CN107911653B - 驻所智能视频监控模组、系统、方法以及存储介质 - Google Patents
驻所智能视频监控模组、系统、方法以及存储介质 Download PDFInfo
- Publication number
- CN107911653B CN107911653B CN201711134601.1A CN201711134601A CN107911653B CN 107911653 B CN107911653 B CN 107911653B CN 201711134601 A CN201711134601 A CN 201711134601A CN 107911653 B CN107911653 B CN 107911653B
- Authority
- CN
- China
- Prior art keywords
- area
- video
- crowd
- monitoring
- identification module
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims abstract description 42
- 238000001514 detection method Methods 0.000 claims abstract description 29
- 230000002159 abnormal effect Effects 0.000 claims abstract description 27
- 230000006399 behavior Effects 0.000 claims abstract description 20
- 238000004220 aggregation Methods 0.000 claims abstract description 8
- 230000002776 aggregation Effects 0.000 claims abstract description 8
- 230000000630 rising Effects 0.000 claims abstract description 8
- 238000009826 distribution Methods 0.000 claims description 30
- 238000007689 inspection Methods 0.000 claims description 8
- 230000003287 optical Effects 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 7
- 230000000875 corresponding Effects 0.000 claims description 6
- 210000003414 Extremities Anatomy 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 3
- 230000002708 enhancing Effects 0.000 abstract description 3
- 230000002265 prevention Effects 0.000 abstract 1
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000003044 adaptive Effects 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006011 modification reaction Methods 0.000 description 2
- 210000003666 Nerve Fibers, Myelinated Anatomy 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003365 glass fiber Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed circuit television systems, i.e. systems in which the signal is not broadcast
- H04N7/181—Closed circuit television systems, i.e. systems in which the signal is not broadcast for receiving images from a plurality of remote sources
-
- 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
Abstract
驻所智能视频监控模组、系统、方法以及存储介质，所述模组包括，包括：采集视频图像的多个视频采集终端，自动分析各种异常行为视频分析服务器，以及报警单元；所述视频分析服务器包括起身识别模块、聚集识别模块、打架识别模块；聚集识别模块能够区分场景的大小采用基于头肩检测进行人数统计或基于MID进行人群密度检测。本发明实现了能够全天候不间断地对视频进行检测，自动发现监控画面中的异常情况，本发明能够应用于驻所联网，加强技术防范的力度，同时提高了驻所监管人员的工作效率。能够对人员起身进行警戒判断，区分监视区域的大小，分别采用不同的算法计算人群数量或者人群密度，提高了计算精度和效率。
Description
技术领域
本发明涉及视频监控领域，具体的，涉及一种具有智能识别能力，能够检测人员聚集、起身、打架等异常行为的驻所智能视频监控模组、系统、方法以及存储介质。
背景技术
随着视频监控技术的发展，视频监控被广泛的应用于场所的管理，但现有的监控系统只能人工在现场负责甄别，或者事后查阅，当摄像头过多的时候，工作人员难以及时顾及到所有的影像，从而无法及时对突发的警情做出反应。
特别是，对于监狱、看守所、拘留室等重点人员聚集的场所，较容易发生突发的情况，例如犯人聚集发生斗殴，犯人在半夜意图离开看管位置，例如起床，准备逃跑。在现有技术中，针对嫌疑人的违规情况，需要驻所检察人员实时监看视频图像督查是否有违规情况，浪费人力的同时也大大降低了驻所检察人员的工作效率。
因此，如何对驻所视频监控视频进行智能识别，自动发现监控画面中的异常情况，从而能够更加有效的协助工作人员处理危机，成为现有技术亟需解决的技术问题。
发明内容
有鉴于此,本发明的目的驻所智能视频监控模组、系统及其监控方法，解决传统视频监控系统所固有的一些缺陷，实现了监控方式由被动到主动的转变，能够实现全天候不间断地对视频进行检测。
一种驻所智能视频监控模组，包括：多个视频采集终端，视频分析服务器，以及报警单元；
其中所述视频采集终端，设置在多个不同的位置，对驻所进行监视，采集视频图像，并送往视频分析服务器；
所述视频分析服务器，分别接收多个所述视频采集终端采集的视频图像，自动分析各种异常行为，如存在异常行为则发出报警信号；
报警单元，用于根据所收到的报警信号发出警报。
可选的，所述视频分析服务器包括起身识别模块、聚集识别模块、打架识别模块；
其中，起身识别模块，能够自动监视在监控场景范围内人员的活动，在休息区域的周围设置警戒区域，当被监视人员离开警戒区域时，自动发出报警信息；
聚集识别模块，能够分析视频画面中活动移动目标，统计设定区域内目标数量或密度，当数量或密度超过预设阈值时，自动产生报警信息；
打架识别模块，能够自动识别指定区域内人员的运动特征、运动轨迹以及肢体剧烈变化，从而实时检测是否有打架斗殴情况，如有，自动产生报警信息。
可选的，所述起身识别模块具体包括：输入图像，对输入图像进行平滑化处理，获取警戒区域位置，获取被监视人员影像，并进而获取被监视人在警戒区域的投影，判断被监视人的投影是否位于警戒区域，如果不在，则认为该被监视人员做出起身动作，自动发出报警信息，如果在，则持续不断的获取被监视人员的投影，并进行判断。
可选的，所述聚集识别模块进行人员聚集智能识别，能够根据不同的场景选择所适应的识别方法，首先获取监控区域图像，识别监控区域位置大小，当监控区域为小场景时，基于头肩检测进行人数统计，当监控区域为大场景时，基于MID进行人群密度检测，当数量或人群密度超过预设阈值时，自动产生报警信息。
可选的，所述基于MID进行人群密度检测具体利用如下步骤实现：
步骤1：计算输入图像的马赛克差分(MID)特征，同时采用光流法计算区域内运动目标平均速度，统计参数自适应调整为长期统计或短期统计；
步骤2：对长期统计/短期统计的马赛克图像差分时间序列进行概率分布检验，确定相应马赛克方块内是否有稳定的人群运动；
步骤3：利用网格法计算人群运动在空间上的分布，并将与空间分布有关的用于时间分布检验的参数反馈给概率分布校验；
步骤4：对具有明显透视现象的人群场景做几何校正，获得图像平面上每个像素对人群密度的贡献因子；
步骤5：利用贡献因子对网格法获得的人群空间面积做加权处理，采用连通区域检测并搜索局部拥塞区域，整体加权后的人群空间面积与局部拥塞区域的面积之比为监控区域整体人群密度。
可选的，所述监控模组还包括存储服务器和显示单元，所述存储服务器能够对发生报警信号的视频进行录制，所述显示单元能够实时显示发生报警信号的视频。
本发明还包括一种驻所智能视频监控系统，其特征在于：
包括多个权利要求1-6中任意一项所述的驻所智能视频监控模组，多个所述监控模组相互连接。
本发明还公开了一种驻所智能视频监控方法，包括如下步骤：
获取步骤S110：获取实时采集的视频图像，
分析步骤S120：对所采集的视频图像进行分析，判断是否存在各种异常行为；
警报步骤S130：当存在异常行为时发出报警信号。
可选的，所述分析步骤包括身份识别分析、聚集分析和打架识别分析；
所述身份识别分析具体包括：对输入图像进行平滑化处理，获取警戒区域位置，获取被监视人员影像，并进而获取被监视人在警戒区域的投影，判断被监视人的投影是否位于警戒区域，如果不在，则认为该被监视人员做出起身动作，自动发出报警信息，如果在，则持续不断的获取被监视人员的投影，并进行判断；
所述聚集识别包括获取监控区域图像，识别监控区域位置大小，当监控区域为小场景时，基于头肩检测进行人数统计，当监控区域为大场景时，基于MID进行人群密度检测；
所述基于MID进行人群密度检测的具体步骤：
步骤1：计算输入图像的马赛克差分(MID)特征，同时采用光流法计算区域内运动目标平均速度，统计参数自适应调整为长期统计或短期统计；
步骤2：对长期统计/短期统计的马赛克图像差分时间序列进行概率分布检验，确定相应马赛克方块内是否有稳定的人群运动；
步骤3：利用网格法计算人群运动在空间上的分布，并将与空间分布有关的用于时间分布检验的参数反馈给概率分布校验；
步骤4：对具有明显透视现象的人群场景做几何校正，获得图像平面上每个像素对人群密度的贡献因子；
步骤5：利用贡献因子对网格法获得的人群空间面积做加权处理，采用连通区域检测并搜索局部拥塞区域，整体加权后的人群空间面积与局部拥塞区域的面积之比为监控区域整体人群密度。
本发明进一步公开列一种存储介质，用于存储计算机可执行指令，
所述计算机可执行指令在被处理器执行时执行如上述的智能视频监控方法。
本发明实现了监控方式由被动到主动的转变，能够实现全天候不间断地对视频进行检测，自动发现监控画面中的异常情况，检测出异常时会将状态反馈给系统，从而能够更加有效的协助工作人员处理危机，并最大限度的降低误报和漏报现象。通过系统软件智能算法检测人员聚集、起身、打架等异常行为分析功能，实现7*24小时自动智能分析预警。本发明能够应用于驻所联网，大大提高驻所监控系统的能力，加强技术防范的力度，同时提高了驻所监管人员的工作效率。能够对人员起身进行警戒判断，区分监视区域的大小，分别采用不同的算法计算人群数量或者人群密度，提高了计算精度和效率。
附图说明
通过以下参照附图对本发明实施例的描述，本发明的上述以及其它目的、特征和优点将更为清楚，在附图中：
图1是根据本发明具体实施例的驻所智能视频监控模组的示意图；
图2是根据本发明具体实施例的驻所智能视频监控模组进行起身智能识别的方法流程图；
图3是根据本发明具体实施例的驻所智能视频监控模组进行人员聚集智能识别的方法流程图；
图4是根据本发明具体实施例的人群密度检测的方法流程图；
图5是根据本发明具体实施例的驻所智能视频监控系统的示意图；
图6是根据本发明具体实施例的驻所智能视频监控方法的流程图。
1、智能视频监视模组；10、视频采集终端；20、视频分析服务器；21、起身识别模块；22、聚集识别模块；23、打架识别模块；30、报警单元；40、存储服务器；50、显示单元。
具体实施方式
以下基于实施例对本发明进行描述，但是本发明并不仅仅限于这些实施例。
本发明设立视频分析服务器，该服务器包括多个不同功能的智能视频识别模块，能够对驻所被监视人员的行为进行识别，自动发现监控画面中的异常情况，包括识别出人员在床上的起身动作、人员聚集动作、以及人员打架等异常行为，并自动发出报警信息，实现7*24小时自动智能分析预警，并因此大力的提高驻所监控系统的能力。
实施例1：
参见图1，示出了根据本发明具体实施例的驻所智能视频监控模组的示意图，该监控模组包括：多个视频采集终端10，视频分析服务器20，以及报警单元30；
其中所述视频采集终端10，设置在多个不同的位置，对驻所进行监视，采集视频图像，并送往视频分析服务器20；
所述视频分析服务器20，分别接收多个所述视频采集终端10采集的视频图像，自动分析各种异常行为，如存在异常行为则发出报警信号；
报警单元30，用于根据所收到的报警信号发出警报。
在本发明中，设立了视频分析服务器，通过智能算法，对所采集的视频中的每一帧图像进行实时分析，进而及时发现驻所在押嫌疑人的异常行为。
进一步的，所述视频分析服务器20包括起身识别模块21、聚集识别模块22、打架识别模块23；
其中，起身识别模块21，能够自动监视在监控场景范围内人员的活动，在休息区域的周围设置警戒区域，当被监视人员离开警戒区域时，自动发出报警信息。
利用该模块，在看守所监室内夜间休息期间若有人员起身站立，并意欲走动时，视频分析服务器会产生起身报警，由报警单元30发出警报，从而通知相关人员，例如驻所检察人员或者驻所看守，防止在押人员趁夜间睡觉时间进行人身攻击，避免发生恶性事件。
聚集识别模块22，能够分析视频画面中活动移动目标，统计设定区域内目标数量或密度，当数量或密度超过预设阈值时，自动产生报警信息。
当看守所生产生活场所出现一定数量的人员聚集的时候，很可能出现异常行为，而聚集识别模块22生成产生一个人员聚集的警报通知驻所检察人员，将可能出现的异常情况消灭在萌芽状态，确保看守所安全、在押人员安全。
打架识别模块23，能够自动识别指定区域内人员的运动特征、运动轨迹以及肢体剧烈变化，从而实时检测是否有打架斗殴情况，如有，自动产生报警信息。
打架斗殴事件属于暴力事件，派出所、看守所关押的均是高危人员，更容易出现恶意事件。打架识别模块23能够及时对该暴力事件进行识别，并发出警报，避免事件的进一步恶化。
具体的，参见图2，示出了起身识别模块21的具体识别的流程图，包括如下步骤：
输入图像，对输入图像进行平滑化处理，获取警戒区域位置，获取被监视人员影像，并进而获取被监视人在警戒区域的投影，判断被监视人的投影是否位于警戒区域，如果不在，则认为该被监视人员做出起身动作，自动发出报警信息，如果在，则持续不断的获取被监视人员的投影，并进行判断。
示例性的，该警戒区域为床铺的区域，从而判断人员是否起身离开床铺。
具体的，判断被监视人员的投影是否位于警戒区域，可以通过判断被监视人员的投影在警戒区域比例大小，并设立一阈值，当不低于该阈值，则认为该人员仍然位于警戒区域中，即尚未起身，当低于该阈值，则认为该人员已经起身。该阈值可以通过实验或者报警风险程度人工进行设定。
在该步骤中，对输入图像进行平滑化处理并非是必要步骤，仅仅用于提高处理算法的精度。
参见图3，聚集识别模块22进行人员聚集智能识别，能够根据不同的场景选择所适应的识别方法，首先获取监控区域图像，识别监控区域位置大小，当监控区域为小场景时，基于头肩检测进行人数统计，当监控区域为大场景时，基于MID进行人群密度检测，当数量或人群密度超过预设阈值时，自动产生报警信息。
对于大场景和小场景的两种场景检测模式，通过参数设置区分。大场景主要针对广场等大范围监控场景，采用基于MID改进算法的人群密度检测；小场景主要针对重点区域、室内等小范围监控场景，用于人员聚集检测，采用基于人数统计(倾斜)的方法，统计监控区域内当前人数，与设置阈值对比以判断是否发生人员聚集。
参见图4，示出了所述基于MID进行人群密度检测的具体步骤：
步骤1：计算输入图像的马赛克差分(MID)特征，同时采用光流法计算区域内运动目标平均速度，统计参数自适应调整为长期统计或短期统计；
步骤2：对长期统计/短期统计的马赛克图像差分时间序列进行概率分布检验，确定相应马赛克方块内是否有稳定的人群运动；
步骤3：利用网格法计算人群运动在空间上的分布，并将与空间分布有关的用于时间分布检验的参数反馈给概率分布校验；
步骤4：对具有明显透视现象的人群场景做几何校正，获得图像平面上每个像素对人群密度的贡献因子；
步骤5：利用贡献因子对网格法获得的人群空间面积做加权处理，采用连通区域检测并搜索局部拥塞区域，整体加权后的人群空间面积与局部拥塞区域的面积之比为监控区域整体人群密度。
进一步的，所述监控模组还包括存储服务器40和显示单元50，所述存储服务器能够对发生报警信号的视频进行录制，所述显示单元能够实时显示发生报警信号的视频。
因此，只有发生警报时才传输视频信息至存储服务器和显示单元，节省了网络负载和存储空间，提高了数据传输和处理速度，显示单元也能够根据需要显示当前监控画面或者历史监控信息，加快了处置人员对于现场情况的快速掌握。
实施例2：
参见图5，本发明还公开了一种驻所智能视频监控系统，该监控系统包括多个上述的驻所智能视频监控模组，多个所述监控模组相互连接。
即上述的智能监控系统能够采用分布式系统分别进行工作，各智能视频监控模组既能够独立进行工作，又能够级联工作。当单个系统负载过大时，能够调用其它系统的视频分析服务器进行分析，同时还能够调看其它监控模组的视频信息，实现各部门的统一联网以及远程指挥。
实施例3：
参见图6，本发明还公开了一种驻所智能视频监控方法，包括如下步骤：
获取步骤S110：获取实时采集的视频图像，
分析步骤S120：对所采集的视频图像进行分析，判断是否存在各种异常行为；
警报步骤S130：当存在异常行为时发出报警信号。
进一步的，所述分析步骤包括身份识别分析、聚集分析和打架识别分析。
所述身份识别分析包括，自动监视在监控场景范围内人员的活动，在休息区域的周围设置警戒区域，当被监视人员离开警戒区域时，自动发出报警信息。
所述聚集识别包括，分析视频画面中活动移动目标，统计设定区域内目标数量或密度，当数量或密度超过预设阈值时，自动产生报警信息。
所述打架识别包括，自动识别指定区域内人员的运动特征、运动轨迹以及肢体剧烈变化，从而实时检测是否有打架斗殴情况，如有，自动产生报警信息。
进一步的，所述身份识别具体包括：对输入图像进行平滑化处理，获取警戒区域位置，获取被监视人员影像，并进而获取被监视人在警戒区域的投影，判断被监视人的投影是否位于警戒区域，如果不在，则认为该被监视人员做出起身动作，自动发出报警信息，如果在，则持续不断的获取被监视人员的投影，并进行判断。
所述聚集识别包括获取监控区域图像，识别监控区域位置大小，当监控区域为小场景时，基于头肩检测进行人数统计，当监控区域为大场景时，基于MID进行人群密度检测。
所述基于MID进行人群密度检测的具体步骤：
步骤1：计算输入图像的马赛克差分(MID)特征，同时采用光流法计算区域内运动目标平均速度，统计参数自适应调整为长期统计或短期统计；
步骤2：对长期统计/短期统计的马赛克图像差分时间序列进行概率分布检验，确定相应马赛克方块内是否有稳定的人群运动；
步骤3：利用网格法计算人群运动在空间上的分布，并将与空间分布有关的用于时间分布检验的参数反馈给概率分布校验；
步骤4：对具有明显透视现象的人群场景做几何校正，获得图像平面上每个像素对人群密度的贡献因子；
步骤5：利用贡献因子对网格法获得的人群空间面积做加权处理，采用连通区域检测并搜索局部拥塞区域，整体加权后的人群空间面积与局部拥塞区域的面积之比为监控区域整体人群密度。
本发明进一步公开了一种存储介质，用于存储计算机可执行指令，
所述计算机可执行指令在被处理器执行时执行图6所述的上述的方法。
因此，本发明实现了监控方式由被动到主动的转变，能够实现全天候不间断地对视频进行检测，自动发现监控画面中的异常情况，检测出异常时会将状态反馈给系统，从而能够更加有效的协助工作人员处理危机，并最大限度的降低误报和漏报现象。通过系统软件智能算法检测人员聚集、起身、打架等异常行为分析功能，实现7*24小时自动智能分析预警。本发明能够应用于驻所联网，大大提高驻所监控系统的能力，加强技术防范的力度，同时提高了驻所监管人员的工作效率。
进一步的，能够对人员起身进行警戒判断，区分监视区域的大小，分别采用不同的算法计算人群数量或者人群密度，提高了计算精度和效率。
如本领域技术人员将意识到的，本发明的各个方面可以被实现为系统、方法或计算机程序产品。因此，本发明的各个方面可以采取如下形式：完全硬件实施方式、完全软件实施方式(包括固件、常驻软件、微代码等)或者在本文中通常可以都称为“电路”、“模块”或“系统”的将软件方面与硬件方面相结合的实施方式。此外，本发明的方面可以采取如下形式：在一个或多个计算机可读介质中实现的计算机程序产品，计算机可读介质具有在其上实现的计算机可读程序代码。
可以利用一个或多个计算机可读介质的任意组合。计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。计算机可读存储介质可以是如(但不限于)电子的、磁的、光学的、电磁的、红外的或半导体系统、设备或装置，或者前述的任意适当的组合。计算机可读存储介质的更具体的示例(非穷尽列举)将包括以下各项：具有一根或多根电线的电气连接、便携式计算机软盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪速存储器)、光纤、便携式光盘只读存储器(CD-ROM)、光存储装置、磁存储装置或前述的任意适当的组合。在本文件的上下文中，计算机可读存储介质可以为能够包含或存储由指令执行系统、设备或装置使用的程序或结合指令执行系统、设备或装置使用的程序的任意有形介质。
用于执行针对本发明各方面的操作的计算机程序代码可以以一种或多种编程语言的任意组合来编写，所述编程语言包括：面向对象的编程语言如Java、Smalltalk、C++等；以及常规过程编程语言如“C”编程语言或类似的编程语言。程序代码可以作为独立软件包完全地在用户计算机上、部分地在用户计算机上执行；部分地在用户计算机上且部分地在远程计算机上执行；或者完全地在远程计算机或服务器上执行。在后一种情况下，可以将远程计算机通过包括局域网(LAN)或广域网(WAN)的任意类型的网络连接至用户计算机，或者可以与外部计算机进行连接(例如通过使用因特网服务供应商的因特网)。
以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种驻所智能视频监控模组，包括：多个视频采集终端，视频分析服务器，以及报警单元；
其中所述视频采集终端，设置在多个不同的位置，对驻所进行监视，采集视频图像，并送往视频分析服务器；
所述视频分析服务器，分别接收多个所述视频采集终端采集的视频图像，自动分析各种异常行为，如存在异常行为则发出报警信号；
报警单元，用于根据所收到的报警信号发出警报；
所述视频分析服务器包括起身识别模块，所述起身识别模块，能够自动监视在监控场景范围内人员的活动，在休息区域的周围设置警戒区域，当被监视人员离开警戒区域时，自动发出报警信息；
所述起身识别模块具体包括：输入图像，对输入图像进行平滑化处理，获取警戒区域位置，获取被监视人员影像，并进而获取被监视人在警戒区域的投影，判断被监视人的投影是否位于警戒区域，如果不在，则认为该被监视人员做出起身动作，自动发出报警信息，如果在，则持续不断的获取被监视人员的投影，并进行判断；
所述视频分析服务器还包括聚集识别模块，能够分析视频画面中活动移动目标，统计设定区域内目标数量或密度，当数量或密度超过预设阈值时，自动产生报警信息；
所述聚集识别模块进行人员聚集智能识别，能够根据不同的场景选择所适应的识别方法，首先获取监控区域图像，识别监控区域位置大小，当监控区域为小场景时，基于头肩检测进行人数统计，当监控区域为大场景时，基于MID进行人群密度检测，当数量或人群密度超过预设阈值时，自动产生报警信息。
2.根据权利要求1所述的驻所智能视频监控模组，其特征在于：
所述视频分析服务器还包括打架识别模块；
其中，打架识别模块，能够自动识别指定区域内人员的运动特征、运动轨迹以及肢体剧烈变化，从而实时检测是否有打架斗殴情况，如有，自动产生报警信息。
3.根据权利要求1所述的驻所智能视频监控模组，其特征在于：
所述基于MID进行人群密度检测具体利用如下步骤实现：
步骤1：计算输入图像的马赛克差分(MID)特征，同时采用光流法计算区域内运动目标平均速度，统计参数自适应调整为长期统计或短期统计；
步骤2：对长期统计/短期统计的马赛克图像差分时间序列进行概率分布检验，确定相应马赛克方块内是否有稳定的人群运动；
步骤3：利用网格法计算人群运动在空间上的分布，并将与空间分布有关的用于时间分布检验的参数反馈给概率分布校验；
步骤4：对具有明显透视现象的人群场景做几何校正，获得图像平面上每个像素对人群密度的贡献因子；
步骤5：利用贡献因子对网格法获得的人群空间面积做加权处理，采用连通区域检测并搜索局部拥塞区域，整体加权后的人群空间面积与局部拥塞区域的面积之比为监控区域整体人群密度。
4.根据权利要求1-3中任意一项所述的驻所智能视频监控模组，其特征在于：
所述监控模组还包括存储服务器和显示单元，所述存储服务器能够对发生报警信号的视频进行录制，所述显示单元能够实时显示发生报警信号的视频。
5.一种驻所智能视频监控系统，其特征在于：
包括多个权利要求1-4中任意一项所述的驻所智能视频监控模组，多个所述监控模组相互连接。
6.一种驻所智能视频监控方法，包括如下步骤：
获取步骤S110：获取实时采集的视频图像，
分析步骤S120：对所采集的视频图像进行分析，判断是否存在各种异常行为；
警报步骤S130：当存在异常行为时发出报警信号；
所述分析步骤包括身份识别分析，所述身份识别分析具体包括：对输入图像进行平滑化处理，获取警戒区域位置，获取被监视人员影像，并进而获取被监视人在警戒区域的投影，判断被监视人的投影是否位于警戒区域，如果不在，则认为该被监视人员做出起身动作，自动发出报警信息，如果在，则持续不断的获取被监视人员的投影，并进行判断；
所述分析步骤还包括聚集分析识别，所述聚集识别包括获取监控区域图像，识别监控区域位置大小，当监控区域为小场景时，基于头肩检测进行人数统计，当监控区域为大场景时，基于MID进行人群密度检测。
7.根据权利要求6所述的驻所智能视频监控方法，其特征在于：
所述分析步骤还包括打架识别分析；
所述基于MID进行人群密度检测的具体步骤：
步骤1：计算输入图像的马赛克差分(MID)特征，同时采用光流法计算区域内运动目标平均速度，统计参数自适应调整为长期统计或短期统计；
步骤2：对长期统计/短期统计的马赛克图像差分时间序列进行概率分布检验，确定相应马赛克方块内是否有稳定的人群运动；
步骤3：利用网格法计算人群运动在空间上的分布，并将与空间分布有关的用于时间分布检验的参数反馈给概率分布校验；
步骤4：对具有明显透视现象的人群场景做几何校正，获得图像平面上每个像素对人群密度的贡献因子；
步骤5：利用贡献因子对网格法获得的人群空间面积做加权处理，采用连通区域检测并搜索局部拥塞区域，整体加权后的人群空间面积与局部拥塞区域的面积之比为监控区域整体人群密度。
8.一种存储介质，用于存储计算机可执行指令，
所述计算机可执行指令在被处理器执行时执行如权利要求6或7所述的智能视频监控方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711134601.1A CN107911653B (zh) | 2017-11-16 | 2017-11-16 | 驻所智能视频监控模组、系统、方法以及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711134601.1A CN107911653B (zh) | 2017-11-16 | 2017-11-16 | 驻所智能视频监控模组、系统、方法以及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107911653A CN107911653A (zh) | 2018-04-13 |
| CN107911653B true CN107911653B (zh) | 2021-01-01 |
Family
ID=61845593
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711134601.1A Active CN107911653B (zh) | 2017-11-16 | 2017-11-16 | 驻所智能视频监控模组、系统、方法以及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107911653B (zh) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110390226B (zh) * | 2018-04-16 | 2021-09-21 | 杭州海康威视数字技术股份有限公司 | 人群事件识别方法、装置、电子设备及系统 |
| CN110751007A (zh) * | 2018-07-24 | 2020-02-04 | 杭州海康威视数字技术股份有限公司 | 报警方法、装置、电子设备及存储介质 |
| CN108989677A (zh) * | 2018-07-27 | 2018-12-11 | 上海与德科技有限公司 | 一种自动拍照方法、装置、服务器和存储介质 |
| CN109598911B (zh) * | 2018-08-23 | 2021-09-28 | 浙江宇视科技有限公司 | 预警方法、装置及计算机可读存储介质 |
| TWI759534B (zh) * | 2018-08-28 | 2022-04-01 | 趙尚威 | 基於多重物體之視覺活動識別系統 |
| CN109034124A (zh) * | 2018-08-30 | 2018-12-18 | 成都考拉悠然科技有限公司 | 一种智能监控方法及系统 |
| CN109194932A (zh) * | 2018-10-29 | 2019-01-11 | 安徽特芯电子科技有限公司 | 智慧监狱物联网管控之视频传输系统 |
| CN110430095A (zh) * | 2019-08-06 | 2019-11-08 | 瑞森网安(福建)信息科技有限公司 | 一种网络空间服务器监控方法及系统 |
| CN110633681A (zh) * | 2019-09-19 | 2019-12-31 | 天津天地伟业机器人技术有限公司 | 一种基于视频的离床检测方法 |
| CN114900669A (zh) * | 2020-10-30 | 2022-08-12 | 深圳市商汤科技有限公司 | 场景监测方法、装置、电子设备及存储介质 |
| CN112422909B (zh) * | 2020-11-09 | 2022-10-14 | 安徽数据堂科技有限公司 | 一种基于人工智能的视频行为分析管理系统 |
| CN113269016A (zh) * | 2020-12-22 | 2021-08-17 | 杭州天阙科技有限公司 | 重点场所群体聚集场景的识别方法及相关装置 |
| CN113179387B (zh) * | 2021-03-31 | 2022-07-26 | 深圳市紫光照明技术股份有限公司 | 一种智能监控系统和方法 |
| CN114022988B (zh) * | 2021-11-05 | 2022-10-25 | 西南交通大学 | 一种基于人工智能的访客信息管理验证系统及方法 |
| CN114743157A (zh) * | 2022-03-30 | 2022-07-12 | 中科融信科技有限公司 | 一种基于视频的行人监控方法、装置、设备及介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6046767A (en) * | 1997-06-30 | 2000-04-04 | Sun Microsystems, Inc. | Light indicating method and apparatus to encourage on-camera video conferencing |
| US20090278934A1 (en) * | 2003-12-12 | 2009-11-12 | Careview Communications, Inc | System and method for predicting patient falls |
| US9007372B2 (en) * | 2012-12-26 | 2015-04-14 | Adshir Ltd. | System for primary ray shooting having geometrical stencils |
| CN105719368A (zh) * | 2014-12-04 | 2016-06-29 | 台达电子工业股份有限公司 | 人员检测系统及人员检测方法 |
| CN105787469A (zh) * | 2016-03-25 | 2016-07-20 | 广州市浩云安防科技股份有限公司 | 行人监控和行为识别的方法和系统 |
| CN106530615A (zh) * | 2016-11-29 | 2017-03-22 | 武汉易安世纪科技有限公司 | 卫生间意外检测报警设备及意外检测报警方法 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE602006016175D1 (de) * | 2006-02-23 | 2010-09-23 | Bosch Gmbh Robert | Berwachungssystem und verfahren zum überwachthalten mehrerer orte |
| CN101464944B (zh) * | 2007-12-19 | 2011-03-16 | 中国科学院自动化研究所 | 一种基于统计特征的人群密度分析方法 |
| CN201315654Y (zh) * | 2008-08-25 | 2009-09-23 | 云南正卓信息技术有限公司 | 监狱专用SkyEyesTM智能监控系统 |
| CN102014522A (zh) * | 2009-09-04 | 2011-04-13 | 李志海 | 一种网络监控系统及其方法以及相应的定位标签 |
| CN101835032B (zh) * | 2010-04-27 | 2012-11-21 | 沈阳瑗玛信息技术有限公司 | 一种多摄像机人群聚集信息统计装置与方法 |
| CN102610054A (zh) * | 2011-01-19 | 2012-07-25 | 上海弘视通信技术有限公司 | 基于视频的起身检测系统 |
| CN103297751A (zh) * | 2013-04-23 | 2013-09-11 | 四川天翼网络服务有限公司 | 智慧天网视频行为分析系统 |
| CN105071836B (zh) * | 2015-06-06 | 2016-12-14 | 顾玉奎 | 一种基于电力线通信的监狱监控方法 |
| CN106899828A (zh) * | 2017-01-11 | 2017-06-27 | 深圳辉锐天眼科技有限公司 | 智能监舍系统及方法 |
-
2017
- 2017-11-16 CN CN201711134601.1A patent/CN107911653B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6046767A (en) * | 1997-06-30 | 2000-04-04 | Sun Microsystems, Inc. | Light indicating method and apparatus to encourage on-camera video conferencing |
| US20090278934A1 (en) * | 2003-12-12 | 2009-11-12 | Careview Communications, Inc | System and method for predicting patient falls |
| US9007372B2 (en) * | 2012-12-26 | 2015-04-14 | Adshir Ltd. | System for primary ray shooting having geometrical stencils |
| CN105719368A (zh) * | 2014-12-04 | 2016-06-29 | 台达电子工业股份有限公司 | 人员检测系统及人员检测方法 |
| CN105787469A (zh) * | 2016-03-25 | 2016-07-20 | 广州市浩云安防科技股份有限公司 | 行人监控和行为识别的方法和系统 |
| CN106530615A (zh) * | 2016-11-29 | 2017-03-22 | 武汉易安世纪科技有限公司 | 卫生间意外检测报警设备及意外检测报警方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107911653A (zh) | 2018-04-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107911653B (zh) | 驻所智能视频监控模组、系统、方法以及存储介质 | |
| CN104079874B (zh) | 一种基于物联网技术的安防一体化系统及方法 | |
| CN103514694A (zh) | 一种入侵检测监控系统 | |
| CN106454250A (zh) | 智能识别及预警处理的信息平台 | |
| US20100231714A1 (en) | Video pattern recognition for automating emergency service incident awareness and response | |
| CN211293956U (zh) | 基于ai的施工现场异常行为人的识别和告警系统 | |
| CN103726879A (zh) | 利用摄像头自动捕捉矿井矿震坍塌并及时记录报警的方法 | |
| CN207117828U (zh) | 一种智能行为分析系统 | |
| CN201424042Y (zh) | 轨道交通自动路况报警系统 | |
| CN107180504A (zh) | 一种输电线路防大型机械破坏的图像识别预警系统及方法 | |
| CN106454253A (zh) | 区域徘徊的检测方法及系统 | |
| CN109377697A (zh) | 一种密集摄像机头环境下快速报警处置方法 | |
| CN104658188A (zh) | 通道安全预警系统以及通道预警方法 | |
| CN109614906A (zh) | 一种基于深度学习的安防系统及安防报警方法 | |
| CN110867046A (zh) | 一种基于云计算的智能洗车机视频监控预警系统 | |
| CN107657776A (zh) | 一种用于要地安保的周界管理系统 | |
| CN112532920A (zh) | 一种工地系统智能化监控实现方法及系统 | |
| CN113011833A (zh) | 施工现场的安全管理方法、装置、计算机设备和存储介质 | |
| CN110602453B (zh) | 一种物联网大数据智能视频安防监控系统 | |
| KR20200052418A (ko) | 딥러닝 기반의 자동 폭력 감지 시스템 | |
| CN206058456U (zh) | 一种用于火灾识别可实时监控的图像处理系统 | |
| CN205336456U (zh) | 一种智能看守装置 | |
| CN107993388A (zh) | 一种智能安防装置、方法及系统 | |
| CN113554834A (zh) | 基于人工智能技术的化工园区视觉识别应用系统 | |
| CN210222962U (zh) | 一种智能电子围栏系统 |
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 | ||
| CB02 | Change of applicant information |
Address after: No. 303, building 16, Ying Hua Li, Huayuan East Road, Nankai District, Tianjin 303 Applicant after: Wang Lei Address before: 100088 Beijing Haidian District Madian East Road 19, Jin Ao international 1621 Applicant before: Wang Lei |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |