CN112437280A - 一种基于大数据分析的智慧监控安防数据处理管理*** - Google Patents

一种基于大数据分析的智慧监控安防数据处理管理*** Download PDF

Info

Publication number
CN112437280A
CN112437280A CN202011321019.8A CN202011321019A CN112437280A CN 112437280 A CN112437280 A CN 112437280A CN 202011321019 A CN202011321019 A CN 202011321019A CN 112437280 A CN112437280 A CN 112437280A
Authority
CN
China
Prior art keywords
monitoring
time period
dangerous
module
sub
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.)
Withdrawn
Application number
CN202011321019.8A
Other languages
English (en)
Inventor
单昂
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN202011321019.8A priority Critical patent/CN112437280A/zh
Publication of CN112437280A publication Critical patent/CN112437280A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • 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
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/71—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • 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
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Library & Information Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Computer Security & Cryptography (AREA)
  • Signal Processing (AREA)
  • Alarm Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开一种基于大数据分析的智慧监控安防数据处理管理***，包括区域划分模块、图像采集模块、时间段划分模块、特征提取模块、存储数据库、图像预处理模块、危险特征数据库、分析云平台、视频检索模块、预警模块和显示终端。本发明通过图像预处理模块去除了大量无用视频图像数据、通过特征提取模块及危险特征数据库，对保留的视频图像数据对比提取危险行为种类特征，解决了现有的视频监控资源数据海量且冗杂,占用大量存储,在监控硬件建设资金上占比较高的问题，提高了有效数据的对比分析运算速度,适用于一些长期监控区域的监控使用,降低了硬件成本，节省了大量时间，从而促进了监控人员安防监控工作的正常开展。

Description

一种基于大数据分析的智慧监控安防数据处理管理***
技术领域
本发明属于监控视频数据处理分析领域，涉及到一种基于大数据分析的智慧监控安防数据处理管理***。
背景技术
随着现代信息社会的发展，人们的生活水准也在不断提升，因而对安全的需求也越来越迫切，近年来，国内外先后涌现出一批不同程度的智能安防监控***或产品，由此可见安防监控***正在由数字化、网络化逐步走向智能化。在安防监控行业中针对特定事件的实时视频监控和后期查询基本上都是使用原始落后的人工对比的方式，而且目前的视频监控资源数据海量且冗杂,其中无效数据高达70％以上，占用大量存储,在监控硬件建设资金上占比较高,同时有效数据对比分析运算速度较慢,不能适用于一些长期监控区域的监控使用,不能实现提高数据对比分析速度,降低硬件成本,无法达到在提高数据分析能力的同时,来节省大量时间的目的,无法保证监控安防***具有较高时效性，从而对监控人员的正常安防监控工作十分不利。
发明内容
针对上述问题，本发明提出一种基于大数据分析的智慧监控安防数据处理管理***，通过图像预处理模块去除了大量无用视频图像数据、通过特征提取模块及危险特征数据库，对保留的视频图像数据中对比提取危险行为种类特征，解决了现有的视频监控资源数据海量且冗杂,占用大量存储,在监控硬件建设资金上占比较高的问题，提高了有效数据的对比分析运算速度,适用于一些长期监控区域的监控使用,降低了硬件成本,达到在提高数据分析能力的同时,来节省大量时间的目的，从而促进了监控人员安防监控工作的正常开展。
本发明的目的可以通过以下技术方案实现：
一种基于大数据分析的智慧监控安防数据处理管理***，包括区域划分模块、图像采集模块、时间段划分模块、特征提取模块、存储数据库、图像预处理模块、危险特征数据库、分析云平台、视频检索模块、预警模块和显示终端；
图像采集模块分别与区域划分模块和时间段划分模块连接，存储数据库分别与时间段划分模块、特征提取模块和视频检索模块连接，图像预处理模块分别与时间段划分模块和特征提取模块连接，特征提取模块分别与危险特征数据库、分析云平台和显示终端连接，分析云平台分别与危险特征数据库和预警模块连接；
区域划分模块用于对监控区域进行区域划分，采用网格化的划分方式将监控区域划分为若干面积相同且相互连接的监控子区域，对各监控子区域按照设定的顺序进行编号，依次标记为1,2,...,m,...,n；
图像采集模块，包括若干高清摄像头，分别用于对各监控子区域进行实时监控，获取各个监控子区域的监控视频，并将各监控子区域的监控视频发送至时间段划分模块；
时间段划分模块接收图像采集模块发送的各监控子区域的监控视频，用于对接收到的各监控子区域的监控视频进行时间段划分，根据监控人员预先设定的时间间隔值，可划分为多个时间段监控视频，将划分的多个时间段按照时间的先后顺序进行编号，依次标记为1,2,...,t,...,h,进而将各监控子区域内划分的各时间段监控视频构成每天的时间段监控视频集合Am(am1,am2,...,amt,...,amh)，amt表示为第m个监控子区域内对应的第t个时间段内的监控视频，并将每天的时间段监控视频集合发送至图像预处理模块和存储数据库；
图像预处理模块接收时间段划分模块发送的每天的时间段监控视频集合，对每天的时间段监控视频进行图像预处理，其具体处理过程包括以下步骤：
S1：提取每天的时间段监控视频集合中各监控子区域内各个时间段的监控视频；
S2：将各监控子区域内各个时间段的监控视频获取其视频时长，并根据视频时长具有的视频帧数，将各监控子区域内各个时间段的监控视频分解为若干图像，并将分解的各图像按照预设的顺序进行编号，依次标记为1,2,...,j,...,k；
S3:将各监控子区域内各个时间段的监控视频分解的各图像进行人的轮廓特征提取，若某图像提取不到人的轮廓特征，则表明该图像上不存在人体，去除该图像，若某图像能够提取到人的轮廓特征，表明该图像上存在人体，保留该图像，进而得到各监控子区域内各个时间段保留的各图像，该图像记为目标图像；
S4：对各监控子区域内各个时间段保留的各目标图像进行图像增强预处理操作；
S5：将S4获得的图像增强预处理后的目标图像构成每天的时间段目标图像集合Bmt(bmt1,bmt2,...,bmtj,...,bmtk)，bmtj表示为第m个监控子区域内第t个时间段内第j个目标图像，并将每天的时间段目标图像集合发送至特征提取模块；
特征提取模块接收图像预处理模块模块发送的每天的时间段目标图像集合，用于对每天的时间段目标图像集合中各监控子区域内各时间段内的目标图像进行分析处理，对目标图像中存在的行为种类特征进行识别提取，并提取危险特征数据库中不同危险行为种类对应的特征，将各监控子区域内各时间段内目标图像的行为种类特征与危险特征数据库中不同危险行为种类对应的特征进行对比，构成每天的时间段目标图像特征对比集合B′mt(b′mt1,b′mt2,...,b′mtj,...,b′mtk)，b′mtj表示为第m个监控子区域内第t个时间段内第j个目标图像中的行为种类特征与某个危险行为种类对应的特征的对比值，若第m个监控子区域内第t个时间段内第j个目标图像中的行为种类特征与危险特征数据库中某个危险行为种类对应的特征对比成功，则b′mtj等于固定数值R，R>0，若第m个监控子区域内第t个时间段内第j个目标图像中的行为种类特征与危险特征数据库中某个危险行为种类对应的特征对比失败，则b′mtj等于0，同时记录所有对比成功的监控子区域对应的的危险行为种类、时间段编号和监控子区域编号，对比成功的监控子区域记为危险子区域，进而统计各危险子区域的编号,依次标记为1,2,...,s,...,u,各危险子区域对应的危险时间段编号，依次标记为1,2,...,i,...,g,各危险子区域内对应的危险时间段内各危险行为种类编号，依次标记为1,2,...,p,...,q,构成每天的时间段危险行为种类集合Csi(csi1,csi2,...,csip,...,csiq)，csip表示第s个危险子区域内第i个危险时间段内第p个危险行为种类，将每天的时间段危险行为种类集合发送至存储数据库，将所有危险子区域的编号及各危险子区域对应的不同危险行为种类和危险时间段编号发送至显示终端，并将构成的时间段目标图像特征对比集合发送至分析云平台；
分析云平台接收特征提取模块发送的时间段目标图像特征对比集合，以统计各监控子区域的危险系数值，提取危险特征数据库中存储的一级、二级和三级危险等级对应的危险系数阈值，若某个监控子区域的危险系数值小于一级危险等级对应的危险系数阈值，则该监控子区域为一级危险等级，若某个监控子区域的危险系数值大于一级危险等级对应的危险系数阈值小于二级危险等级对应的危险系数阈值，则该监控子区域为二级危险等级，若某个监控子区域对应的危险系数值大于二级危险等级对应的危险系数阈值，则该监控子区域为三级危险等级，并将各监控子区域对应的危险等级分别发送至预警模块；
存储数据库接收特征提取模块发送的每天的时间段危险行为种类集合和时间段划分模块发送的每天的时间段监控视频集合，将每天的时间段危险行为种类集合和每天的时间段监控视频集合进行存储；
危险特征数据库保存一级、二级和三级危险等级对应的危险系数阈值，并保存不同危险行为种类对应的特征；
预警模块接收分析云平台发送的各监控子区域对应的危险等级，并作出不同等级的预警；
显示终端接收特征提取模块发送的所有危险子区域的编号及各危险子区域对应的不同危险行为种类和危险时间段编号，并进行显示；
视频检索模块用于根据用户输入的检索条件，从存储数据库中保存的每天的时间段危险行为种类集合中查询出所有满足对应检索条件的危险行为种类，并提供给监控人员进一步的分析和甄别。
进一步地，高清摄像头与各监控子区域的个数保持一致。
进一步地，图像预处理模块包括中值滤波单元。
进一步地，中指滤波单元用于对各监控子区域内各个时间段的监控视频中的视频帧图像进行去噪声干扰处理，去除视频帧图像中由外界环境所掺入的大量无用信息。
进一步地，检索条件包括危险时间段、危险检测子区域编号和一个或者多个危险行为种类。
进一步地，一级、二级和三级危险等级对应的危险系数阈值大小顺序为ξ1＜ξ2＜ξ3。
进一步地，监控子区域的危险系数值计算公式为
Figure BDA0002792885930000061
θm表示为第m个监控子区域的危险系数值，b′mtj表示为第m个监控子区域内第t个时间段内第j个目标图像中的行为种类特征与不同危险行为种类对应的特征的对比值。
进一步地，监控子区域的危险系数值越大表示监控子区域越危险，监控子区域的危险系数值越小表示监控子区域越安全。
有益效果：
(1)本发明通过图像预处理模块、特征提取模块及危险特征数据库，对比提取视频图像数据中的危险行为种类特征，去除了大量无用视频图像数据，解决了现有的视频监控资源数据海量且冗杂,占用大量存储,在监控硬件建设资金上占比较高的问题，提高了有效数据的对比分析运算速度,适用于一些长期监控区域的监控使用,降低了硬件成本,达到在提高数据分析能力的同时,来节省大量时间的目的，从而促进了监控人员安防监控工作的正常开展。
(2)本发明在分析云平台，通过计算出每个监控子区域的危险系数，并统计出每个监控子区域对应的危险等级，直观地量化展示了每个监控子区域的安全情况，监控人员可根据其安全情况采取对应的应对措施，从而多方面、多范围的保护了人们的财产安全和人身安全。
(3)本发明在图像预处理模块，通过抽取监控视频中的视频帧图像,去除图像中由外界环境所掺入的大量无用信息,减少其对图像的干扰,从而获得含有大量有用信息量的目标图像,提高了视频的质量,有利于视频中重要事物的识别。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的模块示意图。
具体实施方式
下面将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，所描述的实施例仅仅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，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，一种基于大数据分析的智慧监控安防数据处理管理***，包括区域划分模块、图像采集模块、时间段划分模块、特征提取模块、存储数据库、图像预处理模块、危险特征数据库、分析云平台、视频检索模块、预警模块和显示终端；
图像采集模块分别与区域划分模块和时间段划分模块连接，存储数据库分别与时间段划分模块、特征提取模块和视频检索模块连接，图像预处理模块分别与时间段划分模块和特征提取模块连接，特征提取模块分别与危险特征数据库、分析云平台和显示终端连接，分析云平台分别与危险特征数据库和预警模块连接；
区域划分模块用于对监控区域进行区域划分，采用网格化的划分方式将监控区域划分为若干面积相同且相互连接的监控子区域，对各监控子区域按照设定的顺序进行编号，依次标记为1,2,...,m,...,n；
图像采集模块，包括若干高清摄像头，高清摄像头与各监控子区域的个数保持一致，分别用于对各监控子区域进行实时监控，获取各个监控子区域的监控视频，并将各监控子区域的监控视频发送至时间段划分模块，通过对每一个监控子区域都设置了高清摄像头，避免监控区域存在死角区域无法被监控到，从而多角度、多方位的监控了整个区域，提高视频图像数据的准确性和可靠性；
时间段划分模块接收图像采集模块发送的各监控子区域的监控视频，用于对接收到的各监控子区域的监控视频进行时间段划分，根据监控人员预先设定的时间间隔值，可划分为多个时间段监控视频，将划分的多个时间段按照时间的先后顺序进行编号，依次标记为1,2,...,t,...,h,进而将各监控子区域内划分的各时间段监控视频构成每天的时间段监控视频集合Am(am1,am2,...,amt,...,amh)，amt表示为第m个监控子区域内对应的第t个时间段内的监控视频，并将每天的时间段监控视频集合发送至图像预处理模块和存储数据库；
图像预处理模块，包括中值滤波单元，用于对各监控子区域内各个时间段的监控视频中的视频帧图像进行去噪声干扰处理，去除视频帧图像中由外界环境所掺入的大量无用信息，减少其对视频帧图像的干扰，方便后续的图像处理，接收时间段划分模块发送的每天的时间段监控视频集合，对每天的时间段监控视频进行图像预处理，其具体处理过程包括以下步骤：
S1：提取每天的时间段监控视频集合中各监控子区域内各个时间段的监控视频；
S2：将各监控子区域内各个时间段的监控视频获取其视频时长，并根据视频时长具有的视频帧数，将各监控子区域内各个时间段的监控视频分解为若干图像，并将分解的各图像按照预设的顺序进行编号，依次标记为1,2,...,j,...,k；
S3:将各监控子区域内各个时间段的监控视频分解的各图像进行人的轮廓特征提取，若某图像提取不到人的轮廓特征，则表明该图像上不存在人体，去除该图像，若某图像能够提取到人的轮廓特征，表明该图像上存在人体，保留该图像，进而得到各监控子区域内各个时间段保留的各图像，该图像记为目标图像；
S4：对各监控子区域内各个时间段保留的各目标图像进行图像增强预处理操作；
S5：将S4获得的图像增强预处理后的目标图像构成每天的时间段目标图像集合Bmt(bmt1,bmt2,...,bmtj,...,bmtk)，bmtj表示为第m个监控子区域内第t个时间段内第j个目标图像，并将每天的时间段目标图像集合发送至特征提取模块；
本实施例通过抽取监控视频中的视频帧图像,去除图像中由外界环境所掺入的大量无用信息,减少其对图像的干扰,从而获得含有大量有用信息量的目标图像,提高了视频的质量,有利于视频中重要事物的识别。
特征提取模块接收图像预处理模块模块发送的每天的时间段目标图像集合，用于对每天的时间段目标图像集合中各监控子区域内各时间段内的目标图像进行分析处理，对目标图像中存在的行为种类特征进行识别提取，并提取危险特征数据库中不同危险行为种类对应的特征，将各监控子区域内各时间段内目标图像的行为种类特征与危险特征数据库中不同危险行为种类对应的特征进行对比，构成每天的时间段目标图像特征对比集合B′mt(b′mt1,b′mt2,...,b′mtj,...,b′mtk)，b′mtj表示为第m个监控子区域内第t个时间段内第j个目标图像中的行为种类特征与某个危险行为种类对应的特征的对比值，若第m个监控子区域内第t个时间段内第j个目标图像中的行为种类特征与危险特征数据库中某个危险行为种类对应的特征对比成功，则b′mtj等于固定数值R，R>0，若第m个监控子区域内第t个时间段内第j个目标图像中的行为种类特征与危险特征数据库中某个危险行为种类对应的特征对比失败，则b′mtj等于0，同时记录所有对比成功的监控子区域对应的的危险行为种类、时间段编号和监控子区域编号，对比成功的监控子区域记为危险子区域，进而统计各危险子区域的编号,依次标记为1,2,...,s,...,u,各危险子区域对应的危险时间段编号，依次标记为1,2,...,i,...,g,各危险子区域内对应的危险时间段内各危险种类编号，依次标记为1,2,...,p,...,q,构成每天的时间段危险行为种类集合Csi(csi1,csi2,...,csip,...,csiq)，csip表示第s个危险子区域内第i个危险时间段内第p个危险行为种类，将每天的时间段危险行为种类集合发送至存储数据库，将所有危险子区域的编号及各危险子区域对应的不同危险行为种类和危险时间段编号发送至显示终端，并将构成的时间段目标图像特征对比集合发送至分析云平台；
分析云平台接收特征提取模块发送的时间段目标图像特征对比集合，以统计各监控子区域的危险系数值，监控子区域的危险系数值计算公式为
Figure BDA0002792885930000101
θm表示为第m个监控子区域的危险系数值，b′mtj表示为第m个监控子区域内第t个时间段内第j个目标图像中的行为种类特征与不同危险行为种类对应的特征的对比值，监控子区域的危险系数值越大表示监控子区域越危险，监控子区域的危险系数值越小表示监控子区域越安全，提取危险特征数据库中存储的一级、二级和三级危险等级对应的危险系数阈值，若某个监控子区域的危险系数值小于一级危险等级对应的危险系数阈值，则该监控子区域为一级危险等级，若某个监控子区域的危险系数值大于一级危险等级对应的危险系数阈值小于二级危险等级对应的危险系数阈值，则该监控子区域为二级危险等级，若某个监控子区域对应的危险系数值大于二级危险等级对应的危险系数阈值，则该监控子区域为三级危险等级，并将各监控子区域对应的危险等级分别发送至预警模块；
本实施例通过计算出每个监控子区域的危险系数，并统计出每个监控子区域对应的危险等级，直观地量化展示了每个监控子区域的安全情况，监控人员可根据其安全情况采取对应的应对措施，从而多方面、多范围的保护了人们的财产安全和人身安全。
存储数据库接收特征提取模块发送的每天的时间段危险种类集合和时间段划分模块发送的每天的时间段监控视频集合，将每天的时间段危险种类集合和每天的时间段监控视频集合进行存储；
危险特征数据库保存一级、二级和三级危险等级对应的危险系数阈值，一级、二级和三级危险等级对应的危险系数阈值大小顺序为ξ1＜ξ2＜ξ3，并保存不同危险行为种类对应的特征；
预警模块接收分析云平台发送的各监控子区域对应的危险等级，并作出不同等级的预警；
显示终端接收特征提取模块发送的所有危险子区域的编号及各危险子区域对应的不同危险行为种类和危险时间段编号，并进行显示；
视频检索模块用于根据用户输入的检索条件，包括危险时间段、危险检测子区域编号和一个或者多个危险行为种类，从存储数据库中保存的每天的时间段危险种类集合中查询出所有满足对应检索条件的危险行为种类，并提供给监控人员进一步的分析和甄别。
本发明通过图像预处理模块去除了大量无用视频图像数据、通过特征提取模块及危险特征数据库，对保留的视频图像数据中对比提取危险行为种类特征，解决了现有的视频监控资源数据海量且冗杂,占用大量存储,在监控硬件建设资金上占比较高的问题，提高了有效数据的对比分析运算速度,适用于一些长期监控区域的监控使用,降低了硬件成本,达到在提高数据分析能力的同时,来节省大量时间的目的，从而促进了监控人员安防监控工作的正常开展。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (8)

1.一种基于大数据分析的智慧监控安防数据处理管理***，其特征在于：包括区域划分模块、图像采集模块、时间段划分模块、特征提取模块、存储数据库、图像预处理模块、危险特征数据库、分析云平台、视频检索模块、预警模块和显示终端；
所述图像采集模块分别与区域划分模块和时间段划分模块连接，存储数据库分别与时间段划分模块、特征提取模块和视频检索模块连接，图像预处理模块分别与时间段划分模块和特征提取模块连接，特征提取模块分别与危险特征数据库、分析云平台和显示终端连接，分析云平台分别与危险特征数据库和预警模块连接；
所述区域划分模块用于对监控区域进行区域划分，采用网格化的划分方式将监控区域划分为若干面积相同且相互连接的监控子区域，对各监控子区域按照设定的顺序进行编号，依次标记为1,2,...,m,...,n；
所述图像采集模块，包括若干高清摄像头，分别用于对各监控子区域进行实时监控，获取各个监控子区域的监控视频，并将各监控子区域的监控视频发送至时间段划分模块；
所述时间段划分模块接收图像采集模块发送的各监控子区域的监控视频，用于对接收到的各监控子区域的监控视频进行时间段划分，根据监控人员预先设定的时间间隔值，可划分为多个时间段监控视频，将划分的多个时间段按照时间的先后顺序进行编号，依次标记为1,2,...,t,...,h,进而将各监控子区域内划分的各时间段监控视频构成每天的时间段监控视频集合Am(am1,am2,...,amt,...,amh)，amt表示为第m个监控子区域内对应的第t个时间段内的监控视频，并将每天的时间段监控视频集合发送至图像预处理模块和存储数据库；
所述图像预处理模块接收时间段划分模块发送的每天的时间段监控视频集合，对每天的时间段监控视频进行图像预处理，其具体处理过程包括以下步骤：
S1：提取每天的时间段监控视频集合中各监控子区域内各个时间段的监控视频；
S2：将各监控子区域内各个时间段的监控视频获取其视频时长，并根据视频时长具有的视频帧数，将各监控子区域内各个时间段的监控视频分解为若干图像，并将分解的各图像按照预设的顺序进行编号，依次标记为1,2,...,j,...,k；
S3:将各监控子区域内各个时间段的监控视频分解的各图像进行人的轮廓特征提取，若某图像提取不到人的轮廓特征，则表明该图像上不存在人体，去除该图像，若某图像能够提取到人的轮廓特征，表明该图像上存在人体，保留该图像，进而得到各监控子区域内各个时间段保留的各图像，该图像记为目标图像；
S4：对各监控子区域内各个时间段保留的各目标图像进行图像增强预处理操作；
S5：将S4获得的图像增强预处理后的目标图像构成每天的时间段目标图像集合Bmt(bmt1,bmt2,...,bmtj,...,bmtk)，bmtj表示为第m个监控子区域内第t个时间段内第j个目标图像，并将每天的时间段目标图像集合发送至特征提取模块；
所述特征提取模块接收图像预处理模块模块发送的每天的时间段目标图像集合，用于对每天的时间段目标图像集合中各监控子区域内各时间段内的目标图像进行分析处理，对目标图像中存在的行为种类特征进行识别提取，并提取危险特征数据库中不同危险行为种类对应的特征，将各监控子区域内各时间段内目标图像的行为种类特征与危险特征数据库中不同危险行为种类对应的特征进行对比，构成每天的时间段目标图像特征对比集合B′mt(b′mt1,b′mt2,...,b′mtj,...,b′mtk)，b′mtj表示为第m个监控子区域内第t个时间段内第j个目标图像中的行为种类特征与某个危险行为种类对应的特征的对比值，若第m个监控子区域内第t个时间段内第j个目标图像中的行为种类特征与危险特征数据库中某个危险行为种类对应的特征对比成功，则b′mtj等于固定数值R，R>0，若第m个监控子区域内第t个时间段内第j个目标图像中的行为种类特征与危险特征数据库中某个危险行为种类对应的特征对比失败，则b′mtj等于0，同时记录所有对比成功的监控子区域对应的的危险行为种类、时间段编号和监控子区域编号，对比成功的监控子区域记为危险子区域，进而统计各危险子区域的编号,依次标记为1,2,...,s,...,u,各危险子区域对应的危险时间段编号，依次标记为1,2,...,i,...,g,各危险子区域内对应的危险时间段内各危险行为种类编号，依次标记为1,2,...,p,...,q,构成每天的时间段危险行为种类集合Csi(csi1,csi2,...,csip,...,csiq)，csip表示第s个危险子区域内第i个危险时间段内第p个危险行为种类，将每天的时间段危险行为种类集合发送至存储数据库，将所有危险子区域的编号及各危险子区域对应的不同危险行为种类和危险时间段编号发送至显示终端，并将构成的时间段目标图像特征对比集合发送至分析云平台；
所述分析云平台接收特征提取模块发送的时间段目标图像特征对比集合，以统计各监控子区域的危险系数值，提取危险特征数据库中存储的一级、二级和三级危险等级对应的危险系数阈值，若某个监控子区域的危险系数值小于一级危险等级对应的危险系数阈值，则该监控子区域为一级危险等级，若某个监控子区域的危险系数值大于一级危险等级对应的危险系数阈值小于二级危险等级对应的危险系数阈值，则该监控子区域为二级危险等级，若某个监控子区域对应的危险系数值大于二级危险等级对应的危险系数阈值，则该监控子区域为三级危险等级，并将各监控子区域对应的危险等级分别发送至预警模块；
所述存储数据库接收特征提取模块发送的每天的时间段危险行为种类集合和时间段划分模块发送的每天的时间段监控视频集合，将每天的时间段危险行为种类集合和每天的时间段监控视频集合进行存储；
所述危险特征数据库保存一级、二级和三级危险等级对应的危险系数阈值，并保存不同危险行为种类对应的特征；
所述预警模块接收分析云平台发送的各监控子区域对应的危险等级，并作出不同等级的预警；
所述显示终端接收特征提取模块发送的所有危险子区域的编号及各危险子区域对应的不同危险行为种类和危险时间段编号，并进行显示；
所述视频检索模块用于根据用户输入的检索条件，从存储数据库中保存的每天的时间段危险行为种类集合中查询出所有满足对应检索条件的危险行为种类，并提供给监控人员进一步的分析和甄别。
2.根据权利要求1所述的一种基于大数据分析的智慧监控安防数据处理管理***，其特征在于：所述高清摄像头与各监控子区域的个数保持一致。
3.根据权利要求1所述的一种基于大数据分析的智慧监控安防数据处理管理***，其特征在于：所述图像预处理模块包括中值滤波单元。
4.根据权利要求3所述的一种基于大数据分析的智慧监控安防数据处理管理***，其特征在于：所述中指滤波单元用于对各监控子区域内各个时间段的监控视频中的视频帧图像进行去噪声干扰处理，去除视频帧图像中由外界环境所掺入的大量无用信息。
5.根据权利要求1所述的一种基于大数据分析的智慧监控安防数据处理管理***，其特征在于：所述检索条件包括危险时间段、危险检测子区域编号和一个或者多个危险行为种类。
6.根据权利要求1所述的一种基于大数据分析的智慧监控安防数据处理管理***，其特征在于：所述一级、二级和三级危险等级对应的危险系数阈值大小顺序为ξ1＜ξ2＜ξ3。
7.根据权利要求1所述的一种基于大数据分析的智慧监控安防数据处理管理***，其特征在于：所述监控子区域的危险系数值计算公式为
Figure FDA0002792885920000051
θm表示为第m个监控子区域的危险系数值，b′mtj表示为第m个监控子区域内第t个时间段内第j个目标图像中的行为种类特征与不同危险行为种类对应的特征的对比值。
8.根据权利要求1所述的一种基于大数据分析的智慧监控安防数据处理管理***，其特征在于：所述监控子区域的危险系数值越大表示监控子区域越危险，监控子区域的危险系数值越小表示监控子区域越安全。
CN202011321019.8A 2020-11-23 2020-11-23 一种基于大数据分析的智慧监控安防数据处理管理*** Withdrawn CN112437280A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011321019.8A CN112437280A (zh) 2020-11-23 2020-11-23 一种基于大数据分析的智慧监控安防数据处理管理***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011321019.8A CN112437280A (zh) 2020-11-23 2020-11-23 一种基于大数据分析的智慧监控安防数据处理管理***

Publications (1)

Publication Number Publication Date
CN112437280A true CN112437280A (zh) 2021-03-02

Family

ID=74692895

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011321019.8A Withdrawn CN112437280A (zh) 2020-11-23 2020-11-23 一种基于大数据分析的智慧监控安防数据处理管理***

Country Status (1)

Country Link
CN (1) CN112437280A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113099178A (zh) * 2021-04-01 2021-07-09 武汉拥钟智能科技有限公司 基于视频远程监控的智慧社区安全在线实时监测预警方法
CN113359651A (zh) * 2021-07-06 2021-09-07 隆升量化(武汉)大数据科技有限公司 一种数字化智能制造工业车间生产安全实时在线监测云平台
CN113573026A (zh) * 2021-08-11 2021-10-29 江西志宏安防科技有限公司 一种多监控点的楼宇安防监控***
CN114021969A (zh) * 2021-11-04 2022-02-08 中国安全生产科学研究院 一种涉农企业安全生产风险指数分析***
CN114996518A (zh) * 2022-08-04 2022-09-02 深圳市稻兴实业有限公司 一种基于云平台的超高清视频数据存储分类管理***
CN115375687A (zh) * 2022-10-25 2022-11-22 江苏博惠新材料科技有限公司 一种塑料片材生产塑料原料混合均匀度监控分析***
CN116088399A (zh) * 2023-04-10 2023-05-09 中国电力工程顾问集团西南电力设计院有限公司 一种智慧电厂厂区监控***及其监控方法
CN116647643A (zh) * 2023-06-01 2023-08-25 西藏康发电子工程有限公司 一种智能安防监控***
CN116916050A (zh) * 2022-12-20 2023-10-20 哈尔滨商业大学 一种将道路监控图像发送到终端的方法及装置

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113099178A (zh) * 2021-04-01 2021-07-09 武汉拥钟智能科技有限公司 基于视频远程监控的智慧社区安全在线实时监测预警方法
CN113099178B (zh) * 2021-04-01 2021-12-03 广州市宁葳信息科技有限公司 基于视频远程监控的智慧社区安全在线实时监测预警方法
CN113359651A (zh) * 2021-07-06 2021-09-07 隆升量化(武汉)大数据科技有限公司 一种数字化智能制造工业车间生产安全实时在线监测云平台
CN113573026A (zh) * 2021-08-11 2021-10-29 江西志宏安防科技有限公司 一种多监控点的楼宇安防监控***
CN114021969A (zh) * 2021-11-04 2022-02-08 中国安全生产科学研究院 一种涉农企业安全生产风险指数分析***
CN114021969B (zh) * 2021-11-04 2022-06-07 中国安全生产科学研究院 一种涉农企业安全生产风险指数分析***
CN114996518A (zh) * 2022-08-04 2022-09-02 深圳市稻兴实业有限公司 一种基于云平台的超高清视频数据存储分类管理***
CN114996518B (zh) * 2022-08-04 2022-10-21 深圳市稻兴实业有限公司 一种基于云平台的超高清视频数据存储分类管理***
CN115375687A (zh) * 2022-10-25 2022-11-22 江苏博惠新材料科技有限公司 一种塑料片材生产塑料原料混合均匀度监控分析***
CN115375687B (zh) * 2022-10-25 2023-03-24 江苏博惠新材料科技有限公司 一种塑料片材生产塑料原料混合均匀度监控分析***
CN116916050A (zh) * 2022-12-20 2023-10-20 哈尔滨商业大学 一种将道路监控图像发送到终端的方法及装置
CN116916050B (zh) * 2022-12-20 2024-03-19 哈尔滨商业大学 一种将道路监控图像发送到终端的方法及装置
CN116088399A (zh) * 2023-04-10 2023-05-09 中国电力工程顾问集团西南电力设计院有限公司 一种智慧电厂厂区监控***及其监控方法
CN116647643A (zh) * 2023-06-01 2023-08-25 西藏康发电子工程有限公司 一种智能安防监控***
CN116647643B (zh) * 2023-06-01 2024-03-26 西藏康发电子工程有限公司 一种智能安防监控***

Similar Documents

Publication Publication Date Title
CN112437280A (zh) 一种基于大数据分析的智慧监控安防数据处理管理***
CN105913037A (zh) 基于人脸识别与射频识别的监控跟踪***
CN106780250B (zh) 一种基于物联网技术的智慧社区安全事件处理方法及***
CN105139016B (zh) 监控摄像头的干扰检测***及其应用方法
CN111522995B (zh) 目标对象分析方法、装置及电子设备
CN105426820A (zh) 基于安防监控视频数据的多人异常行为检测方法
CN111460988A (zh) 一种违规行为识别方法及装置
CN113297926B (zh) 行为检测识别方法及***
CN111582209A (zh) 一种基建现场施工人员异常行为监管方法
CN112183219A (zh) 一种基于人脸识别的公共安全视频监测方法及***
CN114898261A (zh) 一种基于视频和生理数据融合的睡眠质量评估方法及***
CN111510675A (zh) 一种基于人脸识别和大数据分析的智慧安防***
CN115691034A (zh) 一种智能家居异常情况告警方法、***及存储介质
CN113393628A (zh) 一种智能监控报警方法、***、智能终端以及存储介质
CN111753642B (zh) 一种确定关键帧的方法及装置
CN113179389A (zh) 一种输电线路危险车辆吊车扬臂识别***及识别方法
CN111597919A (zh) 一种视频监控场景下的人体跟踪方法
CN116682162A (zh) 一种基于实时视频流的机器人人员检测算法
CN111666780A (zh) 一种基于情绪识别技术的智能门控安防方法
CN109194622A (zh) 一种基于特征效率的加密流量分析特征选择方法
CN111723761B (zh) 异常人脸图像的确定方法、装置及存储介质
CN114241400A (zh) 电网***的监控方法及其装置、计算机可读存储介质
CN115147930A (zh) 一种基于人工智能的大数据视频ai分析***
CN111899448A (zh) 牵引变电站智能巡检信息过滤的方法及***
CN111461655A (zh) 一种人员管理***

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20210302

WW01 Invention patent application withdrawn after publication