本發(fā)明屬于視頻監(jiān)控技術(shù)領(lǐng)域，更具體而言，本發(fā)明涉及一種基于智能視頻監(jiān)控的立體車庫(kù)安防系統(tǒng)及方法。

背景技術(shù)：

隨著我國(guó)經(jīng)濟(jì)的飛速發(fā)展和人民生活水平的不斷提高，越來(lái)越多的人購(gòu)買(mǎi)了私家車，生活方便的同時(shí)卻經(jīng)常遇到車輛無(wú)處停放的難題。2017年國(guó)家發(fā)改委公布的數(shù)據(jù)顯示，保守估計(jì)我國(guó)停車位缺口已超過(guò)5000萬(wàn)個(gè)，“停車之痛”已成為城市通病。

立體車庫(kù)，是一種用來(lái)最大量存取儲(chǔ)放車輛的機(jī)械裝置，利用機(jī)械和電氣系統(tǒng)讓停入的車輛自動(dòng)擺放到空缺位置，它以其平均單車占地面積小的獨(dú)特特性，成為有效解決國(guó)內(nèi)城市停車難題的重要途徑。截至2015年底，全國(guó)擁有機(jī)械式停車庫(kù)的城市達(dá)到491個(gè)，已基本普及到所有一、二、三線城市，已建機(jī)械式停車庫(kù)項(xiàng)目14.4萬(wàn)余個(gè)，泊位總量336萬(wàn)余個(gè)。30年來(lái)，機(jī)械式立體車庫(kù)行業(yè)經(jīng)歷了從無(wú)到有、從小到大、從弱到強(qiáng)的發(fā)展過(guò)程,我國(guó)目前已經(jīng)成為世界上機(jī)械式立體車庫(kù)需求量最大且生產(chǎn)規(guī)模也最大的國(guó)家。

機(jī)械式立體車庫(kù)主要分為升降橫移類、垂直循環(huán)類、水平循環(huán)類、多層循環(huán)類、平面移動(dòng)類、巷道堆垛類、垂直升降類、簡(jiǎn)單升降類等類型，其中，升降橫移類立體車庫(kù)采用模塊化設(shè)計(jì)，車位從幾個(gè)到幾百個(gè)均可采用，能夠利用多種場(chǎng)地條件和運(yùn)用多種組合方式，有效利用場(chǎng)地現(xiàn)有空間，也能廣泛適用于地下停車場(chǎng)及地面停車場(chǎng)的改造，主要應(yīng)用在住宅小區(qū)的公共停車場(chǎng)、機(jī)關(guān)單位、商用寫(xiě)字樓、賓館的地上地下停車場(chǎng)。目前，升降橫移類立體車庫(kù)因其類型多、規(guī)?？烧{(diào)、場(chǎng)地適應(yīng)性強(qiáng)、造價(jià)低等突出特點(diǎn)，應(yīng)用最為廣泛，在立體車庫(kù)市場(chǎng)的占有率超過(guò)70％。

然而，目前升降橫移類立體車庫(kù)仍存在較大的安全隱患，導(dǎo)致很多人不敢將車輛放心地停放到車庫(kù)中，許多立體停車庫(kù)的空置率較高。有些簡(jiǎn)易的升降橫移類立體停車庫(kù)主要靠車庫(kù)管理員或司機(jī)眼力觀察是否安全來(lái)確定開(kāi)始移動(dòng)車輛，但如果觀察者不夠仔細(xì)或者在觀測(cè)盲區(qū)內(nèi)尚有人或?qū)櫸锿Ａ?，就可能?duì)生命安全造成威脅。針對(duì)此問(wèn)題，目前采取的主要措施是安裝人體熱釋紅外感應(yīng)器和網(wǎng)絡(luò)監(jiān)控?cái)z像頭，這些措施均具有一定的作用，但又各存在著不同的缺陷。

人體熱釋紅外感應(yīng)器是將人體發(fā)出的紅外信號(hào)聚集于感應(yīng)器上產(chǎn)生交流電信號(hào)，再通過(guò)人體移動(dòng)導(dǎo)致這一交流信號(hào)產(chǎn)生波動(dòng)從而在控制電路中產(chǎn)生響應(yīng)。因此，該檢測(cè)方法應(yīng)用于立體車庫(kù)存取車區(qū)域的人員及寵物的安全防護(hù)主要存在以下不足：

(1)人員移動(dòng)過(guò)小時(shí)檢測(cè)不到；

(2)存在一定的監(jiān)測(cè)死角；

(3)易受到環(huán)境的干擾，尤其是室內(nèi)溫度過(guò)高或室內(nèi)外溫差較大時(shí)，都容易造成誤報(bào)，環(huán)境溫度與人體溫度接近時(shí)，探測(cè)和靈敏度明顯下降，有時(shí)甚至造成短時(shí)失靈；

(4)僅能判斷檢測(cè)區(qū)域內(nèi)是否有人員，但無(wú)法判斷人員所處的位置；

(5)無(wú)法檢測(cè)地面的小動(dòng)物，探測(cè)器的安裝高度對(duì)探測(cè)范圍內(nèi)地面上的小動(dòng)物一般不產(chǎn)生報(bào)警。

可以看出，依靠人體熱釋紅外感應(yīng)器是無(wú)法可靠判斷車庫(kù)門(mén)關(guān)閉后是否有人或其他小動(dòng)物存在的。

另外，少部分升降橫移類立體車庫(kù)存取車區(qū)域還安裝了定焦紅外監(jiān)控?cái)z像頭，24小時(shí)不間斷工作，視頻信號(hào)被采集到中央控制中心并被顯示到監(jiān)視器上，再由安防人員對(duì)視頻圖像進(jìn)行分析得出判斷。然而，現(xiàn)有的視頻監(jiān)控系統(tǒng)僅僅提供了視頻的捕獲、存儲(chǔ)、分發(fā)等簡(jiǎn)單功能，不能發(fā)揮主動(dòng)監(jiān)控的作用，對(duì)視頻內(nèi)容的判斷只能依靠人來(lái)完成，因此，當(dāng)意外發(fā)生時(shí)，無(wú)法及時(shí)地將信號(hào)反饋給控制器，避免事態(tài)趨于惡化。

因此，有必要尋找更加有效的解決方案，對(duì)立體車庫(kù)進(jìn)行監(jiān)控，使其具有增強(qiáng)的監(jiān)控能力、降低不安全隱患，同時(shí)節(jié)省人力物力資源，節(jié)約投資。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)目前升降橫移類立體車庫(kù)存取車區(qū)域安防措施存在的不足，本發(fā)明提提出了一種基于智能視頻監(jiān)控的立體車庫(kù)安防系統(tǒng)，采用圖像采集設(shè)備監(jiān)控立體車庫(kù)，能夠在少量增加成本的前提下，顯著提升立體車庫(kù)的安全性，實(shí)現(xiàn)車輛的安全存入和移出。

為了實(shí)現(xiàn)上述目的，本發(fā)明技術(shù)方案如下：

一種基于智能視頻監(jiān)控的立體車庫(kù)安防系統(tǒng)，應(yīng)用于升降橫移的立體車庫(kù)，所述立體車庫(kù)安防系統(tǒng)包括按鈕、至少一個(gè)網(wǎng)絡(luò)攝像機(jī)、路由器、主機(jī)和控制器，其中：

所述按鈕連接至主機(jī)，向主機(jī)發(fā)送移車指令；

所述網(wǎng)絡(luò)攝像機(jī)安裝在立體車庫(kù)的后上方，監(jiān)控畫(huà)面覆蓋整個(gè)立體車庫(kù)，用來(lái)采集立體車庫(kù)內(nèi)的視頻圖像信息；

所述路由器位于網(wǎng)絡(luò)攝像機(jī)和主機(jī)之間，分別與所述網(wǎng)絡(luò)攝像機(jī)和主機(jī)雙向連接，在上行通信時(shí)用于向主機(jī)傳輸視頻圖像信息，在下行通信時(shí)用于觸發(fā)網(wǎng)絡(luò)攝像機(jī)運(yùn)行；

所述主機(jī)單向連接至所述控制器，主機(jī)根據(jù)采集的視頻圖像信息判斷是否能夠移車，并將信號(hào)發(fā)送給所述控制器；

所述控制器根據(jù)接收到的信號(hào)執(zhí)行移車指令或執(zhí)行禁止移車指令。

優(yōu)選地，所述立體車庫(kù)安防系統(tǒng)還包括顯示器，所述顯示器連接至所述主機(jī)，用于顯示立體車庫(kù)內(nèi)的視頻圖像。

優(yōu)選地，所述立體車庫(kù)安防系統(tǒng)還包括報(bào)警系統(tǒng)，所述報(bào)警系統(tǒng)連接至所述主機(jī)，用于在發(fā)現(xiàn)異常時(shí)發(fā)出警報(bào)。

根據(jù)本發(fā)明的一個(gè)優(yōu)選實(shí)施方案，所述網(wǎng)絡(luò)攝像機(jī)為紅外高清網(wǎng)絡(luò)攝像機(jī)，分別安裝在立體車庫(kù)后上方兩側(cè)。

本發(fā)明同時(shí)還提出一種基于智能視頻監(jiān)控的立體車庫(kù)安防方法，包括以下步驟：

s1.按下按鈕，向主機(jī)發(fā)出移車指令；

s2.主機(jī)接收到移車指令后，通過(guò)路由器向網(wǎng)絡(luò)攝像機(jī)發(fā)送信號(hào)，使網(wǎng)絡(luò)攝像機(jī)被觸發(fā)開(kāi)始運(yùn)行；

s3.網(wǎng)絡(luò)攝像機(jī)將采集的視頻圖像信息通過(guò)路由器傳輸至主機(jī)；

s4.主機(jī)對(duì)視頻圖像信息進(jìn)行處理和分析，判斷立體車庫(kù)內(nèi)是否存在異常；

s5.若正常，主機(jī)向控制器發(fā)出移車指令，正常移車，若存在異常，主機(jī)向控制器發(fā)出禁止移車指令，禁止移車。

優(yōu)選地，所述方法還包括，若存在異常，主機(jī)向報(bào)警系統(tǒng)發(fā)出報(bào)警指示，由報(bào)警系統(tǒng)發(fā)出警報(bào)提示。

進(jìn)一步地，所述方法的步驟s4中對(duì)視頻圖像信息的處理和分析包括對(duì)采集的視頻圖像信息進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)、特征提取和運(yùn)動(dòng)目標(biāo)分類。

運(yùn)動(dòng)目標(biāo)檢測(cè)是指從視頻監(jiān)控場(chǎng)景或圖像序列中將運(yùn)動(dòng)目標(biāo)提取出來(lái)，是后續(xù)實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)分類的關(guān)鍵。根據(jù)檢測(cè)目標(biāo)的原理，常用的目標(biāo)檢測(cè)方法分為三類：幀間差分法、光流法和背景減除法。

幀間差分法又稱時(shí)間差分法，其將視頻圖像序列中的連續(xù)兩幀或多幀像素點(diǎn)值作差分，獲取監(jiān)控場(chǎng)景中運(yùn)動(dòng)目標(biāo)的輪廓，實(shí)現(xiàn)對(duì)目標(biāo)的檢測(cè)。該方法的主要優(yōu)點(diǎn)是原理簡(jiǎn)單，計(jì)算復(fù)雜度低，實(shí)時(shí)性強(qiáng)；對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)的靈敏度高；對(duì)緩慢的光照變化適應(yīng)性強(qiáng)。主要存的不足是當(dāng)目標(biāo)運(yùn)動(dòng)速度較慢時(shí)，提取的前景內(nèi)部會(huì)產(chǎn)生空洞；二是檢測(cè)出的目標(biāo)輪廓與實(shí)際目標(biāo)稍有偏差，存在偽目標(biāo)點(diǎn)。

光流法是指由物體運(yùn)動(dòng)引起的其表面像素點(diǎn)產(chǎn)生的瞬時(shí)速度場(chǎng)，光流法即通過(guò)計(jì)算每一幀圖像中對(duì)應(yīng)像素點(diǎn)的變化表征運(yùn)動(dòng)目標(biāo)。光流法檢測(cè)運(yùn)動(dòng)目標(biāo)的原理是：當(dāng)監(jiān)控場(chǎng)景中無(wú)運(yùn)動(dòng)物體時(shí)，流矢量在監(jiān)控范圍內(nèi)連續(xù)變化，而當(dāng)監(jiān)控場(chǎng)景內(nèi)有運(yùn)動(dòng)目標(biāo)時(shí)，光流場(chǎng)會(huì)發(fā)生改變，且運(yùn)動(dòng)目標(biāo)光流有顯著變化，通過(guò)檢測(cè)顯著變化的光流矢量可實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的檢測(cè)。實(shí)際情況下，光流約束方程的灰度守恒假設(shè)未必能夠滿足，導(dǎo)致光流場(chǎng)與運(yùn)動(dòng)場(chǎng)有偏差。光流法需計(jì)算監(jiān)控場(chǎng)景的每個(gè)像素點(diǎn)的變化，對(duì)硬件支撐要求較高，實(shí)時(shí)性上較難滿足。

背景差分法通過(guò)建立背景模型并將視頻圖像序列的每一幀與背景圖像作差分來(lái)提取運(yùn)動(dòng)的前景目標(biāo)。背景差分法原理簡(jiǎn)單，計(jì)算量小，適用于監(jiān)控場(chǎng)景固定的場(chǎng)合?，F(xiàn)有的背景差分法可以大體分為基于模型的、基于特征的和基于像素差值三大類。

更進(jìn)一步地，主機(jī)采用基于混合gauss模型的背景建模法對(duì)采集的視頻圖像信息進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)。

更進(jìn)一步地，在主機(jī)中設(shè)計(jì)支持向量機(jī)svm分類器對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行分類。

更進(jìn)一步地，利用改進(jìn)的萬(wàn)有引力算法igsa對(duì)支持向量機(jī)svm分類器進(jìn)行優(yōu)化，設(shè)計(jì)igsa-svm分類器，有效提高了對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行分類的準(zhǔn)確率。

本發(fā)明的基于智能視頻監(jiān)控的立體車庫(kù)安防系統(tǒng)及方法具有以下優(yōu)點(diǎn)：

1.網(wǎng)絡(luò)攝像頭能夠通過(guò)信號(hào)自動(dòng)觸發(fā)，不必24小時(shí)運(yùn)行，延長(zhǎng)了設(shè)備壽命，降低了人力成本；

2.智能視頻監(jiān)控系統(tǒng)集成了強(qiáng)大的圖像處理能力，并有上層的智能算法做支撐，可以支撐用戶自定義監(jiān)控場(chǎng)景中的異常行為特征，極大地提高了工作人員的工作效率，有效地降低漏報(bào)與誤報(bào)率；

3.采用分類器設(shè)計(jì)濾出了無(wú)用數(shù)據(jù)，自動(dòng)識(shí)別異常目標(biāo)，可以有效地提高系統(tǒng)的響應(yīng)速度；

4.采用混合gauss模型的背景建模法檢測(cè)運(yùn)動(dòng)目標(biāo)，提高了系統(tǒng)的魯棒性；

5.設(shè)計(jì)了基于igsa-svm的分類器進(jìn)行異常影像的模式識(shí)別，提高了分類的準(zhǔn)確率；

6.將異常情況以開(kāi)關(guān)量的形式反饋給控制器，進(jìn)行報(bào)警的同時(shí)禁止移動(dòng)車輛，有效確保了生命安全。

附圖說(shuō)明

圖1為根據(jù)本發(fā)明的基于智能視頻監(jiān)控的立體車庫(kù)安防系統(tǒng)的結(jié)構(gòu)框圖；

圖2為根據(jù)本發(fā)明的基于智能視頻監(jiān)控的立體車庫(kù)安防方法的工作流程圖；

圖3為本發(fā)明的主機(jī)對(duì)視頻圖像信息進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)和分類的示意圖；

圖4為支持向量機(jī)分類器分類示意圖。

具體實(shí)施方式

下面結(jié)合附圖對(duì)本發(fā)明進(jìn)行詳細(xì)描述。

圖1示出了根據(jù)本發(fā)明的基于智能視頻監(jiān)控的立體車庫(kù)安防系統(tǒng)的結(jié)構(gòu)框圖。在本實(shí)施方案中，基于智能視頻監(jiān)控的立體車庫(kù)安防系統(tǒng)包括按鈕、網(wǎng)絡(luò)攝像機(jī)、路由器、主機(jī)、顯示器、報(bào)警系統(tǒng)和控制器，其中，所述按鈕連接至主機(jī)，向主機(jī)發(fā)送移車指令；所述網(wǎng)絡(luò)攝像機(jī)安裝在立體車庫(kù)的后上方兩側(cè)，監(jiān)控畫(huà)面覆蓋整個(gè)立體車庫(kù)，用來(lái)采集立體車庫(kù)內(nèi)的視頻圖像信息。在本實(shí)施方案中，網(wǎng)絡(luò)攝像機(jī)為紅外高清網(wǎng)絡(luò)攝像機(jī)，分別安裝在立體車庫(kù)后上方兩側(cè)，可以有效減少監(jiān)控盲區(qū)，并且可以在光線較暗的環(huán)境中進(jìn)行拍攝。

所述路由器位于網(wǎng)絡(luò)攝像機(jī)和主機(jī)之間，分別與所述網(wǎng)絡(luò)攝像機(jī)和主機(jī)雙向連接，在上行通信時(shí)用于向主機(jī)傳輸視頻圖像信息，在下行通信時(shí)用于觸發(fā)網(wǎng)絡(luò)攝像機(jī)運(yùn)行。路由器一端可以連接多個(gè)網(wǎng)絡(luò)攝像機(jī)，一端連接主機(jī)，路由器可以將網(wǎng)絡(luò)攝像機(jī)采集的信息傳輸?shù)街鳈C(jī)中，也可以將主機(jī)的指令傳遞給網(wǎng)絡(luò)攝像機(jī)，使其開(kāi)始工作。

所述主機(jī)單向連接至所述控制器，主機(jī)接收由網(wǎng)絡(luò)攝像機(jī)采集的視頻圖像信息，并根據(jù)采集的視頻圖像信息判斷是否能夠移車，并將信號(hào)發(fā)送給所述控制器，如果立體車庫(kù)中沒(méi)有檢測(cè)到異常狀況，則向控制器發(fā)出移車指令，如果檢測(cè)到異常狀況，例如存在動(dòng)物，則向控制器發(fā)出禁止移車指令，所述控制器根據(jù)接收到的信號(hào)執(zhí)行移車指令或執(zhí)行禁止移車指令。

所述顯示器連接至所述主機(jī)，用于顯示攝像機(jī)拍攝的立體車庫(kù)內(nèi)的視頻圖像，以便工作人員可以直觀地看到立體車庫(kù)內(nèi)的情況，從而可以人工地控制立體車庫(kù)安防系統(tǒng)。

所述報(bào)警系統(tǒng)連接至所述主機(jī)，用于在發(fā)現(xiàn)異常時(shí)發(fā)出警報(bào)，該警報(bào)系統(tǒng)可以被安裝在立體車庫(kù)內(nèi)，也可以安裝在視頻監(jiān)控室。

圖2示出了本發(fā)明的基于智能視頻監(jiān)控的立體車庫(kù)安防方法的工作流程圖。具體地，包括以下步驟：

當(dāng)車主停車完畢后離開(kāi)立體車庫(kù)時(shí)，車主或車庫(kù)管理員需要按下按鈕，向主機(jī)發(fā)出移車指令；主機(jī)接收到移車指令后，通過(guò)路由器向網(wǎng)絡(luò)攝像機(jī)發(fā)送觸發(fā)信號(hào)，使網(wǎng)絡(luò)攝像機(jī)被觸發(fā)開(kāi)始運(yùn)行；網(wǎng)絡(luò)攝像機(jī)將采集的視頻圖像信息通過(guò)路由器傳輸至主機(jī)；主機(jī)對(duì)視頻圖像信息進(jìn)行處理和分析，主機(jī)對(duì)采集的視頻圖像信息的分析和處理主要包括對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)和對(duì)檢出的運(yùn)動(dòng)目標(biāo)利用模式識(shí)別的方法進(jìn)行分類，從而判斷立體車庫(kù)內(nèi)是否存在異常，如果是人或動(dòng)物，則判定為異常情況；如果是飛蟲(chóng)、垃圾袋等，則判定為正常情況。若正常，主機(jī)向控制器發(fā)出移車指令，正常移車，若存在異常，將異常情況以開(kāi)關(guān)信號(hào)的形式反饋給控制器，禁止車輛移動(dòng)，并且還可以發(fā)出報(bào)警進(jìn)行提示。異常情況處理完畢后，繼續(xù)進(jìn)行圖像采集及處理，控制器開(kāi)始正常移車操作。

主機(jī)對(duì)網(wǎng)絡(luò)攝像機(jī)采集的視頻圖像信息進(jìn)行處理和分析包括運(yùn)動(dòng)目標(biāo)檢測(cè)和對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行分類。利用機(jī)器視覺(jué)和視頻分析的方法對(duì)攝像機(jī)拍錄的圖像序列進(jìn)行自動(dòng)分析，實(shí)現(xiàn)對(duì)動(dòng)態(tài)場(chǎng)景中目標(biāo)的定位、識(shí)別，并在此基礎(chǔ)上分析和判斷目標(biāo)的行為，得出對(duì)圖像內(nèi)容含義的理解以及對(duì)客觀場(chǎng)景的解釋，從而指導(dǎo)和規(guī)劃行動(dòng)。下面參照?qǐng)D3和圖4進(jìn)行詳細(xì)描述。

首先，主機(jī)將獲取采集樣品轉(zhuǎn)換為視頻圖像序列，并對(duì)其進(jìn)行圖像預(yù)處理，得到待檢測(cè)圖像，然后對(duì)待檢測(cè)圖像進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)。本文在對(duì)目標(biāo)檢測(cè)技術(shù)研究的基礎(chǔ)上，提出了一種基于混合gauss模型的背景建模法，利用統(tǒng)計(jì)的方法建立了基于顏色和顏色梯度的背景模型,并實(shí)時(shí)地對(duì)背景模型進(jìn)行更新，最后將這兩種背景模型綜合考慮對(duì)目標(biāo)進(jìn)行有效的檢測(cè)。該算法較好地解決了背景模型的提取、更新、背景擾動(dòng)、外界光照變化等問(wèn)題。主要步驟如下：

1)背景建模：自動(dòng)建立背景模型是背景差分算法的優(yōu)點(diǎn)，能夠根據(jù)場(chǎng)景不同，在學(xué)習(xí)階段給算法輸入訓(xùn)練視頻圖像，經(jīng)過(guò)一定時(shí)間訓(xùn)練，自動(dòng)學(xué)習(xí)得到背景模型的參數(shù)；

2)運(yùn)動(dòng)前景檢測(cè)：每來(lái)一幀圖像，就把當(dāng)前圖像與背景模型進(jìn)行差分，即與背景模型進(jìn)行匹配?？梢愿鶕?jù)場(chǎng)景讓算法動(dòng)態(tài)調(diào)整門(mén)限的大小，有效避免運(yùn)動(dòng)區(qū)域的漏檢和誤檢，同時(shí)提高算法的魯棒性；

3)后期處理：對(duì)背景差分的結(jié)果進(jìn)行進(jìn)一步處理，得到更加精確完整的運(yùn)動(dòng)目標(biāo)區(qū)域，如去除陰影等；

4)目標(biāo)檢測(cè)：在原始圖像中對(duì)運(yùn)動(dòng)目標(biāo)范圍進(jìn)行框定；

5)背景模型更新：根據(jù)背景差分和目標(biāo)檢測(cè)的結(jié)果，確定背景模型是否需要更新，使算法適應(yīng)各種復(fù)雜場(chǎng)景的變化，提高檢測(cè)的準(zhǔn)確率，選擇合適的更新率是影響到背景差分效果的關(guān)鍵。

利用背景模型識(shí)別處運(yùn)動(dòng)目標(biāo)，并對(duì)運(yùn)動(dòng)目標(biāo)作特征提取，根據(jù)提取的特征進(jìn)行運(yùn)動(dòng)目標(biāo)分類。分類過(guò)程分為離線的訓(xùn)練過(guò)程和在線的決策過(guò)程，離線的訓(xùn)練過(guò)程需要對(duì)建立的模型進(jìn)行訓(xùn)練，使其能夠適用于在線的決策過(guò)程。

本發(fā)明利用支持向量機(jī)進(jìn)行模式識(shí)別，判斷是否是危險(xiǎn)的異常影像，選取穩(wěn)定且能反映物體本質(zhì)的特征作為輸入向量，過(guò)濾掉較小運(yùn)動(dòng)目標(biāo)，消除噪聲，有效減少模型的訓(xùn)練時(shí)間。

支持向量機(jī)是數(shù)據(jù)挖掘中的一項(xiàng)新技術(shù)，是借助于最優(yōu)化方法解決機(jī)器學(xué)習(xí)問(wèn)題的新工具。它基于統(tǒng)計(jì)學(xué)習(xí)理論，其結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則避免了神經(jīng)網(wǎng)絡(luò)的“過(guò)學(xué)習(xí)”現(xiàn)象，且具有很好的泛化能力。支持向量機(jī)能較好地解決小樣本、非線性、高維數(shù)和局部極小等實(shí)際問(wèn)題。在處理非線性問(wèn)題時(shí)，它首先將其轉(zhuǎn)化為高維空間中的線性問(wèn)題，然后用一個(gè)核函數(shù)來(lái)代替高維空間中的內(nèi)積運(yùn)算，從而巧妙地解決了復(fù)雜計(jì)算難題。svm在各領(lǐng)域應(yīng)用廣泛，適合在模式識(shí)別中構(gòu)建分類器，其基本思想是：構(gòu)造一個(gè)超平面將兩個(gè)不同的集合分開(kāi)，如圖3所示。對(duì)于平面上的兩類可分樣本，機(jī)器學(xué)習(xí)的任務(wù)是找到一條直線，不僅能把兩類樣本分開(kāi)，并且保證分類間隔最大。所謂分類間隔是指從這條直線到兩類樣本中最近樣本的距離之和，而這些最近距離樣本即為支持向量機(jī)。復(fù)雜的分類問(wèn)題可以先通過(guò)非線性映射將輸入空間變換到一個(gè)高維空間，然后在該高維空間中獲得最優(yōu)分類面。支持向量機(jī)分類的示意圖如圖3所示。對(duì)于給定的訓(xùn)練集：t＝{(x1,y1),…,(xn,yn)}∈(x×y)ⁿ,其中，xi∈x＝rⁿ,yi∈y＝{1,-1}(i＝1,2,…,n)，xi為特征向量，存在一條直線g(x)＝w^tx+b使所有yi＝-1的點(diǎn)落在g(x)<0的一邊，所有yi＝+1的點(diǎn)落在g(x)>0的一邊。而距離兩旁邊界最大的就稱為最優(yōu)超平面。此時(shí)的標(biāo)準(zhǔn)支持向量分類器為：

yi[w·xi+b]-1≥0i＝1,2,…,n(1)

支撐超平面到最優(yōu)超平面的距離為：d＝1/||w||，兩個(gè)分類超平面之間的距離margin是二倍的d，即：margin＝2d＝2/||w||。于是求解最優(yōu)超平面的問(wèn)題就稱為：

然而，當(dāng)樣本數(shù)據(jù)復(fù)雜多變的情況下，最優(yōu)超平面很難將所有樣本做一個(gè)準(zhǔn)確的劃分，為此，引入了松弛因子ξi，其目的是為了放松限制條件，允許一定的錯(cuò)分發(fā)生，于是式(1)的分類器模型變?yōu)椋?/p>

yi[w·xi+b]-1+ξi≥0i＝1,2,…,n(3)

此時(shí)，求解最優(yōu)超平面的二次規(guī)劃問(wèn)題就變?yōu)椋?/p>

上式中，c是誤差的懲罰參數(shù)，可以對(duì)錯(cuò)分樣本比例和算法復(fù)雜度進(jìn)行折衷，在確定的特征子空間中c的取值小表示對(duì)經(jīng)驗(yàn)誤差的懲罰小，學(xué)習(xí)機(jī)器的復(fù)雜度小而經(jīng)驗(yàn)風(fēng)險(xiǎn)值較大；c取無(wú)窮大，則所有的約束條件都必須滿足，這意味著訓(xùn)練樣本必須準(zhǔn)確地分類。每個(gè)特征子空間至少存在一個(gè)合適的c使得svm推廣能力最好。

實(shí)際工程中的樣本往往是非線性的，因此需要將輸入空間x通過(guò)某種非線性映射映射到一個(gè)高維特征空間，在這個(gè)空間再構(gòu)造線性的最優(yōu)分類超平面。這種映射通常以設(shè)計(jì)核函數(shù)的方法來(lái)實(shí)現(xiàn)，采用不同的核函數(shù)就能得到不同形式的非線性支持向量機(jī)。常用的核函數(shù)有以下四種類型：

(1)線性核函數(shù)：k(x,x′)＝(x·x′)

(2)多項(xiàng)式核函數(shù)：k(x,x′)＝((x·x′)+1)^q

(3)rbf核函數(shù)：

(4)sigmoid函數(shù)：k(x,x′)＝((x·x′)+1)^q

經(jīng)過(guò)非線性映射后的空間內(nèi)構(gòu)造的分類器模型如下所示：

此時(shí)，要求解的目標(biāo)函數(shù)變?yōu)椋?/p>

綜上所述,svm的基本思想就是通過(guò)內(nèi)積函數(shù)定義的非線性變化將輸入空間變換到一個(gè)高維空間，然后在這個(gè)新空間中求最優(yōu)分類面。

本發(fā)明的仿真實(shí)驗(yàn)是基于開(kāi)源軟件libsvm與matlab2016b平臺(tái)進(jìn)行，libsvm是臺(tái)灣大學(xué)林智仁教授等開(kāi)發(fā)設(shè)計(jì)的一個(gè)簡(jiǎn)單、易于使用和快速有效的svm模式識(shí)別與回歸的軟件包。該軟件不僅提供編譯好的可在windows系列系統(tǒng)的執(zhí)行文件，還提供了源代碼，方便改進(jìn)、修改以及在其他操作系統(tǒng)上應(yīng)用。

在對(duì)分類器進(jìn)行訓(xùn)練時(shí)，其訓(xùn)練模型的懲罰參數(shù)c和核參數(shù)g(與核函數(shù)中的σ互為倒數(shù))的選取對(duì)分類結(jié)果的正確率起到關(guān)鍵影響，但目前為止這兩個(gè)參數(shù)的選取多采用網(wǎng)格搜索和交叉驗(yàn)證法。然而，網(wǎng)格搜索是在一定的范圍內(nèi)按照人為給定的密度列舉出所有可能的參數(shù)組合，然后再找出預(yù)測(cè)誤差最小的參數(shù)組合作為其最優(yōu)解，其計(jì)算量巨大。交叉驗(yàn)證法通過(guò)將訓(xùn)練樣本隨機(jī)劃分為n個(gè)子集，然后再將各子集互為訓(xùn)練集合驗(yàn)證集，進(jìn)而發(fā)現(xiàn)最優(yōu)的參數(shù)組合。但由于每次都是隨機(jī)拆分訓(xùn)練數(shù)據(jù)，因此每次得到的優(yōu)化參數(shù)也不盡相同，再加上計(jì)算量相對(duì)較大，當(dāng)訓(xùn)練樣本數(shù)量增多時(shí)，搜索過(guò)程過(guò)于耗費(fèi)時(shí)間。因此，本發(fā)明利用改進(jìn)的萬(wàn)有引力搜索算法自動(dòng)尋找最優(yōu)的參數(shù)組合，構(gòu)建最優(yōu)決策函數(shù)，使得svm分類的正確率最高，于是得到改進(jìn)的萬(wàn)有引力算法-支持向量機(jī)分類器，即igsa-svm分類器。

萬(wàn)有引力搜索算法(gravitationalsearchalgorithms,gsa)是一種源于對(duì)物理學(xué)中的萬(wàn)有引力進(jìn)行模擬產(chǎn)生的群體智能優(yōu)化方法，作為一種元啟發(fā)式算法，gsa中的搜索粒子是一組在空間運(yùn)行的物體，物體之間通過(guò)萬(wàn)有引力作用相互吸引，物體的運(yùn)動(dòng)遵循動(dòng)力學(xué)規(guī)律。由于萬(wàn)有引力的作用會(huì)使得物體們朝著質(zhì)量最大的物體移動(dòng)，而質(zhì)量最大的物體占據(jù)最優(yōu)位置，從而能夠求出優(yōu)化問(wèn)題的最優(yōu)解。該算法通過(guò)物體間的萬(wàn)有引力相互作用實(shí)現(xiàn)優(yōu)化信息的共享，引導(dǎo)群體向最優(yōu)解區(qū)域展開(kāi)搜索。

本發(fā)明提出了一種改進(jìn)的萬(wàn)有引力搜索算法(igsa)。通過(guò)引入反向?qū)W習(xí)策略、精英策略以及邊界變異策略，使基本的萬(wàn)有引力搜索算法具有更高的優(yōu)化精度及運(yùn)行穩(wěn)定性，最后通過(guò)13個(gè)基準(zhǔn)函數(shù)進(jìn)行測(cè)試，來(lái)驗(yàn)證改進(jìn)的萬(wàn)有引力搜索算法具有較好的優(yōu)化性能。利用改進(jìn)的萬(wàn)有引力算法igsa對(duì)支持向量機(jī)svm分類器進(jìn)行優(yōu)化，能夠?qū)で髎vm訓(xùn)練模型的懲罰參數(shù)c和核參數(shù)g的最優(yōu)解，實(shí)現(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行分類。

此外，應(yīng)當(dāng)理解，雖然本說(shuō)明書(shū)按照實(shí)施方式加以描述，但并非每個(gè)實(shí)施方式僅包含一個(gè)獨(dú)立的技術(shù)方案，說(shuō)明書(shū)的這種敘述方式僅僅是為清楚起見(jiàn)，本領(lǐng)域技術(shù)人員應(yīng)當(dāng)將說(shuō)明書(shū)作為一個(gè)整體，各實(shí)施例中的技術(shù)方案也可以經(jīng)適當(dāng)組合，形成本領(lǐng)域技術(shù)人員可以理解的其他實(shí)施方式。