显示交互模块：将人工指定的异常行为模型分类保存到跟踪目标标准模型库中，为系统提供异常行为判定模型，提高系统异常行为的判定能力和学习能力。