CN117354469A - 一种基于安防预警的小区监控视频目标跟踪方法及*** - Google Patents
一种基于安防预警的小区监控视频目标跟踪方法及*** Download PDFInfo
- Publication number
- CN117354469A CN117354469A CN202311649003.3A CN202311649003A CN117354469A CN 117354469 A CN117354469 A CN 117354469A CN 202311649003 A CN202311649003 A CN 202311649003A CN 117354469 A CN117354469 A CN 117354469A
- Authority
- CN
- China
- Prior art keywords
- video
- monitoring
- target
- tracking
- cell
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 145
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000000903 blocking effect Effects 0.000 claims abstract description 16
- 230000007246 mechanism Effects 0.000 claims abstract description 15
- 206010000117 Abnormal behaviour Diseases 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 230000006399 behavior Effects 0.000 claims description 61
- 230000003993 interaction Effects 0.000 claims description 16
- 230000001815 facial effect Effects 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000007689 inspection Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 230000003542 behavioural effect Effects 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 230000009191 jumping Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 description 15
- 230000000694 effects Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 239000003795 chemical substances by application Substances 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
- G08B13/19613—Recognition of a predetermined image pattern or behaviour pattern indicating theft or intrusion
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19639—Details of the system layout
- G08B13/19645—Multiple cameras, each having view on one of a plurality of scenes, e.g. multiple cameras for multi-room surveillance or for tracking an object by view hand-over
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19665—Details related to the storage of video surveillance data
- G08B13/19669—Event triggers storage or change of storage policy
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19665—Details related to the storage of video surveillance data
- G08B13/19676—Temporary storage, e.g. cyclic memory, buffer storage on pre-alarm
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/433—Content storage operation, e.g. storage operation in response to a pause request, caching operations
- H04N21/4331—Caching operations, e.g. of an advertisement for later insertion during playback
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/433—Content storage operation, e.g. storage operation in response to a pause request, caching operations
- H04N21/4334—Recording operations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/44016—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving splicing one content stream with another content stream, e.g. for substituting a video clip
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/61—Control of cameras or camera modules based on recognised objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/61—Control of cameras or camera modules based on recognised objects
- H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
-
- 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
- H04N7/188—Capturing isolated or intermittent images triggered by the occurrence of a predetermined event, e.g. an object reaching a predetermined position
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Closed-Circuit Television Systems (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及监控视频目标跟踪技术领域,公开了一种基于安防预警的小区监控视频目标跟踪方法及***,包括:获取小区内业主及工作人员的面部信息及车辆登记信息,构建数据库;采集进出小区的人员和车辆的数据,将采集到的数据与所述数据库进行匹配;根据匹配结果对所述进出小区的人员和车辆进行分析,并根据分析结果对监控视频进行目标跟踪;利用注意力机制,对跟踪目标进行关联;通过对所述监控视频进行目标跟踪,得到跟踪目标的清晰图像和视频,并在跟踪目标出现异常行为时,发出预警和封锁。能够提高监控跟踪的流畅性和连续性,节约储存空间,大大提高了安全系数和追溯可能性。
Description
技术领域
本发明涉及监控视频目标跟踪技术领域,具体为一种基于安防预警的小区监控视频目标跟踪方法及***。
背景技术
随着社会的发展,小区安全问题日益受到重视。现代小区安防***通常包括闭路电视监控、门禁控制***以及基本的入侵报警***。这些***能够提供一定程度的安全保障,但存在一些局限性。
传统监控***主要用于事后审查,而不是实时预警。摄像头数量的增加,监控数据量急剧增加,人工监控变得不切实际。
现有的视频跟踪无法实现根据对象进行区别跟踪,无法根据行为人的行为切换监控画面的效果。
发明内容
鉴于上述存在的问题,提出了本发明。
因此,本发明解决的技术问题是:现有的监控视频的跟踪方法存在无法实现根据对象进行区别跟踪,以及根据行为人的行为切换监控画面的优化。
为解决上述技术问题,本发明提供如下技术方案:一种基于安防预警的小区监控视频目标跟踪方法,包括:
获取小区内业主及工作人员的面部信息及车辆登记信息,构建数据库;
采集进出小区的人员和车辆的数据,将采集到的数据与所述数据库进行匹配;
根据匹配结果对所述进出小区的人员和车辆进行分析,并根据分析结果对监控视频进行目标跟踪;
利用注意力机制,对跟踪目标进行关联;
通过对所述监控视频进行目标跟踪,得到跟踪目标的清晰图像和视频,并在跟踪目标出现异常行为时,发出预警和封锁。
作为本发明所述的基于安防预警的小区监控视频目标跟踪方法的一种优选方案,其中:所述构建数据库包括,对每个工作人员和小区的每户建立对应的家庭ID,在每个家庭ID中录入对应工作人员或对应所有住户的身高、体重、面部识别信息,同时对每个家庭ID下的车辆信息进行登记,录入车牌号、车型、颜色的基本信息;
采集进出小区的人员和车辆的数据,若面部识别通过,则更新所述数据库中面部信息。
作为本发明所述的基于安防预警的小区监控视频目标跟踪方法的一种优选方案,其中:所述采集进出小区的人员和车辆的数据包括,通过监控视频对进出小区的目标进行识别;
当识别为行人进出小区时,直接对面部进行识别,将识别得到的面部信息与所述数据库进行匹配;若在所述数据库匹配不到面部信息,则判定所述行人为外来人员;
若面部进行遮挡导致识别不到面部信息,则根据监控视频对所述行人的身高体重进行评估,若所述行人的身高体重与数据库中已登记工作人员或住户的身高体重相吻合时,记录所述行人进入小区和入户行为的发生时间,同时从监控视频中提取出所述行人的正面、左右2个侧面以及背面清晰度最高的4张图片在第二本地存储位置进行存档;若所述行人的身高体重与数据库中已登记工作人员或住户的身高体重不相吻合时,则判定所述行人为外来人员;
当识别为车辆进出小区时,识别车辆信息,若车牌信息在所述数据库中没有记录,则判定车辆为外来车辆;
根据识别结果,对外来人员、外来车辆进行监控视频的跟踪;
所述第二本地存储位置为,在监控记录中拷贝的关于特殊情况的缓存存储位置,存储时以每一次缓存作为一个存储点。
作为本发明所述的基于安防预警的小区监控视频目标跟踪方法的一种优选方案,其中:所述对监控视频进行目标跟踪包括,当对目标的识别结果为外来人员时,获取监控视频中含有该外来人员的所有监控视频;若识别到该外来人员进入住户家中,则调度小区内的监控视频记录,追溯到该外来人员进入的住户的家庭ID中记录的所有住户的最近一次识别记录:
F=sum{f(x1),f(x2),...,f(xn)}
其中,F表示住户在家中的人数;xn表示该外来人员进入的住户的家庭ID中记录的第n个用户最近一次的识别记录;f(…)表示识别函数,识别到xn的记录为进入住户家中,则输出1,否则输出0;sum表示求和;
在追溯结果为F≥1时,则记录所述行人进入小区和入户行为的发生时间,同时从监控视频中提取出所述行人的正面、左右2个侧面以及背面清晰度最高的4张图片在第二本地存储位置进行存档;在追溯结果为F=0时 ,则对含有所述目标的所有监控视频在所述第二本地存储位置进行复制缓存;
若未识别到所述目标进入住户家中,则对含有所述目标的所有监控视频中的行为特征进行小视频裁剪,并在第二本地存储位置进行复制缓存;
当对目标的识别结果为外来车辆时,则对含有所述外来车辆的所有监控视频进行获取,通过监控视频识别所述外来车辆中是否存在数据库记录的面部信息;若存在所述面部信息,则记录车辆信息和车辆中存在的面部信息对应的家庭ID后对小区进行正常监控;若不存在所述面部信息,则识别所述外来车辆的行为,若车辆在小区内无上下车行为和搬运行为,则记录车辆的进出时间和车辆信息;若车辆在小区内识别到存在上下车行为和搬运行为,则提取含有所述外来车辆的所有监控视频,同时追溯所述上下车行为和搬运行为的相关画面存在的监控视频一并在所述第二本地存储位置的同一存储点进行复制缓存。
作为本发明所述的基于安防预警的小区监控视频目标跟踪方法的一种优选方案,其中:所述注意力机制包括,通过在每个监控器的位置安装声音传感器获取声频信息;若根据声频信息得到的声频曲线出现突变或持续的噪声,则调整监控视频目标跟踪的注意力,步骤包括:
获取在相同时域特征上出现突变或持续的噪声的声频曲线;
比较得到突变噪声峰值最高或持续噪声峰值最高的传感器位置,将该传感器位置作为噪声监控位置;
对噪声监控位置所对应的监控视频进行目标跟踪;
若通过所述注意力机制监控到的监控视频中存在所述外来人员,则将含有所述外来人员的所有监控视频、噪声监控位置所对应的监控视频一并在所述第二本地存储位置进行复制缓存;在缓存时,将噪声监控位置的监控视频作为目标跟踪的核心视频,当核心视频中出现所述外来人员时,出现转跳至第二本地存储位置中存储的此外来人员的监控视频;
在转跳时,能够通过人机交互选择是否查看,交互选项从外来人员出现时弹出,在外来人员消失时延时t自动取消。
作为本发明所述的基于安防预警的小区监控视频目标跟踪方法的一种优选方案,其中:得到跟踪目标的清晰图像和视频包括,在所述第二本地存储位置中存储时,对视频进行裁剪组合;
所述裁剪组合包括,当将含有跟踪目标的所有监控视频在所述第二本地存储位置进行复制缓存时,将每个监控器采集到的视频作为一段视频,将每一段视频加入时频特征;若在时间特征中出现多段视频的重叠,则评估每一时刻不同段视频中的评估参数,所述评估参数为:
P=r×V+u×E+y×M
其中,r、u、y表示权重因数,r+u=1,0≤y≤1;V表示此时刻的画面中目标清晰度;E表示识别出的行为指数,E=g(b1,b2,...,bn),g()表示判断符合行为判断的识别结果数量,bn表示在云端学***均评估参数;以P值最大的识别结果作为最优结果,在多段重叠的视频中优先呈现;未作为最优结果优先呈现的其他视频内容,能够通过人机交互的方式进行选择查看;
当缓存内容为经过小视频裁剪后的内容时,在裁剪组合后的视频中,对跟踪对象进行行为识别,将每次行为变更的时间节点标注在时域中,根据预先设置的每个小视频的时长a,对跟踪对象的时间节点进行分析,若两个节点间相隔的时间大于a,则从时间节点向前a/2和向后a/2的位置进行裁剪;若存在大于等于2个时间节点且每两个时间节点的时间间相隔小于等于a,则将这几个时间节点进行合并,从这几个时间节点在时域最早的时间节点向前a/2和最晚的时间节点向后a/2的位置进行裁剪;将裁剪的视频结果作为小视频裁剪的结果;
所述清晰图像包括,在裁剪前对包含跟踪目标的视频进行识别分析,输出目标的正面、左右两个侧面以及背面清晰度最高的各一张图片在第二本地存储位置中相应监控视频的存储点。
作为本发明所述的基于安防预警的小区监控视频目标跟踪方法的一种优选方案,其中:所述异常行为包括,通过安保人员对监控视频中跟踪目标的行为进行识别,若识别为违法行为,则对安保***发出预警,同时小区进行封锁;
所述预警包括,监控中心发出警报,同时对安保人员进行目标位置推送;所述封锁包括,在开启小区的封锁,仅允许通过人工检查口进出,检查口的工作人员具有所述人工检查口的开闭权限。
另一方面,一种采用本发明所述方法的基于安防预警的小区监控视频目标跟踪***,其特征在于:
数据采集模块,获取小区内业主及工作人员的面部信息及车辆登记信息,构建数据库;采集进出小区的人员和车辆的数据,将采集到的数据与所述数据库进行匹配;
跟踪模块,根据匹配结果对所述进出小区的人员和车辆进行分析,并根据分析结果对监控视频进行目标跟踪;利用注意力机制,对跟踪目标进行关联;
应用模块,在跟踪目标出现异常行为时,通过对所述监控视频进行目标跟踪,得到跟踪目标的清晰图像和视频,并在跟踪目标出现异常行为时,发出预警和封锁。
一种计算机设备,包括:存储器和处理器;所述存储器存储有计算机程序,其特征在于:所述处理器执行所述计算机程序时实现本发明中任一项所述的方法的步骤。
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:所述计算机程序被处理器执行时实现本发明中任一项所述的方法的步骤。
本发明的有益效果:本发明提供的基于安防预警的小区监控视频目标跟踪方法通过实时的面部和车辆识别,***能够快速区分小区内的居民、工作人员与外来人员或车辆,及时发现潜在的安全威胁。***仅保存与安全事件相关的视频,优化了存储空间的使用。通过智能裁剪和组合视频片段提高了监控跟踪的观看流畅性和细节捕捉。通过时域特征串联跟踪视频能够在小区内不同摄像头之间无缝跟踪目标,即使在视线丢失的情况下也能快速重新定位目标,保证了监控的连续性。
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它的附图。
图1为本发明第一个实施例提供的一种基于安防预警的小区监控视频目标跟踪方法的整体流程图;
图2为本发明第二个实施例中基于安防预警的小区监控视频目标跟踪方法与传统监控跟踪方法在相同测试环境下的内存占比的对比图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通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,都应当属于本发明的保护的范围。
实施例1
参照图1,为本发明的一个实施例,提供了一种基于安防预警的小区监控视频目标跟踪方法,包括:
S1:获取小区内业主及工作人员的面部信息及车辆登记信息,构建数据库。
进一步的,构建数据库包括,对每个工作人员和小区的每户建立对应的家庭ID,在每个家庭ID中录入对应工作人员或对应所有住户的身高、体重、面部识别信息,同时对每个家庭ID下的车辆信息进行登记,录入车牌号、车型、颜色的基本信息;采集进出小区的人员和车辆的数据,若面部识别通过,则更新所述数据库中面部信息。
要说的是,通过为每个工作人员和住户建立唯一的家庭ID,并录入其个人特征(如身高、体重)和生物识别信息(如面部信息),可以创建一个可靠的身份验证***。这样,***可以快速识别和验证进出小区的人员,确保只有授权的个人能够进入特定区域。随着时间的推移,人的外貌可能会发生变化(如发型、体重变化等)。因此,当面部识别***确认一个人的身份时,更新数据库中的面部信息可以确保***的准确性和可靠性。对每个家庭ID下的车辆信息进行登记,包括车牌号、车型和颜色,有助于小区管理车辆流动。这可以用于自动化的车辆入口管理,也可以在车辆盗窃或其他安全事件发生时迅速识别和追踪车辆。在安全事件发生时,能够快速检索个人和车辆信息对于事件响应至关重要。例如,如果有未授权的人员或车辆进入小区,***可以迅速识别并采取相应的安全措施。
还要说的是,使用已采集的面部照片和车辆照片,结合深度学习的方法,如卷积神经网络(CNN),进行模型训练。对于人脸识别,可以使用开源的人脸识别框架,如FaceNet,进行训练和优化。对于车辆识别,可以使用车辆识别的专用模型,如YOLO、SSD等,进行训练。定期使用新采集的数据进行模型的迭代和优化,提高识别的准确性。
S2:采集进出小区的人员和车辆的数据,将采集到的数据与所述数据库进行匹配。
采集进出小区的人员和车辆的数据包括,通过监控视频对进出小区的目标进行识别;当识别为行人进出小区时,直接对面部进行识别,将识别得到的面部信息与所述数据库进行匹配;若在所述数据库匹配不到面部信息,则判定所述行人为外来人员。
若面部进行遮挡导致识别不到面部信息,则根据监控视频对所述行人的身高体重进行评估,若所述行人的身高体重与数据库中已登记工作人员或住户的身高体重相吻合时,记录所述行人进入小区和入户行为的发生时间,同时从监控视频中提取出所述行人的正面、左右2个侧面以及背面清晰度最高的4张图片在第二本地存储位置进行存档;若所述行人的身高体重与数据库中已登记工作人员或住户的身高体重不相吻合时,则判定所述行人为外来人员。
要说的是,在实际应用中,面部可能会被遮挡(如戴口罩、帽子等),这会影响面部识别的准确性。通过使用身高和体重作为辅助识别手段,***可以在面部识别失败时仍然对个人进行一定程度的识别。这个时候会具有一定的不确定性,所以提取四个方位中每个方位的最清晰的照片存储,能够在后期检查的过程中,快速调取照片,以便在发生安全问题时进行追溯。
还要知道的是,通过对身高体重的识别仅为识别的估计。其中身高的识别是以行人身边存在固定高度记录的物体为参照物进行评估的,可以通过简单的数学几何关系等进行评估。而体重的识别是以身高体重比例,并根据对云端身高体重的比例学习到的体型特征,作为基础的识别评估。若无法识别身高体重则自动判定为不吻合。
进一步的,当识别为车辆进出小区时,识别车辆信息,若车牌信息在所述数据库中没有记录,则判定车辆为外来车辆;根据识别结果,对外来人员、外来车辆进行监控视频的跟踪。
所述第二本地存储位置为,在监控记录中拷贝的关于特殊情况的缓存存储位置,存储时以每一次缓存作为一个存储点。建立这个缓存位置是防止基础信息和处理后的信息太混乱,在后期维护时造成关键信息的丢失。将常规监控数据与特殊情况下的数据分开存储,可以减少数据处理时的混淆和错误。这种隔离确保了关键信息的完整性和可访问性。在紧急情况或安全事件发生时,能够快速访问关键数据是至关重要的。第二存储位置允许安保人员迅速检索到特殊情况的记录,而不必浏览大量无关的监控数据。
S3:根据匹配结果对所述进出小区的人员和车辆进行分析,并根据分析结果对监控视频进行目标跟踪。利用注意力机制,对跟踪目标进行关联。
所述对监控视频进行目标跟踪包括,当对目标的识别结果为外来人员时,获取监控视频中含有该外来人员的所有监控视频;若识别到该外来人员进入住户家中,则调度小区内的监控视频记录,追溯到该外来人员进入的住户的家庭ID中记录的所有住户的最近一次识别记录:
F=sum{f(x1),f(x2),...,f(xn)}
其中,F表示住户在家中的人数;xn表示该外来人员进入的住户的家庭ID中记录的第n个用户最近一次的识别记录;f(…)表示识别函数,识别到xn的记录为进入住户家中,则输出1,否则输出0;sum表示求和;在追溯结果为F≥1时,则记录所述行人进入小区和入户行为的发生时间,同时从监控视频中提取出所述行人的正面、左右2个侧面以及背面清晰度最高的4张图片在第二本地存储位置进行存档;在追溯结果为F=0时 ,则对含有所述目标的所有监控视频在所述第二本地存储位置进行复制缓存。
要说的是,在追溯该外来人员进入的住户的家庭ID中记录时,F的数量代表住户家中有人的数量,这个数量越多,说明住户受到安防问题的概率就会越小。所以在大于等于1时,不需要进行视频跟踪,仅获取四个方向的四张最清晰的图片进行存档即可。而F=0时,说明家里没有人,那么有不符合家庭ID的人进入,就说明存在一定的问题,就需要对这个人进行视频监控的跟踪,在跟踪时,为了保证数据不丢失,对所有含有目标的监控视频进行获取。
若未识别到所述目标进入住户家中,则对含有所述目标的所有监控视频中的行为特征进行小视频裁剪,并在第二本地存储位置进行复制缓存。如果目标没有进入住户家中,说明此时,小区受到安防问题的概率也比较小,进入小区的目标可能只是在闲逛,此时就对这个目标进行特征行为的获取。比如说,如果这个人再一直往前走路,不存在其他行为,则只裁剪一个向前行走的视频。如果这个人在向前行走时蹲下或玩手机或其他行为,则除了裁剪他的行走行为,也对蹲下或玩手机或其他行为进行裁剪。这样能够保证小区在发生安防问题进行追溯时,能够有效的追溯到所有的对象,将所有的行为细节都能够呈现在监控视频中。这样哪怕是出现团伙作案,也能够对团伙的人员进行全方位的追溯调查。
当对目标的识别结果为外来车辆时,则对含有所述外来车辆的所有监控视频进行获取,通过监控视频识别所述外来车辆中是否存在数据库记录的面部信息;若存在所述面部信息,则记录车辆信息和车辆中存在的面部信息对应的家庭ID后对小区进行正常监控;若不存在所述面部信息,则识别所述外来车辆的行为,若车辆在小区内无上下车行为和搬运行为,则记录车辆的进出时间和车辆信息;若车辆在小区内识别到存在上下车行为和搬运行为,则提取含有所述外来车辆的所有监控视频,同时追溯所述上下车行为和搬运行为的相关画面存在的监控视频一并在所述第二本地存储位置的同一存储点进行复制缓存。
要说的是,通过视频识别,如果能够在车辆中识别到数据库里存储的面部信息说明,这辆车可能是业主开的其他车,则不对其进行特殊处理。如果不存在面部信息,说明这个车不是业主的车,所以存在可疑;如果这个车不存在人的上下车行为和搬运行为,说明这个车毫无危险性,则只需要对车辆进行记录即可。如果存在了上下车行为,就说明这个车可能是出现盗窃之类的行为,这样的话,追溯上下车行为发生时的相关的画面,能够对这一行为是否威胁到小区安防起到重要作用。比如,一辆没有备案的车辆进入小区后,存在一个人上下搬运东西的行为,则不光获取含有车辆的所有监控信息,同时,将含有搬运行为人的监控信息一并获取,这样能够保证对车辆及相关的行为画面进行全方位的获取。最终将获取到的信息存储在同一存储点,能够保证在查看信息时,调度处的信息具有关联性。
所述注意力机制包括,通过在每个监控器的位置安装声音传感器获取声频信息;若根据声频信息得到的声频曲线出现突变或持续的噪声,则调整监控视频目标跟踪的注意力,步骤包括:
获取在相同时域特征上出现突变或持续的噪声的声频曲线。
比较得到突变噪声峰值最高或持续噪声峰值最高的传感器位置,将该传感器位置作为噪声监控位置;
对噪声监控位置所对应的监控视频进行目标跟踪。
若通过所述注意力机制监控到的监控视频中存在所述外来人员,则将含有所述外来人员的所有监控视频、噪声监控位置所对应的监控视频一并在所述第二本地存储位置进行复制缓存;在缓存时,将噪声监控位置的监控视频作为目标跟踪的核心视频,当核心视频中出现所述外来人员时,出现转跳至第二本地存储位置中存储的此外来人员的监控视频;在转跳时,能够通过人机交互选择是否查看,交互选项从外来人员出现时弹出,在外来人员消失时延时t自动取消。
要知道的是,通过注意力机制能够将多源数据进行关联,若出现突变的噪声,说明可能出现砸玻璃或者是安全事故,此时需要对现场的画面进行跟踪。如果出现了持续的噪声,说明可能是在进行某种活动,在进行活动时,人员杂乱也容易发生各种隐患。通过注意力机制,将这些信息进行关联,能够在发生事故时进行有效的调取和分析。
S4:通过对所述监控视频进行目标跟踪,得到跟踪目标的清晰图像和视频,并在跟踪目标出现异常行为时,发出预警和封锁。
得到跟踪目标的清晰图像和视频包括,在所述第二本地存储位置中存储时,对视频进行裁剪组合。裁剪组合包括,当将含有跟踪目标的所有监控视频在所述第二本地存储位置进行复制缓存时,将每个监控器采集到的视频作为一段视频,将每一段视频加入时频特征;若在时间特征中出现多段视频的重叠,则评估每一时刻不同段视频中的评估参数,所述评估参数为:
P=r×V+u×E+y×M
其中,r、u、y表示权重因数,r+u=1,0≤y≤1,通过技术人员根据监控的目标需求设置;比如,当需要看到清晰的画面时,则提高权重因数r;当清晰度画面无法精确获取需求,则可以使用行为作为主要的评估参数,此时则提高权重因数u;V表示此时刻的画面中目标清晰度;E表示识别出的行为指数,E=g(b1,b2,...,bn),g()表示判断符合行为判断的识别结果数量,bn表示在云端学***均评估参数;以P值最大的识别结果作为最优结果,在多段重叠的视频中优先呈现;未作为最优结果优先呈现的其他视频内容,能够通过人机交互的方式进行选择查看,这里所说的人机交互的方式是现有技术,不做过多赘述;
要知道的是,在采集视频时,很多段视频可能处于重叠状态,这会干扰对监控视频的目标跟踪。在观察视频前,通过对视频信息的权重配比调整,能够调度出满足观察需求的连贯的视频。而不至于得到一些散乱的视频,无法进行串联。
当缓存内容为经过小视频裁剪后的内容时,在裁剪组合后的视频中,对跟踪对象进行行为识别,将每次行为变更的时间节点标注在时域中,根据预先设置的每个小视频的时长a,对跟踪对象的时间节点进行分析,若两个节点间相隔的时间大于a,则从时间节点向前a/2和向后a/2的位置进行裁剪;若存在大于等于2个时间节点且每两个时间节点的时间间相隔小于等于a,则将这几个时间节点进行合并,从这几个时间节点在时域最早的时间节点向前a/2和最晚的时间节点向后a/2的位置进行裁剪;将裁剪的视频结果作为小视频裁剪的结果。
要说的是,通过裁剪无关紧要的视频部分,可以大幅减少数据存储需求,节省存储空间,特别是在高清视频监控***中尤为重要。通过对行为变更进行标注和裁剪,可以确保监控人员或后续分析的焦点集中在潜在的安全事件或重要活动上,而不是无关紧要的日常活动。对于安保人员来说,分析完整的监控视频可能非常耗时。小视频裁剪允许他们快速浏览事件,从而减少了处理时间。
还要说的是,清晰图像包括,在裁剪前对包含跟踪目标的视频进行识别分析,输出目标的正面、左右两个侧面以及背面清晰度最高的各一张图片在第二本地存储位置中相应监控视频的存储点。这样能够方便在追溯调查时,快速获取最需要的照片信息。
再进一步的,通过安保人员对监控视频中跟踪目标的行为进行识别,若识别为违法行为,则对安保***发出预警,同时小区进行封锁;所述预警包括,监控中心发出警报,同时对安保人员进行目标位置推送;所述封锁包括,在开启小区的封锁,仅允许通过人工检查口进出,检查口的工作人员具有所述人工检查口的开闭权限。
另一方面,一种采用本发明所述方法的基于安防预警的小区监控视频目标跟踪***,其特征在于:
数据采集模块,获取小区内业主及工作人员的面部信息及车辆登记信息,构建数据库;采集进出小区的人员和车辆的数据,将采集到的数据与所述数据库进行匹配。跟踪模块,根据匹配结果对所述进出小区的人员和车辆进行分析,并根据分析结果对监控视频进行目标跟踪;利用注意力机制,对跟踪目标进行关联。应用模块,在跟踪目标出现异常行为时,通过对所述监控视频进行目标跟踪,得到跟踪目标的清晰图像和视频,并在跟踪目标出现异常行为时,发出预警和封锁。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器、磁变存储器、铁电存储器、相变存储器、石墨烯存储器等。易失性存储器可包括随机存取存储器或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器或动态随机存取存储器等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。
本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
实施例2
参照图2,为本发明的一个实施例,提供了一种基于安防预警的小区监控视频目标跟踪方法,为了验证本发明的有益效果,通过经济效益计算和仿真实验进行科学论证。
图2为本发明与传统监控跟踪方法在四种测试环境下相同时长测试的存储占比对比。能够看出,本发明的内存占比一直低于传统监控跟踪方法,这是由于本发明在进行目标跟踪时对数据进行了取舍,并且进行了裁剪,能够保证数据的高效利用和有效占用。
通过传统监控跟踪方法和本发明在100次的测试对比,得到的数据如表1所示。
表1数据对比表
从表1中可以看到,本发明的误报率仅为5%,远低于传统监控***。这表明本发明在识别和判断方面更为准确,能够有效减少误警,从而提高安防***的可靠性和实用性。此外,本发明每天仅需20GB的存储空间,而传统***则需要60GB。这表明本发明在监控数据的选择性跟踪和存储方面更为高效,可以在减少存储需求的同时,保持监控数据的关键信息,显著降低存储成本和空间需求。最后在目标跟踪连续性方面,本发明的中断率仅为5%,而传统***为30%。这意味着本发明在监控过程中的目标丢失率大大降低,能够更加连续和稳定地追踪目标。
通过对本发明跟传统监控跟踪方法的相同跟踪视频中随机取相同长度的6个样本进行对比,通过1-10的打分表示画面清晰程度,具体如表2所示。
表2清晰程度对比表
从表2的数据来看,本发明在六个样本中的清晰度评分较为一致,分数普遍较高,分布在7分到9分之间。这表明本发明在保持画面清晰度方面具有较高的一致性和稳定性。相反,传统监控跟踪方法的清晰度评分波动较大,从3分到8分不等,这表明其在不同情况下画面清晰度的稳定性较差。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (7)
1.一种基于安防预警的小区监控视频目标跟踪方法,其特征在于,包括:
获取小区内业主及工作人员的面部信息及车辆登记信息,构建数据库;
采集进出小区的人员和车辆的数据,将采集到的数据与所述数据库进行匹配;
根据匹配结果对所述进出小区的人员和车辆进行分析,并根据分析结果对监控视频进行目标跟踪;
利用注意力机制,对跟踪目标进行关联;
通过对所述监控视频进行目标跟踪,得到跟踪目标的清晰图像和视频,并在跟踪目标出现异常行为时,发出预警和封锁;
所述采集进出小区的人员和车辆的数据包括,通过监控视频对进出小区的目标进行识别;
当识别为行人进出小区时,直接对面部进行识别,将识别得到的面部信息与所述数据库进行匹配;若在所述数据库匹配不到面部信息,则判定所述行人为外来人员;
若面部进行遮挡导致识别不到面部信息,则根据监控视频对所述行人的身高体重进行评估,若所述行人的身高体重与数据库中已登记工作人员或住户的身高体重相吻合时,记录所述行人进入小区和入户行为的发生时间,同时从监控视频中提取出所述行人的正面、左右2个侧面以及背面清晰度最高的4张图片在第二本地存储位置进行存档;若所述行人的身高体重与数据库中已登记工作人员或住户的身高体重不相吻合时,则判定所述行人为外来人员;
当识别为车辆进出小区时,识别车辆信息,若车牌信息在所述数据库中没有记录,则判定车辆为外来车辆;
根据识别结果,对外来人员、外来车辆进行监控视频的跟踪;
所述第二本地存储位置为,在监控记录中拷贝的关于特殊情况的缓存存储位置,存储时以每一次缓存作为一个存储点。
2.如权利要求1所述的基于安防预警的小区监控视频目标跟踪方法,其特征在于:所述构建数据库包括,对每个工作人员和小区的每户建立对应的家庭ID,在每个家庭ID中录入对应工作人员或对应所有住户的身高、体重、面部识别信息,同时对每个家庭ID下的车辆信息进行登记,录入车牌号、车型、颜色的基本信息。
3.如权利要求2所述的基于安防预警的小区监控视频目标跟踪方法,其特征在于:所述对监控视频进行目标跟踪包括,当对目标的识别结果为外来人员时,获取监控视频中含有该外来人员的所有监控视频;若识别到该外来人员进入住户家中,则调度小区内的监控视频记录,追溯到该外来人员进入的住户的家庭ID中记录的所有住户的最近一次识别记录:
F=sum{f(x1),f(x2),...,f(xn)}
其中,F表示住户在家中的人数;xn表示该外来人员进入的住户的家庭ID中记录的第n个用户最近一次的识别记录;f(…)表示识别函数,识别到xn的记录为进入住户家中,则输出1,否则输出0;sum表示求和;
在追溯结果为F≥1时,则记录所述行人进入小区和入户行为的发生时间,同时从监控视频中提取出所述行人的正面、左右2个侧面以及背面清晰度最高的4张图片在第二本地存储位置进行存档;在追溯结果为F=0时 ,则对含有所述目标的所有监控视频在所述第二本地存储位置进行复制缓存;
若未识别到所述目标进入住户家中,则对含有所述目标的所有监控视频中的行为特征进行小视频裁剪,并在第二本地存储位置进行复制缓存;
当对目标的识别结果为外来车辆时,则对含有所述外来车辆的所有监控视频进行获取,通过监控视频识别所述外来车辆中是否存在数据库记录的面部信息;若存在所述面部信息,则记录车辆信息和车辆中存在的面部信息对应的家庭ID后对小区进行正常监控;若不存在所述面部信息,则识别所述外来车辆的行为,若车辆在小区内无上下车行为和搬运行为,则记录车辆的进出时间和车辆信息;若车辆在小区内识别到存在上下车行为和搬运行为,则提取含有所述外来车辆的所有监控视频,同时追溯所述上下车行为和搬运行为的相关画面存在的监控视频一并在所述第二本地存储位置的同一存储点进行复制缓存。
4.如权利要求3所述的基于安防预警的小区监控视频目标跟踪方法,其特征在于:所述注意力机制包括,通过在每个监控器的位置安装声音传感器获取声频信息;若根据声频信息得到的声频曲线出现突变或持续的噪声,则调整监控视频目标跟踪的注意力,步骤包括:
获取在相同时域特征上出现突变或持续的噪声的声频曲线;
比较得到突变噪声峰值最高或持续噪声峰值最高的传感器位置,将该传感器位置作为噪声监控位置;
对噪声监控位置所对应的监控视频进行目标跟踪;
若通过所述注意力机制监控到的监控视频中存在所述外来人员,则将含有所述外来人员的所有监控视频、噪声监控位置所对应的监控视频一并在所述第二本地存储位置进行复制缓存;在缓存时,将噪声监控位置的监控视频作为目标跟踪的核心视频,当核心视频中出现所述外来人员时,出现转跳至第二本地存储位置中存储的此外来人员的监控视频;
在转跳时,能够通过人机交互选择是否查看,交互选项从外来人员出现时弹出,在外来人员消失时延时t自动取消。
5.如权利要求4所述的基于安防预警的小区监控视频目标跟踪方法,其特征在于:得到跟踪目标的清晰图像和视频包括,在所述第二本地存储位置中存储时,对视频进行裁剪组合;
所述裁剪组合包括,当将含有跟踪目标的所有监控视频在所述第二本地存储位置进行复制缓存时,将每个监控器采集到的视频作为一段视频,将每一段视频加入时频特征;若在时间特征中出现多段视频的重叠,则评估每一时刻不同段视频中的评估参数,所述评估参数为:
P=r×V+u×E+y×M
其中,r、u、y表示权重因数,r+u=1,0≤y≤1;V表示此时刻的画面中目标清晰度;E表示识别出的行为指数,E=g(b1,b2,...,bn),g()表示判断符合行为判断的识别结果数量,bn表示在云端学***均评估参数;以P值最大的识别结果作为最优结果,在多段重叠的视频中优先呈现;未作为最优结果优先呈现的其他视频内容,能够通过人机交互的方式进行选择查看;
当缓存内容为经过小视频裁剪后的内容时,在裁剪组合后的视频中,对跟踪对象进行行为识别,将每次行为变更的时间节点标注在时域中,根据预先设置的每个小视频的时长a,对跟踪对象的时间节点进行分析,若两个节点间相隔的时间大于a,则从时间节点向前a/2和向后a/2的位置进行裁剪;若存在大于等于2个时间节点且每两个时间节点的时间间相隔小于等于a,则将这几个时间节点进行合并,从这几个时间节点在时域最早的时间节点向前a/2和最晚的时间节点向后a/2的位置进行裁剪;将裁剪的视频结果作为小视频裁剪的结果;
所述清晰图像包括,在裁剪前对包含跟踪目标的视频进行识别分析,输出目标的正面、左右两个侧面以及背面清晰度最高的各一张图片在第二本地存储位置中相应监控视频的存储点。
6.如权利要求5所述的基于安防预警的小区监控视频目标跟踪方法,其特征在于:所述异常行为包括,通过安保人员对监控视频中跟踪目标的行为进行识别,若识别为违法行为,则对安保***发出预警,同时小区进行封锁;
所述预警包括,监控中心发出警报,同时对安保人员进行目标位置推送;所述封锁包括,在开启小区的封锁,仅允许通过人工检查口进出,检查口的工作人员具有所述人工检查口的开闭权限。
7.一种采用如权利要求1-6任一所述方法的基于安防预警的小区监控视频目标跟踪***,其特征在于:
数据采集模块,获取小区内业主及工作人员的面部信息及车辆登记信息,构建数据库;采集进出小区的人员和车辆的数据,将采集到的数据与所述数据库进行匹配;
跟踪模块,根据匹配结果对所述进出小区的人员和车辆进行分析,并根据分析结果对监控视频进行目标跟踪;利用注意力机制,对跟踪目标进行关联;
应用模块,在跟踪目标出现异常行为时,通过对所述监控视频进行目标跟踪,得到跟踪目标的清晰图像和视频,并在跟踪目标出现异常行为时,发出预警和封锁。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311649003.3A CN117354469B (zh) | 2023-12-05 | 2023-12-05 | 一种基于安防预警的小区监控视频目标跟踪方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311649003.3A CN117354469B (zh) | 2023-12-05 | 2023-12-05 | 一种基于安防预警的小区监控视频目标跟踪方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117354469A true CN117354469A (zh) | 2024-01-05 |
CN117354469B CN117354469B (zh) | 2024-01-30 |
Family
ID=89357885
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311649003.3A Active CN117354469B (zh) | 2023-12-05 | 2023-12-05 | 一种基于安防预警的小区监控视频目标跟踪方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117354469B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101387628B1 (ko) * | 2013-02-13 | 2014-04-24 | (주)금성보안 | 출입 통제 통합 영상 저장 장치 |
CN104394364A (zh) * | 2014-11-27 | 2015-03-04 | 天津天地伟业数码科技有限公司 | 球机声音定位跟踪方法 |
CN108320442A (zh) * | 2018-02-07 | 2018-07-24 | 宁夏中科天际防雷研究院有限公司 | 一种小区安防检测的方法 |
CN110288261A (zh) * | 2019-07-03 | 2019-09-27 | 关水心 | 基于大数据平台的物业管理管理*** |
CN110619277A (zh) * | 2019-08-15 | 2019-12-27 | 青岛文达通科技股份有限公司 | 一种多社区智慧布控方法以及*** |
CN112738477A (zh) * | 2020-12-30 | 2021-04-30 | 珠海大横琴科技发展有限公司 | 一种安防监控*** |
CN113055649A (zh) * | 2021-03-17 | 2021-06-29 | 杭州公路工程监理咨询有限公司 | 一种隧道智能视频监控方法、装置、智能终端及存储介质 |
CN115035668A (zh) * | 2022-03-09 | 2022-09-09 | 武汉众智数字技术有限公司 | 一种基于视频监控的社区安防*** |
-
2023
- 2023-12-05 CN CN202311649003.3A patent/CN117354469B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101387628B1 (ko) * | 2013-02-13 | 2014-04-24 | (주)금성보안 | 출입 통제 통합 영상 저장 장치 |
CN104394364A (zh) * | 2014-11-27 | 2015-03-04 | 天津天地伟业数码科技有限公司 | 球机声音定位跟踪方法 |
CN108320442A (zh) * | 2018-02-07 | 2018-07-24 | 宁夏中科天际防雷研究院有限公司 | 一种小区安防检测的方法 |
CN110288261A (zh) * | 2019-07-03 | 2019-09-27 | 关水心 | 基于大数据平台的物业管理管理*** |
CN110619277A (zh) * | 2019-08-15 | 2019-12-27 | 青岛文达通科技股份有限公司 | 一种多社区智慧布控方法以及*** |
CN112738477A (zh) * | 2020-12-30 | 2021-04-30 | 珠海大横琴科技发展有限公司 | 一种安防监控*** |
CN113055649A (zh) * | 2021-03-17 | 2021-06-29 | 杭州公路工程监理咨询有限公司 | 一种隧道智能视频监控方法、装置、智能终端及存储介质 |
CN115035668A (zh) * | 2022-03-09 | 2022-09-09 | 武汉众智数字技术有限公司 | 一种基于视频监控的社区安防*** |
Non-Patent Citations (3)
Title |
---|
ZIJUE XIE; YIMING WANG; HAN WANG: "Research on video Surveillance System used for smart Community", 2021 IEEE 5TH ADVANCED INFORMATION TECHNOLOGY, ELECTRONIC AND AUTOMATION CONTROL CONFERENCE (IAEAC), pages 1947 - 1951 * |
刘文: "小区监控视频分析技术的研究与实现", 华侨大学硕士论文, pages 1 - 94 * |
陶峰;: "人脸识别技术在智慧社区中的应用", 石油知识, no. 02, pages 34 - 35 * |
Also Published As
Publication number | Publication date |
---|---|
CN117354469B (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10020987B2 (en) | Systems and methods for correlating sensory events and legacy system events utilizing a correlation engine for security, safety, and business productivity | |
EP2980767B1 (en) | Video search and playback interface for vehicle monitor | |
US9344616B2 (en) | Correlation engine for security, safety, and business productivity | |
JP5560397B2 (ja) | 自律型防犯警戒システム及び自律型防犯警戒方法 | |
US7428314B2 (en) | Monitoring an environment | |
US20220092881A1 (en) | Method and apparatus for behavior analysis, electronic apparatus, storage medium, and computer program | |
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*** | |
US20080297599A1 (en) | Video data storage, search, and retrieval using meta-data and attribute data in a video surveillance system | |
CN110738178A (zh) | 园区施工安全检测方法、装置、计算机设备及存储介质 | |
GB2408877A (en) | Environment monitoring wherein parts of images may be masked | |
Roberts | Law and criminal investigation | |
CN111090777B (zh) | 一种视频数据的管理方法、管理设备及计算机存储介质 | |
CN111783530A (zh) | 一种在限制区域内监控及鉴别行为的安全***及方法 | |
KR20180118979A (ko) | 다중로그 데이터 기반의 공공안전 위험상황 감지, 예측, 대응 방법 및 장치 | |
CN110544312A (zh) | 虚拟场景中的视频显示方法、装置、电子设备与存储装置 | |
CN112132048A (zh) | 一种基于计算机视觉的社区巡更分析方法及*** | |
CN114494153A (zh) | 物品存放检测方法、装置、计算机设备和存储介质 | |
CN114821934A (zh) | 一种园区周界安防控制***及方法 | |
CN110895663B (zh) | 一种两轮车识别方法、装置、电子设备及监控*** | |
CN104050785A (zh) | 基于虚拟化边界与人脸识别技术的安全警戒方法 | |
CN111901562B (zh) | 一种面向校园的音视频智能监控*** | |
CN114049658A (zh) | 基于人脸识别的流动人口管理方法、装置、计算机设备和存储介质 | |
CN117354469B (zh) | 一种基于安防预警的小区监控视频目标跟踪方法及*** | |
CN116824311A (zh) | 人群分析算法的性能检测方法、装置、设备及存储介质 | |
CN115767017A (zh) | 一种智慧哨兵监控*** |
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 |