魏晓曦

（恒锋信息科技股份有限公司）

1 引言

当今社会，由于生活节奏的加快，工作压力的增大，青壮年往往在外上班，无暇照顾没有完全自理能力的老人和儿童。在很多情况下家庭无奈把本应给予日常照料的老人和儿童留在家里，由此带来很大的安全隐患，比如儿童的一些危险行为、老人的突发身体状况，以及煤气泄露、火灾、偷盗，等等。据统计，目前我国的居家安全事故发生率非常高，特别是痴呆老年人居家安全情况[1]和居家儿童的意外事故十分严重[2]。

当前的智能家居安防应用系统主要集中在家庭安全环境监测[3,4]、室内防盗监控[5]、穿戴式居家防跌倒[6,7]，等等。而对于儿童和没有自理能力的老人的居家安全监护相关的系统设计相对较少。笔者基于树莓派和Intel的Movidius 神经计算棒（Neural Compute Stick，简称 NCS），综合考虑居家安全环境检测、儿童和老人安全监护，设计了一款智能监护安防系统。

2 系统整体架构设计

该安防系统总体采用C/S架构，分为树莓派服务端和手机APP客户端，系统的总体框架如图1所示。

服务端采用树莓派3B+Movidius神经计算棒作为主控模块。树莓派搭载了四核64位1.4GHz的ARMCortex-A53处理器，具有接口丰富、体积小、功能强大、功耗低等优点。服务端主要完成以下功能：

1）环境安全监测

使用温湿度传感器、火焰识别模块和CH4气体传感器监测温湿度、火焰、煤气浓度等环境数据，将采集到的数据发送给客户端。

图1 系统总体架构

2）入户区域监视

使用监视摄像头实时监视入户区域，如有陌生人或异常情况出现，向手机客户端发送报警信息。

3）儿童和老人的监护

使用监护摄像头实时监护儿童和老人。监护摄像头个数根据实际监护对象的个数和房间数量可以作调整。监护摄像头需要实时跟踪监护对象，如果监护对象不在检测范围，向手机客户端发送提醒信息。如果监护对象有异常举动或者危险举动，向手机客户端发送警报。

Android手机客户端主要负责接收和显示检测数据、监护视频和警报信息，以及在有必要的情况下调节服务端监护摄像头的角度。为了节省网络传输带宽，服务端并不会实时向客户端传送监视或者监护视频。但是，在有必要的情况下客户端可以选择实时查看监视摄像头和监护摄像头的视频。

3 系统算法流程

3.1 基于Socket的通信

本系统服务端主要负责室内环境监测数据的采集和分析、监视摄像头和监护摄像头视频采集和分析，并将这些信息定时或实时发送给客户端。客户端主要负责接收信息，提醒、显示以及调节服务端监护摄像头角度。

本系统使用基于TCP协议的Socket技术实现树莓派和手机APP之间的通信。树莓派作为服务端，在初始化Socket并配置、监听端口后，通过accept()方法等待客户端的连接请求。若收到一个客户端的socket连接请求，则服务端和客户端就建立起了通信连接，可以相互收发数据包。详细工作原理见图2。

3.2 服务端算法流程

图2 监护服务端和APP客户端通信

服务端采用多线程程序设计，其主要线程如表1所示。主线程负责创建服务端的工作环境，对程序进行初始化，并创建环境监测子线程、入户监视子线程和监护子线程。各子线程并行工作，并将监测、监视和监护的情况传送到手机客户端。

表1 服务端线程

4 智能安全监护

4.1 移动目标检测与跟踪

本系统配置多个摄像头，一个用于监视入户区域，其他摄像头用于对老人和孩子的监护。这些摄像头都需要对室内运动目标进行检测，其中监护摄像头还需要对监护对象进行跟踪。

运动目标检测的方法有很多，经典的算法有帧差法[8]、背景差分法[9]、光流法[10]，等。考虑到居家室内背景相对稳定，很容易建立起稳定的室内背景模型，因而本系统采用背景差分法。该方法能克服帧差法不能很好地识别静止目标的问题。背景图像可以采用视频图像均值法[11]。具体算法流程如图3所示。

图3 基于背景差分法的移动目标检测

对于入户区域监视摄像头，当检测到运动目标后，判断运动目标是否为监护对象（老人或孩子），当不是监护对象时，立即向手机客户端发出警报信息。

对于监护摄像头来说，当监护对象在监护范围内时，通过舵机控制云台，调整摄像头的监控角度，实时跟踪监护对象。当监护摄像头无法捕捉监护对象时，向手机客户端发出警报信息。监护人可以通过手机APP远程控制云台（见图4）。

4.2 危险行为训练、识别与报警

监护对象监测和跟踪到了以后，还要对其危险行为进行识别。本系统使用树莓派3B+ Movidius 神经计算棒（Neural Compute Stick，简称NCS）的Caffe深度学习框架对监护对象（老人和儿童）的危险行为进行训练和识别。Intel Movidius NCS作为AI加速器，具有很多快速的视频处理单元(VPU) 。NCS可以直接部署在本地（无需接入云端），能独立完成深度学习和推理，且使用非常普通的USB接口，因而在视频的AI处理领域具有极为广阔的应用前景。有关树莓派3B上搭配Movidius神经计算棒的方法可参考相关文献[12]。

收集儿童和老人的危险行为数据集，使用运算能力强的工作站进行学习、训练，以获得Caffe格式的危险行为检测模型，并将该模型转换成VPU所支持的文件格式。

儿童的危险行为主要判断儿童是否有接触或者玩弄一些危险物品，如剪刀、螺丝刀、菜刀等；老人的危险行为或状况包括滑到、咳嗽、胸闷等。通过监护摄像头和 Movidius NCU，一旦识别其行为有安全隐患，或者已经产生危害，则应立即向手机客户端发出警报。

5 结语

智能安全防护是是众多家庭急切盼望解决的实际问题。特别是当前老龄化社会和“二胎”政策的贯彻下，居家安防显得愈发紧迫而重要。

本系统综合考虑家庭环境安全监测和老人、儿童的安全监护，设计了基于莓派3B+Movidius NCS的智能监护安防系统。该系统能实时监测温湿度、煤气泄漏、火焰等居家安全环境。通过一个固定的摄像头监视入户区以防止盗窃；通过若干个监护摄像头监测并跟踪监护对象（老人和儿童）。系统具有较好的扩展性，可以根据监护对象的个数增减监护摄像头。

图4 跟踪监护对象