本發(fā)明屬于家居監(jiān)控
技術(shù)領(lǐng)域：
，特別涉及一種基于紅外熱成像技術(shù)的家居監(jiān)控系統(tǒng)。
背景技術(shù)：
：傳統(tǒng)視頻監(jiān)控系統(tǒng)已經(jīng)可以做到實(shí)時(shí)監(jiān)控，用戶可以隨時(shí)隨地使用各種移動(dòng)終端看到實(shí)時(shí)視頻信息。傳統(tǒng)視頻監(jiān)控系統(tǒng)通過在用戶家中布設(shè)攝像頭采集視頻信號，通過無線通信或者有線通信的方式將數(shù)據(jù)傳輸?shù)街行姆?wù)器，再由中心服務(wù)器向云服務(wù)器轉(zhuǎn)發(fā)，或者使用網(wǎng)絡(luò)攝像頭直接將數(shù)據(jù)上傳到云服務(wù)器，再由云服務(wù)器下發(fā)的各終端。這種攝像頭通常也能改變姿態(tài)，但是需要人為操控。這種監(jiān)控系統(tǒng)的采集的是清晰的視頻圖像，有時(shí)甚至能采集到清晰的人臉圖像，用戶其實(shí)生活在毫無隱私的環(huán)境中。傳統(tǒng)視頻監(jiān)控系統(tǒng)一般使用的是網(wǎng)絡(luò)攝像頭，這種攝像頭采用公開的輸出格式和傳輸協(xié)議，視頻信息很容易被別有用心者截獲，那么這種監(jiān)控系統(tǒng)就會(huì)成為其違法犯罪的有利工具。傳統(tǒng)視頻監(jiān)控系統(tǒng)受外界環(huán)境影響大，在光線不足的情況下圖像質(zhì)量會(huì)大大折扣。技術(shù)實(shí)現(xiàn)要素：為了克服上述現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明的目的在于提供一種基于紅外熱成像技術(shù)的家居監(jiān)控系統(tǒng)，解決了傳統(tǒng)視頻監(jiān)控系統(tǒng)不保護(hù)用戶隱私以及受光線影響大等方面的問題。為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案是：一種基于紅外熱成像技術(shù)的家居監(jiān)控系統(tǒng)，包括：紅外熱成像單元，用于采集室內(nèi)紅外視頻信號，并將所采集信號傳送至中心服務(wù)器；中心服務(wù)器，接收紅外熱成像單元所采集的紅外視頻信號通過云服務(wù)器向外發(fā)送；終端設(shè)備，接收中心服務(wù)器發(fā)送的數(shù)據(jù)，進(jìn)行中轉(zhuǎn)、儲存和分析。所述紅外熱成像單元包括電路模塊和機(jī)械模塊，電路模塊用于采集紅外視頻信號并向外發(fā)送，機(jī)械模塊用于電路模塊的運(yùn)動(dòng)控制。所述電路模塊包括通信模塊和紅外視頻信號采集模塊，紅外視頻信號采集模塊以紅外熱成像傳感器為核心，傳感器產(chǎn)生的電信號形成數(shù)字信息，通過通信模塊上傳到中心服務(wù)器上；所述機(jī)械模塊有三個(gè)自由度，根據(jù)命令將紅外熱成像傳感器固定為三維空間下的任意需要姿態(tài)。所述機(jī)械模塊有兩個(gè)轉(zhuǎn)軸，轉(zhuǎn)軸相互垂直，主轉(zhuǎn)軸的旋轉(zhuǎn)角度范圍為[-179,179]，次轉(zhuǎn)軸的旋轉(zhuǎn)角度范圍為[-90,90]，輔之以紅外熱成像傳感器的視域，在無障礙物遮擋的情況下，實(shí)現(xiàn)對三維空間的近似0死角監(jiān)控。所述中心服務(wù)器包括中央處理模塊、通信模塊和內(nèi)置其中的跟隨控制算法模塊；所述中央處理模塊用于處理各個(gè)模塊的數(shù)據(jù)信息，并對其他各個(gè)模塊進(jìn)行控制；所述通信模塊用于接收紅外視頻數(shù)據(jù)并進(jìn)行相應(yīng)預(yù)處理，還用于接收紅外熱成像單元的位置狀態(tài)信息和下發(fā)控制命令；所述內(nèi)置跟隨控制算法模塊，用于鎖定目標(biāo)后，控制電機(jī)改變紅外熱成像單元姿態(tài)，對目標(biāo)進(jìn)行跟蹤監(jiān)視。所述中央處理模塊中設(shè)置身份標(biāo)識，用于在云服務(wù)器中注冊賬戶，與終端設(shè)備綁定，所述內(nèi)置跟隨控制算法模塊采用均值漂移算法結(jié)合卡爾曼濾波實(shí)現(xiàn)目標(biāo)跟蹤。在目標(biāo)跟蹤的基礎(chǔ)上利用網(wǎng)絡(luò)通信實(shí)現(xiàn)各傳感器的信息交互，從而實(shí)現(xiàn)傳感器組的整體聯(lián)動(dòng)：首先在區(qū)域1拍攝到的圖像畫面中目標(biāo)物體，攝像頭1保持對物體的跟蹤，并將此物體的特征信息傳送給服務(wù)器；此后，服務(wù)器通知其他各攝像頭進(jìn)行協(xié)同跟蹤，其他攝像頭同時(shí)運(yùn)行背景相減算法進(jìn)行物體檢測，并將檢測的結(jié)果即背景相減后得到的當(dāng)前幀與背景幀的差值反饋給服務(wù)器，服務(wù)器根據(jù)各個(gè)攝像頭反饋上來的數(shù)據(jù)，判斷由哪臺攝像頭繼續(xù)進(jìn)行跟蹤。所述終端設(shè)備為手機(jī)、平板或者PC機(jī)，包括UI界面模塊、安全警報(bào)響應(yīng)模塊以及通信模塊，其中：所述UI界面模塊，用于向用戶展示實(shí)時(shí)紅外視頻信息、響應(yīng)用戶命令，UI界面包括用戶賬戶登錄子界面，主界面包括視頻控件、警報(bào)展示、若干用戶輸入按鈕；所述安全警報(bào)響應(yīng)模塊，用于在收到云服務(wù)器下發(fā)的警報(bào)指令后對用戶發(fā)出警報(bào)提醒，包括調(diào)用終端揚(yáng)聲器發(fā)聲、調(diào)用震動(dòng)或頁面彈出功能；所述通信模塊，承擔(dān)終端設(shè)備與云服務(wù)器的數(shù)據(jù)交換任務(wù)。所述云服務(wù)器包括硬件配置和軟件設(shè)計(jì)；所述硬件配置，用于配置設(shè)置服務(wù)器硬件，是軟件、算法運(yùn)行的載體，是存儲的介質(zhì)，服務(wù)器部署采用集群策略，提高可靠性和計(jì)算性能，數(shù)據(jù)存儲采用虛擬化存儲策略，各服務(wù)器共享數(shù)據(jù)；所述軟件設(shè)計(jì)，用于接收家庭中心服務(wù)器的上傳數(shù)據(jù)、對其下發(fā)用戶終端命令、管理用戶賬戶下的數(shù)據(jù)、接收用戶終端的請求并轉(zhuǎn)發(fā)實(shí)時(shí)數(shù)據(jù)，其內(nèi)置算法包括對可疑目標(biāo)的識別、對家庭可疑高溫的識別、對歷史數(shù)據(jù)的分析挖掘，提取用戶行為特征。所述對目標(biāo)身份的識別采用人臉識別和行為識別相結(jié)合的策略。與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于：1、本發(fā)明解決了傳統(tǒng)視頻監(jiān)控系統(tǒng)不保護(hù)用戶隱私的問題，系統(tǒng)所用圖像采集設(shè)備是熱成像攝像機(jī)，該視頻圖像看不清人臉，甚至看不出是否穿衣，切實(shí)保護(hù)用戶隱私。2、本發(fā)明解決了傳統(tǒng)視頻監(jiān)控系統(tǒng)受光線影響大的問題，絕對零度以上的物體都會(huì)向外輻射紅外線，紅外熱成像攝像機(jī)可以捕獲物體向外輻射的紅外線從而形成有用的圖像信息。3、本發(fā)明解決了傳統(tǒng)視頻監(jiān)控系統(tǒng)需要有專人控制攝像機(jī)姿態(tài)的問題，本系統(tǒng)采用目標(biāo)跟蹤算法，一旦確定進(jìn)入者可疑，攝像頭就會(huì)鎖定該目標(biāo)同時(shí)開啟常規(guī)攝像頭拍攝清晰的人臉圖像。4、本發(fā)明采用大數(shù)據(jù)分析技術(shù)，分析用戶的日常行為數(shù)據(jù)，挖掘出用戶的行為特征，對比闖入者的行為特征，實(shí)現(xiàn)自動(dòng)報(bào)警、攝像頭鎖定等功能。5、本發(fā)明還可以對家庭異常高溫進(jìn)行報(bào)警，比如鍋里面的水燒干之后溫度會(huì)超出正常很多，熱成像攝像頭捕捉到異常高溫之后可以報(bào)警，一般的火情火警該系統(tǒng)也能捕捉并發(fā)出警報(bào)。附圖說明圖1是本發(fā)明系統(tǒng)結(jié)構(gòu)圖。圖2是本發(fā)明機(jī)械模塊控制方法示意圖。圖3是本發(fā)明目標(biāo)跟蹤方法示意圖。圖4是本發(fā)明傳感器組工作控制方法示意圖。圖5是本發(fā)明DeepID算法人臉識別的過程示意圖。圖6是本發(fā)明DBNs算法行為識別的過程示意圖。圖7是本發(fā)明RBM示意圖。圖8是本發(fā)明RBM構(gòu)成一個(gè)DBNs的示意圖。具體實(shí)施方式下面結(jié)合附圖和實(shí)施例詳細(xì)說明本發(fā)明的實(shí)施方式。如圖1所示，一種基于紅外熱成像技術(shù)的家居監(jiān)控系統(tǒng)，包括：紅外熱成像單元，用于采集室內(nèi)紅外視頻信號，并將所采集信號傳送至中心服務(wù)器；中心服務(wù)器，接收紅外熱成像單元所采集的紅外視頻信號通過云服務(wù)器向外發(fā)送；終端設(shè)備，接收中心服務(wù)器發(fā)送的數(shù)據(jù)，進(jìn)行中轉(zhuǎn)、儲存和分析。其中，紅外熱成像單元包括電路模塊和機(jī)械模塊，電路模塊用于采集紅外視頻信號并向外發(fā)送，包括通信模塊和紅外視頻信號采集模塊，紅外視頻信號采集模塊以紅外熱成像傳感器為核心，傳感器產(chǎn)生的電信號形成數(shù)字信息，通過通信模塊上傳到中心服務(wù)器上。機(jī)械模塊用于電路模塊的運(yùn)動(dòng)控制，有三個(gè)自由度，根據(jù)命令將紅外熱成像傳感器固定為三維空間下的任意需要姿態(tài)。具體地，其有兩個(gè)轉(zhuǎn)軸，轉(zhuǎn)軸相互垂直，主轉(zhuǎn)軸的旋轉(zhuǎn)角度范圍為[-179,179]，次轉(zhuǎn)軸的旋轉(zhuǎn)角度范圍為[-90,90]，輔之以紅外熱成像傳感器的視域，在無障礙物遮擋的情況下，可以實(shí)現(xiàn)對三維空間的近似0死角監(jiān)控。對于給定目標(biāo)坐標(biāo)，通過主次轉(zhuǎn)軸的動(dòng)作使紅外熱成像傳感器快速達(dá)到所需姿態(tài)；對于連續(xù)目標(biāo)坐標(biāo)，通過主次轉(zhuǎn)軸的連續(xù)動(dòng)作實(shí)現(xiàn)紅外熱成像傳感器永遠(yuǎn)正對目標(biāo)，目標(biāo)跟蹤時(shí)，中心服務(wù)器對紅外熱成像傳感器下發(fā)的數(shù)據(jù)包含一組連續(xù)的坐標(biāo)值。主次轉(zhuǎn)軸的聯(lián)動(dòng)采用數(shù)字積分插補(bǔ)法實(shí)現(xiàn)，如圖2所示。當(dāng)主/次軸脈沖有輸出時(shí)，主/次伺服電機(jī)動(dòng)作一定的角度，最終達(dá)到給定目標(biāo)坐標(biāo)。伺服電機(jī)動(dòng)作以角度為尺度，三維空間中的物體移動(dòng)以距離為尺度，這里有一個(gè)從三維坐標(biāo)到二位角度坐標(biāo)的映射，如下所示公式闡明了從三維空間坐標(biāo)到二維轉(zhuǎn)軸角度坐標(biāo)的完整映射：αθ=K·a11a12a13a21a22a23·b11b12b13b21b22b23b31b32b33·xyz]]>其中表示主軸角度和次軸角度，K為調(diào)整參數(shù)，為外部參數(shù)矩陣，為內(nèi)部參數(shù)矩陣，為空間三維坐標(biāo)。本發(fā)明中心服務(wù)器包括中央處理模塊、通信模塊和內(nèi)置其中的跟隨控制算法模塊，其中：中央處理模塊用于處理各個(gè)模塊的數(shù)據(jù)信息，并對其他各個(gè)模塊進(jìn)行控制；中央處理模塊中同時(shí)還設(shè)置有身份標(biāo)識，用于在云服務(wù)器中注冊賬戶，與終端設(shè)備綁定。通信模塊用于接收紅外視頻數(shù)據(jù)并進(jìn)行相應(yīng)預(yù)處理，還用于接收紅外熱成像單元的位置狀態(tài)信息和下發(fā)控制命令；內(nèi)置跟隨控制算法模塊，用于鎖定目標(biāo)后，控制電機(jī)改變紅外熱成像單元姿態(tài)，對目標(biāo)進(jìn)行跟蹤監(jiān)視。本發(fā)明一個(gè)實(shí)例中采用均值漂移算法(以下稱為Mean-shift算法)結(jié)合卡爾曼濾波實(shí)現(xiàn)目標(biāo)跟蹤。Mean-shift算法是一種基于密度梯度上升的非參數(shù)方法，完全依靠特征空間中的樣本點(diǎn)進(jìn)行分析，不需要先驗(yàn)知識，收斂速度快。但是在實(shí)際監(jiān)控中，運(yùn)動(dòng)目標(biāo)的空間尺度會(huì)隨著自身的位移而變化，而Mean-shift算法是基于固定窗口進(jìn)行目標(biāo)搜索跟蹤的算法，因此會(huì)由于中心定位不準(zhǔn)導(dǎo)致跟蹤失敗?？柭鼮V波能夠預(yù)測Mean-shift算法中目標(biāo)起始中心，大大提高M(jìn)ean-shift算法的適應(yīng)能力和穩(wěn)健性。如圖3所示流程圖闡明了該實(shí)例中目標(biāo)跟蹤的策略。在目標(biāo)跟蹤的基礎(chǔ)上利用網(wǎng)絡(luò)通信實(shí)現(xiàn)各傳感器的信息交互，從而實(shí)現(xiàn)傳感器組的整體聯(lián)動(dòng)：服務(wù)器與成像傳感器通過socket進(jìn)行數(shù)據(jù)傳輸。如圖4所示，首先在區(qū)域1拍攝到的圖像畫面中目標(biāo)物體，攝像頭1保持對物體的跟蹤，并將此物體的特征信息傳送給服務(wù)器；此后，服務(wù)器通知其他各攝像頭進(jìn)行協(xié)同跟蹤，其他攝像頭同時(shí)運(yùn)行背景相減算法進(jìn)行物體檢測，并將檢測的結(jié)果即背景相減后得到的當(dāng)前幀與背景幀的差值反饋給服務(wù)器，服務(wù)器根據(jù)各個(gè)攝像頭反饋上來的數(shù)據(jù)，判斷由哪臺攝像頭繼續(xù)進(jìn)行跟蹤。本發(fā)明終端設(shè)備可為手機(jī)、平板或者PC機(jī)，包括UI界面模塊、安全警報(bào)響應(yīng)模塊以及通信模塊，其中：UI界面模塊，用于向用戶展示實(shí)時(shí)紅外視頻信息、響應(yīng)用戶命令，UI界面包括用戶賬戶登錄子界面，主界面包括視頻控件、警報(bào)展示、若干用戶輸入按鈕；安全警報(bào)響應(yīng)模塊，用于在收到云服務(wù)器下發(fā)的警報(bào)指令后對用戶發(fā)出警報(bào)提醒，包括調(diào)用終端揚(yáng)聲器發(fā)聲、調(diào)用震動(dòng)或頁面彈出功能；通信模塊，承擔(dān)終端設(shè)備與云服務(wù)器的數(shù)據(jù)交換任務(wù)。本發(fā)明云服務(wù)器包括硬件配置和軟件設(shè)計(jì)；硬件配置，用于配置設(shè)置服務(wù)器硬件，是軟件、算法運(yùn)行的載體，是存儲的介質(zhì)，服務(wù)器部署采用集群策略，提高可靠性和計(jì)算性能，數(shù)據(jù)存儲采用虛擬化存儲策略，各服務(wù)器共享數(shù)據(jù)；軟件設(shè)計(jì)，用于接收家庭中心服務(wù)器的上傳數(shù)據(jù)、對其下發(fā)用戶終端命令、管理用戶賬戶下的數(shù)據(jù)、接收用戶終端的請求并轉(zhuǎn)發(fā)實(shí)時(shí)數(shù)據(jù)，其內(nèi)置算法包括對可疑目標(biāo)的識別、對家庭可疑高溫的識別、對歷史數(shù)據(jù)的分析挖掘，提取用戶行為特征。其中，對目標(biāo)身份的識別采用人臉識別和行為識別相結(jié)合的策略。人臉識別采用DeepID人臉識別算法，這是一種基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法。人臉識別的基本工作就是判斷兩張圖片是不是同一個(gè)人，卷積神經(jīng)網(wǎng)絡(luò)在DeepID中的作用是學(xué)習(xí)特征，輸入圖片，學(xué)習(xí)到一個(gè)160維的向量，然后在這個(gè)向量上使用各種現(xiàn)有分類器，即可得到結(jié)果。如圖5所示，闡明了完整的DeepID算法人臉識別的過程。行為識別采用深信度網(wǎng)絡(luò)算法(以下稱為DBNs算法)，DBNs算法是一個(gè)概率生成模型，如圖6所示，與傳統(tǒng)的判別模型的神經(jīng)網(wǎng)絡(luò)相對，生成模型是建立一個(gè)觀察數(shù)據(jù)和標(biāo)簽之間的聯(lián)合分布。受限波爾茲曼機(jī)(以下簡稱RBM)是DBNs算法的重要組成單元，RBM由顯層和隱層組成，顯層單元與隱層單元相互連接，但顯層單元和隱層單元自身之間并無連接。V為顯層，H為隱層。一個(gè)典型的RBM是一個(gè)無向循環(huán)圖，其能量函數(shù)定義如下：E(x,h)＝-b′x-c′x-x′Wh圖7展示了一個(gè)典型的RBM結(jié)構(gòu)，DBNs是一個(gè)包含多個(gè)隱含層的概率模型，可以看作多個(gè)RBM的累加，每個(gè)底層的RBM輸出結(jié)果作為輸入數(shù)據(jù)用于訓(xùn)練下一個(gè)RBM，通過貪婪學(xué)習(xí)得到一組RBM，這一組RBM可以構(gòu)成一個(gè)DBNs，如圖8所示。采用貪婪逐層訓(xùn)練算法進(jìn)行行為學(xué)習(xí)。貪婪無監(jiān)督學(xué)習(xí)算法的主要思想是對DBNs內(nèi)每一層進(jìn)行無監(jiān)督學(xué)習(xí)，最后對整個(gè)網(wǎng)絡(luò)進(jìn)行監(jiān)督學(xué)習(xí)和微調(diào)。學(xué)習(xí)過程包含預(yù)訓(xùn)練、編碼解碼和微調(diào)3個(gè)過程。在預(yù)訓(xùn)練階段，下一層與上一層構(gòu)成一個(gè)典型的RBM，使用無監(jiān)督的學(xué)習(xí)調(diào)節(jié)網(wǎng)絡(luò)的參數(shù)，使得RBM的輸出能夠準(zhǔn)確或近似描述輸入，使之達(dá)到平衡狀態(tài)。然后下一層的輸出作為上一層的輸入，與更上層構(gòu)成新的RBM，調(diào)節(jié)參數(shù)，使RBM達(dá)到平衡。如此反復(fù)，直到最后一層。使用訓(xùn)練得到的DBNs對目標(biāo)進(jìn)行識別的過程被稱為編碼解碼。當(dāng)完成無監(jiān)督的訓(xùn)練學(xué)習(xí)后，再通過原始輸入和最終的輸出有監(jiān)督的學(xué)習(xí)整個(gè)網(wǎng)絡(luò)，調(diào)節(jié)每層的權(quán)重，這一過程稱為微調(diào)。基于前述方法與原理，在一個(gè)或多個(gè)實(shí)施例中，可將熱成像傳感器布設(shè)到用戶家中各角落，在用戶家中布設(shè)中心服務(wù)器，在遠(yuǎn)端配置云服務(wù)器。熱成像傳感器通過敏感元件采集紅外視頻信號形成熱圖像數(shù)據(jù)。在一個(gè)實(shí)例中，這些數(shù)據(jù)可以通過無線通信的方式傳輸?shù)闹行姆?wù)器上，比如ZigBee或者無線WiFi；在另一個(gè)實(shí)例中，這些數(shù)據(jù)可以通過有線通信的方式傳輸?shù)街行姆?wù)器上。中心服務(wù)器收到這些數(shù)據(jù)，進(jìn)行初步處理，如果有異常高溫則直接控制動(dòng)作設(shè)備報(bào)警，在一個(gè)實(shí)例中是鈴聲，在另一個(gè)實(shí)例中是閃燈。并向云服務(wù)器發(fā)送異常高溫警報(bào)。在一個(gè)實(shí)例中，中心服務(wù)器會(huì)對這些數(shù)據(jù)進(jìn)行加密，產(chǎn)生的結(jié)果是數(shù)據(jù)即使被截獲也不會(huì)被解析。在另一個(gè)實(shí)例中，中心服務(wù)器會(huì)對這些數(shù)據(jù)打上用戶的專有標(biāo)識，保證數(shù)據(jù)發(fā)送到云服務(wù)器相應(yīng)的用戶賬戶下，并只能被用戶的注冊設(shè)備訪問。在一個(gè)實(shí)例中，中心服務(wù)器壓縮數(shù)據(jù)，提高傳輸效率，減少所需帶寬。云服務(wù)器接收中心服務(wù)器的熱圖像數(shù)據(jù)并進(jìn)行存儲。在一個(gè)實(shí)例中，云服務(wù)器分析歷史數(shù)據(jù)，挖掘用戶行為特征。對比進(jìn)入者行為特征，確認(rèn)可疑者，通知中心服務(wù)器鎖定目標(biāo)，通知用戶終端，用戶終端接收到消息后產(chǎn)生警報(bào)，在一個(gè)實(shí)例中調(diào)用終端響鈴，在另一個(gè)實(shí)例中彈出警報(bào)頁面。在一個(gè)實(shí)例中，用戶終端有賬戶登錄系統(tǒng)，有視頻顯示窗口，有查詢按鈕，有人為操控?cái)z像頭動(dòng)作按鈕，在另一個(gè)實(shí)例中，是3D搖桿。本發(fā)明的完整工作過程為：傳感器組捕獲到有人進(jìn)入之后，由就近的傳感器進(jìn)行跟蹤，其他傳感器處于待命狀態(tài)，隨時(shí)接收中心服務(wù)器的調(diào)配命令進(jìn)行整體聯(lián)動(dòng)完成協(xié)同跟蹤，同時(shí)處于工作狀態(tài)的熱成像傳感器將熱圖像數(shù)據(jù)上傳到中心服務(wù)器，由服務(wù)器進(jìn)行行為識別，識別的結(jié)果認(rèn)為來者可疑，通知正在進(jìn)行跟蹤任務(wù)的傳感器的開啟常規(guī)攝像頭拍攝人臉，將圖像數(shù)據(jù)上傳到中心服務(wù)器進(jìn)行人臉識別，確認(rèn)是外來闖入者之后鎖定目標(biāo)，向云服務(wù)器發(fā)送報(bào)警消息并上傳人臉圖像，由服務(wù)器通知客戶端有人闖入并下發(fā)人臉圖像，再由用戶決定下一步動(dòng)作，接觸警報(bào)(是不常來的親戚)或者報(bào)警(是小偷)。傳感器將數(shù)據(jù)發(fā)送給中心服務(wù)器，這些數(shù)據(jù)中包含目標(biāo)物體的方位和移動(dòng)速度，中心服務(wù)器經(jīng)過目標(biāo)跟蹤算法，將跟蹤命令發(fā)送給當(dāng)事傳感器，跟蹤命令中包含一組坐標(biāo)值，傳感器的主次轉(zhuǎn)軸根據(jù)該坐標(biāo)值動(dòng)作，從而實(shí)現(xiàn)跟蹤。采用如前所述聯(lián)動(dòng)策略實(shí)現(xiàn)傳感器的協(xié)同跟蹤。云服務(wù)器對云上的視頻數(shù)據(jù)進(jìn)行分析，提取用戶行為特征，在中心服務(wù)器進(jìn)行行為識別時(shí)，下發(fā)該特征值，作為中心服務(wù)器的判斷依據(jù)。當(dāng)前第1頁1 2 3