CN106851224A - 智能型基于用户行为识别的视频监控方法及系统 - Google Patents

Abstract

一种智能型基于用户行为识别的视频监控方法，其包括如下步骤：S1、预先获取各个家庭用户的视频数据；将家庭用户的视频数据作为视频监控中的白名单信息数据；S2、从获取的家庭用户的视频数据中进行人脸识别以及姿势动作信息识别得到人脸数据以及姿态数据；S3、构建基于深度神经算法的人脸识别模型以及姿态识别模型；并且建立人脸识别模型与姿态识别模型的对应关系；S4、将家庭用户的视频数据作为视频监控中的白名单信息数据、基于深度神经算法的人脸识别模型以及姿态识别模型、人脸识别模型与姿态识别模型的对应关系构成用户监控识别组件，并存储于中心服务器中；S5、在服务器中配置视频监控中的白名单中对应家庭用户的第一视频角度控制范围信息。

Description

智能型基于用户行为识别的视频监控方法及系统

技术领域

本发明涉及智能家居技术领域，特别涉及一种智能型基于用户行为识别的视频监控方法及系统。

背景技术

一部手机遥控多种家电，这是智能家居描绘的场景。智能家居通常需配备远程控制终端、家庭网络机顶盒、家庭中央控制器、智能家电等设备。虽然智能家居设备为生活带来便利，但是在连接互联网后，它们也成为黑客的攻击目标，智能家居安全问题已成为其应用的瓶颈。现有的智能家居安全防护主要包括：WiFi密码防护、访问者鉴权防护、网络账户密码防护、路由器安全防护等，在本发明中统一称之为“路由内”安全防护。路由内安全防护措施负责阻止黑客侵入到家庭网络机顶盒。然而，一旦黑客侵入到家庭网络机顶盒，智能家电将遭到攻击。

监控是各行业重点部门或重要场所进行实时监控的物理基础，管理部门可通过它获得有效数据、图像视频监控系统原理图或声音信息，对突发性异常事件的过程进行及时的监视和记忆，用以提供高效、及时地指挥和高度、布置警力、处理案件等。随着当前计算机应用的迅速发展和推广，全世界掀起了一股强大的数字化浪潮，各种设备数字化已成为安全防护的首要目标。数码监控报警的性能特点是：监控画面实时显示，录像图象质量单路调节功能，每路录像速度可分别设置，快速检索，多种录像方式设定功能，自动备份，云台/镜头控制功能，网络传输等。

现有技术中视频监控技术往往只能根据预先设置的角度进行调整，灵活性程度不高，并且需要用户进行回放才能发现出现了警情或者其他情况，用户的体验度不高。

发明内容

有鉴于此，本发明提出一种智能型基于用户行为识别的视频监控方法，其包括如下步骤：

S1、预先获取各个家庭用户的视频数据；将家庭用户的视频数据作为视频监控中的白名单信息数据；

S2、从获取的家庭用户的视频数据中进行人脸识别以及姿势动作信息识别得到人脸数据以及姿态数据；

S3、构建基于深度神经算法的人脸识别模型以及姿态识别模型；并且建立人脸识别模型与姿态识别模型的对应关系；

S4、将家庭用户的视频数据作为视频监控中的白名单信息数据、基于深度神经算法的人脸识别模型以及姿态识别模型、人脸识别模型与姿态识别模型的对应关系构成用户监控识别组件，并存储于中心服务器中；

S5、在服务器中配置视频监控中的白名单中对应家庭用户的第一视频角度控制范围信息以及视频监控中在白名单之外对应用户的第二视频角度控制范围信息；

S6、在服务器中配置家居范围内各个视频监控摄像头的初始监控位置信息；

S7、在服务器中配置家居范围内各个视频监控摄像头的相互关联关系；

S8、通过视频监控摄像头对家居范围内进行监控；在出现视频监控中出现人物影像数据时，通过基于深度神经算法的人脸识别模型以及姿态识别模型对人物影像数据进行识别；根据识别结果判断人物是否属于视频监控中白名单，如果是则跳转到步骤S9；否则跳转到步骤S10；

S9、根据服务器中配置视频监控中的白名单中对应家庭用户的第一视频角度控制范围信息对视频监控摄像头的监控范围信息进行调整；

S10、根据服务器中配置视频监控中在白名单之外对应用户的第二视频角度控制范围信息对视频监控摄像头的监控范围信息进行调整，并跳转到步骤S11；

S11、根据步骤S7中服务器中配置家居范围内各个视频监控摄像头的相互关联关系，激活与监控到人物影像数据摄像头均有关联关系的摄像头进行监控。

在本发明所述的智能型基于用户行为识别的视频监控方法中，

步骤S7包括：

在服务器中配置家居范围内各个视频监控摄像头的作为初始监控摄像头时与其他视频监控摄像头的联动信息。

本发明还提供一种智能型基于用户行为识别的视频监控系统，其包括如下单元：

白名单信息配置单元，用于预先获取各个家庭用户的视频数据；将家庭用户的视频数据作为视频监控中的白名单信息数据；

识别信息获取单元，用于从获取的家庭用户的视频数据中进行人脸识别以及姿势动作信息识别得到人脸数据以及姿态数据；

识别模型建立单元，用于构建基于深度神经算法的人脸识别模型以及姿态识别模型；并且建立人脸识别模型与姿态识别模型的对应关系；

识别组件构建单元，用于将家庭用户的视频数据作为视频监控中的白名单信息数据、基于深度神经算法的人脸识别模型以及姿态识别模型、人脸识别模型与姿态识别模型的对应关系构成用户监控识别组件，并存储于中心服务器中；

角度信息配置单元，用于在服务器中配置视频监控中的白名单中对应家庭用户的第一视频角度控制范围信息以及视频监控中在白名单之外对应用户的第二视频角度控制范围信息；

初始化单元，用于在服务器中配置家居范围内各个视频监控摄像头的初始监控位置信息；

关联关系配置单元，用于在服务器中配置家居范围内各个视频监控摄像头的相互关联关系；

判断单元，用于通过视频监控摄像头对家居范围内进行监控；在出现视频监控中出现人物影像数据时，通过基于深度神经算法的人脸识别模型以及姿态识别模型对人物影像数据进行识别；根据识别结果判断人物是否属于视频监控中白名单，如果是则跳转到第一调整单元；否则跳转到第二调整单元；

第一调整单元，用于根据服务器中配置视频监控中的白名单中对应家庭用户的第一视频角度控制范围信息对视频监控摄像头的监控范围信息进行调整；

第二调整单元，用于根据服务器中配置视频监控中在白名单之外对应用户的第二视频角度控制范围信息对视频监控摄像头的监控范围信息进行调整，并跳转到监控单元；

监控单元，用于根据关联关系配置单元中服务器中配置家居范围内各个视频监控摄像头的相互关联关系，激活与监控到人物影像数据摄像头均有关联关系的摄像头进行监控。

在本发明所述的智能型基于用户行为识别的视频监控系统中，

关联关系配置单元包括：

在服务器中配置家居范围内各个视频监控摄像头的作为初始监控摄像头时与其他视频监控摄像头的联动信息

本发明提供的智能型基于用户行为识别的视频监控方法及系统，相对于现有技术，能够根据人物识别来进行自动监控；并且能够兼顾合法用户的隐私性。

附图说明

图1是本发明实施例的智能型基于用户行为识别的视频监控系统结构框图。

具体实施方式

本发明实施例一种智能型基于用户行为识别的视频监控方法，其包括如下步骤：

S1、预先获取各个家庭用户的视频数据；将家庭用户的视频数据作为视频监控中的白名单信息数据；

S2、从获取的家庭用户的视频数据中进行人脸识别以及姿势动作信息识别得到人脸数据以及姿态数据；

通过人脸识别与姿势动作信息识别相互结合，能够大大提高识别的准确性。

S3、构建基于深度神经算法的人脸识别模型以及姿态识别模型；并且建立人脸识别模型与姿态识别模型的对应关系；

S4、将家庭用户的视频数据作为视频监控中的白名单信息数据、基于深度神经算法的人脸识别模型以及姿态识别模型、人脸识别模型与姿态识别模型的对应关系构成用户监控识别组件，并存储于中心服务器中；

S5、在服务器中配置视频监控中的白名单中对应家庭用户的第一视频角度控制范围信息以及视频监控中在白名单之外对应用户的第二视频角度控制范围信息；

在本步骤中，通过对白名单中对应家庭用户的第一视频角度控制范围信息，对白名单之外对应用户的第二视频角度控制范围信息，第一视频角度控制范围小于第二视频角度控制范围，能够区别性的通过视频监控摄像头来进行监控，照顾到了用户隐私；并且通过和用户识别相结合，对于用户来说是透明的。

S6、在服务器中配置家居范围内各个视频监控摄像头的初始监控位置信息；

S7、在服务器中配置家居范围内各个视频监控摄像头的相互关联关系；

S8、通过视频监控摄像头对家居范围内进行监控；在出现视频监控中出现人物影像数据时，通过基于深度神经算法的人脸识别模型以及姿态识别模型对人物影像数据进行识别；根据识别结果判断人物是否属于视频监控中白名单，如果是则跳转到步骤S9；否则跳转到步骤S10；

S9、根据服务器中配置视频监控中的白名单中对应家庭用户的第一视频角度控制范围信息对视频监控摄像头的监控范围信息进行调整；

S10、根据服务器中配置视频监控中在白名单之外对应用户的第二视频角度控制范围信息对视频监控摄像头的监控范围信息进行调整，并跳转到步骤S11；

S11、根据步骤S7中服务器中配置家居范围内各个视频监控摄像头的相互关联关系，激活与监控到人物影像数据摄像头均有关联关系的摄像头进行监控。

在本发明所述的智能型基于用户行为识别的视频监控方法中，

步骤S7包括：

在服务器中配置家居范围内各个视频监控摄像头的作为初始监控摄像头时与其他视频监控摄像头的联动信息。

在本发明实施例的步骤中，初始监控摄像头时与其他视频监控摄像头的联动信息可以包括视频监控摄像头的启动顺序；视频监控摄像头的激活数量等，并与智能家居范围内外的环境结合在一起进行规划，提高监控的效果。

如图1所示，本发明还提供一种智能型基于用户行为识别的视频监控系统，其包括如下单元：

白名单信息配置单元，用于预先获取各个家庭用户的视频数据；将家庭用户的视频数据作为视频监控中的白名单信息数据；

识别信息获取单元，用于从获取的家庭用户的视频数据中进行人脸识别以及姿势动作信息识别得到人脸数据以及姿态数据；

识别模型建立单元，用于构建基于深度神经算法的人脸识别模型以及姿态识别模型；并且建立人脸识别模型与姿态识别模型的对应关系；

识别组件构建单元，用于将家庭用户的视频数据作为视频监控中的白名单信息数据、基于深度神经算法的人脸识别模型以及姿态识别模型、人脸识别模型与姿态识别模型的对应关系构成用户监控识别组件，并存储于中心服务器中；

角度信息配置单元，用于在服务器中配置视频监控中的白名单中对应家庭用户的第一视频角度控制范围信息以及视频监控中在白名单之外对应用户的第二视频角度控制范围信息；

初始化单元，用于在服务器中配置家居范围内各个视频监控摄像头的初始监控位置信息；

关联关系配置单元，用于在服务器中配置家居范围内各个视频监控摄像头的相互关联关系；

判断单元，用于通过视频监控摄像头对家居范围内进行监控；在出现视频监控中出现人物影像数据时，通过基于深度神经算法的人脸识别模型以及姿态识别模型对人物影像数据进行识别；根据识别结果判断人物是否属于视频监控中白名单，如果是则跳转到第一调整单元；否则跳转到第二调整单元；

第一调整单元，用于根据服务器中配置视频监控中的白名单中对应家庭用户的第一视频角度控制范围信息对视频监控摄像头的监控范围信息进行调整；

第二调整单元，用于根据服务器中配置视频监控中在白名单之外对应用户的第二视频角度控制范围信息对视频监控摄像头的监控范围信息进行调整，并跳转到监控单元；

监控单元，用于根据关联关系配置单元中服务器中配置家居范围内各个视频监控摄像头的相互关联关系，激活与监控到人物影像数据摄像头均有关联关系的摄像头进行监控。

在本发明所述的智能型基于用户行为识别的视频监控系统中，

关联关系配置单元包括：

在服务器中配置家居范围内各个视频监控摄像头的作为初始监控摄像头时与其他视频监控摄像头的联动信息

本发明提供的智能型基于用户行为识别的视频监控方法及系统，相对于现有技术，能够根据人物识别来进行自动监控；并且能够兼顾合法用户的隐私性。

结合本文中所公开的实施例描述的方法或算法的可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机储存器、内存、只读存储器、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其他形式的存储介质中。

可以理解的是，对于本领域的普通技术人员来说，可以根据本发明的技术构思做出其它各种相应的改变与变形，而所有这些改变与变形都应属于本发明权利要求的保护范围。

Claims (4)

1.一种智能型基于用户行为识别的视频监控方法，其特征在于，其包括如下步骤：

S1、预先获取各个家庭用户的视频数据；将家庭用户的视频数据作为视频监控中的白名单信息数据；

S2、从获取的家庭用户的视频数据中进行人脸识别以及姿势动作信息识别得到人脸数据以及姿态数据；

S3、构建基于深度神经算法的人脸识别模型以及姿态识别模型；并且建立人脸识别模型与姿态识别模型的对应关系；

S4、将家庭用户的视频数据作为视频监控中的白名单信息数据、基于深度神经算法的人脸识别模型以及姿态识别模型、人脸识别模型与姿态识别模型的对应关系构成用户监控识别组件，并存储于中心服务器中；

S5、在服务器中配置视频监控中的白名单中对应家庭用户的第一视频角度控制范围信息以及视频监控中在白名单之外对应用户的第二视频角度控制范围信息；

S6、在服务器中配置家居范围内各个视频监控摄像头的初始监控位置信息；

S7、在服务器中配置家居范围内各个视频监控摄像头的相互关联关系；

S8、通过视频监控摄像头对家居范围内进行监控；在出现视频监控中出现人物影像数据时，通过基于深度神经算法的人脸识别模型以及姿态识别模型对人物影像数据进行识别；根据识别结果判断人物是否属于视频监控中白名单，如果是则跳转到步骤S9；否则跳转到步骤S10；

S9、根据服务器中配置视频监控中的白名单中对应家庭用户的第一视频角度控制范围信息对视频监控摄像头的监控范围信息进行调整；

S10、根据服务器中配置视频监控中在白名单之外对应用户的第二视频角度控制范围信息对视频监控摄像头的监控范围信息进行调整，并跳转到步骤S11；

S11、根据步骤S7中服务器中配置家居范围内各个视频监控摄像头的相互关联关系，激活与监控到人物影像数据摄像头均有关联关系的摄像头进行监控。

2.如权利要求1所述的智能型基于用户行为识别的视频监控方法，其特征在于，

步骤S7包括：

在服务器中配置家居范围内各个视频监控摄像头的作为初始监控摄像头时与其他视频监控摄像头的联动信息。

3.一种智能型基于用户行为识别的视频监控系统，其特征在于，其包括如下单元：

白名单信息配置单元，用于预先获取各个家庭用户的视频数据；将家庭用户的视频数据作为视频监控中的白名单信息数据；

识别信息获取单元，用于从获取的家庭用户的视频数据中进行人脸识别以及姿势动作信息识别得到人脸数据以及姿态数据；

识别模型建立单元，用于构建基于深度神经算法的人脸识别模型以及姿态识别模型；并且建立人脸识别模型与姿态识别模型的对应关系；

识别组件构建单元，用于将家庭用户的视频数据作为视频监控中的白名单信息数据、基于深度神经算法的人脸识别模型以及姿态识别模型、人脸识别模型与姿态识别模型的对应关系构成用户监控识别组件，并存储于中心服务器中；

角度信息配置单元，用于在服务器中配置视频监控中的白名单中对应家庭用户的第一视频角度控制范围信息以及视频监控中在白名单之外对应用户的第二视频角度控制范围信息；

初始化单元，用于在服务器中配置家居范围内各个视频监控摄像头的初始监控位置信息；

关联关系配置单元，用于在服务器中配置家居范围内各个视频监控摄像头的相互关联关系；

判断单元，用于通过视频监控摄像头对家居范围内进行监控；在出现视频监控中出现人物影像数据时，通过基于深度神经算法的人脸识别模型以及姿态识别模型对人物影像数据进行识别；根据识别结果判断人物是否属于视频监控中白名单，如果是则跳转到第一调整单元；否则跳转到第二调整单元；

第一调整单元，用于根据服务器中配置视频监控中的白名单中对应家庭用户的第一视频角度控制范围信息对视频监控摄像头的监控范围信息进行调整；

第二调整单元，用于根据服务器中配置视频监控中在白名单之外对应用户的第二视频角度控制范围信息对视频监控摄像头的监控范围信息进行调整，并跳转到监控单元；

监控单元，用于根据关联关系配置单元中服务器中配置家居范围内各个视频监控摄像头的相互关联关系，激活与监控到人物影像数据摄像头均有关联关系的摄像头进行监控。

4.如权利要求3所述的智能型基于用户行为识别的视频监控系统，其特征在于，

关联关系配置单元包括：

在服务器中配置家居范围内各个视频监控摄像头的作为初始监控摄像头时与其他视频监控摄像头的联动信息。