一種融合音頻和視頻的室內(nèi)智能監(jiān)控系統(tǒng).pdf

1、近年來(lái)，隨著經(jīng)濟(jì)的迅猛發(fā)展，計(jì)算機(jī)技術(shù)和信號(hào)處理技術(shù)在研究和應(yīng)用上有了質(zhì)的飛躍，室內(nèi)智能監(jiān)控越來(lái)越受到人們的關(guān)注。智能監(jiān)控系統(tǒng)擺脫了傳統(tǒng)視頻監(jiān)控單一性功能的缺點(diǎn)，能夠?qū)ΡO(jiān)控場(chǎng)景進(jìn)行實(shí)時(shí)的目標(biāo)檢測(cè)和跟蹤，且大大節(jié)省了人力、物力和財(cái)力，因而在工業(yè)、交通、銀行、安全等方面得到了廣泛應(yīng)用。然而，單一攝像頭的監(jiān)控能力和范圍有限，增加攝像頭的個(gè)數(shù)無(wú)疑大大增加了投入成本。因此本文提出了一種融合音頻和視頻的室內(nèi)智能監(jiān)控系統(tǒng)，在調(diào)研國(guó)內(nèi)外相關(guān)論文的基礎(chǔ)之

2、上，在音頻和視頻兩方面針對(duì)發(fā)生的異常情況進(jìn)行檢測(cè)，具體開展了以下的研究和開發(fā)工作:
　　(1)在對(duì)異常聲音特性和室內(nèi)背景噪聲模型分析的基礎(chǔ)上，提出了對(duì)陣列采集信號(hào)的預(yù)處理方法，包括聲音端點(diǎn)檢測(cè)(Sound Endpoint Detection，SED)和背景噪聲去除技術(shù)。實(shí)驗(yàn)表明，在信噪比低的環(huán)境下，SED無(wú)法達(dá)到理想的檢測(cè)效果，但對(duì)去除噪聲后的信號(hào)進(jìn)行端點(diǎn)檢測(cè)，其準(zhǔn)確性會(huì)有較大幅度的提高。后續(xù)的實(shí)驗(yàn)證明，良好的預(yù)處理方法不僅有利

3、于減少運(yùn)算量，更有助于提高定位精度。
　　(2)在基于麥克風(fēng)陣列信號(hào)產(chǎn)生模型的基礎(chǔ)上，歸納總結(jié)了一些常用的時(shí)延估計(jì)技術(shù)，并針對(duì)幾種實(shí)時(shí)性較好的方法進(jìn)行了深入研究。實(shí)驗(yàn)采用均方根誤差(Root Mean Square，RMSE)∈RMSE和異常比率(Abnormal Rate，AR)ηAR來(lái)描述估計(jì)值偏離真實(shí)值的離散度和異常度，實(shí)驗(yàn)結(jié)果表明:在不同的噪聲和混響環(huán)境下，廣義互相關(guān)(Generalized Cross Correlati

4、on，GCC)時(shí)延估計(jì)法定位精度較高且實(shí)時(shí)性好。當(dāng)環(huán)境信噪比為5dB，混響時(shí)間為100ms時(shí)，進(jìn)行SED后的基于人耳聽覺(jué)感知特性(Human Auditory Perception Properties，HAPP)時(shí)延估計(jì)法效果最為理想，其∈RMSE和ηAR分別為0.5054和0.0385，達(dá)到了較為理想的時(shí)延估計(jì)精度。
　　(3)根據(jù)聲源與麥克風(fēng)陣列的空間位置關(guān)系，介紹了幾種常用近場(chǎng)定位技術(shù)的原理和推導(dǎo)過(guò)程。在時(shí)延估計(jì)的基礎(chǔ)上，

5、對(duì)大量不同方位和距離聲源進(jìn)行定位實(shí)驗(yàn)，結(jié)果表明:角度和距離定位的∈RMSE和ηAR分別小于0.1和0.3，估計(jì)誤差較小，算法從整體上滿足室內(nèi)環(huán)境定位的基本要求。
　　(4)本文提出了一種音頻與視頻相融合的異常檢測(cè)方法，該方法在一定程度上克服了單一視頻監(jiān)控的盲區(qū)，將聲音信號(hào)與視頻圖像結(jié)合起來(lái)，對(duì)室內(nèi)安全情況進(jìn)行綜合判斷。在音頻檢測(cè)方面，詳細(xì)闡述了高斯混合模型(Gaussian MixtureModel)的基本原理、參數(shù)估計(jì)和識(shí)別方法

6、，并研究了不同的高斯混合階數(shù)和特征參數(shù)對(duì)識(shí)別率和時(shí)間復(fù)雜度的影響。大量的實(shí)驗(yàn)結(jié)果表明，當(dāng)高斯混合階數(shù)為32時(shí)，基于MFCC_E和GMM的異常聲音檢測(cè)的平均識(shí)別率能達(dá)到85％以上，時(shí)間復(fù)雜度較低。在視頻檢測(cè)方面，對(duì)基于單高斯背景建模的運(yùn)動(dòng)目標(biāo)檢測(cè)原理進(jìn)行了說(shuō)明，且在室內(nèi)環(huán)境下證明了該算法的有效性。
　　(5)結(jié)合前幾章所研究的算法，提出了一種融合音頻和視頻的室內(nèi)智能監(jiān)控系統(tǒng)，并在PC平臺(tái)下利用Visual C++6.0進(jìn)行開發(fā)。系統(tǒng)