竊的運動目標，從而警報模塊 經(jīng)第二LTE通信模塊將報警信息及運動目標發(fā)送給智能移動終端，由監(jiān)控人員采取應對措 施，防止庫房發(fā)生盜竊。
【附圖說明】
[0039] 圖1為本發(fā)明中基于智能移動終端的庫房防盜視頻監(jiān)控系統(tǒng)的結構示意圖；
[0040] 圖2為圖1中運動目標提取模塊提取運動目標的方法流程示意圖。
【具體實施方式】
[0041]W下結合附圖實施例對本發(fā)明作進一步詳細描述。
[0042] 如圖1所示，本實施例中提供的基于智能移動終端的庫房防盜視頻監(jiān)控系統(tǒng)，包 括設有第一LTE通信模塊10的智能移動終端1W及設置在庫房2內(nèi)的視頻采集模塊20、視 頻存儲模塊21、視頻提取模塊22、視頻分帖模塊23、圖像類型識別模塊24、圖像類型轉換模 塊25、圖像預處理模塊26、運動目標提取模塊27、警報模塊28和第二LTE通信模塊29;
[0043] 視頻存儲模塊21分別連接視頻采集模塊20和視頻提取模塊22,視頻分帖模塊23 分別連接視頻提取模塊22和圖像類型識別模塊24,圖像類型轉換模塊25連接圖像類型識 別模塊24和圖像預處理模塊26,圖像預處理模塊26連接圖像類型識別模塊24和運動目 標提取模塊27,警報模塊28分別連接運動目標提取模塊27和第二LTE通信模塊29,第二 LTE通信模塊29連接視頻采集模塊20;其中，
[0044]視頻采集模塊20,用W采集庫房2內(nèi)的視頻信息并消除視頻抖動，存儲已消除視 頻抖動后的視頻信息至視頻存儲模塊21內(nèi)；
[0045] 視頻提取模塊22,用于提取視頻存儲模塊21中的視頻信息，并發(fā)送給視頻分帖模 塊23;
[0046] 視頻分帖模塊23,用W將接收的視頻按照預設帖間隔分割成若干獨立的帖圖像， 并按照分割的先后順序?qū)Ω魈麍D像進行順序編號；
[0047] 圖像類型識別模塊24,用W判斷所接收的帖圖像類型為動態(tài)圖像時，則將其發(fā)送 給圖像類型轉換模塊25處理成靜態(tài)圖像；判斷接收的帖圖像為靜態(tài)圖像時，則直接發(fā)送帖 圖像給圖像預處理模塊26;
[0048]圖像類型轉換模塊25,用W將接收的動態(tài)帖圖像轉換為靜態(tài)帖圖像，并發(fā)送轉換 后的靜態(tài)帖圖像給圖像預處理模塊26;
[0049]圖像預處理模塊26,用W對接收的靜態(tài)帖圖像進行濾噪處理，并將濾噪后的靜態(tài) 帖圖像作為庫房監(jiān)控的原始監(jiān)控圖像發(fā)送給運動目標提取模塊27 ;
[0050] 運動目標提取模塊27,用于提取濾噪后的原始監(jiān)控圖像序列中的運動目標，并將 提取的運動目標發(fā)送給警報模塊28,其中，參考圖2所示，運動目標的提取方法依次包括如 下步驟：
[0051] 步驟1，W預設編號差值作為編號間隔，在具有獨立編號的原始帖圖像序列中連 續(xù)地選取部分原始帖圖像組成原始監(jiān)控圖像S(i，j);其中，選取的部分原始帖圖像表示為 St(i，j)，tG[0,T]，T為被選取的原始帖圖像數(shù)量；
[0052] 例如，在獲取的時長為10秒的原始監(jiān)控視頻A.mp4文件中，視頻分帖模塊23將 該原始監(jiān)控視頻先后分割成獨立的200幅獨立編號的原始帖圖像，即原始帖圖像分別為 Si(i，j)、S2(i，j)、…、Si99(i，j)和S2〇〇(i，j);假設預設編號差值為2,貝IJW第一帖原始帖圖 像為選取的首帖，則連續(xù)地選取的部分原始帖圖像分別為Si(i，j)、S3(i，j)、SsQ,j)、…、 Szoo(i，j);由被選取的運100幅原始帖圖像構成原始監(jiān)控圖像S(i，j);
[0053] 步驟2,對原始監(jiān)控圖像S(i，j)中的各原始帖圖像St(i，j)W預設倍數(shù)放大其像 素值，并對放大后的各原始帖圖像St(i，j)做灰度化處理，得到對應的灰度帖圖像Yt(i，j)， 其中，原始監(jiān)控圖像S(i，j)對應的灰度圖像為Y(i，j);
[0054] Y(i,j) = 0. 257Xr(i,j)+0. 504Xg(i,j)+0. 239Xb(i,j)；
[005引其中，r(i，j)、g(i,j)、b(i,j)分別對應原始帖圖像St(i,j)的顏色空間S維坐標 中的紅、綠、藍顏色分量，Yt(i，j)是該像素點對應的灰度值；在本實施例中，針對紅、綠、藍 顏色分量，分別設定優(yōu)化的圖像轉換參數(shù)0. 257、0. 504和0. 239,W得到具有高壓縮率的灰 度圖像，由此得到具有小容量的灰度圖像，從而可W有效的節(jié)約智能移動終端的存儲空間， 進一步提高智能移動終端的運行效率；
[0056] 步驟3,對灰度圖像Y(i，j)中的各灰度帖圖像Yt(i，j)進行預處理，得到對應的預 處理帖圖像It(i，j)和預處理圖像I(i，j)，并采用高斯濾波分別對各預處理帖圖像It(i，j) 進行處理，得到純凈的預處理圖像，從而可W彌補后續(xù)單獨使用=帖差分法難W滿足對運 動目標提取質(zhì)量的要求不足；其中，高斯函數(shù)為均值是零的二維高斯函數(shù)g(i，j)，其中，
，其使用的圖像模板算子為
[0057] 步驟4,對前后連續(xù)間隔為m-n帖和m帖的S帖預處理圖像。> (i，如、Ik(i，如 和做差分，得到兩個差分圖像和;其中，
[005引 D(k,k(mn))(ij) = |lk(ij)-lk(mn)(ij)l，D(k噸k)(ij) = I;
[00則其中，1^。。)（1，_]'）、11<(1，_]'）和11<+。(1，_]'）分別表示預處理序列圖像1(1，_]'）中的某 =帖預處理圖像，m-n和m分別表示預處理序列圖像I(i，j)中兩帖預處理圖像之間的間隔 帖數(shù)，m,nGZ，且m> 3,nG[0,引；
[0060] 例如，在一系列預處理圖像Ii(i，j)、Iz(i，j)、Is(i，j)、14(1，j)、Is(1，j)和Ie(1，j) 中，取m= 3,n=I時，Wl2(i，如為首選帖預處理圖像，則選取的S帖預處理圖像分別為 l2(i，j)、l4(i，j)和l5(i，j);其中，m為3且n為1時，可W保證連續(xù)選取的S帖預處理圖 像不會出現(xiàn)大的像素點缺失，W保證庫房監(jiān)控圖像內(nèi)容的不失真性，從而保證對庫房監(jiān)控 視頻中運動目標的檢測效果；
[0061] 步驟5,分別對所得兩個差分圖像D&,k〇"w(i，j)和IVm,w(i，j)做二值化處理，得 到對應的二值化圖像R&,MmW(i，j)和R〇^+m,Wa,j);其中，二值化處理準則如下：
[006引其中，T表示闊值；
[0064] 步驟6,對所得到的兩幅相鄰的二值化圖像R&,kW(i，如和R心m,w(i，如做邏輯 "或"操作和邏輯"與"操作，分別得到對應運算后的聯(lián)合二值化"或"圖像Bork(i，j)和聯(lián)合 二值化"與"圖像BandkQ,j)，并將聯(lián)合二值化"或"圖像BorkQ,j)和聯(lián)合二值化"與"圖 像Bandk(i，j)進行邏輯"異或"運算，得到潛在運動目標區(qū)域的二值化圖像Bk(i，j);邏輯
[0065] 聯(lián)合二值化"或"圖像巧 "與"操作可W自動擬棄新暴露出來的像素點，有效的消除"鬼影"現(xiàn)象，而通過采用邏輯"異 或"運算可W明確的界定出潛在運動目標區(qū)域的界限，W得到真實的二值化圖像，其中，
[0066] 聯(lián)合二值化"與"圖像巧
[0067] 潛在運動目標區(qū)域的二值化圖像
[006引步驟7,對潛在運動目標區(qū)域內(nèi)進行基于高斯模型的運動目標檢測，對高斯分布的 參數(shù)均值戰(zhàn)SW及方差(口賦初值，建立高斯背景模型，并對建立的高斯背景模型W如下設 定的更新方式進行實時更新；其中，設定的更新方式為：
[0071] 其中，a表示當前帖圖像中的像素對所對應位置上的高斯背景模型的更新所做出 的貢獻程度，本實施例中設定a= 0.0025,W滿足當前更新后的背景模型真實的反映實際 場景中的真實背景圖像，而當貢獻程度a設定為其他數(shù)值時，則更新后的背景模型與實際 場景中的真實背景圖像發(fā)生偏移，從而導致不能建立最佳的背景模型；N表示被用來進行 高斯背景模型初始化的圖像的數(shù)量，4表示第k帖圖像中（i，j)位置上的像素觀察值；
[0072] 步驟8,計算像素位置上高斯分布的90%置信