基于ZigBee的校园安全监控系统设计

终端访问点发出跟踪定位指令^[3]。

(4)红外线传感器

红外线传感器配置给校园围墙和重点建筑物的摄像机，一旦探测到生命体活动信号，将信号反馈给摄像机，促使摄像机物象识别和跟踪拍摄。

红外线传感器包括光学系统、检测元件和转换电路。在接收到人体红外辐射温度发生变化时就会失去电荷平衡，向外释放电荷，放电后续电路经检验处理后即可产生报警信号。

(5)摄像机

本设计采用TBF宽动态图像可识别摄像机，对强光进行拟制，背光进行补偿，彩色480线/黑白570线，日夜自动转换。

3 人物图像识别技术

3.1 物象识别硬件选型

摄像机内嵌入东芝Visconti图像识别芯片，Visconti 3处理器采用两个Cortex-A9核心，总共6个浮点运算单元。Visconti 3芯片内包含64GB屏蔽式堆读内存Mask ROM，2MB SRAM，芯片支持一个单通道PCI Express接口。Visconti芯片的主要功能包括检测行车道、车辆以及通过面部、动作识别检测行人。

3.2 物象识别理论实现

内嵌入东芝Visconti图像识别芯片的摄像机融合了非参数方法、立方体分析方法以及参数化时间序列分析方法。非参数方法通常从视频的每一帧中提取某些特征，然后用这些特征与预先存储的模板(template)进行匹配;立方体分析方法不是基于帧的处理，而是将整段视频数据看作是一个三维的时空立方体进行分析;而参数化时间序列分析方法对运动的动态过程给出一个特定的模型，并通过对训练样本数据的学习获得每一类动作特定的模型参数^[4]。

4 系统软件构成

(1)ZigBee监控网络软件工作流程

访问节点加入ZigBee网络后，学校围墙访问节点通过RSSI测距、校园内的访问节点通过质心定位算法(CLA)将位置坐标无线传输给信号调理器。访问节点工作后进行初始化，然后搜寻可加入的ZigBee网络。节点成功加入网络后将进行无线通信循环巡查，若出现监控盲区，可将移动访问点进行相关处理。重复区域监控等访问点将进入休眠待命状态。无线访问节点软件运作流程如图3所示。

信号调理器负责建立、管理和传输网络，在组建无线网络中起到关键作用。监控系统命令中心通过信号调理器将对应的配置数据分别发送给可移动节点和无线访问点，且可移动节点和无线访问点也可以通过信号调理器将获取到的信息反馈给监控系统命令中心。

(2)上位机监控系统

监控中心上位机监控系统采用c++软件语言汇编和oracle数据库储存数据，以及运行工作平台：中文Windows7及更高版本;网络系统软件包：中文JC2000?网络版本。中心监控系统能够实现前端节点摄像机和视频编码器(DVS)的统一接入和管理，提供丰富的管理和业务功能，无线监控软件结构如图4所示^[5]。

(3)邮件报警装置设计

上位机运行工作平台上安装SMTP邮件群发v4.0软件，当上位机指令发送报警邮件时，SMTP邮件群发v4.0软件会通过ZigBee网络节点将报警邮件发送到关联人群手机的QQ、微信等社交APP上。

5 仿真与实验验证

实验数据在重庆三峡学院校园实地测量，校园内部人员正常活动。由于校园占地面积较大，ZigBee监控网络节点布置方案采用动态局部集中式。移动访问点每2秒进行定位计算，节点对安全人物及动作进行图像识别以及目标跟踪监控，超过安全物象识别阈值时系统记录危险区域节点的位置信息并发送报警信息。物象识别阈值是人员的活动动作安全范围，物象识别仿真结果如图5所示。

定位误差表示实际目标运动路径与监控测量位置的坐标距离，目标跟踪实际位置与测量位置的行动路径。

仿真实验结果表明：当移动摄像机在参考节点群的内部时，定位精度较好且监控识别准确。反之，则可能出现一定的偏差，当监控跟踪定位误差在3米之内时，跟踪目标将出现在摄像机监控显示内，且清晰可识别。

6 结束语

本文将无线传感器网络技术应用于校园监控系统中，可以有效监控以及报警校园内人员活动，可对跟踪目标实时监控与定位，防患于未然，在商业上智能区域监控应用中也有实际意义。与其他设计产品对比，这种将无线传感器网络与摄像机监控物象识别及红外传感相结合的新型监控系统合理地利用了学校现有的监控资源，其结构简单，定位准确及时，具有实时监控报警的功能，且运行和维护费用低，社会应用前景广阔，具有很大的市场优势。

参考文献：

[1]董博.试论校园安全文化建设[J].学苑教育. 2013(10)：11-12

[2]姜然.学校监控体系的实现[J].才智.2011(20)：240-241

[3]Fateh B,Govindarasu M,Ajjarapu V.Wireless network design for transmission line monitoring in snart gird[J]. IEEE Transactions on Smart Grid,2013,4(2):1076-1086

[4]任思璟,董金波.模糊边缘检测在机器视觉图像系统仿真研