53、智能监控与车牌识别的前沿技术探索

智能监控与车牌识别的前沿技术探索

1. 人类行为分类与现有监控系统问题

人类行为可以进行分类，不同的研究者提出了不同的分类方式。Foroughi 等人将人类行为扩展分类为正常、特殊和异常；Park 和 Aggarwal 早期将活动分为积极、中性和消极。人类存在独处、小群体和大群体等不同状态，Solmaz 等人开发了一种方法，用于在视觉场景中识别瓶颈、源头、轨道、拱形和块状这五种人群行为。Bremond 等人提出了一个活动监测框架，用于在地铁场景的视觉监控领域中识别涉及单人、人群或群体的行为。Kiryati 等人则建议进行简单的正常和异常分类。

现有监控系统存在诸多问题：
- 虽然监控摄像头价格低廉且广泛可得，但监控所需的人力成本很高。
- 因此，这些设备的录像通常只是偶尔或根本不被检查，而是常被用作记录工具，用于事后查看已发生的事件。
- 还包括劳动密集型的访问控制监控。
- 在日益数字化的社会中，控制人员和保护个人信息变得越来越困难，例如如何确保人员和客人能在适当的时间进入适当的地点。

2. 智能监控系统架构

提议的智能监控系统（ISS）整体设计如图 3 所示，它配备了视频监控摄像头和视频处理单元，以实现高级数据收集。该处理单元可与网络的控制和警报处理中心通信。视频数据库和检索工具也是关键组件，允许搜索和存储选定的视频对象。

处理单元从多个摄像头接收信息，并使用背景减法检查运动。还使用面部检测和识别算法来识别身份证。处理单元与处理物联网任务的 adafruit.io 和 firebase 服务器相连，而协助报警和门禁的边缘设备则连接到这些服务器。

ISS 的工作流程如下： <