摘要：针对日益突出的人、车间交通安全事故频发问题，设计了一种基于人脸识别的车辆超员智能监控系统，前端通过安装在运行车辆的摄像头获取实时图片，后端服务器通过通信模块接收前端发来的实时视频数据，服务器端基于 OpenCV 实现了图像采集、图像预处理、面部识别、边缘检测、特征提取等操作。通过对于背景区域和前景区域的识别来实时计算运行车辆中人员数量是否超出标准数量。
关键词：人脸识别，智能监控，特征提取
随着人工智能技术的飞速发展， 基于图像的人体检测跟踪和人脸识别再智能监控系统领域有着广泛的应用前景， 本文设计了一种基于判别跟踪区域士背景区域或前景区域来设置权重系数来判别人员数量。 传统的超员监控是采取人为在公路上对车辆采取登车临检。 这不仅加大了检查的误差也加大了人工的工作量。 由此可以看出传统的方案已经不能满足现在的多车辆、多出行的安全需求
为解决上述问题， 本文设计了基于人脸识别的人体检测跟踪的智能监控系统，该系统基于面部识别和人体检测跟踪技术，通过对于背景区域和前景区域的识别进行智能监控，提高了安全性能。
1 系统的总体设计思路
1.1 系统总体设计
系统主要功能： 车厢内的人员数量是通过面部识别和人体检测跟踪进行相应的统计的， 其中车厢内摄像头的视频数据会通过通信模块实时传送给后端服务器， 通过服务器的分析对比判断车厢内相应位置是否有人，通过服务器的处理，实时计算出车厢里人员的数量。
根据项目总体需求，需要设计一个智能监控系统，主要有三个部分：前端系统、后端系统、执行系统。 三个主要模块系统：其中信息采集模块核心主要使用 STM32 类单片，主要包括电源模块、通信模块、高清摄像头模块;后端模块主要采用网络数据库进行数据的接受和数据调用处理工作， 主要工作包括人脸识别和人体检测跟踪; 执行系统主要包括前端预警提示模块和后端的超员提示模块[1-6]。
1.2 高清摄像头
其中高清摄像头采用现在市面上流行的 4G 无线监控摄像机 TNSA-4G-T5，其中该摄像机主要内置 4G 通信 模 块，可 以产生拍照和发送动作， 符合所需要的拍摄图片并将图片上传到后端数据库的任务。
2 人脸识别程序设计
2.1 背景减除法
根据实际情况分析， 我们可以知道车厢内部背景图像景色单一、稳定。 此处的人脸识别可以通过对比前后几帧图片中相应位置的像素点在接近时间段内像素值的变化来判断是否有人存在。 背景减除法的基本思想是建立视频图像的背景模型，之后利用连续的图像与背景图像相对应点的对比来得到运动物体，优势在于数据计算简单、对数据运算速度快。
2.2 ViBe 算法概述
通过查询大量的资料，提出使用一个新的框架——ViBe 框架，这是一种使用像素点的像素的视频背景建模算法。 ViBe 算法的大致框架分为三个部分：模型初始化、前景分割、背景更新。
2.2.1 模型初始化
ViBe 的模型初始化采用单帧进行模型初始化，这种方法初始化速度快，但是初始化正确度不高，因为有可能将运动物体认作背景，容易引起拖影区域。 ViBe 算法的核心思想是通过利用单帧视频序列初始化图像的背景模型， 将相邻像素点与相似像素值的空间分布组合以随机选择其相邻点， 并将其像素值作为其模型样本值。 ViBe 模型的初始化可以简单地通过选择一帧图像上的所有像素来完成。
2.2.2 前景分割
背景模型存储成每个背景点的样本集， 然后将每个新像素值与样本集中每个背景点的像素值进行比较， 确定新像素是否属于背景。 当比较像素时，计算机自动计算样本集中新像素值和样本值之间的距离，如果近似采样点的数量大于阈值，则新像素被认为是背景。 背景分割技术目的是生成一个带有背景和前景像素的二值化模板，由此可以看出，在更新模板时，分割蒙版起着非常重要的作用。 同时，以不同的方式处理分割蒙版并以不同的方式更新蒙版。 为了发挥抑制效果，通过设置程序的判断条件强行决定前景像素来更新模型。
2.2.3 背景模型检测过程
背景模型由两种假定构成： 一是假定背景像素点是由一个随机变量生成的; 二是背景像素点接近于某个被给定的概率密度函数。 另外，也可能为背景模型收集样本值并存储它们，而不是计算背景像素点的底层概率密度函数的参数[4-5]。
相关知识推荐：学术论文篇幅
背景模型的更新可以让背景模型不断地适应背景的变化，例如照明的变化、背景对象的变化等等，当选择样本集中需要替换的样本值时， 随机选择需要更新的样本值。
可以看到通过 ViBe 图片背景处理的更加平滑， 噪点更少，对于背景图像的提取更流畅。
2.3 人数统计原理
通过两帧图片像素点的变化，机器可以判别该处是否有人， 如果有人计数器加一，当计数器的值大于一个设定值的时候，会产生警示信号。 整个系统流程如图 4 所示。
3 结束语
本项目前端警示模块采用无线信息传输模块 GPRS 接入互联网与公安交警系统通信， 收集到的信息被发送到公安交警系统。 前端报警模块使用液晶显示器和语音模块进行相关的违规提醒，提醒驾驶员注意安全。
本文结合业务的实际需要，借助先进的机器视觉，传感器和无线通信计数， 综合运用各种关键计数并实现车辆的智能监控系统，主要实现了机动车辆超载违规违章行为的实时监控。 本文基于人脸识别设计的智能监控系统， 服务端与监控端采用网络通信连接，避免了无法实施内部监控的问题。 本项目的设备采用现在市面流行的高清摄像头，节省空间、安装方便。 使用人脸识别技术，智能扫描、计数大大增强了智能监控系统的风险预警能力，本系统程序会自动识别和滤除机器所拍下的无效监控视频，通过这样的管理机制可以大幅度节省监控视频存储空间。——论文作者：高 文
参考文献
[1]李翔，张义红.基于人脸识别的实验室监控系统设计[J].工业控制计算机，2018，31(2)：48-49
[2]汤德俊.人脸识别中图像特征提取与匹配技术研究[D].大连：大连海事大学，2013
[3]王守佳.基于图像的人体检测跟踪和人脸识别的研究[D].长春：吉林大学，2013
[4]兴军亮.基于检测的在线多物体跟踪[D].北京：清华大学，2012
[5]朱明旱，罗大庸.基于帧间差分背景模型的运动物体检测与跟踪[J].计算机测量与控制，2006(8)：1004-1006，1009
