如何用Python 實現景區安防系統

本設計中，利用YOLO目標檢測演演算法、Openpose姿態識別演演算法、deepsort跟蹤演演算法、MSCNN人群密度估計演演算法實現了火災監測、吸菸監測、行為安全監測、人群密度監測、口罩率監測、人員定位監測六大功能。系統運用智慧視覺互動技術，使用者可以通過手勢作業系統，使用者操作方便簡潔。在多角度多方位輔助景區安防管理，消減了景區存在的隱形安全隱患，推動景區智慧化建設。本套系統各類功能之間實現了資料的實時傳輸與反饋，保證了資訊的有效性，可以執行在手機端、電腦端和物聯網平臺多個平臺，同時也真正意義上實現了“多平臺應用”。

結合多種演演算法設計的多功能的智慧安防系統，主要應用於景區中火災預防與監測、疫情防控、遊客安全定位等，對景區安全防護與景區智慧化建設具有重要的應用價值。

基本介紹

該系統以計算機多媒體技術、智慧影象分析技術、資料探勘技術等為基礎，建設旅遊景區綜合安防管理系統。針對景區公共活動區域的人身安全，森林防火管理，疫情防控管理等需求，要求建設全方位、全天候、高清化、智慧化的視訊監控系統，以滿足現代旅遊景區安全管理的需求，實現大場景全景監控，對景區火災、遊客危險行為等突發情況進行檢測。實現對人員實時定位、軌跡查詢，當發生緊急情況時聯動地圖進行閃爍警示，並便於應急指揮。同時滿足人員管理與客流分析系統，需要對出入口客流量進行統計和分析，當景區超過一定的客流容量之後可及時預警停止遊客進入並進行適當的遊客分流處置。結合實際需求及智慧景區的系統架構規劃，旅遊景區綜合安防系統由智慧監控系統、智慧視覺互動、多角度多方位、多平臺應用四個模組構成，整合火災監測、吸菸監測、行為安全監測、人群密度監測、口罩率監測、人員定位監測異構安防子系統。系統總體設計架構如下圖：

基本功能展示

1、系統概述

本智慧監控系統開發平臺為Pycharm，使用python語言，共分為六大系統。

2、火災監測系統

本模組通過實時的視訊監控，分析視訊是否有火災產生。如圖中所示，如果景區發生火災，系統會及時的發出預警資訊，反饋給排程室，使得火災得到有效控制，極大的提高應對火災的效率。

3、吸菸監測系統​

為了防止景區發生火災，景區多數區域為禁菸區。本模組通過實時的視訊監控，分析視訊是否存在吸菸行為。如圖中所示，如果有遊客存在吸菸行為，系統會及時的發出預警資訊，反饋給排程室，第一時間發現遊客吸菸的安全隱患，預防火災發生，確保景區安全。

4、行為安全監測系統

景區旅遊過程中，遊客人身安全須受到保障。本模組通過實時的視訊監控，分析視訊中人的軀體動作，如果發生異常行為如圖中“摔倒”等危險行為可以及時的發出預警資訊。能夠大大縮短救援時間，減少突發事件造成的損失，保護遊客的生命財產安全。

5、人群密度監測系統

受新冠疫情的影響，景區需要合理控制景區內的人口密度。通過本模組可以實現對景區遊客人口密度的動態監控，通過智慧分析，將人群密度實時的展現在系統頁面上，幫助使用者管理景區，切實保障廣大遊客、員工的身體健康和生命安全，維護景區和社會穩定大局。

6、口罩率監測系統​

為防止新冠病毒的傳播，根據景區相關規定，進入景區之前需要確定乘客。本模組通過實時的視訊監控，分析視訊中游客是否佩戴口罩，將標記每個遊客是否佩戴口罩，將結果顯示在系統上，並實時的顯示場景佩戴口罩率。用於景區疫情防疫工作，保護遊客，保護景區。

7、人員跟蹤定位監測

本模組對景區進行實時的視訊監控，分析並識別視訊中游客，自動生成識別標籤，將遊客標籤在場景中的位置實時記錄下來，並顯示在系統頁面中，並且可以對場景中人數進行監測，動態顯示在系統頁面左側。輔助使用者管理景區。

8、智慧視覺互動

本系統可代替了傳統滑鼠點選模組應用的方法，使用者可以不需要使用滑鼠等輸入裝置即可完成與系統之間的資訊互動。使用者通過肢體動作就可以完成模組的選擇工作，系統操作更加簡潔，使用者使用更加方便。（這裡只設計了火災檢測功能，其他功能可以根據程式碼參考寫入。）

涉及演演算法

1、目標檢測演演算法​

本專案使用的目標檢測演演算法主要為YOLO演演算法，分別應用在火災監測、吸菸行為監測、人員定位跟蹤以及口罩率監測上。YOLO目標檢測演演算法是考慮到雙階段目標檢測演演算法的檢測效率比較低，所以一些學者提出了單階段目標檢測。由JosephRedmon等人在2016年提出。

2、目標跟蹤演演算法

本專案在人員定位跟蹤系統中使用到了deepsort目標跟蹤演演算法。本系統跟蹤的流程如下：

（1）使用折積神經網路對視訊中的行人進行檢測和跟蹤。

（2）視訊幀輸入之後首先進入YOLOv3目標檢測的網路，經過Darknet-53提取特徵；

（3）其次，進行上取樣和特徵融合，再進行迴歸分析；

（4）再次，把得出的預測框資訊輸入SORT演演算法進行目標特徵建模，匹配和跟蹤；

（5）最後，輸出結果。下圖為定位跟蹤演演算法流程圖：

3、人群密度估計演演算法​

人群密度計數是指估計影象或視訊中人群的數量、密度或分佈，它是智慧視訊監控分析領域的關鍵問題和研究熱點，也是後續行為分析、擁塞分析、異常檢測和事件檢測等高階視訊處理任務的基礎。本專案通過採用深度學習方法獲取人群密度圖已估計人群數量，使用python語言搭建MSCNN網路實現實時生成人群密度圖以達到估計人群數量的目的。

4、姿態估計演演算法​

本專案在人體行為安全監測系統上使用了Openpose的人體姿態識別演演算法。通過Openpose的姿態識別技術對不同肢體之間的協調關係搭建分類演演算法，並通過不同的分類演演算法比較，選擇出最優模型搭建多目標的分類方法，其可以實現多個目標的姿態顯示、目標檢測和分類的實時顯示。

部分介面操作程式碼如下：

cap = cv2.VideoCapture(0)
cap.set(3, 1280)
cap.set(4, 720)
detector = HandDetector(detectionCon=0.8)
keys = [["火災檢測", "吸菸檢測", "行為安全監測", "人群密度監測", "口罩率檢測", "行人定位跟蹤"]]
finalText = ""
while True:
    success, img = cap.read()
    img = detector.findHands(img)
    lmList, bboxInfo = detector.findPosition(img)
    img = drawAll(img, buttonList)
    if lmList:
        for button in buttonList:
            x, y = button.pos
            w, h = button.size
            if x < lmList[8][0] < x + w and y < lmList[8][1] < y + h:
                cv2.rectangle(img, (x - 5, y - 5), (x + w + 5, y + h + 5), (175, 0, 175), cv2.FILLED)
                if l < 30:
                    if press_state:
                        cv2.rectangle(img, button.pos, (x + w, y + h), (0, 255, 0), cv2.FILLED)
                        cv2.putText(img, "start", (x + 20, y + 65),cv2.FONT_HERSHEY_PLAIN, 4, (255, 255, 255), 4)
                        finalText += button.text
                        sleep(0.15)
                        press_state=False
                        state=True
                        print(button.text)
                        text=button.text
                else:
                    press_state=True
    if state:
        if os.path.exists("img.txt"):
            try:
                img2 = cv2.imread("img.jpg")
                img2 = cv2.resize(img2, (img.shape[1], img.shape[0]))
                img = cv2.addWeighted(img, alpha, img2, beta, gamma)
            except:
                pass
    if state:
        img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
        draw = ImageDraw.Draw(img)
        myfont0 = ImageFont.truetype(r'./HGDH_CNKI.TTF', 50)
        for button in buttonList:
            x, y = button.pos
            w, h = button.size
            draw.text((500, 180), text, font=myfont0, fill=(0, 0, 0))
        img = cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR)
    cv2.imshow("Image", img)
    cv2.waitKey(1)

到此這篇關於如何用Python 實現景區安防系統的文章就介紹到這了,更多相關Python安防系統內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！