CN101968848B - 一种视频监测方法、***及视频监测报警*** - Google Patents
一种视频监测方法、***及视频监测报警*** Download PDFInfo
- Publication number
- CN101968848B CN101968848B CN2010102941196A CN201010294119A CN101968848B CN 101968848 B CN101968848 B CN 101968848B CN 2010102941196 A CN2010102941196 A CN 2010102941196A CN 201010294119 A CN201010294119 A CN 201010294119A CN 101968848 B CN101968848 B CN 101968848B
- Authority
- CN
- China
- Prior art keywords
- moving region
- motion
- avg
- video
- degree
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种视频监测方法、***及视频报警***,所述视频监测方法包括汇集运动区域运动特征样本的训练集,所述视频监测方法包括如下步骤:获取视频区域:从视频中获取需要监测的运动区域;提取运动区域中的运动特征:包括确定运动区域的范围、获取运动区域的能量及获取运动区域的运动方向的方差值;获取视频监测结果:将提取的运动区域中的运动特征与所述训练集中的正样本和负样本进行比较,通过与训练集中相近正样本数和负样本数的多少判断运动区域是否为发生抢劫或打斗的区域。本发明视频监测方法、***及视频监测报警***,实现了自动实时进行视频监控暴力行为,促进了安防设备的发展。
Description
技术领域
本发明涉及一种视频监测方法、***及视频报警***,尤其涉及一种针对暴力行为进行视频监测的方法、***及视频监测报警***。
背景技术
随着社会的发展,视频监测越来越广泛应用,特别是在公共场所。而打斗、抢夺等暴力行为是严重影响公共安全的行为,这些事件会危害人民的生命财产安全,引起财产损失和身体伤害。例如,近年来银行自助厅内发生了大量的打斗、抢夺和杀人案件,其中比较典型的案件为抢夺取款者现金和在银行自助厅内打斗或者两类行为同时发生。现有技术中,视频监测主要通过人来实时监测来进行,不能自动通过机器进行实时监测。
发明内容
本发明解决的技术问题是:提供一种视频监测方法、***及视频报警***,克服现有技术中不能自动进行视频安全监测的技术问题。
本发明的技术方案是:提供一种视频监测方法,包括汇集运动区域运动特征样本的训练集,所述视频监测方法包括如下步骤:
获取视频区域:从视频中获取需要监测的运动区域;
提取运动区域中的运动特征:包括确定运动区域的范围、获取运动区域的能量及获取运动区域的运动方向的方差值;
获取视频监测结果:所述训练集包括发生抢劫或打斗区域的正样本以及没有发生抢劫或打斗区域的负样本,将提取的运动区域中的运动特征与所述训练集中的正样本和负样本进行比较,通过与训练集中相近正样本数和负样本数的多少判断运动区域是否为发生抢劫或打斗的区域。
本发明的进一步技术方案是:在提取运动区域中的运动特征的步骤中,以运动区域的最小外接矩形的宽与高确定运动区域的范围。
本发明的进一步技术方案是:在提取运动区域中的运动特征的步骤中,计算运动区域中每个像素点在X方向和Y方向的光流值,根据运动区域中每个像素点的光流值计算出运动区域内的能量。
本发明的进一步技术方案是:在提取运动区域中的运动特征的步骤中,获取运动区域的平均运动方向及连续两帧内运动区域的运动方向,根据运动区域的平均运动方向及连续两帧内运动区域的运动方向计算运动区域的运动方向的方差值。
本发明的技术方案是:构建一种视频监测***,所述视频报警***包括生成视频的视频监测单元、从视频中获取需要监测的运动区域分割单元、提取运动区域中的运动特征的特征提取单元、汇集运动区域运动特征样本的训练集以及与训练集中的样本进行比较判断的比较判断单元,所述视频监测单元通过视频监测生成视频,所述运动区域分割单元根据监测的视频分割出需要监测视频中的运动区域,所述特征提取单元提取运动区域中的运动特征,所述运动特征包括确定运动区域的范围、获取运动区域的能量及获取运动区域的运动方向的方差值,所述训练集包括发生抢劫或打斗区域的正样本以及没有发生抢劫或打斗区域的负样本,所述比较判断单元将所述特征提取单元提取的运动区域中的运动特征与所述训练集中的正样本和负样本进行比较,通过与训练集中相近正样本数和负样本数的多少判断运动区域是否为发生抢劫或打斗的区域。
本发明的进一步技术方案是:所述特征提取单元包括确定运动区域的范围的运动区域提取模块,所述运动区域提取模块提取运动区域的最小外接矩形的宽与高。
本发明的进一步技术方案是:所述特征提取单元包括获取运动区域的能量的能量获取模块,所述能量获取模块计算运动区域中每个像素点在X方向和Y方向的光流值,再根据运动区域中每个像素点的光流值计算出运动区域内的能量。
本发明的进一步技术方案是:所述特征提取单元包括获取运动区域的运动方向的方差值的方差获取模块,所述方差获取模块获取获取运动区域的平均运动方向及连续两帧内运动区域的运动方向,根据运动区域的平均运动方向及连续两帧内运动区域的运动方向计算运动区域的运动方向的方差值。
本发明的进一步技术方案是:所述视频监测***还包括对运动特征与样本进行相近性判断并分类的近邻分类单元,所述近邻分类单元将提取的运动区域中的运动特征与所述训练集中的正样本和负样本进行相似比较并分类,确定出与其相似的正样本和负样本的数量。
本发明的技术方案是:构建一种视频监测报警***,所述视频报警***包括生成视频的视频监测单元、从视频中获取需要监测的运动区域分割单元、提取运动区域中的运动特征的特征提取单元、汇集运动区域运动特征样本的训练集、与训练集中的样本进行比较判断的比较判断单元以及根据比较判断单元确定运动区域为发生抢劫或打斗的区域的报警单元,所述视频监测单元通过视频监测生成视频,所述运动区域分割单元根据监测的视频分割出需要监测视频中的运动区域,所述特征提取单元提取运动区域中的运动特征,所述运动特征包括确定运动区域的范围、获取运动区域的能量及获取运动区域的运动方向的方差值,所述训练集包括发生抢劫或打斗区域的正样本以及没有发生抢劫或打斗区域的负样本,所述比较判断单元将所述特征提取单元提取的运动区域中的运动特征与所述训练集中的正样本和负样本进行比较,通过与训练集中相近正样本数和负样本数的多少判断运动区域是否为发生抢劫或打斗的区域,所述报警单元根据所述比较判断单元确定确定运动区域为发生抢劫或打斗的区域时进行报警。
本发明的技术效果是:本发明视频监测方法、***及视频监测报警***,通过提取运动区域中的运动特征,将运动区域的运动特征与训练集中的正样本和负样本进行比较,通过与训练集中相近正样本数和负样本数的多少判断运动区域是否为发生抢劫或打斗的区域,这样能自动地实时进行暴力行为的智能视频监控,促进安防设备的发展。
附图说明
图1为本发明的流程图。
图2为本发明视频监测***的结构示意图。
图3为本发明的视频监测报警***的结构示意图。
具体实施方式
下面结合具体实施例,对本发明技术方案进一步说明。
如图1所示,本发明的具体实施方式是:提供一种视频监测方法,包括汇集运动区域运动特征样本的训练集,所述视频监测方法包括如下步骤:
步骤100:获取视频区域,即,从视频中获取需要监测的运动区域。对于视频区域的获取,通常通过摄像探头摄像获取。在公共场所或者室内,摄像探头通常安装在较高的位置,摄像时大多以向下倾斜,即与垂直方向成45-60度倾角实时对监控区域进行视频拍摄。当实时拍摄到有人运动的区域时,将该视频拍摄的有人运动的区域作为监测区域进行分析判断。这里的有人运动区域包括人的正常移动、人的快速移动以及打斗、抢劫等暴力行为导致的动作。
步骤200:提取运动区域中的运动特征,即,包括确定运动区域的范围、获取运动区域的能量及获取运动区域的运动方向的方差值。对运动区域运动特征的提取具体过程如下:
确定运动区域的范围:本发明的具体实施例中,以运动区域的最小外接矩形的宽与高为范围来确定运动区域的范围。
运动区域能量的获取,包括获取运动区域中每个像素点的光流值,然后根据运动区域中每个像素点的光流量获取运动区域的总能量。具体过程如下:首先将彩色图像转换为灰度图像。然后计算每个像素点的光流值。我们的算法采用Lucas & Kanade算法计算出运动区域的最小外接矩形内每个像素点在X方向和Y方向的光流值。通过计算出的像素点的光流值,利用如下公式计算每个像素点的运动方向θij:
if x=0,y=0,θij=0
上述公式中,x与y分别表示像素点在X方向和Y方向的光流值,π为取值3.14159的常数,θij为视频帧中第i行第j列的像素点的运动方向,atan为三角函数中的反正切函数。
算法将运动区域内每个像素点的权值设置为,
算法利用下式计算运动区域内的总能量:
此处的累加对每个运动区域的最小外接矩形内的每个像素进行。
运动区域的运动方向的方差值获取,首先计算出所有运动区域运动方向的平均运动方向。然后计算连续两帧内的所有运动区域的运动方向。由于运动方向大小在0-360度之间,而0度与360度方向相同,其差则为360,平均运动方向avg的计算需要进行换算。令avg=(leftavg+rightavg)/2,(270≥θi≥90,i=1,...,m),(90>θ′i≥0或360≥θ′i>270,i=1,...,n)。当rightavg>270时,令rightavg=rightavg-360。上述公式中,θi表示运动方向在90度与270度之间的第i个运动区域的运动方向,θ′i表示运动方向在0度与90度之间和270度与360度之间的第i个运动区域的运动方向,leftavg表示运动方向在90度与270度之间的所有运动区域的运动方向平均值,rightavg表示运动方向在0度与90度之间和270度与360度之间的所有运动区域的运动方向平均值,avg表示所有运动区域的运动方向平均值。
通过上述公式计算出平均运动方向后,利用下式计算运动方向的方差:首先对每个运动区域,若其运动方向θi或θ′i满足|θi-avg|>180或|θ′i-avg|>180,则令|θi-avg|=360-|θi-avg|或|θ′i-avg|=360-|θ′i-avg|,而其他情况下不改变θi与θ′i之值。
步骤300:获取视频监测结果,即,所述训练集包括发生抢劫或打斗区域的正样本以及没有发生抢劫或打斗区域的负样本,将从实时视频中提取的运动区域中的运动特征与所述训练集中的正样本和负样本进行比较,通过与训练集中相近正样本数和负样本数的多少判断运动区域是否为发生抢劫或打斗的区域。
本发明中,对于训练集的生成具体过程如下:训练集包含两类样本,正样本与负样本。正样本产生自发生抢劫或打斗的区域,而负样本产生自没自发生抢劫或打斗的区域。每个样本的数据由上述检测出的运动区域的最小外接矩形的高与宽、运动区域内的总能量、视频帧内运动方向的方差值这四个特征组成的矢量。利用一些发生抢夺和打斗行为的视频来生成训练集中的正样本,利用没有抢夺和打斗行为的视频来生成训练集中的负样本。利用不同的视频,可产生不同的训练集。使用不同训练集得到的检测结果将不同,算法将对应最高正确率的训练集选做最终的训练集。
结合训练集与N近邻分类器(N取为奇数),就可认定视频帧中的运动区域是否为发生打斗或者抢劫的区域。具体方案如下:计算正被检测运动区域的运动特征(即四维矢量)与所有训练样本间特征的欧几里德距离,然后找出距离正被检测的运动区域的特征最近的N个训练样本。只有在这N个训练样本中正样本个数多于负样本时,才将被测试区域认定为发生打斗或者抢劫的区域。
如图2所示,本发明的具体实施方式是:构建一种视频监测***,包括生成视频的视频监测单元1、从视频中获取需要监测的运动区域分割单元2、提取运动区域中的运动特征的特征提取单元3、汇集运动区域运动特征样本的训练集5以及与训练集5中的样本进行比较判断的比较判断单元4,所述视频监测单元1通过视频监测生成视频,所述运动区域分割单元2根据监测的视频分割出需要监测视频中的运动区域,所述特征提取单元3提取运动区域中的运动特征,所述运动特征包括确定运动区域的范围、获取运动区域的能量及获取运动区域的运动方向的方差值,所述训练集5包括发生抢劫或打斗区域的正样本51以及没有发生抢劫或打斗区域的负样本52,所述比较判断单元4将所述特征提取单元3提取的运动区域中的运动特征与所述训练集中的正样本和负样本进行比较,通过与训练集中相近正样本数和负样本数的多少判断运动区域是否为发生抢劫或打斗的区域。
本发明的具体实施过程如下:首先,视频监测单元1生成监测视频,所述运动区域分割单元2再从监测视频中获取需要监测的运动区域。对于视频区域的获取,通常通过摄像探头摄像获取。在公共场所或者室内,摄像探头通常安装在较高的位置,摄像时大多以向下倾斜,即与垂直方向成45-60度倾角实时对监控区域进行视频拍摄。当实时拍摄到有人运动的区域时,将该视频拍摄的有人运动的区域作为监测区域进行分析判断。这里的有人运动区域包括人的正常移动、人的快速移动以及打斗、抢劫等暴力行为导致的动作。其次,所述特征提取单元3提取运动区域中的运动特征,即,包括确定运动区域的范围、获取运动区域的能量及获取运动区域的运动方向的方差值。具体工作过程如视频监测方法中步骤2提取运动区域中的运动特征的过程。最后,所述比较判断单元4将所述特征提取单元3提取的运动区域中的运动特征与所述训练集中的正样本和负样本进行比较,通过与训练集中相近正样本数和负样本数的多少判断运动区域是否为发生抢劫或打斗的区域。
本发明的优选实施方式是:所述视频监测***还包括对运动特征与样本进行相近性判断并分类的近邻分类单元6,所述近邻分类单元6将提取的运动区域中的运动特征与所述训练集5中的正样本和负样本进行相似比较并分类,确定出与其相似的正样本和负样本的数量。具体过程如下:结合训练集与N近邻分类器(N取为奇数),就可认定视频帧中的运动区域是否为发生打斗或者抢劫的区域。具体方案如下:计算正被检测运动区域的运动特征(即四维矢量)与所有训练样本间特征的欧几里德距离,然后找出距离正被检测的运动区域的特征最近的N个训练样本。只有在这N个训练样本中正样本个数多于负样本时,才将被测试区域认定为发生打斗或者抢劫的区域。
如图3所示,本发明的具体实施方式是:构建一种视频监测报警***,包括生成视频的视频监测单元1、从视频中获取需要监测的运动区域分割单元2、提取运动区域中的运动特征的特征提取单元3、汇集运动区域运动特征样本的训练集5、与训练集5中的样本进行比较判断的比较判断单元4以及根据比较判断单元确定运动区域为发生抢劫或打斗的区域的报警单元8,所述视频监测单元1通过视频监测生成视频,所述运动区域分割单元2根据监测的视频分割出需要监测视频中的运动区域,所述特征提取单元3提取运动区域中的运动特征,所述运动特征包括确定运动区域的范围、获取运动区域的能量及获取运动区域的运动方向的方差值,所述训练集5包括发生抢劫或打斗区域的正样本51以及没有发生抢劫或打斗区域的负样本52,所述比较判断单元4将所述特征提取单元3提取的运动区域中的运动特征与所述训练集中的正样本和负样本进行比较,通过与训练集中相近正样本数和负样本数的多少判断运动区域是否为发生抢劫或打斗的区域,所述报警单元8根据所述比较判断单元4确定确定运动区域为发生抢劫或打斗的区域时进行报警。
本发明的具体实施过程如下:首先,视频监测单元1生成监测视频,所述运动区域分割单元2再从监测视频中获取需要监测的运动区域。对于视频区域的获取,通常通过摄像探头摄像获取。在公共场所或者室内,摄像探头通常安装在较高的位置,摄像时大多以向下倾斜,即与垂直方向成45-60度倾角实时对监控区域进行视频拍摄。当实时拍摄到有人运动的区域时,将该视频拍摄的有人运动的区域作为监测区域进行分析判断。这里的有人运动区域包括人的正常移动、人的快速移动以及打斗、抢劫等暴力行为导致的动作。其次,所述特征提取单元3提取运动区域中的运动特征,即,包括确定运动区域的范围、获取运动区域的能量及获取运动区域的运动方向的方差值。具体工作过程如视频监测方法中步骤2提取运动区域中的运动特征的过程。最后,所述比较判断单元4将所述特征提取单元3提取的运动区域中的运动特征与所述训练集中的正样本和负样本进行比较,通过与训练集中相近正样本数和负样本数的多少判断运动区域是否为发生抢劫或打斗的区域。所述报警单元8根据所述比较判断单元4确定确定运动区域为发生抢劫或打斗的区域时进行报警。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种视频监测方法,包括汇集运动区域运动特征样本的训练集,所述视频监测方法包括如下步骤:
获取视频区域:从视频中获取需要监测的运动区域;
提取运动区域中的运动特征:包括确定运动区域的范围、获取运动区域的能量及获取运动区域的运动方向的方差值,运动区域的运动方向的方差值获取,首先计算出所有运动区域运动方向的平均运动方向,计算出平均运动方向后,对每个运动区域,若其运动方向θi或θ′i满足|θi-avg|>180或|θ′i-avg|>180,则令|θi-avg|=360-|θi-avg|或|θ′i-avg|=360-|θ′i-avg|,而其他情况下不改变θ′i与θ′i之值,然后利用下式计算运动区域的运动方向的方差值,所有运动区域的运动方向的方差值为: 其中,var即为运动方向的方差值,θi表示运动方向在90度与270度之间的第i个运动区域的运动方向,θ′i表示运动方向在0度与90度之间和270度与360度之间的第i个运动区域的运动方向,avg表示所有运动区域的运动方向平均值,m表示左边的运动区域个数,n表示右边的运动区域个数,i表示第i个运动区域;令avg=(leftavg+rightavg)/2, (270≥θi≥90,i=1,...,m), (90>θ′i≥0或360≥θ′i>270,i=1,...,n),当rightavg>270时,令rightavg=rightavg-360,其中,θi表示运动方向在90度与270度之间的第i个运动区域的运动方向,θ′i表示运动方向在0度与90度之间和270度与360度之间的第i个运动区域的运动方向,leftavg表示运动方向在90度与270度之间的所有运动区域的运动方向平均值,rightavg表示运动方向在0度与90度之间和270度与360度之间的所有运动区域的运动方向平均值,avg表示所有运动区域的运动方向平均值;
获取视频监测结果:所述训练集包括发生抢劫或打斗区域的正样本以及没有发生抢劫或打斗区域的负样本,将提取的运动区域中的运动特征与所述训练集中的正样本和负样本进行比较,通过与训练集中正样本数和负样本数的多少判断运动区域是否为发生抢劫或打斗的区域,具体如下:计算正被检测运动区域的运动特征与所有训练样本间特征的欧几里德距离,然后找出距离正被检测的运动区域的特征最近的N个训练样本,只有在这N个训练样本中正样本个数多于负样本时,才将被测试区域认定为发生打斗或者抢劫的区域。
2.根据权利要求1所述的视频监测方法,其特征在于,在提取运动区域中的运动特征的步骤中,以运动区域的最小外接矩形的宽与高确定运动区域的范围。
3.根据权利要求1所述的视频监测方法,其特征在于,在提取运动区域中的运动特征的步骤中,计算运动区域中每个像素点在X方向和Y方向的光流值,根据运动区域中每个像素点的光流值计算出运动区域内的能量。
4.根据权利要求1所述的视频监测方法,其特征在于,在提取运动区域中的运动特征的步骤中,获取运动区域的平均运动方向及连续两帧内运动区域的运动方向,根据运动区域的平均运动方向及连续两帧内运动区域的运动方向计算运动区域的运动方向的方差值。
5.一种视频监测***,其特征在于,所述视频监测***包括生成视频的视频监测单元、从视频中获取需要监测的运动区域分割单元、提取运动区域中的运动特征的特征提取单元、汇集运动区域运动特征样本的训练集以及与训练集中的样本进行比较判断的比较判断单元,所述视频监测单元通过视频监测生成视频,所述运动区域分割单元根据监测的视频分割出需要监测视频中的运动区域,所述特征提取单元提取运动区域中的运动特征,所述运动特征包括确定运动区域的范围、获取运动区域的能量及获取运动区域的运动方向的方差值,包括确定运动区域的范围、获取运动区域的能量及获取运动区域的运动方向的方差值,运动区域的运动方向的方差值获取,首先计算出所有运动区域运动方向的平均运动方向,计算出平均运动方向后,对每个运动区域,若其运动方向θi或θ′i满足|θi-avg|>180或|θ′i-avg|>180,则令|θi-avg|=360-|θi-avg|或|θ′i-avg|=360-|θ′i-avg|,而其他情况下不改变θi与θ′i之值,然后利用下式计算运动区域的运动方向的方差值,所有运动区域的运动方向的方差值为:其中,var即为运动方向的方差值,θi表示运动方向在90度与270度之间的第i个运动区域的运动方向,θ′i表示运动方向在0度与90度之间和270度与360度之间的第i个运动区域的运动方向,avg表示所有运动区域的运动方向平均值,m表示左边的运动区域个数,n表示右边的运动区域个数,i表示第i个运动区域;令avg=(leftavg+rightavg)/2, (270≥θi≥90,i=1,...,m), (90>θ′i≥0或360≥θ′i>270,i=1,...,n),当rightavg>270时,令rightavg=rightavg-360,其中,θi表示运动方向在90度与270度之间的第i个运动区域的运动方向,θ′i表示运动方向在0度与90度之间和270度与360度之间的第i个运动区域的运动方向,leftavg表示运动方向在90度与270度之间的所有运动区域的运动方向平均值,rightavg表示运动方向在0度与90度之间和270度与360度之间的所有运动区域的运动方向平均值,avg表示所有运动区域的运动方向平均值;所述训练集包括发生抢劫或打斗区域的正样本以及没有发生抢劫或打斗区域的负样本,所述比较判断单元将所述特征提取单元提取的运动区域中的运动特征与所述训练集中的正样本和负样本进行比较,通过与训练集中正样本数和负样本数的多少判断运动区域是否为发生抢劫或打斗的区域,具体如下:计算正被检测运动区域的运动特征与所有训练样本间特征的欧几里德距离,然后找出距离正被检测的运动区域的特征最近的N个训练样本,只有在这N个训练样本中正样本个数多于负样本时,才将被测试区域认定为发生打斗或者抢劫的区域。
6.根据权利要求5所述的视频监测***,其特征在于,所述特征提取单元包括确定运动区域的范围的运动区域提取模块,所述运动区域提取模块提取运动区域的最小外接矩形的宽与高。
7.根据权利要求5所述的视频监测***,其特征在于,所述特征提取单元包括获取运动区域的能量获取模块,所述能量获取模块计算运动区域中每个像素点在X方向和Y方向的光流值,再根据运动区域中每个像素点的光流值计算出运动区域内的能量。
8.根据权利要求5所述的视频监测***,其特征在于,所述特征提取单元包括获取运动区域的运动方向的方差值的方差获取模块,所述方差获取模块获取运动区域的平均运动方向及连续两帧内运动区域的运动方向,根据运动区域的平均运动方向及连续两帧内运动区域的运动方向计算运动区域的运动方向的方差值。
9.根据权利要求5所述的视频监测***,其特征在于,所述视频监测***还包括对运动特征与样本进行相近性判断并分类的近邻分类单元,所述近邻分类单元将提取的运动区域中的运动特征与所述训练集中的正样本和负样本进行相似比较并分类,确定出与其相似的正样本和负样本的数量。
10.一种应用权利要求5至9中任一权利要求所述视频监测***的视频监测报警***,所述视频监测报警***包括生成视频的视频监测单元、从视频中获取需要监测的运动区域分割单元、提取运动区域中的运动特征的特征提取单元、汇集运动区域运动特征样本的训练集、与训练集中的样本进行比较判断的比较判断单元以及根据比较判断单元确定运动区域为发生抢劫或打斗的区域的报警单元,所述视频监测单元通过视频监测生成视频,所述运动区域分割单元根据监测的视频分割出需要监测视频中的运动区域,所述特征提取单元提取运动区域中的运动特征,所述运动特征包括确定运动区域的范围、获取运动区域的能量及获取运动区域的运动方向的方差值,所述训练集包括发生抢劫或打斗区域的正样本以及没有发生抢劫或打斗区域的负样本,所述比较判断单元将所述特征提取单元提取的运动区域中的运动特征与所述训练集中的正样本和负样本进行比较,通过与训练集中相近正样本数和负样本数的多少判断运动区域是否为发生抢劫或打斗的区域,所述报警单元根据所述比较判断单元确定运动区域为发生抢劫或打斗的区域时进行报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102941196A CN101968848B (zh) | 2010-09-27 | 2010-09-27 | 一种视频监测方法、***及视频监测报警*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102941196A CN101968848B (zh) | 2010-09-27 | 2010-09-27 | 一种视频监测方法、***及视频监测报警*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101968848A CN101968848A (zh) | 2011-02-09 |
CN101968848B true CN101968848B (zh) | 2013-01-16 |
Family
ID=43547999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010102941196A Active CN101968848B (zh) | 2010-09-27 | 2010-09-27 | 一种视频监测方法、***及视频监测报警*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101968848B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012115594A1 (en) * | 2011-02-21 | 2012-08-30 | Stratech Systems Limited | A surveillance system and a method for detecting a foreign object, debris, or damage in an airfield |
CN102156803B (zh) * | 2011-03-18 | 2012-11-07 | 杭州电子科技大学 | 基于视频识别的江河涌潮检测方法 |
CN102360422A (zh) * | 2011-10-19 | 2012-02-22 | 湖南德顺电子科技有限公司 | 基于视频分析的暴力行为检测方法 |
CN102682284B (zh) * | 2012-04-05 | 2014-10-08 | 广州中国科学院先进技术研究所 | 一种基于云的预警调度架构与其中的抢劫侦测方法 |
CN102663429B (zh) * | 2012-04-11 | 2014-03-26 | 上海交通大学 | 运动目标的运动模式分类和动作识别的方法 |
CN102867188B (zh) * | 2012-07-26 | 2015-06-17 | 中国科学院自动化研究所 | 一种基于级联结构的会场内座位状态检测方法 |
CN106250859B (zh) * | 2016-08-04 | 2019-09-17 | 杭州电子科技大学 | 基于特征矢量运动杂乱度的视频火焰检测方法 |
CN107545699A (zh) * | 2016-10-31 | 2018-01-05 | 郑州蓝视科技有限公司 | 一种智慧校园安防*** |
CN108509889A (zh) * | 2018-03-27 | 2018-09-07 | 哈尔滨工业大学深圳研究生院 | 一种基于肤色分割的近景异常行为检测方法及装置 |
CN109117756A (zh) * | 2018-07-25 | 2019-01-01 | 钱文浩 | 打斗程度计算机解析方法 |
CN109785214A (zh) * | 2019-03-01 | 2019-05-21 | 宝能汽车有限公司 | 基于车联网的安全报警方法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101271527A (zh) * | 2008-02-25 | 2008-09-24 | 北京理工大学 | 一种基于运动场局部统计特征分析的异常行为检测方法 |
CN101751678A (zh) * | 2009-12-16 | 2010-06-23 | 北京智安邦科技有限公司 | 一种人群剧烈运动的检测方法及装置 |
-
2010
- 2010-09-27 CN CN2010102941196A patent/CN101968848B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101271527A (zh) * | 2008-02-25 | 2008-09-24 | 北京理工大学 | 一种基于运动场局部统计特征分析的异常行为检测方法 |
CN101751678A (zh) * | 2009-12-16 | 2010-06-23 | 北京智安邦科技有限公司 | 一种人群剧烈运动的检测方法及装置 |
Non-Patent Citations (4)
Title |
---|
Ning Ding, et al..Energy-Based Surveillance Systems for ATM Machines.《Proceedings of the 8th World Congress on Intelligent Control and Automation》.2010,第2881页第2栏第2段至第2883页第2栏倒数第1段. * |
冯波.基于光流计算的典型行为识别算法研究.《中国优秀博硕士学位论文全文数据库(硕士)》.2006,(第07期),全文. * |
汤一平,等.基于计算机视觉的电梯内防暴力智能视频监控.《浙江工业大学学报》.2009,第37卷(第6期),第591-597页. * |
胡芝兰,等.基于运动方向的异常行为检测.《自动化学报》.2008,第34卷(第11期),第1348-1357页. * |
Also Published As
Publication number | Publication date |
---|---|
CN101968848A (zh) | 2011-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101968848B (zh) | 一种视频监测方法、***及视频监测报警*** | |
CN104123544B (zh) | 基于视频分析的异常行为检测方法及*** | |
CN105809679B (zh) | 一种基于视觉分析的山区铁路边坡落石检测方法 | |
CN103839346B (zh) | 一种智能门窗防入侵装置以及***、智能门禁*** | |
CN101465033B (zh) | 一种自动追踪识别***及方法 | |
CN106128022B (zh) | 一种智慧金睛识别暴力动作报警方法 | |
CN103077423B (zh) | 基于视频流的人群数量估计、局部人群聚集状态以及人群跑动状态检测方法 | |
CN102013147B (zh) | 高压输电塔智能防盗监控方法和装置 | |
CN106210634A (zh) | 一种智慧金睛识别人员倒地报警方法和装置 | |
CN106128053A (zh) | 一种智慧金睛识别人员逗留徘徊报警方法和装置 | |
CN201278180Y (zh) | 一种自动追踪识别*** | |
CN103839373A (zh) | 一种突发异常事件智能识别报警装置及报警*** | |
CN103366506A (zh) | 一种驾驶员行车途中接打手机行为的自动监控装置及方法 | |
CN106056079A (zh) | 一种图像采集设备及人脸五官的遮挡检测方法 | |
CN102164270A (zh) | 具有异常事件发掘功能的智能视频监控方法及*** | |
CN108062539A (zh) | 配电房安全管理方法和***、计算机设备和存储介质 | |
CN105303191A (zh) | 一种前视监视场景下的行人计数方法和装置 | |
CN112907869B (zh) | 基于多种传感技术的入侵检测*** | |
CN111507235B (zh) | 基于视频的铁路周界异物入侵检测方法 | |
CN103632427B (zh) | 一种道闸防砸方法及道闸控制*** | |
CN106006266A (zh) | 一种应用于电梯安全监控的机器视觉建立方法 | |
CN106127814A (zh) | 一种智慧金睛识别人员聚集打斗报警方法和装置 | |
CN110415152A (zh) | 一种安全监控*** | |
CN101303785B (zh) | 一种存/取款机的安全监控***及方法 | |
CN106210633A (zh) | 一种智慧金睛识别越线检测报警方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20180930 Address after: 100089 9F/A, 69 Jin Yuan Century Hotel, Haidian District, Beijing. Patentee after: Behavioral technology (Beijing) Co., Ltd. Address before: 518055 Nanshan District Xili Shenzhen University, Shenzhen, Guangdong, Harbin Industrial University Campus Patentee before: Harbin Institute of Technology Shenzhen Graduate School |
|
TR01 | Transfer of patent right |