CN114863364B - 一种基于智能视频监控的安防检测方法及*** - Google Patents
一种基于智能视频监控的安防检测方法及*** Download PDFInfo
- Publication number
- CN114863364B CN114863364B CN202210557086.2A CN202210557086A CN114863364B CN 114863364 B CN114863364 B CN 114863364B CN 202210557086 A CN202210557086 A CN 202210557086A CN 114863364 B CN114863364 B CN 114863364B
- Authority
- CN
- China
- Prior art keywords
- target
- monitoring
- face
- time
- scenes
- 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
Classifications
-
- 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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/00174—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys
- G07C9/00563—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys using personal physical data of the operator, e.g. finger prints, retinal images, voicepatterns
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/30—Individual registration on entry or exit not involving the use of a pass
- G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
- G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于智能视频监控的安防检测方法,包括步骤从不同视频采集终端采集监控视频,对采集的视频进行切片获得监控场景,从监控场景中识别目标,获得未登记目标,构成第一目标集合,获得第一目标集合中每个目标的区域关联度,并获得区域关联度集合,接收空间整理命令,对监控场景根据区域关联度进行移除或者移动。本发明实现了灵活地对监控场景进行整理,根据视频采集终端的存储空间和获取的监控场景判断需要清理的监控场景。
Description
技术领域
本发明涉及视频监控技术领域,具体涉及一种基于智能视频监控的安防检测方法及***。
背景技术
网格化管理需要对辖区内的人员进行监控,包括对每个出入口的人员进行筛选,传统的人工登记存在程序繁琐,信息更新不及时等问题,借助辖区和社区内的摄像头,通过人脸识别提取区域内的人员,结合区域内登记人员,能减轻传统网格管理的工作压力,提高效率和做到精细化管理。在需要的时候能及时对区域内的人口进行排查和筛选,提高管理水平。
但同时,海量的数据对数据处理和存储会带来压力,因此需要一种方法对视频监控内容进行智能化管理。在传统的数据存储方式下,管理者通过客户机的本地存储***存储数据,或通过中心服务器存储数据。在这种结构下,随着数据存储需求的不断增大,对所述本地存储***或所述中心存储服务器的容量要求也越来越大,这将导致本地磁盘***或所述中心存储***的硬件不断升级,同时也为所述数据存储***的维护工作带来繁重的负担,不利于资料的快速查找。
发明内容
本发明的目的在于提出一种基于智能视频监控的安防检测方法,以解决现有技术中所存在的一个或多个技术问题,至少提供一种有益的选择或创造条件。
为实现上述技术目的,本发明技术方案如下:
一种基于智能视频监控的安防检测方法,所述方法包括以下步骤:
步骤1,从不同视频采集终端采集监控视频,对采集的视频进行切片获得监控场景;
步骤2,从监控场景中识别目标,获得未登记目标,构成第一目标集合;
步骤3,获得第一目标集合中每个目标的区域关联度,并获得区域关联度集合;
步骤4,接收空间整理命令,对监控场景根据区域关联度进行移除或者移动。
进一步地,步骤1中,从不同视频采集终端采集监控视频,对采集的视频进行切片获得监控场景的子步骤为:
在监控的目标区域部署视频采集终端,所述视频采集终端可以根据一定间隔采集视频,或者与安防设备联动触发视频采集;
对采集的视频进行切片获得一个或多个监控场景,切片方法可以是设定的规则对采集的视频切片,或者根据来自安防设备的触发信号或者人工触发中的一种或多种。
优选地,安防设备可以是门禁设备,当用户触发门禁设备时,视频采集终端开始采集视频。
优选地,视频采集终端可以是室内云台摄像机,室外球机,或者内置人脸识别的门锁或门禁,手持执法记录仪。
优选地,切片的方法可以根据如公开号CN109361904A的中国专利申请“一种监控视频切片存储方法及***”的记载进行。
进一步地,步骤2中,从监控场景中识别目标,获得未登记目标,构成第一目标集合的子步骤为:
对每个监控场景进行人脸提取,识别出存在人脸的监控场景并提取人脸,提取的各个人脸构成目标序列,目标序列中的元素包括目标在视频采集终端出现的时间以及对应的视频采集终端,目标为视频采集终端识别到的人脸图像。
未登记目标为无法在预存有目标图像的数据库匹配到的目标;
存储的每个监控场景的画面中至少存在一个人脸,监控场景的画面中至少一帧包括一个或多个人脸;如果场景的画面中不存在人脸则标记空白监控场景;空白监控场景不存储至视频采集终端;
对目标序列的每个目标与数据库中预存的目标图像进行比对,对非本区域的目标进行标记,获得非本区域的目标组成第一目标集合IDVA。
优选地,本区域的目标可以是本区域内的用户或商户,工作人员的人脸图像;本区域的目标在数据库中登记,即人脸图像存在于数据库中;非本区域的目标则是人脸图像不存在于数据库中。
进一步地,步骤3中,获得第一目标集合中每个目标的区域关联度,并获得区域关联度集合的子步骤为:
步骤3,计算每个目标的区域关联度:
式中,RL为一个目标的区域关联度,NOW为当前时刻,当前目标的人脸在存储的所有监控场景出现的最早时刻为CapR,CapLi为第i个目标的人脸在所有监控场景最后一次出现时刻,(NOW-CapLi)为获取第i个目标的人脸在所有监控场景最后一次出现时刻距离当前的时间间隔,Len为当前目标的人脸在所有的监控场景中存在的平均时间,当前目标的人脸在所有监控场景最后一次出现时刻为CapL,N为集合IDVA的大小,CapN为当前目标在全部视频终端存储的监控场景中最早出现的次数,首次出现指能在所有存储的监控场景中成功识别出当前目标的人脸的时刻,最后一次出现时刻指当前目标的人脸在所有存储的监控场景中最后出现的时刻;对所有目标的关联度进行降序排序,构成区域关联度集合RLSet。
(有益效果为:目标的区域关联度有效地描述了当前目标在所有监控场景中的最早出现时间间隔和最近出现的时间间隔,为之后空间整理动作提供量化的指标。)
优选地,步骤3中,获得第一目标集合中每个目标的区域关联度,并获得区域关联度集合的子步骤还可以为:通过获取所有监控场景,对来自同一个目标的监控场景进行聚类,根据每个目标所有监控场景的总时长对所有目标的监控场景进行排序,构成区域关联度集合RLSet。
进一步地,步骤4中,接收空间整理命令,对监控场景根据区域关联度进行移除或者移动的子步骤为:
步骤4.1,接收到空间整理命令后,每个视频采集终端根据区域关联度集合的次序,对监控场景进行清理,具体为:
步骤4.1.1,把区域关联度集合中第一个目标中所属的监控场景依次进行移除,移除的范围是当前视频采集终端存储的监控场景中距离当前时刻最远的时刻为起点,到当前视频采集终端中最近获取到的一个目标的时刻为终点之间的时间距离为T1,删去当前时刻开始往前T1/2时间段的包括所选目标的监控场景;如果所选目标距离当前时刻最近的监控场景到当前时刻小于第二阈值,把所选目标距离当前时刻最近的监控场景上传到中心服务器,如果中心服务器存在所选目标的监控场景则替换已经存在于中心服务器的监控场景;(第一个目标是区域关联度集合中第一个元素对应的目标);
按照区域关联集合中目标的顺序,循环执行步骤4.1.1的步骤清理目标的监控场景直到每个视频采集终端的可用空间达到设定的范围或者可用空间达到总存储空间的70%。
优选地,步骤4中,接收空间整理命令,对监控场景根据区域关联度进行移除或者移动的子步骤还可以为:
步骤4.1,接收到空间整理命令后,每个视频采集终端根据区域关联度集合的次序,对监控场景进行清理,具体为:
把接收到空间整理命令的时刻标记为当前时刻;空间整理指令可以是定时发出至各个视频采集终端的指令信号,也可以是中心服务器的剩余容量小于20%时发出或者有一个或多个视频采集终端的剩余容量小于20%,也可以是人工触发的指令信号。
初始化变量j为1,j∈len(RLSet),以RLSetj为区域关联度集合RLSet中第j个元素;设置一个空列表作为移除列表;len()函数为取集合中元素的数量;
步骤4.2,VN(RLSetj)为区域关联度集合RLSet中第j个元素的监控场景的数量,VL(RLSetj)为区域关联度集合RLSet中第j个元素中所有监控场景的长度,MAXL(RLSet)为关联度集合RLSet中所有目标中监控场景时长的最大值,MINL(RLSet)关联度集合RLSet中所有目标中监控场景时长的最小值,AVGL(RLSet)关联度集合RLSet中所有目标中所有监控场景时长的算术平均值,
(其中,监控场景的长度为元素所对应的目标的人脸在所有监控场景出现的总时长;监控场景时长为元素所对应的目标的人脸在监控场景出现的时长;)
设置第一条件:VL(RLSetj)/VN(RLSetj)>AVGL(RLSet)且当前RLSetj所属目标最接近当前时刻的监控场景的时间跨度大于(MAXL(RLSet)+VL(RLSetj)/VN(RLSetj))×VN(RLSetj);
如果RLSetj符合第一条件,把到当前时刻的时间跨度大于(MAXL(RLSet)-AVGL(RLSet))×VN(RLSetj)的监控场景放入移除列表,如果移除列表包括当前目标的所有监控场景则保留与当前时刻最接近的监控场景,即把与当前时刻最接近的监控场景移出移除列表;
如果不符合第一条件,则把RLSetj所属目标的关联的监控场景中除了当前目标的与当前时刻最接近的监控场景外的所有监控场景加入移除列表;
如果j<len(RLSet)使j的值增加1,重新开始步骤4.2,否则跳转步骤4.3;
步骤4.3,根据移除列表对所有视频采集终端中包括移除列表的监控场景进行删除,并对每个目标在所有视频采集终端的与当前时刻最接近的监控场景传输至中心服务器;替换中心服务器中已经存在的对应目标的监控场景。
其中,步骤4的有益效果是:根据一个目标的视频数量,监控场景的长度调整空间整理策略,把旧的监控场景从分立的视频采集终端中移除,在中心服务器中保留最新的监控场景,能够根据目标的实际时长来进行动态的视频压缩,并在一定程度上根据关联度消除无用的目标视频,提升存储效率,同时在对应的视频采集终端中保留以免中心服务器的数据出错或者丢失。
一种基于智能视频监控的安防检测***,所述***包括:
采集模块:包括视频采集终端,视频采集终端可以获取监控视频,对监控视频切片;
处理模块:计算每个目标的区域关联度,对所有目标的区域关联度进行排序,输出区域关联度集合;
分配模块:根据区域关联度集合对所有视频采集终端进行清理,并把需要的监控场景上传到中心服务器;
中心服务器:用于长时保存监控场景。
第三方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明第一方面提供的所述方法的步骤。
第四方面,本发明提供一种电子设备,包括:存储器,其上存储有计算机程序;处理器,用于执行所述存储器中的所述计算机程序,以实现本发明提供的所述方法的步骤。
与现有技术相比,本发明具有以下有益的技术效果:
灵活地对监控场景进行整理,根据视频采集终端的存储空间和获取的监控场景判断需要清理的监控场景,区分是否属于区域内的登记人员,而采取不同策略,有利于对区域内的人员的监控视频进行有效划分和管理。
附图说明
图1为本发明提供的一种基于智能视频监控的安防检测方法的流程图;
图2为本发明一个实施例的一种基于智能视频监控的安防检测***结构示意框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清晰,以下结合附图及实施例,对本发明进行进一步详尽说明。此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
同样应理解,以下实施例只用于对本发明进行进一步说明,不能理解为对本发明保护范围的限制,本领域的技术人员根据本发明上述内容做出的一些非本质的改进和调整均属于本发明的保护范围。下述示例具体的工艺参数等也仅是合适范围内的一个示例,即本领域技术人员可以通过本文的说明做合适的范围内选择,而并非要限定于下文示例的具体数值。
以下示例性地说明本发明提供的一种基于智能视频监控的安防检测方法。
如图1所示为一种基于智能视频监控的安防检测方法的流程图,下面结合图1来阐述根据本发明的实施方式的一种基于智能视频监控的安防检测方法,所述方法包括以下步骤:
一种基于智能视频监控的安防检测方法,所述方法包括以下步骤:
步骤1,从不同视频采集终端采集监控视频,对采集的视频进行切片获得监控场景;
步骤2,从监控场景中识别目标,获得未登记目标,构成第一目标集合;
步骤3,获得第一目标集合中每个目标的区域关联度,并获得区域关联度集合;
步骤4,接收空间整理命令,对监控场景根据区域关联度进行移除或者移动。
进一步地,步骤1中,从不同视频采集终端采集监控视频,对采集的视频进行切片获得监控场景的子步骤为:
在监控的目标区域部署视频采集终端,所述视频采集终端可以根据一定间隔采集视频,或者与安防设备联动触发视频采集;
对采集的视频进行切片获得一个或多个监控场景,切片方法可以是设定的规则对采集的视频切片,或者根据来自安防设备的触发信号或者人工触发中的一种或多种。
优选地,安防设备可以是门禁设备,当用户触发门禁设备时,视频采集终端开始采集视频。
优选地,视频采集终端可以是室内云台摄像机,室外球机,或者内置人脸识别的门锁或门禁,手持执法记录仪。
优选地,切片的方法可以根据如公开号CN109361904A的中国专利申请“一种监控视频切片存储方法及***”的记载进行。
进一步地,步骤2中,从监控场景中识别目标,获得未登记目标,构成第一目标集合的子步骤为:
对每个监控场景进行人脸提取,识别出存在人脸的监控场景并提取人脸,提取的各个人脸构成目标序列,目标序列包括目标在视频采集终端出现的时间以及对应的视频采集终端。
未登记目标为无法在预存有目标图像的数据库匹配到的目标;
存储的每个监控场景的画面中至少存在一个人脸,监控场景的画面中至少一帧包括一个或多个人脸;如果场景的画面中不存在人脸则标记空白监控场景;空白监控场景不存储至视频采集终端;
对目标序列的每个目标与数据库中预存的目标图像进行比对,对非本区域的目标进行标记,获得非本区域的目标组成第一目标集合IDVA。
优选地,本区域的目标可以是本区域内的用户或商户,工作人员;本区域的目标在数据库中登记,即人脸图像存在于数据库中。
进一步地,步骤3中,获得第一目标集合中每个目标的区域关联度,并获得区域关联度集合的子步骤为:
步骤3,计算每个目标的区域关联度:
式中,RL为一个目标的区域关联度,NOW为当前时刻,当前目标的人脸在存储的所有监控场景出现的最早时刻为CapR,CapLi为第i个目标的人脸在所有监控场景最后一次出现时刻,(NOW-CapLi)为获取第i个目标的人脸在所有监控场景最后一次出现时刻距离当前的时间间隔,Len为当前目标的人脸在所有的监控场景中存在的平均时间,当前目标的人脸在所有监控场景最后一次出现时刻为CapL,N为集合IDVA的大小,CapN为当前目标在全部视频终端存储的监控场景中最早出现的次数,首次出现指能在所有存储的监控场景中成功识别出当前目标的人脸的时刻,最后一次出现时刻指当前目标的人脸在所有存储的监控场景中最后出现的时刻;对所有目标的关联度进行降序排序,构成区域关联度集合RLSet。
目标的区域关联度有效地描述了当前目标在所有监控场景中的最早出现时间间隔和最近出现的时间间隔,为之后空间整理动作提供量化的指标。
优选地,区域关联度还可以通过获取所有监控场景,对来自同一个目标的监控场景进行聚类,根据每个目标所有监控场景的总时长对所有目标的监控场景进行排序,构成区域关联度集合RLSet。
进一步地,步骤4中,接收空间整理命令,对监控场景根据区域关联度进行移除或者移动的子步骤为:
步骤4.1,接收到空间整理命令后,每个视频采集终端根据区域关联度集合的次序,对监控场景进行清理,具体为:
步骤4.1.1,把区域关联度集合中第一个目标中所属的监控场景依次进行移除,移除的范围是当前视频采集终端存储的监控场景中距离当前时刻最远的时刻为起点,到当前视频采集终端中最近获取到的一个目标的时刻为终点之间的时间距离为T1,删去当前时刻开始往前T1/2时间段的包括所选目标的监控场景;如果所选目标距离当前时刻最近的监控场景到当前时刻小于第二阈值,把所选目标距离当前时刻最近的监控场景上传到中心服务器,如果中心服务器存在所选目标的监控场景则替换已经存在于中心服务器的监控场景;(第一个目标是区域关联度集合中第一个元素对应的目标);
按照区域关联集合中目标的顺序,循环执行步骤4.1.1的步骤清理目标的监控场景直到每个视频采集终端的可用空间达到设定的范围或者可用空间达到总存储空间的70%。
优选地,第二阈值为包括所有目标在监控场景中出现的平均时长,也可以是T1/2。
优选地,步骤4中,接收空间整理命令,对监控场景根据区域关联度进行移除或者移动的子步骤还可以为:
步骤4.1,接收到空间整理命令后,每个视频采集终端根据区域关联度集合的次序,对监控场景进行清理,具体为:
把接收到空间整理命令的时刻标记为当前时刻;空间整理指令可以是定时发出至各个视频采集终端,也可以是中心服务器的剩余容量小于20%时发出或者有一个或多个视频采集终端的剩余容量小于20%,也可以是人工触发。
初始化变量j为1,j∈len(RLSet),以RLSetj为区域关联度集合RLSet中第j个元素;设置一个空列表作为移除列表;len()函数为取集合中元素的数量;
步骤4.2,VN(RLSetj)为区域关联度集合RLSet中第j个元素的监控场景的数量,VL(RLSetj)为区域关联度集合RLSet中第j个元素中所有监控场景的长度,MAXL(RLSet)为关联度集合RLSet中所有目标中监控场景时长的最大值,MINL(RLSet)关联度集合RLSet中所有目标中监控场景时长的最小值,AVGL(RLSet)关联度集合RLSet中所有目标中所有监控场景时长的算术平均值,设置第一条件:VL(RLSetj)/VN(RLSetj)>AVGL(RLSet)且当前RLSetj所属目标最接近当前时刻的监控场景的时间跨度大于(MAXL(RLSet)+VL(RLSetj)/VN(RLSetj))×VN(RLSetj);
如果RLSetj符合第一条件,把到当前时刻的时间跨度大于(MAXL(RLSet)-AVGL(RLSet))×VN(RLSetj)的监控场景放入移除列表,如果移除列表包括当前目标的所有监控场景则保留与当前时刻最接近的监控场景,即把与当前时刻最接近的监控场景移出移除列表;
如果不符合第一条件,则把RLSetj所属目标的关联的监控场景除了当前目标的与当前时刻最接近的监控场景外的所有监控场景加入移除列表;
如果j<len(RLSet)使j的值增加1,重新开始步骤4.2,否则跳转步骤4.3;
步骤4.3,根据移除列表对所有视频采集终端中包括移除列表的监控场景进行删除,并对每个目标在所有视频采集终端的与当前时刻最接近的监控场景传输至中心服务器;替换中心服务器中已经存在的对应目标的监控场景。
步骤4的有益效果是:根据一个目标的视频数量,监控场景的长度调整空间整理策略,把旧的监控场景从分立的视频采集终端中移除,在中心服务器中保留最新的监控场景,同时在对应的视频采集终端中保留以免中心服务器的数据出错或者丢失。
如图2所示是本发明一个实施例的一种基于智能视频监控的安防检测***结构示意框图。
一种基于智能视频监控的安防检测***,所述***包括:
采集模块:包括视频采集终端,视频采集终端可以获取监控视频;
处理模块:计算每个目标的区域关联度,对所有目标的区域关联度进行排序,输出区域关联度集合;
分配模块:根据区域关联度集合对所有视频采集终端进行清理,并把需要的监控场景上传到中心服务器;
中心服务器:用于持久保存监控场景。
所述基于一种基于智能视频监控的安防检测***可以运行于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备中。所述一种基于智能视频监控的安防检测***,可运行的***可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,所述例子仅仅是一种基于智能视频监控的安防检测***的示例,并不构成对一种基于智能视频监控的安防检测***的限定,可以包括比例子更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述一种基于智能视频监控的安防检测***还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述一种基于智能视频监控的安防检测***运行***的控制中心,利用各种接口和线路连接整个一种基于智能视频监控的安防检测***可运行***的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述一种基于智能视频监控的安防检测***的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述,但其并非旨在局限于任何这些细节或实施例或任何特殊实施例,从而有效地涵盖本发明的预定范围。此外,上文以发明人可预见的实施例对本发明进行描述,其目的是为了提供有用的描述,而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (6)
1.一种基于智能视频监控的安防检测方法,其特征在于,所述方法包括以下步骤:
步骤1,从不同视频采集终端采集监控视频,对采集的视频进行切片获得监控场景;
步骤2,从监控场景中识别目标,获得未登记目标,构成第一目标集合;
步骤3,获得第一目标集合中每个目标的区域关联度,并获得区域关联度集合;
步骤4,接收空间整理命令,对监控场景根据区域关联度进行移除或者移动;
其中,步骤2中,从监控场景中识别目标,获得未登记目标,构成第一目标集合的子步骤为:对每个监控场景进行人脸提取,识别出存在人脸的监控场景并提取人脸,提取的各个人脸构成目标序列,目标序列包括目标在视频采集终端出现的时间以及对应的视频采集终端;
未登记目标为无法在预存有目标图像的数据库匹配到的目标;
存储的每个监控场景的画面中至少存在一个人脸,监控场景的画面中至少一帧包括一个或多个人脸;如果场景的画面中不存在人脸则标记空白监控场景;空白监控场景不存储至视频采集终端;
对目标序列的每个目标与数据库中预存的目标图像进行比对,对非本区域的目标进行标记,获得非本区域的目标组成第一目标集合IDVA;
步骤3中,获得第一目标集合中每个目标的区域关联度,并获得区域关联度集合的子步骤为:计算每个目标的区域关联度:
式中,RL为一个目标的区域关联度,NOW为当前时刻,当前目标的人脸在存储的所有监控场景出现的最早时刻为CapR,CapLi为第i个目标的人脸在所有监控场景最后一次出现时刻,(NOW-CapLi)为获取第i个目标的人脸在所有监控场景最后一次出现时刻距离当前的时间间隔,Len为当前目标的人脸在所有的监控场景中存在的平均时间,当前目标的人脸在所有监控场景最后一次出现时刻为CapL,N为集合IDVA的大小,CapN为当前目标在全部视频终端存储的监控场景中最早出现的次数,首次出现指能在所有存储的监控场景中成功识别出当前目标的人脸的时刻,最后一次出现时刻指当前目标的人脸在所有存储的监控场景中最后出现的时刻;对所有目标的关联度进行降序排序,构成区域关联度集合RLSet;
目标的区域关联度有效地描述了当前目标在所有监控场景中的最早出现时间间隔和最近出现的时间间隔,为之后空间整理动作提供量化的指标。
2.根据权利要求1所述的一种基于智能视频监控的安防检测方法,其特征在于,步骤1中,从不同视频采集终端采集监控视频,对采集的视频进行切片获得监控场景的子步骤为:
在监控的目标区域部署视频采集终端,所述视频采集终端可以根据一定间隔采集视频,或者与安防设备联动触发视频采集;
对采集的视频进行切片获得一个或多个监控场景,切片方法可以是设定的规则对采集的视频切片,或者根据来自安防设备的触发信号或者人工触发中的一种或多种。
3.根据权利要求1所述的一种基于智能视频监控的安防检测方法,其特征在于,步骤4中,接收空间整理命令,对监控场景根据区域关联度进行移除或者移动的子步骤为:
步骤4.1,接收到空间整理命令后,每个视频采集终端根据区域关联度集合的次序,对监控场景进行清理,具体为:
步骤4.1.1,把区域关联度集合中第一个目标中所属的监控场景依次进行移除,移除的范围是当前视频采集终端存储的监控场景中距离现在时刻最远的时刻为起点,到当前视频采集终端中最近获取到的一个目标的时刻为终点之间的时间距离为T1,删去现在时刻开始往前T1/2时间段的包括所选目标的监控场景;如果所选目标距离当前时刻最近的监控场景到现在时刻小于第二阈值,把所选目标距离当前时刻最近的监控场景上传到中心服务器,如果中心服务器存在所选目标的监控场景则替换已经存在于中心服务器的监控场景;
按照区域关联集合中目标的顺序,循环执行步骤4.1.1的步骤清理目标的监控场景直到每个视频采集终端的可用空间达到设定的范围或者可用空间达到总存储空间的70%。
4.一种基于智能视频监控的安防检测***,其特征在于,所述***包括:
采集模块:包括视频采集终端,视频采集终端可以获取监控视频;
处理模块:计算每个目标的区域关联度,对所有目标的区域关联度进行排序,输出区域关联度集合;
其中,获得第一目标集合中每个目标的区域关联度,并获得区域关联度集合的子步骤为:从监控场景中识别目标,获得未登记目标,构成第一目标集合的子步骤为:
对每个监控场景进行人脸提取,识别出存在人脸的监控场景并提取人脸,提取的各个人脸构成目标序列,目标序列包括目标在视频采集终端出现的时间以及对应的视频采集终端;
未登记目标为无法在预存有目标图像的数据库匹配到的目标;
存储的每个监控场景的画面中至少存在一个人脸,监控场景的画面中至少一帧包括一个或多个人脸;如果场景的画面中不存在人脸则标记空白监控场景;空白监控场景不存储至视频采集终端;
对目标序列的每个目标与数据库中预存的目标图像进行比对,对非本区域的目标进行标记,获得非本区域的目标组成第一目标集合IDVA;
计算每个目标的区域关联度:
式中,RL为一个目标的区域关联度,NOW为当前时刻,当前目标的人脸在存储的所有监控场景出现的最早时刻为CapR,CapLi为第i个目标的人脸在所有监控场景最后一次出现时刻,(NOW-CapLi)为获取第i个目标的人脸在所有监控场景最后一次出现时刻距离当前的时间间隔,Len为当前目标的人脸在所有的监控场景中存在的平均时间,当前目标的人脸在所有监控场景最后一次出现时刻为CapL,N为集合IDVA的大小,CapN为当前目标在全部视频终端存储的监控场景中最早出现的次数,首次出现指能在所有存储的监控场景中成功识别出当前目标的人脸的时刻,最后一次出现时刻指当前目标的人脸在所有存储的监控场景中最后出现的时刻;对所有目标的关联度进行降序排序,构成区域关联度集合RLSet;
目标的区域关联度有效地描述了当前目标在所有监控场景中的最早出现时间间隔和最近出现的时间间隔,为之后空间整理动作提供量化的指标;
分配模块:根据区域关联度集合对所有视频采集终端进行清理,并把需要的监控场景上传到中心服务器;
中心服务器:用于持久保存监控场景。
5.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-3中任一项所述方法的步骤。
6.一种电子设备,其特征在于,包括:存储器,其上存储有计算机程序;处理器,用于执行所述存储器中的所述计算机程序,以实现权利要求1-3中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210557086.2A CN114863364B (zh) | 2022-05-20 | 2022-05-20 | 一种基于智能视频监控的安防检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210557086.2A CN114863364B (zh) | 2022-05-20 | 2022-05-20 | 一种基于智能视频监控的安防检测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114863364A CN114863364A (zh) | 2022-08-05 |
CN114863364B true CN114863364B (zh) | 2023-03-07 |
Family
ID=82639699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210557086.2A Active CN114863364B (zh) | 2022-05-20 | 2022-05-20 | 一种基于智能视频监控的安防检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114863364B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117528028B (zh) * | 2023-11-08 | 2024-04-19 | 广州雄风信息技术有限公司 | 一种基于物联网的安防视频监控*** |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109361904A (zh) * | 2018-11-21 | 2019-02-19 | 佛山市云团科技有限公司 | 一种监控视频切片存储方法及*** |
CN110008797A (zh) * | 2018-10-08 | 2019-07-12 | 杭州中威电子股份有限公司 | 一种多摄像机多人脸视频接续采集装置及方法 |
CN110719437A (zh) * | 2018-07-13 | 2020-01-21 | 视联动力信息技术股份有限公司 | 一种基于视联网的监控视频处理方法及装置 |
CN110876035A (zh) * | 2018-08-31 | 2020-03-10 | 杭州海康威视***技术有限公司 | 一种基于视频的场景更新方法、装置及电子设备 |
CN111126152A (zh) * | 2019-11-25 | 2020-05-08 | 国网信通亿力科技有限责任公司 | 一种基于视频的多目标行人检测与跟踪的方法 |
CN111222373A (zh) * | 2018-11-26 | 2020-06-02 | 深圳云天励飞技术有限公司 | 一种人员行为分析方法、装置和电子设备 |
CN112601050A (zh) * | 2020-12-09 | 2021-04-02 | 张兴莉 | 一种智慧城市视频监控方法及装置 |
CN112689132A (zh) * | 2021-03-15 | 2021-04-20 | 成都点泽智能科技有限公司 | 目标对象监控方法和监控设备 |
CN113656243A (zh) * | 2021-07-28 | 2021-11-16 | 连连(杭州)信息技术有限公司 | 一种业务指标监控方法、装置、设备及存储介质 |
CN114095734A (zh) * | 2021-10-26 | 2022-02-25 | 陈正跃 | 一种基于数据处理的用户数据压缩方法及*** |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101854516B (zh) * | 2009-04-02 | 2014-03-05 | 北京中星微电子有限公司 | 视频监控***、视频监控服务器及视频监控方法 |
CN111160380A (zh) * | 2018-11-07 | 2020-05-15 | 华为技术有限公司 | 生成视频分析模型的方法及视频分析*** |
CN110196914B (zh) * | 2019-07-29 | 2019-12-27 | 上海肇观电子科技有限公司 | 一种将人脸信息录入数据库的方法和装置 |
JP2022503373A (ja) * | 2019-09-29 | 2022-01-12 | 北京市商▲湯▼科技▲開▼▲發▼有限公司 | データ処理方法、装置及び記憶媒体 |
CN112580397A (zh) * | 2019-09-29 | 2021-03-30 | 北京市商汤科技开发有限公司 | 数据处理方法、装置及存储介质 |
-
2022
- 2022-05-20 CN CN202210557086.2A patent/CN114863364B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110719437A (zh) * | 2018-07-13 | 2020-01-21 | 视联动力信息技术股份有限公司 | 一种基于视联网的监控视频处理方法及装置 |
CN110876035A (zh) * | 2018-08-31 | 2020-03-10 | 杭州海康威视***技术有限公司 | 一种基于视频的场景更新方法、装置及电子设备 |
CN110008797A (zh) * | 2018-10-08 | 2019-07-12 | 杭州中威电子股份有限公司 | 一种多摄像机多人脸视频接续采集装置及方法 |
CN109361904A (zh) * | 2018-11-21 | 2019-02-19 | 佛山市云团科技有限公司 | 一种监控视频切片存储方法及*** |
CN111222373A (zh) * | 2018-11-26 | 2020-06-02 | 深圳云天励飞技术有限公司 | 一种人员行为分析方法、装置和电子设备 |
CN111126152A (zh) * | 2019-11-25 | 2020-05-08 | 国网信通亿力科技有限责任公司 | 一种基于视频的多目标行人检测与跟踪的方法 |
CN112601050A (zh) * | 2020-12-09 | 2021-04-02 | 张兴莉 | 一种智慧城市视频监控方法及装置 |
CN112689132A (zh) * | 2021-03-15 | 2021-04-20 | 成都点泽智能科技有限公司 | 目标对象监控方法和监控设备 |
CN113656243A (zh) * | 2021-07-28 | 2021-11-16 | 连连(杭州)信息技术有限公司 | 一种业务指标监控方法、装置、设备及存储介质 |
CN114095734A (zh) * | 2021-10-26 | 2022-02-25 | 陈正跃 | 一种基于数据处理的用户数据压缩方法及*** |
Non-Patent Citations (3)
Title |
---|
基于数据仓库冗余数据的监控和清理策略;吴英 等;《煤炭技术》;第29卷(第9期);第51-53页 * |
基于智能视频监控的安防***设计;陈为民等;《江西理工大学学报》(第01期);第78-81+93页 * |
实现故障监控的智能预警;李虹 等;《软件》;第41卷(第6期);第237-241页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114863364A (zh) | 2022-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210357624A1 (en) | Information processing method and device, and storage medium | |
CN109635146B (zh) | 一种基于图像特征的目标查询方法及*** | |
CN111368622B (zh) | 人员识别方法及装置、存储介质 | |
TWI740537B (zh) | 一種資訊處理方法及裝置、儲存介質 | |
CN107958220B (zh) | 一种基于人脸识别的人脸库压缩处理方法及其智能装置 | |
US20130329059A1 (en) | Person detection system | |
CN111291682A (zh) | 确定目标对象的方法、装置、存储介质及电子装置 | |
CN109800664B (zh) | 一种确定路人轨迹的方法及装置 | |
CN109800329B (zh) | 一种监控方法及装置 | |
CN109784220B (zh) | 一种确定路人轨迹的方法及装置 | |
CN114863364B (zh) | 一种基于智能视频监控的安防检测方法及*** | |
CN112579593A (zh) | 人口库分库方法和装置 | |
CN112883213B (zh) | 一种图片归档方法、装置及电子设备 | |
CN111708906B (zh) | 基于人脸识别的来访检索方法、装置、设备及存储介质 | |
WO2023124134A1 (zh) | 档案处理方法、装置、电子设备、计算机存储介质和程序 | |
CN106777215A (zh) | 一种图像检索结果显示方法及装置 | |
WO2022057773A1 (zh) | 图像存储的方法、装置、计算机设备和存储介质 | |
CN106557523A (zh) | 代表性图像选择方法和设备以及对象图像检索方法和设备 | |
WO2021129491A1 (zh) | 行人检索方法、服务器及存储介质 | |
CN112613396B (zh) | 一种任务紧急程度处理方法及*** | |
CN111563479B (zh) | 同行人去重方法、团伙分析方法、装置及电子设备 | |
CN105320704B (zh) | 跨区域相似车辆检索方法及装置 | |
CN111818296B (zh) | 监控目标识别方法及分布式监控*** | |
CN111753756A (zh) | 基于对象识别的布控报警方法、装置及存储介质 | |
CN111368115A (zh) | 数据聚类方法、装置、聚类服务器及存储介质 |
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 |