CN105653690A - 异常行为预警信息约束的视频大数据快速检索方法及系统 - Google Patents

Abstract

本发明公开了一种异常行为预警信息约束的视频大数据快速检索方法及系统，利用智能监控摄像头发出的异常行为预警信息，约束海量视频监控数据线索排查范围，包括接收前端智能摄像头的异常行为预警信息，建立入异常行为库；建立关联度模型表，关联度模型表存储案件或事件类型与异常行为类型的关联关系；根据关联度模型表，检索异常行为库，定位到对应的监控点定点排查有价值的线索。本发明技术方案显著降低了视频检索过程中调阅的录像数据规模，极大地提升了有价值线索的发现效率。

Description

异常行为预警信息约束的视频大数据快速检索方法及系统

技术领域

本发明属于视频监控技术领域，涉及视频大数据检索方法，具体涉及异常行为预警信息约束的视频大数据快速检索方法及系统。

背景技术

我国社会面临的突发事件和安全事件越来越多，不断建设的视频监控系统成为事前预警和事后取证的重要工具。监控的目的就是对监控对象的异常行为进行检测与分析，所谓异常行为，通常指：1)小概率行为或与先验规则相反的行为看作异常行为；2)与已知正常行为的模式不匹配的行为看作异常行为。采用人工的方法处理此类工作既不实用也不经济，因此利用计算机进行视频智能自动检测就显得十分重要。

当前，海康、大华、华三等主流监控设备生产厂家都推出了具有智能视频分析功能的监控摄像头。智能监控摄像头通过内嵌的视频分析算法，能在不依赖人工判断的情况下从视频中自动识别监控目标的异常行为。例如，海康威视品牌的智能摄像头能检测区域入侵、跨界入侵、进入/离开区域、物品遗留/拿取、徘徊、快速移动、非法停车、人员聚集等10种行为异常，还具有人脸抓拍、车牌抓拍、人流计数等功能；大华产品也提供了目标识别、行为识别、流量统计、视频质量诊断等功能。而且，随着视频分析技术的进步，各厂家生产的智能监控摄像头能识别的异常行为的种类还将不断增加。

智能监控探头提高了实时监控系统的主动预警能力，当检测到作案待检索目标人的人脸、待检索目标车辆的车牌时发出预警，有利于公安干警及时追捕逃犯；或者，识别出区域入侵、物品遗留/拿取等异常举动时，进行预警提示，以便及时采取制止、疏散等处置措施，避免可能引起的冲撞、爆炸等严重恶性后果。另一方面，智能监控探头的异常预警行为的存储记录，也是日后案件侦破、事故原因分析等工作中的珍贵线索。传统的事后取证主要是调阅案件或事故发生点及周边监控点的视频监控录像，当事件涉及的时空范围比较广时，需要查看海量的监控录像，从海量录像大数据中寻找待检索目标人的蛛丝马迹无异于大海捞针，严重制约了刑侦破案效率，例如，周克华案件中，专案组调集1500名警员历时一个月采用全人工方式，才从全城监控录像中发现329段周克华的影像。少数监控系统采取了时空约束的录像检索策略，即只排查待检索目标人可能到过的地方的录像，以便缩小分析的数据规模。然而，排查录像本身的一个重要目的就是为了锁定待检索目标人的行踪和活动范围，掌握其活动规律，便于民警抓捕，时空约束的检索与之形成了典型的蛋鸡悖论关系；退一步看，即使通过群众举报、手机监听等其它手段能获得犯罪分子的活动踪迹，但由于这些线索本身不具有足够的可靠性，依赖它们去限定录像的检索范围有可能忽视有价值的录像证据。

事实上，很多案件和事件的发生都不是偶然和孤立的，发生前犯罪分子往往要经过预谋和策划的过程，例如，银行抢劫案前，犯罪分子会到银行附近踩点，普通的针对个人的抢劫，犯罪分子会寻找最便于下手的隐蔽地段，骚乱、聚众斗殴等群体性事件发生前会有大量人群汇聚的过程。另一方面，从案发后而言，犯罪分子在实施凶杀、暴力恐怖等作案后，出于快速脱离现场和躲避通缉的需要，往往会表现出一些反常的举动，例如波士顿爆炸案时，犯罪待检索目标人混杂在大规模人流中逆行，警察就是根据这个反常举动锁定待检索目标人，刚刚发生的巴黎恐怖袭击案，凶手作案后将放有枪支的汽车抛弃在非停车地段。总而言之，无论是案发前还是案发后，一些特定的异常行为往往与一些特定的案件有关，如果根据监控系统的异常行为预警记录进行视频侦查，优先查看与案件强关联的异常行为发生的监控场所的预警记录和视频数据，将能显著地提高视频侦查的效率。但目前尚未出现相关研究，缺乏相应技术手段。

发明内容

针对现有技术不足，本发明提供了智能监控摄像头异常行为预警信息约束的视频大数据快速检索技术方案。

本发明的技术方案提供一种异常行为预警信息约束的视频大数据快速检索方法，包括以下步骤，

步骤1，构建异常行为库，包括接收前端智能摄像头的异常行为预警信息，录入异常行为库，所述异常行为库记录的数据包括异常行为类型、监控点名称、监控探头编号、发生时间、持续时长、快照图片或视频片段文件名、原始监控录像索引和备注信息；

步骤2，建立关联度模型表，关联度模型表存储案件或事件类型与异常行为类型的关联关系；

步骤3，为实现视频取证，基于关联度模型表和异常行为库，执行如下子步骤，

步骤3.1，根据实际发生的案件或事件类型，查询关联度模型表，得到相关的异常行为类型；

步骤3.2，根据异常行为类型，检索异常行为库，获得异常行为发生的时空信息；

步骤3.3，浏览与异常行为有关的快照图片或视频片段，进而将多点的图片或片段重构成一段完整的摘要视频，还原待检索目标的活动轨迹；

步骤3.4，根据实际需要，通过异常行为库中的原始监控录像索引进一步调阅监控录像。

而且，对异常行为库进行检索、统计和分析操作的实现方式如下，

所述检索操作如下，

根据行为类型检索，显示检索结果图片，及其地点、时间；

根据地点检索，显示检索结果图片，及其名称、时间；

根据时间段检索，显示检索结果图片，及其名称、地点。

所述统计操作如下，

按时间统计，用曲线显示一年中每月份发生的异常行为数；

按地点统计，用曲线显示一年中各地点发生的异常行为数；

按时间、地点的二维统计，用二维曲面显示一年发生的异常行为数；

所述分析操作如下，

对异常行为的时空属性进行聚类分析，绘制风险曲面，并结合地理信息，用不同颜色可视化呈现风险等级；

挖掘异常行为的时空分布规律及预测其变化趋势，寻找安全防范的关键节点，得到辅助决策信息，为未来警力分配提供科学参考。

而且，建立关联度模型表，包括根据已知的若干组案件或事件类型与异常行为类型的关联关系，初始化关联度模型表，并采用以下子步骤进行更新，

1)定义案件或事件集合E；

2)定义异常行为集合A；

3)随着智能监控摄像头检测的异常行为种类的增加，相应地扩大异常行为集合A；

4)随着异常行为集合A的扩大，分析与新增加的异常行为关系密切的案件或事件，将其添加到案件或事件集合E中；

5)针对案件或事件集合E中的某一元素Ei，根据历史案发大数据，统计与其相关的异常行为出现的频次，并按频次排序，得到集合S1；

6)针对案件或事件集合E中的某一元素Ei，根据用户选择，列举与其相关的异常行为，并按相关度排序，得到集合S2；

7)对集合求交集，S＝S1∩S2，将S中的前二者作为与该事件最密切的异常行为，录入到关联度模型表中。

而且，异常行为与案件或事件是否关系密切，按以下原则进行分析，

①案件或事件发生前，异常行为与案件或事件的发生存在时序关系合乎逻辑的关系；

②案件或事件发生后，视频中的异常行为对象表现出的异常行为。

本发明还相应提供一种异常行为预警信息约束的视频大数据快速检索系统，包括以下模块，

异常行为库构建模块，用于包括接收前端智能摄像头的异常行为预警信息，录入异常行为库，所述异常行为库记录的数据包括异常行为类型、监控点名称、监控探头编号、发生时间、持续时长、快照图片或视频片段文件名、原始监控录像索引和备注信息；

关联度模型表建立模块，用于关联度模型表存储案件或事件类型与异常行为类型的关联关系；

视频取证模块，用于基于关联度模型表和异常行为库，包括如下单元，

关联查询单元，用于根据实际发生的案件或事件类型，查询关联度模型表，得到相关的异常行为类型；

时空信息检索单元，用于根据异常行为类型，检索异常行为库，获得异常行为发生的时空信息；

活动轨迹生成单元，用于浏览与异常行为有关的快照图片或视频片段，进而将多点的图片或片段重构成一段完整的摘要视频，还原待检索目标的活动轨迹；

监控录像调阅单元，用于根据实际需要，通过异常行为库中的原始监控录像索引进一步调阅监控录像。

而且，设置异常行为库的检索单元、统计单元和分析单元，

所述检索单元用于如下操作，

根据行为类型检索，显示检索结果图片，及其地点、时间；

根据地点检索，显示检索结果图片，及其名称、时间；

根据时间段检索，显示检索结果图片，及其名称、地点。

所述统计单元用于如下操作，

按时间统计，用曲线显示一年中每月份发生的异常行为数；

按地点统计，用曲线显示一年中各地点发生的异常行为数；

按时间、地点的二维统计，用二维曲面显示一年发生的异常行为数；

所述分析单元用于如下操作，

对异常行为的时空属性进行聚类分析，绘制风险曲面，并结合地理信息，用不同颜色可视化呈现风险等级；

挖掘异常行为的时空分布规律及预测其变化趋势，寻找安全防范的关键节点，得到辅助决策信息，为未来警力分配提供科学参考。

而且，建立关联度模型表，包括根据已知的若干组案件或事件类型与异常行为类型的关联关系，初始化关联度模型表，并采用以下子步骤进行更新，

1)定义案件或事件集合E；

2)定义异常行为集合A；

3)随着智能监控摄像头检测的异常行为种类的增加，相应地扩大异常行为集合A；

4)随着异常行为集合A的扩大，分析与新增加的异常行为关系密切的案件或事件，将其添加到案件或事件集合E中；

5)针对案件或事件集合E中的某一元素Ei，根据历史案发大数据，统计与其相关的异常行为出现的频次，并按频次排序，得到集合S1；

6)针对案件或事件集合E中的某一元素Ei，根据用户选择，列举与其相关的异常行为，并按相关度排序，得到集合S2；

7)对集合求交集，S＝S1∩S2，将S中的前二者作为与该事件最密切的异常行为，录入到关联度模型表中。

而且，异常行为与案件或事件是否关系密切，按以下原则进行分析，

①案件或事件发生前，异常行为与案件或事件的发生存在时序关系合乎逻辑的关系；

②案件或事件发生后，视频中的异常行为对象表现出的异常行为。

本发明提供的智能监控摄像头异常行为预警信息约束的视频大数据快速检索技术方案，通过建立案件(或事件)-异常行为关联度模型，巧妙利用视频监控系统中前端安装的智能监控摄像头发出的异常行为预警信息，约束视频侦查过程中海量视频监控数据的线索排查范围，显著降低了调阅录像的监控点规模，极大地提升了待检索目标线索发现效率。而且，本发明方法提供的这种对识别的异常行为的深度利用能力，拓展了智能监控摄像头的应用前景，有利于充分发挥智能视频监控系统的效能。

附图说明

图1是本发明实施例的流程图。

具体实施方式

以下结合附图和实施例对本发明技术方案进行具体描述。

为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。

与特定案件(或事件)强关联的异常行为，既包含影响特定案件(或事件)发生的行为也包含特定案件(或事件)发生后的异常表现。在大数据时代，可以通过对以往积累的历史案情数据的挖掘以结合专家知识进行归纳总结。已经得到证实的一些代表性的行为关联关系包括但不限于：

银行抢劫案后，之前发生在本地后周边银行的徘徊行为最可疑；

抢劫案件发生后，附件奔跑的行人最可疑；

入室盗窃案发生后，与进入/离开小区的人员有关；

骚乱等群体事件的发生，与人员聚集行为直接有关；

聚众斗殴的发生，与人员聚集行为直接相关；

暴力恐怖事件发生后，逆行的路人、非法停放的车辆最可疑；

诸如此类。

因此，建立典型案件(或事件)与智能监控探头可识别的异常行为的映射关系，一旦实际案件发生，从异常行为记录数据库中，搜索与案件类型强相关的异常行为及其发生的时间、地点，查看关联的快照图像，根据实际需要进一步调阅监控点的录像视频作细粒度分析。通过这种方式，将能显著缩减视频侦查过程中的数据分析规模，提高线索排查效率。

基于上述思想，本发明提供了一种智能监控摄像头异常行为预警信息约束的视频大数据快速检索方法，请见图1，本发明实施例的具体实现包括以下步骤：

步骤1：构建异常行为库。

接收前端智能摄像头的异常行为预警信息，录入异常行为库。行为库记录异常行为类型、监控点名称、监控探头编号、发生时间、持续时长、快照图片或视频片段文件名、原始监控录像索引、备注信息等数据。

作为一种具体实现，行为库的组织结构和信息获取方式详细要点如下：

①异常行为类型按监控探头检测的异常行为种类据实记录；

②监控点名称、监控探头编号共同给出了异常行为发生的具体的地理位置信息；

③发生时间和持续时长反映了异常行为出现和结束的时间，根据预警信息据实记录；

④快照图片或视频片段记录事发现场画面，可视为原始录像剔除了无关画面的一种浓缩结果，便于快速浏览；

⑤快照图片或视频片段的提取有两种方式：如果前端摄像头提供了快照传递功能，直接接收保存；否则，通过后台程序抓拍；

⑥监控录像索引是为了便于事后分析时能快捷地定位和追溯到完整的监控录像；

⑦备注信息记载了行为的个性化信息，如徘徊行为中的人数、奔跑行为中的运动方向等；

此外，还记载了与行为相关的实发案件或事件信息，一般事后手工录入。

作为一个异常行为库的实际例子，如下表所示：

步骤2：建立关联度模型表，关联度模型表存储案件或事件类型与异常行为类型的关联关系。

建立由案件(或事件)-异常行为关联规则构成的案件(或事件)-异常行为关联度模型，选择若干组代表性的案件(或事件)-异常行为关联关系，初始化关联度模型表，后续可以根据智能监控摄像头的升级功能，结合历史案情大数据挖掘和专家知识，得到新增的异常行为与案件(或事件)的关联规则，更新到案件(或事件)-异常行为关联度模型表中；

具体实施时，根据常识和专家知识，可以预先选择几组代表性的案件(或事件)-异常行为关联规则，作为案件(或事件)-异常行为关联度模型表的初始表项；

具体实施时，可以预先建立关联度模型表的初始表项并保存。

在初始表项的基础上，可以按照如下步骤更新案件(或事件)-异常行为关联度模型表：

1)定义案件(或事件)集合E＝{抢银行，抢劫，骚乱，聚众斗殴，入室盗窃，暴力恐怖，爆炸，凶杀，….}；

2)定义异常行为集合A＝{区域入侵，跨界入侵，进入/离开区域，物品遗留/拿取，徘徊，快速移动，非法停车，人员聚集，追赶，打架，….}；

3)随着智能监控摄像头检测的异常行为种类的增加，相应地扩大异常行为集合A；

4)随着异常行为集合A的扩大，分析与新增加的异常行为关系密切的案件或事件，将其添加到案件(或事件)集合E中；

5)针对案件(或事件)集合E中的某一元素Ei，根据历史案发大数据，统计与其相关的异常行为出现的频次，并按频次排序，得到集合S1；

6)针对案件(或事件)集合E中的某一元素Ei，根据用户选择，列举与其相关的异常行为，并按相关度排序，得到集合S2；具体实施时，相关度可根据规则库定期更新；

7)对集合求交集，S＝S1∩S2，将S中的前二者作为与该事件最密切的异常行为，录入到案件(或事件)-异常行为关联度模型表中。

作为一种具体实现，子步骤2.2中4)异常行为与案件或事件存在相关性的判断规则，可采取如下二者之一：

①案件或事件发生前，异常行为与案件(或事件)的发生存在时序关系；

②案件(或事件)发生后，视频中的异常行为对象表现出的异常行为。

即异常行为与案件或事件是否关系密切，满足以上两条原则之一即成立。

步骤3：异常行为约束的视频取证

根据实发案件(或事件)类型，通过查询事件-异常行为关联度模型表、检索异常行为库，定位到涉案的相关监控点，从筛选后的监控点中定位有价值线索。

基于异常行为库，可以对异常行为库进行检索、统计、分析等操作，为异常行为约束的视频取证、社会治安形势普查、安全风险态势评估等过程提供异常行为数据获取和分析的规范流程；

作为一种具体实现，异常行为库的操作要求如下：

1)检索

定义一组异常行为约束的视频取证所需操作：

根据行为类型检索，显示检索结果图片，及其地点、时间；

根据地点检索，显示检索结果图片，及其名称、时间；

根据时间段检索，显示检索结果图片，及其名称、地点。

2)统计

定义一组社会治安形势普查所需操作：

按时间统计，用曲线显示一年中每月份发生的异常行为数；

按地点统计，用曲线显示一年中各地点发生的异常行为数；

按时间、地点的二维统计，用二维曲面显示一年发生的异常行为数。

3)分析

定义一组安全风险态势评估所需操作：

对异常行为的时空属性进行聚类分析，绘制风险曲面，并结合地理信息，用不同颜色可视化呈现风险等级；

挖掘异常行为的时空分布规律及预测其变化趋势，寻找安全防范的关键节点，如一年中哪个时段、哪些地点的安全风险最高，得出诸如盗窃行为可能频发在年末、抢劫行为可能发生在僻静路段之类辅助决策信息，为未来警力分配提供科学参考。

为实现视频取证，基于关联度模型表和异常行为库，一般可执行如下子步骤：

3.1根据实际发生的案件或事件类型，查询案件(或事件)-异常行为关联度模型表，得到相关的异常行为类型；

3.2根据异常行为类型，检索异常行为库，异常行为库记录了行为发生的时间、地点信息，因此可以检索被检索行为关联的时空信息，获得异常行为发生的时间、地点等信息；

3.3浏览与异常行为有关的快照图片、视频片段，进而将多点的图片、片段重构成一段完整的摘要视频，可按时间进行重构，还原待检索目标的活动轨迹；

3.4根据实际需要，通过行为库中的原始监控录像索引字段进一步调阅监控录像，细致察看。

具体实施时，以上流程可采用计算机软件技术实现自动运行流程，也可采用软件模块化技术实现相应系统。本发明实施例还相应提供一种异常行为预警信息约束的视频大数据快速检索系统，包括以下模块，

异常行为库构建模块，用于包括接收前端智能摄像头的异常行为预警信息，录入异常行为库，所述异常行为库记录的数据包括异常行为类型、监控点名称、监控探头编号、发生时间、持续时长、快照图片或视频片段文件名、原始监控录像索引和备注信息；

关联度模型表建立模块，用于关联度模型表存储案件或事件类型与异常行为类型的关联关系；

视频取证模块，用于基于关联度模型表和异常行为库，包括如下单元，

关联查询单元，用于根据实际发生的案件或事件类型，查询关联度模型表，得到相关的异常行为类型；

时空信息检索单元，用于根据异常行为类型，检索异常行为库，获得异常行为发生的时空信息；

活动轨迹生成单元，用于浏览与异常行为有关的快照图片或视频片段，进而将多点的图片或片段重构成一段完整的摘要视频，还原待检索目标的活动轨迹；

监控录像调阅单元，用于根据实际需要，通过异常行为库中的原始监控录像索引进一步调阅监控录像。

还可以设置异常行为库的检索单元、统计单元和分析单元，

所述检索单元用于如下操作，

根据行为类型检索，显示检索结果图片，及其地点、时间；

根据地点检索，显示检索结果图片，及其名称、时间；

根据时间段检索，显示检索结果图片，及其名称、地点。

所述统计单元用于如下操作，

按时间统计，用曲线显示一年中每月份发生的异常行为数；

按地点统计，用曲线显示一年中各地点发生的异常行为数；

按时间、地点的二维统计，用二维曲面显示一年发生的异常行为数；

所述分析单元用于如下操作，

对异常行为的时空属性进行聚类分析，绘制风险曲面，并结合地理信息，用不同颜色可视化呈现风险等级；

挖掘异常行为的时空分布规律及预测其变化趋势，寻找安全防范的关键节点，得到辅助决策信息，为未来警力分配提供科学参考。

各模块实现可参见方法相应说明，本发明不予赘述。

应当理解的是，本说明书未详细阐述的部分均属于现有技术。

应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。

Claims (8)

1.一种异常行为预警信息约束的视频大数据快速检索方法，其特征在于：包括以下步骤，

步骤1，构建异常行为库，包括接收前端智能摄像头的异常行为预警信息，录入异常行为库，所述异常行为库记录的数据包括异常行为类型、监控点名称、监控探头编号、发生时间、持续时长、快照图片或视频片段文件名、原始监控录像索引和备注信息；

步骤2，建立关联度模型表，关联度模型表存储案件或事件类型与异常行为类型的关联关系；

步骤3，为实现视频取证，基于关联度模型表和异常行为库，执行如下子步骤，

步骤3.1，根据实际发生的案件或事件类型，查询关联度模型表，得到相关的异常行为类型；

步骤3.2，根据异常行为类型，检索异常行为库，获得异常行为发生的时空信息；

步骤3.3，浏览与异常行为有关的快照图片或视频片段，进而将多点的图片或片段重构成一段完整的摘要视频，还原待检索目标的活动轨迹；

步骤3.4，根据实际需要，通过异常行为库中的原始监控录像索引进一步调阅监控录像。

2.根据权利要求1所述异常行为预警信息约束的视频大数据快速检索方法，其特征在于：对异常行为库进行检索、统计和分析操作的实现方式如下，

所述检索操作如下，

根据行为类型检索，显示检索结果图片，及其地点、时间；

根据地点检索，显示检索结果图片，及其名称、时间；

根据时间段检索，显示检索结果图片，及其名称、地点；

所述统计操作如下，

按时间统计，用曲线显示一年中每月份发生的异常行为数；

按地点统计，用曲线显示一年中各地点发生的异常行为数；

按时间、地点的二维统计，用二维曲面显示一年发生的异常行为数；

所述分析操作如下，

对异常行为的时空属性进行聚类分析，绘制风险曲面，并结合地理信息，用不同颜色可视化呈现风险等级；

挖掘异常行为的时空分布规律及预测其变化趋势，寻找安全防范的关键节点，得到辅助决策信息，为未来警力分配提供科学参考。

3.根据权利要求1或2所述异常行为预警信息约束的视频大数据快速检索方法，其特征在于：建立关联度模型表，包括根据已知的若干组案件或事件类型与异常行为类型的关联关系，初始化关联度模型表，并采用以下子步骤进行更新，

1）定义案件或事件集合E；

2）定义异常行为集合A；

3）随着智能监控摄像头检测的异常行为种类的增加，相应地扩大异常行为集合A；

4）随着异常行为集合A的扩大，分析与新增加的异常行为关系密切的案件或事件，将其添加到案件或事件集合E中；

5）针对案件或事件集合E中的某一元素Ei，根据历史案发大数据，统计与其相关的异常行为出现的频次，并按频次排序，得到集合S1；

6）针对案件或事件集合E中的某一元素Ei，根据用户选择，列举与其相关的异常行为，并按相关度排序，得到集合S2；

7）对集合求交集，S=S1∩S2，将S中的前二者作为与该事件最密切的异常行为，录入到关联度模型表中。

4.根据权利要求3所述异常行为预警信息约束的视频大数据快速检索方法，其特征在于：异常行为与案件或事件是否关系密切，按以下原则进行分析，

①案件或事件发生前，异常行为与案件或事件的发生存在时序关系合乎逻辑的关系；

②案件或事件发生后，视频中的异常行为对象表现出的异常行为。

5.一种异常行为预警信息约束的视频大数据快速检索系统，其特征在于：包括以下模块，

异常行为库构建模块，用于包括接收前端智能摄像头的异常行为预警信息，录入异常行为库，所述异常行为库记录的数据包括异常行为类型、监控点名称、监控探头编号、发生时间、持续时长、快照图片或视频片段文件名、原始监控录像索引和备注信息；

关联度模型表建立模块，用于关联度模型表存储案件或事件类型与异常行为类型的关联关系；

视频取证模块，用于基于关联度模型表和异常行为库，包括如下单元，

关联查询单元，用于根据实际发生的案件或事件类型，查询关联度模型表，得到相关的异常行为类型；

时空信息检索单元，用于根据异常行为类型，检索异常行为库，获得异常行为发生的时空信息；

活动轨迹生成单元，用于浏览与异常行为有关的快照图片或视频片段，进而将多点的图片或片段重构成一段完整的摘要视频，还原待检索目标的活动轨迹；

监控录像调阅单元，用于根据实际需要，通过异常行为库中的原始监控录像索引进一步调阅监控录像。

6.根据权利要求5所述异常行为预警信息约束的视频大数据快速检索系统，其特征在于：设置异常行为库的检索单元、统计单元和分析单元，

所述检索单元用于如下操作，

根据行为类型检索，显示检索结果图片，及其地点、时间；

根据地点检索，显示检索结果图片，及其名称、时间；

根据时间段检索，显示检索结果图片，及其名称、地点；

所述统计单元用于如下操作，

按时间统计，用曲线显示一年中每月份发生的异常行为数；

按地点统计，用曲线显示一年中各地点发生的异常行为数；

按时间、地点的二维统计，用二维曲面显示一年发生的异常行为数；

所述分析单元用于如下操作，

对异常行为的时空属性进行聚类分析，绘制风险曲面，并结合地理信息，用不同颜色可视化呈现风险等级；

挖掘异常行为的时空分布规律及预测其变化趋势，寻找安全防范的关键节点，得到辅助决策信息，为未来警力分配提供科学参考。

7.根据权利要求5或6所述异常行为预警信息约束的视频大数据快速检索系统，其特征在于：建立关联度模型表，包括根据已知的若干组案件或事件类型与异常行为类型的关联关系，初始化关联度模型表，并采用以下子步骤进行更新，

1）定义案件或事件集合E；

2）定义异常行为集合A；

3）随着智能监控摄像头检测的异常行为种类的增加，相应地扩大异常行为集合A；

4）随着异常行为集合A的扩大，分析与新增加的异常行为关系密切的案件或事件，将其添加到案件或事件集合E中；

5）针对案件或事件集合E中的某一元素Ei，根据历史案发大数据，统计与其相关的异常行为出现的频次，并按频次排序，得到集合S1；

6）针对案件或事件集合E中的某一元素Ei，根据用户选择，列举与其相关的异常行为，并按相关度排序，得到集合S2；

7）对集合求交集，S=S1∩S2，将S中的前二者作为与该事件最密切的异常行为，录入到关联度模型表中。

8.根据权利要求7所述异常行为预警信息约束的视频大数据快速检索系统，其特征在于：异常行为与案件或事件是否关系密切，按以下原则进行分析，

①案件或事件发生前，异常行为与案件或事件的发生存在时序关系合乎逻辑的关系；

②案件或事件发生后，视频中的异常行为对象表现出的异常行为。