針對(duì)視頻監(jiān)控系統(tǒng)敏感信息檢測存在局限性大的問題,提出一種公共區(qū)域治安監(jiān)控網(wǎng)絡(luò)高敏感信息預(yù)警方法。首先構(gòu)建混合高斯監(jiān)控背景模型,并依據(jù)場景的轉(zhuǎn)換,實(shí)時(shí)模型更新;通過光流法中梯度檢測法對(duì)高敏感個(gè)體快速檢測和定位,引入H-S算法與L-K算法,分析高敏感信息狀態(tài)變量,并獲取給定區(qū)域的概率密度,以概率密度結(jié)果為依據(jù),實(shí)現(xiàn)高敏感信息分布情況的計(jì)算,即高敏感信息預(yù)警。通過仿真得出,所提方法能夠及時(shí)有效的對(duì)存在高敏感信息的區(qū)域預(yù)警,且檢測錯(cuò)誤率、誤報(bào)率低,整體方法運(yùn)算簡單有很強(qiáng)的自適應(yīng)能力。 

【文章來源】：計(jì)算機(jī)仿真. 2020,37(06)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

監(jiān)控背景模型的光流坐標(biāo)空間圖像

仿真所使用的數(shù)據(jù)集來自公共區(qū)域監(jiān)控視頻圖像與UMN數(shù)據(jù)集自拍視頻,采用軟件對(duì)UMN數(shù)據(jù)集的視頻文件進(jìn)行處理,并獲取公共區(qū)域監(jiān)控視頻圖像,其中UMN數(shù)據(jù)集包含不同場景的監(jiān)控圖像,有商場、學(xué)校以及公園等圖像,本文將以商場監(jiān)控圖像作為本次實(shí)驗(yàn)對(duì)象。在MATLAB的平臺(tái)上,分別在監(jiān)控?cái)?shù)據(jù)集與UMN公開數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn),視頻圖像的具體細(xì)節(jié)如圖3、圖4所示。將光流場的網(wǎng)絡(luò)粒子分辨率設(shè)置成總像素的25%,并將高敏感信息因子設(shè)定成pi=0。圖3 UMN公開數(shù)據(jù)集

圖2 監(jiān)控視頻圖像上圖所示是視頻在正常場景與不正常的場景中,分別建立的數(shù)據(jù)集,圖2是監(jiān)控存在高敏感信息狀態(tài)的某一幀;圖3是UMN視頻集存在高敏感信息的幀數(shù)。既指人群發(fā)生逃散事件。

【參考文獻(xiàn)】：
期刊論文
[1]校園視頻監(jiān)控人員安全動(dòng)態(tài)特征識(shí)別仿真[J]. 陳烽,祖冰疇.  計(jì)算機(jī)仿真. 2018(06)
[2]智能電網(wǎng)調(diào)度控制系統(tǒng)實(shí)時(shí)監(jiān)控與預(yù)警功能規(guī)范解讀[J]. 張勇.  中國電力. 2017(11)
[3]基于直覺模糊推理的網(wǎng)絡(luò)輿情監(jiān)測預(yù)警評(píng)估方法研究[J]. 張艷豐,李賀,彭麗徽.  情報(bào)雜志. 2017(06)
[4]城市軌道交通建設(shè)安全監(jiān)控預(yù)警系統(tǒng)研究[J]. 于鑫,張銘,白麗.  鐵道運(yùn)輸與經(jīng)濟(jì). 2017(06)
[5]基于采掘進(jìn)度監(jiān)測的煤與瓦斯突出預(yù)警方法和系統(tǒng)[J]. 康建寧,馬國龍.  煤礦安全. 2017(04)
[6]礦區(qū)井下水泵預(yù)警監(jiān)控平臺(tái)的研究與設(shè)計(jì)[J]. 李建軍,李朝偉,周向紅.  煤炭技術(shù). 2017(03)
[7]基于聚類分析的農(nóng)業(yè)SCADA服務(wù)器預(yù)警閾值提取方法[J]. 楊麗麗,吳春輝,張大衛(wèi),蘇娟.  農(nóng)業(yè)工程學(xué)報(bào). 2017(S1)
[8]樂山市山洪監(jiān)測預(yù)警系統(tǒng)設(shè)計(jì)與建設(shè)[J]. 高姍姍,周新志,雷印杰.  長江科學(xué)院院報(bào). 2017(09)



本文編號(hào)：3105979