CN110838230A - 一种移动视频监控方法、监控中心及*** - Google Patents
一种移动视频监控方法、监控中心及*** Download PDFInfo
- Publication number
- CN110838230A CN110838230A CN201911122143.9A CN201911122143A CN110838230A CN 110838230 A CN110838230 A CN 110838230A CN 201911122143 A CN201911122143 A CN 201911122143A CN 110838230 A CN110838230 A CN 110838230A
- Authority
- CN
- China
- Prior art keywords
- law enforcement
- vehicle
- video
- accident
- mobile
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/205—Indicating the location of the monitored vehicles as destination, e.g. accidents, stolen, rental
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
- H04N7/185—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source from a mobile camera, e.g. for remote control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/44—Event detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开一种移动视频监控方法、监控中心及***。所述监控***包括移动视频监控中心以及至少一个移动执法车和至少一个执法援助车;移动执法车采集实时执法视频,并向监控中心上传实时执法视频和移动执法车的实时地理位置;执法援助车向监控中心上传执法援助车的实时地理位置和执法援助车的当前空闲状态;监控中心对实时执法视频进行视频分析得到事故处理结果,根据事故处理结果和实时地理位置确定最优执法援助车,向最优执法援助车发送救援指示。采用本申请提供的移动视频监控***,能够实现通过视频确定执法救援车,直接向执法援助车发送救援指示,减少中间环节耗费的时间,减少交通瘫痪问题,也使得受伤人员能够及时医治。
Description
技术领域
本申请涉及视频监控领域,尤其涉及一种移动视频监控方法、监控中心及***。
背景技术
城市公共交通体系是城市社会经济***的一个重要子***,它的发展水平是衡量国家现代化程度的重要标志,同时也体现着国家综合经济实力、城市经济发展和城市居民的生活水平。随着国家城市化的不断扩大,人口的不断增长,城市交通的压力也随之增大,视频监控也由以往的固定监控点位发展到移动视频监控上。
移动视频监控***是移动终端通过无线网络实时查看监控***采集的城市状况视频。诸如城市管理执法的车载移动监控、社会治安移动指挥车等都需要把实时的车载摄像头的相关视频资源回传到监控中心。
目前对于移动视频监控***只是用于查看城市状况,当拍摄到的发生事故时只能拨打对应的救援电话,如果事故严重,则需要拨打多个救援电话等待救援,然后由救援中心根据报警电话再去调配车辆前往救援,现有的移动视频监控***并不能及时通知救援队进行救援,容易出现交通瘫痪以及受伤人员不能及时医治的问题。
发明内容
本申请提供了一种移动视频监控方法,包括如下步骤:
接收移动执法车上传的实时执法视频和实时地理位置,以及接收执法援助车上传的实时地理位置和空闲状态;
对移动执法车上传的实时执法视频进行初次分析,识别出发生事故的视频数据;
根据预先训练好的视频异常分析模型对识别出的事故视频数据进行分析,得到与现场事故匹配的事故处理结果,根据事故处理结果确定待派发执法援助车类型;
按照现场事故视频上报的时间和待派发执法援助车类型确定在该时间范围内的所有待派发执法援助车的地理位置;
根据待派发执法援助车的地理位置和空闲状态、以及与现场事故视频匹配的移动执法车实时地理信息确定最优执法援助车,向最优援助车发送执行指示。
如上所述的移动视频监控方法,其中预先收集各类事故现场视频数据,并根据事故异常类型进行标记,得到携带事故异常类型标识的事故现场视频数据;然后将携带事物异常类型标识的各类事故现场视频数据作为样本数据输入卷积神经网络模型中进行训练,得到视频异常分析模型。
如上所述的移动视频监控方法,其中输入卷积神经网络模型中进行训练,得到视频异常分析模型,具体包括如下子步骤:
提取各类事故现场视频数据对应的局部行为特征;
汇总各类事故现场数据对应的局部行为特征,得到多维度的局部行为特征;
多维度的局部行为特征进行降维处理,得到各类事故异常类型的违法行为特征;
对各类事故异常类型对应的违法行为特征进行分类,得到识别各种事故异常类型的视频异常分析模型。
如上所述的移动视频监控方法,其中对移动执法车上传的实时执法视频进行初次分析,识别出发生事故的视频数据,具体为:对移动执法车上报的视频切割为视频帧,然后对每个视频帧图像进行处理,检测视频中相邻两车辆之间的距离在预设范围内、且在行车道内的预定时间内不发生位置移动的视频帧确定为发生事故的视频数据。
如上所述的移动视频监控方法,其中确定最优执法援助车具体为当识别出发生事故后,根据移动执法车的实时地理位置和待派发执法援助车的地理位置选择最优的执法援助车:
其中,Ti为移动执法车到达第i个执法援助车所需的时长,Ti取最小值所对应的i即为最优援助车,Ti为最优执法援助车到达执法现场所需时长,n为执法援助车的个数;m为第i个执法援助车与移动执法车之间存在的预定路段的个数,Sij为第i个执法援助车所处的地理位置与移动执法车的地理之间之间存在的第j个预定路段的预定长度,Vij为第i个执法援助车所处的地理位置与移动执法车之间存在的第j个预定路段的预定行驶速度,ti为第i个执法援助车的预定准备时长。
本申请还提供一种移动视频监控中心,包括:
物联网通信模块,用于接收移动执法车上传的实时执法视频和实时地理位置,以及接收执法援助车上传的实时地理位置和空闲状态;
事故分析模块,用于对移动执法车上传的实时执法视频进行初次分析,识别出发生事故的视频数据;以及用于根据预先训练好的视频异常分析模型对识别出的事故视频数据进行分析,得到与现场事故匹配的事故处理结果;
派发执法援助车模块,用于根据事故处理结果确定待派发执法援助车类型,按照现场事故视频上报的时间和待派发执法援助车类型确定在该时间范围内的所有待派发执法援助车的地理位置;以及根据待派发执法援助车的地理位置和空闲状态、以及与现场事故视频匹配的移动执法车实时地理信息确定最优执法援助车;
物联网通信模块还用于向最优援助车发送执行指示。
如上所述的移动视频监控中心,其中还包括视频异常分析模型训练模块,用于预先收集各类事故现场视频数据,并根据事故异常类型进行标记,得到携带事故异常类型标识的事故现场视频数据;然后将携带事物异常类型标识的各类事故现场视频数据作为样本数据输入卷积神经网络模型中进行训练,得到视频异常分析模型;
事故分析模块,具体用于提取各类事故现场视频数据对应的局部行为特征;汇总各类事故现场数据对应的局部行为特征,得到多维度的局部行为特征;多维度的局部行为特征进行降维处理,得到各类事故异常类型的违法行为特征;对各类事故异常类型对应的违法行为特征进行分类,得到识别各种事故异常类型的视频异常分析模型。
本申请还提供一种移动视频监控***,包括上述移动视频监控中心,以及至少一个移动执法车和至少一个执法援助车;
移动执法车用于采集实时执法视频,并向监控中心上传实时执法视频和移动执法车的实时地理位置;
执法援助车用于向监控中心上传执法援助车的实时地理位置和执法援助车的当前空闲状态。
如上所述的移动视频监控***,其中移动执法车包括车规级控制芯片和与车规级控制芯片连接的车载视频采集模块、GPS定位模块和物联网通信模块;
车载视频采集模块用于在移动执法车行驶过程中通过车载摄像头实时拍摄执法视频,将车辆实时执法视频发送至车规级控制芯片;
GPS定位模块,用于实时跟踪采集移动执法车的当前地理信息(如经纬度信息),将车辆实时地理信息发送至车规级控制芯片;
车规级控制芯片,用于将实时执法视频和移动执法车实时地理信息发送至物联网通信模块;
物联网通信模块实现移动执法车通过物联网与监控中心的通信,将实时执法视频和移动执法车实时地理信息通过物联网上传至监控中心。
如上所述的移动视频监控***,其中执法援助车包括车规级控制芯片和与车规级控制芯片连接的GPS定位模块和物联网通信模块;
GPS定位模块,用于实时跟踪采集执法援助车的当前地理信息(如经纬度信息),将车辆实时地理信息发送至车规级控制芯片;
车规级控制芯片,用于将执法援助车实时地理信息和当前空闲状态发送至物联网通信模块;
物联网通信模块实现执法援助车通过物联网与监控中心的通信,将执法援助车实时地理信息和当前空闲状态通过物联网上传至监控中心。
本申请实现的有益效果如下:采用本申请提供的移动视频监控***,能够通过对移动执法车拍摄的执法视频的分析确定事故,然后根据实时地理位置、以及执法援助车的实时地理位置和空闲状态确定最优的执法援助车,直接向执法援助车发送救援指示,减少中间环节耗费的时间,减少交通瘫痪问题,也使得受伤人员能够及时医治。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1是本申请实施例一提供的移动视频监控***示意图;
图2是本申请实施例一提供的移动视频监控***模块图;
图3是本申请实施例二提供的移动视频监控方法流程图。
具体实施方式
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
本申请实施例一提供一种移动视频监控***,如图1所示,在某一管理区域内所述移动视频监控***包括多个移动执法车、一个监控中心和多个执法援助车,其中:
移动执法车:监控中心:执法援助车=m:1:n,(m、n>=1)。
移动执法车实时拍摄执法视频,并通过物联网将执法视频传送至监控中心;执法援助车也实时地将自身的位置信息通过物联网上报至监控中心;监控中心根据视频分析模型对执法视频进行分析,得出需要执行援助的移动执法车,并根据需要援助的移动执法车所处的位置确定最优的执法援助车,向执法援助车发送包括移动执法车所在位置的援助指示,执法援助车根据援助指示对移动执法车进行援助。
在本申请实施例中,如图2所示,移动执法车210(如城市管理执法车、社会治安移动指挥车等),包括车规级控制芯片211(即符合车辆安全的电子产品标准芯片)和与车规级控制芯片211连接的车载视频采集模块212、GPS定位模块213和物联网通信模块214;
其中,车载视频采集模块用于在移动执法车行驶过程中通过车载摄像头实时拍摄执法视频,将车辆实时执法视频发送至车规级控制芯片;
GPS定位模块,用于实时跟踪采集移动执法车的当前地理信息(如经纬度信息),将车辆实时地理信息发送至车规级控制芯片;
车规级控制芯片,用于将实时执法视频和移动执法车实时地理信息发送至物联网通信模块;
物联网通信模块实现移动执法车通过物联网与监控中心的通信,其中向监控中心传输的数据中还包括移动执法车的编号。
在本申请实施例中,如图2所示,执法援助车220包括有救护车、拖车、交警巡逻车;执法援助车220包括车规级控制芯片221和与车规级控制芯片221连接的GPS定位模块222和物联网通信模块223;
其中,GPS定位模块,用于实时跟踪采集执法援助车的当前地理信息(如经纬度信息),将车辆实时地理信息发送至车规级控制芯片;
车规级控制芯片,用于将执法援助车实时地理信息发送至物联网通信模块;
物联网通信模块实现执法援助车通过物联网与监控中心的通信,其中向监控中心传输的数据中还包括执法援助车的编号以及当前车辆是否空闲的标识(标识置位表示车辆空闲,标识复位表示车辆繁忙),若当前执法援助车处于空闲等待状态,则向监控中心上传表示可以执行援助的置位车辆空闲标识,若当前执法援助车正在处理执法任务,则向监控中心上传表示正在执行任务的复位车辆空闲标识,该标识在车辆执行任务完毕后修改为置位。
在本申请实施例中,如图2所示,监控中心230用于接收多个移动执法车210传输的实时执法视频和执法车实时地理信息,并根据移动执法车210实时地理信息确定执法车的位置和运行轨迹,以及存储实时执法视频;还用于接收多个执法援助车220传输的执法援助车实时地理信息;
具体地,监控中心230包括物联网通信模块231、事故分析模块232和派发执法援助车模块233;
其中,物联网通信模块231,用于接收移动执法车上传的实时执法视频和实时地理位置,以及接收执法援助车上传的实时地理位置和空闲状态;
事故分析模块232,用于对移动执法车上传的实时执法视频进行初次分析,识别出发生事故的视频数据;以及用于根据预先训练好的视频异常分析模型对识别出的事故视频数据进行分析,得到与现场事故匹配的事故处理结果;
派发执法援助车模块233,用于根据事故处理结果确定待派发执法援助车类型,按照现场事故视频上报的时间和待派发执法援助车类型确定在该时间范围内的所有待派发执法援助车的地理位置;以及根据待派发执法援助车的地理位置和空闲状态、以及与现场事故视频匹配的移动执法车实时地理信息确定最优执法援助车;
物联网通信模块231还用于向最优援助车发送执行指示;
进一步地,监控中心还包括视频异常分析模型训练模块,用于预先收集各类事故现场视频数据,并根据事故异常类型进行标记,得到携带事故异常类型标识的事故现场视频数据;然后将携带事物异常类型标识的各类事故现场视频数据作为样本数据输入卷积神经网络模型中进行训练,得到视频异常分析模型;
对应地,事故分析模块,具体用于提取各类事故现场视频数据对应的局部行为特征;汇总各类事故现场数据对应的局部行为特征,得到多维度的局部行为特征;多维度的局部行为特征进行降维处理,得到各类事故异常类型的违法行为特征;对各类事故异常类型对应的违法行为特征进行分类,得到识别各种事故异常类型的视频异常分析模型。
在监控中心中还设置视频处理模块,用于在接收到实时执法视频后,根据预先训练的视频异常分析模型对视频进行处理,根据处理结果和移动执法车实时地理信息确定最优援助车。
实施例二
本申请实施例二提供一种移动视频监控方法,如图3所示,所述方法由监控中心执行,具体包括如下子步骤:
步骤310、预先构建并训练基于神经网络的视频异常分析模型;
具体地,预先收集各类事故现场视频数据,并根据事故异常类型进行标记,得到携带事故异常类型标识的事故现场视频数据;然后将携带事物异常类型标识的各类事故现场视频数据作为样本数据输入神经网络模型中进行训练,得到视频异常分析模型。
本申请实施例中,训练基于神经网络的视频异常分析模型,具体包括如下子步骤:
步骤311、提取各类事故现场视频数据对应的局部行为特征,汇总各类事故现场数据对应的局部行为特征,得到多维度的局部行为特征;
具体地,在卷积层利用一维卷积核w∈Ra*h对向量矩阵D进行特征提取,获取特征值Cn,其中a表示向量的维度,h表示一维卷积核窗口的大小;
具体地,利用如下公式在卷积层中提取特征:
Cn=f(w·xn:n+h-1+b)
其中,n表示卷积运算的次数,m表示卷积核的个数,h表示一维卷积核的窗口大小,n:n+h-1表示n到n+h-1,f表示非线性激活函数,·表示卷积核的共享权重和特征向量的对应运算,x表示特征向量矩阵的输入值,w表示权重,b表示偏差值;
然后在池化层中用如下公式进一步提取特征值:
pv=max[Cn]
其中n表示卷积运算的次数。通过池化层的采样,将通过卷积获得的特征进一步分类。这样能够防止过拟合并增强结构的鲁棒性。
步骤313、对多维度的局部行为特征进行降维处理,得到各类事故异常类型的违法行为特征;
步骤314、对各类事故异常类型对应的违法行为特征进行分类,得到识别各种事故异常类型的事故异常分析模型。
步骤320、接收移动执法车上传的实时执法视频和实时地理位置,以及接收执法援助车上传的实时地理位置和空闲状态;
本申请实施例中,移动执法车与执法援助车通过物联网与监控中心进行通信,移动执法车向监控中心上报的是实时执法视频和实时地理位置以及移动执法车的编号;执法援助车向监控中心上报的是实时地理位置和当前空闲状态以及执法援助车的编号。
步骤330、对移动执法车上报的视频进行初次分析,识别出发生事故的视频数据;
具体地,对移动执法车上报的视频切割为视频帧,然后对每个视频帧图像进行处理,根据预设识别方法识别出发生事故的视频数据,预设识别方法包括例如检测相邻两辆车之间的距离15个像素点(疑似发生碰撞)、在行车道内的车辆预定时间内不发生位置移动(疑似碰撞后停车)。
步骤340、根据训练好的视频异常分析模型对识别出的事故视频数据进行分析,得到与现场事故匹配的事故处理结果,根据事故处理结果确定待派发执法援助车类型;
具体地,通过将识别出的事故视频数据输入至训练好的视频异常分析模型,识别出与该视频相匹配的事故异常类型,然后根据事故异常类型决定要派发何种类型的执法援助车,例如分析出车辆碰撞严重,则选择待派发执法援助车类型为拖车和救护车,如分析出车辆仅为剐蹭,则选择待派发执法援助车类型为交警巡逻车。
可选地,在将识别出的事故视频数据输入视频异常分析模型之前,还包括对事故视频数据进行预处理,具体包括如下子步骤:
步骤341、判断事故视频是否存在模糊图像,如果是,则执行步骤342,否则直接将事故视频数据输入视频异常分析模型;
步骤342、将视频流解码形成若干帧图像,在若干帧图像中查找出现模糊帧图像;
具体地,将视频解码后形成若干帧图像,对若干帧图像进行逐个筛查,并找出错误的一个或多个帧图像,在筛查错误帧图像后,还需要在帧图像中确定出现错误的区域。其中若在一个完整的帧图像中进行筛查错误区域的话,则可能会出现由于背景或底色导致的筛查错误;
因此需要将帧图像进行区域块的分割,并按照区域进行错误区域的查找,具体地,对错误帧图像进行区域分割可具体包括以下子步骤:
步骤342-1:将帧图像按照灰度级别分为两部分。
步骤342-2:计算划分后的帧图像的平均灰度。
步骤342-3:根据平均灰度确定方差。
步骤342-4:遍历选取的任意两个灰度级别,完成步骤342-2~342-3的计算,并确定分割方差。
步骤342-5:根据分割方差确定最佳划分阈值,进行背景与非背景帧图像的最优选分割。
步骤343、在错误区域中寻找出错的起始区域块,依次进行错误区域的重建,对重建后的帧图像进行编码,形成视频图像;
其中起始区域块的重建具体为像素值的重建,重建坐标的像素值P(i.j)具体可表示为:
其中,d0为选取的起始区域块的重建坐标与左边相邻区域块像素坐标的距离,P0表示右边相邻区域块像素坐标的像素值;d1为起始区域块重建坐标与右边相邻区域块像素坐标中心点的距离,P1表示左边相邻区域块像素坐标的像素值;d2为起始区域块重建坐标与上边相邻区域块像素坐标中心点的距离,P2表示下边相邻区域块像素坐标的像素值;d3为起始区域块重建坐标与下边相邻区域块像素坐标中心点的距离,P3表示上边相邻区域块像素坐标的像素值。
步骤350、按照现场事故视频上报的时间和待派发执法援助车类型确定在该时间范围内的所有待派发执法援助车的地理位置;
具体地,在分析出移动执法车上报的视频属于发生事故异常视频时,根据该视频上报的时间从监控中心中查找所有与待派发执法援助车对应的执法援助车在该时间点所处的位置;可选地,在监控中心的显示屏上标记事故发生的位置和所有待派发执法援助车的位置。
步骤360、获取拍摄现场事故的移动执法车的实时地理位置,根据待派发执法援助车的地理位置和移动执法车实时地理信息确定最优援助车;
移动执法车在上报执法视频时还包括上报移动执法车的实时地理位置,当识别出发生事故后监控中心根据移动执法车的实时地理位置和待派发执法援助车的地理位置选择最优的执法援助车;若分析出车辆碰撞严重,则选择的最优执法援助车为距离最近且空闲的拖车和救护车,若分析出车辆仅为剐蹭,则选择的最优执法援助车为距离最近且空闲的交警巡逻车;
本申请实施例中,根据如下公式确定最优执法援助车:
其中,Ti为移动执法车到达第i个执法援助车所需的时长,Ti取最小值所对应的i即为最优援助车,Ti为最优执法援助车到达执法现场所需时长,n为执法援助车的个数;m为第i个执法援助车与移动执法车之间存在的预定路段的个数,Sij为第i个执法援助车所处的地理位置与移动执法车的地理之间之间存在的第j个预定路段的预定长度,Vij为第i个执法援助车所处的地理位置与移动执法车之间存在的第j个预定路段的预定行驶速度,ti为第i个执法援助车的预定准备时长;
例如,在城市管理执法车行驶过程中通过车载摄像头拍摄到车辆碰撞情况,将车辆碰撞视频上传至监控中心,监控中心在接收到拍摄的实时执法视频后,利用预先训练的视频异常分析模型对视频进行处理,从视频中分析出车辆碰撞严重情况,根据车辆碰撞严重情况和所处地理位置选择需要进行援助的最优执法援助车,如分析出车辆碰撞严重,则选择的最优执法援助车为距离最近且空闲的拖车和救护车,如分析出车辆仅为剐蹭,则选择的最优执法援助车为距离最近且空闲的交警巡逻车。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种移动视频监控方法,其特征在于,包括如下步骤:
接收移动执法车上传的实时执法视频和实时地理位置,以及接收执法援助车上传的实时地理位置和空闲状态;
对移动执法车上传的实时执法视频进行初次分析,识别出发生事故的视频数据;
根据预先训练好的视频异常分析模型对识别出的事故视频数据进行分析,得到与现场事故匹配的事故处理结果,根据事故处理结果确定待派发执法援助车类型;
按照现场事故视频上报的时间和待派发执法援助车类型确定在该时间范围内的所有待派发执法援助车的地理位置;
根据待派发执法援助车的地理位置和空闲状态、以及与现场事故视频匹配的移动执法车实时地理信息确定最优执法援助车,向最优援助车发送执行指示。
2.如权利要求1所述的移动视频监控方法,其特征在于,预先收集各类事故现场视频数据,并根据事故异常类型进行标记,得到携带事故异常类型标识的事故现场视频数据;然后将携带事物异常类型标识的各类事故现场视频数据作为样本数据输入卷积神经网络模型中进行训练,得到视频异常分析模型。
3.如权利要求2所述的移动视频监控方法,其特征在于,输入卷积神经网络模型中进行训练,得到视频异常分析模型,具体包括如下子步骤:
提取各类事故现场视频数据对应的局部行为特征;
汇总各类事故现场数据对应的局部行为特征,得到多维度的局部行为特征;
多维度的局部行为特征进行降维处理,得到各类事故异常类型的违法行为特征;
对各类事故异常类型对应的违法行为特征进行分类,得到识别各种事故异常类型的视频异常分析模型。
4.如权利要求1所述的移动视频监控方法,其特征在于,对移动执法车上传的实时执法视频进行初次分析,识别出发生事故的视频数据,具体为:对移动执法车上报的视频切割为视频帧,然后对每个视频帧图像进行处理,检测视频中相邻两车辆之间的距离在预设范围内、且在行车道内的预定时间内不发生位置移动的视频帧确定为发生事故的视频数据。
5.如权利要求1所述的移动视频监控方法,其特征在于,确定最优执法援助车具体为当识别出发生事故后,根据移动执法车的实时地理位置和待派发执法援助车的地理位置选择最优的执法援助车:
其中,Ti为移动执法车到达第i个执法援助车所需的时长,Ti取最小值所对应的i即为最优援助车,n为执法援助车的个数;m为第i个执法援助车与移动执法车之间存在的预定路段的个数,Sij为第i个执法援助车所处的地理位置与移动执法车的地理之间之间存在的第j个预定路段的预定长度,Vij为第i个执法援助车所处的地理位置与移动执法车之间存在的第j个预定路段的预定行驶速度,ti为第i个执法援助车的预定准备时长。
6.一种移动视频监控中心,其特征在于,包括:
物联网通信模块,用于接收移动执法车上传的实时执法视频和实时地理位置,以及接收执法援助车上传的实时地理位置和空闲状态;
事故分析模块,用于对移动执法车上传的实时执法视频进行初次分析,识别出发生事故的视频数据;以及用于根据预先训练好的视频异常分析模型对识别出的事故视频数据进行分析,得到与现场事故匹配的事故处理结果;
派发执法援助车模块,用于根据事故处理结果确定待派发执法援助车类型,按照现场事故视频上报的时间和待派发执法援助车类型确定在该时间范围内的所有待派发执法援助车的地理位置;以及根据待派发执法援助车的地理位置和空闲状态、以及与现场事故视频匹配的移动执法车实时地理信息确定最优执法援助车;
物联网通信模块还用于向最优援助车发送执行指示。
7.如权利要求6所述的移动视频监控中心,其特征在于,还包括视频异常分析模型训练模块,用于预先收集各类事故现场视频数据,并根据事故异常类型进行标记,得到携带事故异常类型标识的事故现场视频数据;然后将携带事物异常类型标识的各类事故现场视频数据作为样本数据输入卷积神经网络模型中进行训练,得到视频异常分析模型;
事故分析模块,具体用于提取各类事故现场视频数据对应的局部行为特征;汇总各类事故现场数据对应的局部行为特征,得到多维度的局部行为特征;多维度的局部行为特征进行降维处理,得到各类事故异常类型的违法行为特征;对各类事故异常类型对应的违法行为特征进行分类,得到识别各种事故异常类型的视频异常分析模型。
8.一种移动视频监控***,其特征在于,包括如权利要求6-7中任意一项所述的移动视频监控中心,以及至少一个移动执法车和至少一个执法援助车;
移动执法车用于采集实时执法视频,并向监控中心上传实时执法视频和移动执法车的实时地理位置;
执法援助车用于向监控中心上传执法援助车的实时地理位置和执法援助车的当前空闲状态。
9.如权利要求8所述的移动视频监控***,其特征在于,移动执法车包括车规级控制芯片和与车规级控制芯片连接的车载视频采集模块、GPS定位模块和物联网通信模块;
车载视频采集模块用于在移动执法车行驶过程中通过车载摄像头实时拍摄执法视频,将车辆实时执法视频发送至车规级控制芯片;
GPS定位模块,用于实时跟踪采集移动执法车的当前地理信息(如经纬度信息),将车辆实时地理信息发送至车规级控制芯片;
车规级控制芯片,用于将实时执法视频和移动执法车实时地理信息发送至物联网通信模块;
物联网通信模块实现移动执法车通过物联网与监控中心的通信,将实时执法视频和移动执法车实时地理信息通过物联网上传至监控中心。
10.如权利要求8所述的移动视频监控***,其特征在于,执法援助车包括车规级控制芯片和与车规级控制芯片连接的GPS定位模块和物联网通信模块;
GPS定位模块,用于实时跟踪采集执法援助车的当前地理信息(如经纬度信息),将车辆实时地理信息发送至车规级控制芯片;
车规级控制芯片,用于将执法援助车实时地理信息和当前空闲状态发送至物联网通信模块;
物联网通信模块实现执法援助车通过物联网与监控中心的通信,将执法援助车实时地理信息和当前空闲状态通过物联网上传至监控中心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911122143.9A CN110838230B (zh) | 2019-11-15 | 2019-11-15 | 一种移动视频监控方法、监控中心及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911122143.9A CN110838230B (zh) | 2019-11-15 | 2019-11-15 | 一种移动视频监控方法、监控中心及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110838230A true CN110838230A (zh) | 2020-02-25 |
CN110838230B CN110838230B (zh) | 2020-12-22 |
Family
ID=69576649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911122143.9A Active CN110838230B (zh) | 2019-11-15 | 2019-11-15 | 一种移动视频监控方法、监控中心及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110838230B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112258089A (zh) * | 2020-11-13 | 2021-01-22 | 珠海大横琴科技发展有限公司 | 一种移动执法的控制方法和装置 |
CN112613396A (zh) * | 2020-12-19 | 2021-04-06 | 河北志晟信息技术股份有限公司 | 一种任务紧急程度处理方法及*** |
CN113581323A (zh) * | 2021-08-02 | 2021-11-02 | 安徽农道文旅产业发展有限公司 | 一种马拉松智慧赛道管理*** |
CN113596136A (zh) * | 2021-07-23 | 2021-11-02 | 深圳市警威警用装备有限公司 | 基于执法记录仪的援助通信方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201364497Y (zh) * | 2009-01-12 | 2009-12-16 | 甘灿新 | 一种遥控远距离监控运载无人直升机*** |
CN103996288A (zh) * | 2014-06-06 | 2014-08-20 | 中道汽车救援产业有限公司 | 道路救援自动匹配调度方法 |
KR20150083227A (ko) * | 2014-01-09 | 2015-07-17 | 유동배 | 교통사고를 자동으로 감지하여 신고하는 스마트폰 어플리케이션 |
CN105184504A (zh) * | 2015-09-24 | 2015-12-23 | 上海车音网络科技有限公司 | 一种车辆调度方法、装置及*** |
CN106682644A (zh) * | 2017-01-11 | 2017-05-17 | 同观科技(深圳)有限公司 | 一种基于移动摄像设备的双动态车辆监测管理***和方法 |
CN106910018A (zh) * | 2017-02-23 | 2017-06-30 | 吉林大学 | 一种救援资源调度方法及*** |
KR20170120849A (ko) * | 2016-04-22 | 2017-11-01 | 주식회사 이니셜티 | 동영상 촬영에 의한 교통 사고 현황 정보 수집 방법 및 시스템 |
CN108629963A (zh) * | 2017-03-24 | 2018-10-09 | 纵目科技(上海)股份有限公司 | 基于卷积神经网络的交通事故上报方法及***、车载终端 |
CN108765453A (zh) * | 2018-05-18 | 2018-11-06 | 武汉倍特威视***有限公司 | 基于视频流数据的高速公路团雾识别方法 |
CN108881867A (zh) * | 2018-09-12 | 2018-11-23 | 上海良相智能化工程有限公司 | 智能城管信息可视化综合管理*** |
CN109255944A (zh) * | 2018-10-08 | 2019-01-22 | 长安大学 | 交通事故应急救援车辆的配置与派遣方法 |
CN110033131A (zh) * | 2019-03-28 | 2019-07-19 | 南京理工大学 | 一种交通救援的智能决策***模块及其工作方法 |
CN110033011A (zh) * | 2018-12-14 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 车祸事故处理方法和装置、电子设备 |
CN110047270A (zh) * | 2019-04-09 | 2019-07-23 | 南京锦和佳鑫信息科技有限公司 | 自动驾驶专用车道上应急管理和道路救援的方法 |
-
2019
- 2019-11-15 CN CN201911122143.9A patent/CN110838230B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201364497Y (zh) * | 2009-01-12 | 2009-12-16 | 甘灿新 | 一种遥控远距离监控运载无人直升机*** |
KR20150083227A (ko) * | 2014-01-09 | 2015-07-17 | 유동배 | 교통사고를 자동으로 감지하여 신고하는 스마트폰 어플리케이션 |
CN103996288A (zh) * | 2014-06-06 | 2014-08-20 | 中道汽车救援产业有限公司 | 道路救援自动匹配调度方法 |
CN105184504A (zh) * | 2015-09-24 | 2015-12-23 | 上海车音网络科技有限公司 | 一种车辆调度方法、装置及*** |
KR20170120849A (ko) * | 2016-04-22 | 2017-11-01 | 주식회사 이니셜티 | 동영상 촬영에 의한 교통 사고 현황 정보 수집 방법 및 시스템 |
CN106682644A (zh) * | 2017-01-11 | 2017-05-17 | 同观科技(深圳)有限公司 | 一种基于移动摄像设备的双动态车辆监测管理***和方法 |
CN106910018A (zh) * | 2017-02-23 | 2017-06-30 | 吉林大学 | 一种救援资源调度方法及*** |
CN108629963A (zh) * | 2017-03-24 | 2018-10-09 | 纵目科技(上海)股份有限公司 | 基于卷积神经网络的交通事故上报方法及***、车载终端 |
CN108765453A (zh) * | 2018-05-18 | 2018-11-06 | 武汉倍特威视***有限公司 | 基于视频流数据的高速公路团雾识别方法 |
CN108881867A (zh) * | 2018-09-12 | 2018-11-23 | 上海良相智能化工程有限公司 | 智能城管信息可视化综合管理*** |
CN109255944A (zh) * | 2018-10-08 | 2019-01-22 | 长安大学 | 交通事故应急救援车辆的配置与派遣方法 |
CN110033011A (zh) * | 2018-12-14 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 车祸事故处理方法和装置、电子设备 |
CN110033131A (zh) * | 2019-03-28 | 2019-07-19 | 南京理工大学 | 一种交通救援的智能决策***模块及其工作方法 |
CN110047270A (zh) * | 2019-04-09 | 2019-07-23 | 南京锦和佳鑫信息科技有限公司 | 自动驾驶专用车道上应急管理和道路救援的方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112258089A (zh) * | 2020-11-13 | 2021-01-22 | 珠海大横琴科技发展有限公司 | 一种移动执法的控制方法和装置 |
CN112613396A (zh) * | 2020-12-19 | 2021-04-06 | 河北志晟信息技术股份有限公司 | 一种任务紧急程度处理方法及*** |
CN112613396B (zh) * | 2020-12-19 | 2022-10-25 | 河北志晟信息技术股份有限公司 | 一种任务紧急程度处理方法及*** |
CN113596136A (zh) * | 2021-07-23 | 2021-11-02 | 深圳市警威警用装备有限公司 | 基于执法记录仪的援助通信方法 |
CN113581323A (zh) * | 2021-08-02 | 2021-11-02 | 安徽农道文旅产业发展有限公司 | 一种马拉松智慧赛道管理*** |
Also Published As
Publication number | Publication date |
---|---|
CN110838230B (zh) | 2020-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110838230B (zh) | 一种移动视频监控方法、监控中心及*** | |
CN108701396B (zh) | 一种车前积雪与结冰的检测报警方法、存储介质和服务器 | |
CN110866427A (zh) | 一种车辆行为检测方法及装置 | |
US11734783B2 (en) | System and method for detecting on-street parking violations | |
CN109447069A (zh) | 面向智能终端的车辆信息采集识别方法及*** | |
CN111833598A (zh) | 一种高速公路无人机交通事件自动监测方法及*** | |
CN112071084A (zh) | 一种利用深度学习判断违章停车的方法和*** | |
CN112434566B (zh) | 客流统计方法、装置、电子设备及存储介质 | |
CN111008574A (zh) | 一种基于形体识别技术的重点人员轨迹分析方法 | |
CN114170272A (zh) | 一种云端环境下基于感知传感器的事故报告、储存方法 | |
CN113450573A (zh) | 基于无人机图像识别的交通监测方法和交通监测*** | |
CN111985295A (zh) | 一种电动自行车行为识别方法、***、工控机及摄像头 | |
CN113723273A (zh) | 一种车辆轨迹信息确定方法、装置及计算机设备 | |
CN113076852A (zh) | 一种基于5g通信的占用公交车道车载抓拍处理*** | |
CN114693722B (zh) | 一种车辆行驶行为检测方法、检测装置及检测设备 | |
CN110765900A (zh) | 一种基于dssd的自动检测违章建筑方法及*** | |
CN116311166A (zh) | 交通障碍物识别方法、装置及电子设备 | |
CN111627224A (zh) | 车辆速度异常检测方法、装置、设备及存储介质 | |
CN112633163B (zh) | 一种基于机器学习算法实现非法运营车辆检测的检测方法 | |
CN114743140A (zh) | 一种基于人工智能技术的消防通道占用识别方法和装置 | |
CN114283361A (zh) | 状态信息的确定方法和装置、存储介质及电子装置 | |
CN114973664A (zh) | 一种基于机器视觉的城市交通在线智能监测预警管理*** | |
CN113793069A (zh) | 深度残差网络的城市内涝积水智能识别方法 | |
CN113807125A (zh) | 应急车道占用检测方法、装置、计算机设备和存储介质 | |
CN113989731A (zh) | 一种信息的检测方法、计算设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |