CN109241933A - 视频联动监控方法、监控服务器、视频联动监控系统 - Google Patents
视频联动监控方法、监控服务器、视频联动监控系统 Download PDFInfo
- Publication number
- CN109241933A CN109241933A CN201811109513.0A CN201811109513A CN109241933A CN 109241933 A CN109241933 A CN 109241933A CN 201811109513 A CN201811109513 A CN 201811109513A CN 109241933 A CN109241933 A CN 109241933A
- Authority
- CN
- China
- Prior art keywords
- video
- target
- video data
- camera
- video camera
- 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.)
- Pending
Links
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
-
- 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
Abstract
本发明涉及视频监控技术领域,特别是涉及一种视频联动监控方法、监控服务器、视频联动监控系统。方法包括:检测目标摄像机采集的目标视频数据是否匹配预设视频检测异常模型;若目标视频数据匹配预设视频检测异常模型,从目标视频数据中检测出目标人物,并判断目标视频数据是否包含目标人物的正面图像,正面图像包括目标人物的人脸图像,目标人物位于预设区域;若目标视频数据未包含目标人物的正面图像,检测出与目标摄像机相对设置的额外摄像机,控制额外摄像机跟踪人物并拍摄人物的正面图像。因此,其能够全方位地拍摄目标人物的正面与背面,从而为后续解析目标人物时带来方便,减少不必要的麻烦。
Description
技术领域
本发明涉及视频监控技术领域,特别是涉及一种视频联动监控方法、监控服务器、视频联动监控系统。
背景技术
随着人口、经济、社会水平的发展,人们对安全有了更高的意识,视频监控技术在安全领域发挥着越来越重要的作用,以其直观、方便、信息内容丰富而广泛应用于城市天网、交通、民用安全等各个领域。
发明人在实现本发明的过程中,发现传统技术至少存在以下问题:视频监控过程中,对于一些重要视频画面,摄像头往往只是拍摄到目标人物的背面,给解析重要视频画面带来不必要的麻烦。
发明内容
本发明实施例一个目的旨在提供一种视频联动监控方法、监控服务器、视频联动监控系统,其能够全方位地拍摄目标人物的正面与背面。
为解决上述技术问题,本发明实施例提供以下技术方案:
在第一方面,本发明实施例提供一种视频联动监控方法,应用于监控服务器,所述监控服务器与多个摄像机通讯,每个所述摄像机安装于预设区域内的不同位置,每个所述摄像机用于拍摄所述预设区域内不同角度的区域图像,所述方法包括:
检测目标摄像机采集的目标视频数据是否匹配预设视频检测异常模型;
若所述目标视频数据匹配预设视频检测异常模型,从所述目标视频数据中检测出目标人物,并判断所述目标视频数据是否包含所述目标人物的正面图像,所述正面图像包括所述目标人物的人脸图像,所述目标人物位于所述预设区域;
若所述目标视频数据未包含所述目标人物的正面图像,检测出与所述目标摄像机相对设置的额外摄像机,控制所述额外摄像机跟踪所述人物并拍摄所述人物的正面图像。
可选地,所述方法还包括:
若所述目标视频数据未匹配预设视频检测异常模型,丢弃所述目标视频数据,继续检测目标摄像机采集的下一个目标视频数据是否匹配预设视频检测异常模型。
可选地,所述方法还包括:
若所述目标视频数据包含所述目标人物的正面图像,控制所述目标摄像机跟踪所述目标人物。
可选地,所述检测出与所述目标摄像机相对设置的额外摄像机,包括:
获取所述预设区域内的光照强度;
判断所述光照强度是否大于预设强度阈值;
若大于,获取与所述目标摄像机相对设置的所有额外摄像机的最低照度值;
从所有额外摄像机的最低照度值中遍历出最低照度值最低的额外摄像机作为跟踪并拍摄所述人物的正面图像的摄像机;
若小于,检测出与所述目标摄像机相对设置的额外摄像机。
可选地,所述方法还包括:
获取训练视频数据集,所述训练视频数据集包括多种异常场景的视频数据;
对所述多种异常场景的视频数据进行预处理;
通过卷积算法处理预处理后的视频数据,建立所述视频检测异常模型。
在第二方面,本发明实施例提供一种视频联动监控装置,应用于监控服务器,所述监控服务器与多个摄像机通讯,每个所述摄像机安装于预设区域内的不同位置,每个所述摄像机用于拍摄所述预设区域内不同角度的区域图像,所述装置包括:
第一检测模块,用于检测目标摄像机采集的目标视频数据是否匹配预设视频检测异常模型;
第二检测模块,用于若所述目标视频数据匹配预设视频检测异常模型,从所述目标视频数据中检测出目标人物,并判断所述目标视频数据是否包含所述目标人物的正面图像,所述正面图像包括所述目标人物的人脸图像,所述目标人物位于所述预设区域;
第三检测模块,用于若所述目标视频数据未包含所述目标人物的正面图像,检测出与所述目标摄像机相对设置的额外摄像机,控制所述额外摄像机跟踪所述人物并拍摄所述人物的正面图像。
可选地,所述装置还包括:
丢弃模块,用于若所述目标视频数据未匹配预设视频检测异常模型,丢弃所述目标视频数据,继续检测目标摄像机采集的下一个目标视频数据是否匹配预设视频检测异常模型。
在第三方面,本发明实施例提供一种监控服务器,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够用于执行任一项所述的视频联动监控方法。
在第四方面,本发明实施例提供一种视频联动监控系统,包括:
若干摄像机;以及
所述的监控服务器,所述监控服务器分别与各个所述摄像机通讯。
在第四方面,本发明实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使监控服务器执行任一项所述的视频联动监控方法。
在第六方面,本发明实施例提供一种计算机程序产品,所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被监控服务器执行时,使所述监控服务器执行任一项所述的视频联动监控方法。
在本发明各个实施例提供的视频联动监控方法、监控服务器、视频联动监控系统中,首先,检测目标摄像机采集的目标视频数据是否匹配预设视频检测异常模型;其次,若目标视频数据匹配预设视频检测异常模型,从目标视频数据中检测出目标人物,并判断目标视频数据是否包含目标人物的正面图像,正面图像包括目标人物的人脸图像,目标人物位于预设区域;再次,若目标视频数据未包含目标人物的正面图像,检测出与目标摄像机相对设置的额外摄像机,控制额外摄像机跟踪人物并拍摄人物的正面图像。因此,其能够全方位地拍摄目标人物的正面与背面,从而为后续解析目标人物时带来方便,减少不必要的麻烦。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1是本发明实施例提供一种视频联动监控系统的结构示意图;
图2是本发明实施例提供一种视频联动监控方法的流程示意图;
图3是本发明实施例提供一种视频联动监控装置的结构示意图;
图4是本发明另一实施例提供一种视频联动监控装置的结构示意图;
图5是本发明实施例提供一种监控服务器的结构示意图。
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楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,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。
本发明实施例的视频联动监控方法,可以在任何合适类型、具有运算能力的电子设备中执行,例如监控服务器、台式计算机、智能手机、平板电脑以及其他电子产品中。其中,此处的监控服务器可以是一个物理服务器或者多个物理服务器虚拟而成的一个逻辑服务器。服务器也可以是多个可互联通信的服务器组成的服务器群,且各个功能模块可分别分布在服务器群中的各个服务器上。
本发明实施例的视频联动监控装置可以作为软件系统,独立设置在上述客户端中,也可以作为整合在处理器中的其中一个功能模块,执行本发明实施例的视频联动监控方法。
请参阅图1,图1是本发明实施例提供一种视频联动监控系统的结构示意图。如图1所示,视频监控系统100包括若干摄像机11、监控服务器12及移动终端13。
摄像机11安装于预设区域内,用于采集视频数据。可以理解的是,摄像机11按照预设规律固定安装于预设区域,尽可能地做到将所述预设区域全部覆盖。例如,在所述预设区域的墙面、地面、屋顶或者物体表面,结合所述预设区域的具体结构和遮挡等布设所述摄像机。
其中,摄像机的数量为多个。各个摄像机组成一个摄像机群,用于监控特定监控区域范围,每个摄像机安装于预设区域内的不同位置。每个摄像机用于拍摄预设区域内不同角度的区域图像,例如,在一些实施例中,摄像机群能够360度地拍摄位于预设区域内的物体。
一般的,摄像机群中各个摄像机皆将采集的视频数据上传至同一监控服务器。不同监控区域范围,对应着不同监控服务器。对于管理不同监控区域的不同管理者,两者的监控服务器互不共享监控视频。
为提高摄像机11的拍摄角度和拍摄范围,减少摄像机11的布设,降低系统成本,可以采用摄像机11与多维旋转电机结合的方式对预设区域进行高清视频帧图像的实时捕抓。当然,可以选择一体化的摄像机11替代多维旋转电机与摄像机11结合的方式,比如,半球形一体机、快速球型一体机、结合云台的一体化高清摄像机或镜头内置的一体机等,上述的一体机可以实现自动聚焦。优选的,选择具有防水功能、体积较小、分辨率高、高寿命以及具有通用通信接口等的高清摄像机。
在一些实施例中,摄像机11包括为网络摄像机、红外高清摄像机、高速球、低照度摄像机等等。摄像机11内置有网络编码模块。
摄像机包括镜头、图像传感器、声音传感器、A/D转换器、控制器、控制接口、网络接口以及等等。所述摄像机可以用于采集视频数据信号,所述视频数据信号为模拟视频信号。所述摄像机主要由CMOS光敏元器件和外围电路组成,用于将所述镜头传入的光信号转换为电信号。
具体的,网络编码模块内置一嵌入式芯片,所述嵌入式芯片用于将所述摄像机采集到的视频数据信号转换为数字信号,所述视频数据信号为模拟视频信号,所述嵌入式芯片还可以将所述数字信号进行压缩。具体的,所述嵌入式芯片可以为Hi3516高效压缩芯片。
摄像机11通过WIFI网络将压缩后的数字信号发送到监控服务器12。监控服务器12可以将压缩后的数字信号发送到移动终端13。其中,摄像机11还包括红外传感器,使得摄像机11具有夜视功能。网络上用户可以直接用浏览器观看Web服务器上的摄像机图像或者通过移动终端APP直接访问,摄像机11能更简单地实现监控,特别是远程监控,具有简单的施工和维护、更好的支持音频、更好的支持报警联动、更灵活的录像存储、更丰富的产品选择、更高清的视频效果和更完美的监控管理功能,并且可直接将摄像机接入本地局域网,是数据的采集和光电信号的转换端,是整个网络的数据提供端。
其中,监控服务器12是提供计算服务的设备。监控服务器的构成包括处理器、硬盘、内存、系统总线等,和通用的计算机架构类似,监控服务器负责提供移动终端APP的注册登录,用户的管理,设备管理等功能。同时负责摄像机的视频数据的存储功能,以及通过监控服务器记住移动终端和摄像机的IP和端口,将对应的移动终端和摄像机的IP和端口都传送给对方,从而使摄像机端和移动端能知道对方的IP和端口,通过IP地址和端口建立二者的连接通信。监控服务器获取摄像机的视频数据然后根据人工智能模块去分析视频数据,当检测到异常的视频数据时就会发送告警信息通知所述移动终端。
具体的,监控服务器12包括一处理器,所述处理器包括人工智能模块。所述人工智能模块负责对视频数据的实时分析,检测异常的时刻并通知移动终端。人工智能模块的具体实施方式分为,视频异常检测模型的建立和视频异常检测模型的应用两个部分。首先是视频异常检测模型的建立分这三个部分,第一部分:训练视频异常检测模型的视频数据集,用于后面的机器的训练和学习。包括各种异常场景的视频数据如行驶车辆频繁穿插并线、抢劫、尾随盗窃、打架斗殴、群殴、尖叫声,哭泣声、烟雾,嘈杂的视频数据等多种需要检测的异常场景。训练视频数据集覆盖大部分的应用场景。第二部分:视频数据集的预处理,将视频数据按一秒钟抽取10张图片,每张图片转换为长255像素和宽255像素的图片。第三部分:训练模型的建立,使用人工智能的卷积算法,Python代码建立训练的模型。模型包括输入层,隐藏层,输出层,输入层是输入预处理的图片,隐藏层用来计算输入图片的特征,输出层是通过隐藏层的计算特征输出该视频是否包含异常场景。训练的过程是:将正常的视频标记为0异常的视频标记为1,然后将异常的视频和正常的视频同时输入训练系统,通过数据集预处理和训练模型的计算,分辨视频是异常视频还是正常的视频。重复上面的步骤,当系统分辨的正确率达到90%以上停止训练,保存模型。建立完模型后,将模型转移到服务器端,将数据集换成摄像机的视频,运行模型,检测摄像机的视频是否有异常的情况。
请参阅图2,图2是本发明实施例提供一种视频联动监控方法的流程示意图。如图2所示,视频联动监控方法S200包括:
S21、检测目标摄像机采集的目标视频数据是否匹配预设视频检测异常模型;
在本实施例中,目标摄像机为摄像机群中任意摄像机,可以理解的是,目标摄像机中“目标”是用于区分其它摄像机,当监控服务器从摄像机群中选择特定摄像机的视频数据作出检测分析时,此时,该特定摄像机便为目标摄像机,与此同时,由目标摄像机采集的视频数据便为目标视频数据。目标摄像机中“目标”并不用于限制本发明的保护范围,只是用于区分之用。
视频检测异常模型由管理者预先构建并存储于监控服务器,视频检测异常模型用于评价目标视频数据是否需要作出针对性地处理。
构建视频检测异常模型时,首先,监控服务器获取训练视频数据集,训练视频数据集包括多种异常场景的视频数据,例如,训练视频异常检测模型的视频数据集用于后面的机器的训练和学习,其包括各种异常场景的视频数据如行驶车辆频繁穿插并线、抢劫、尾随盗窃、打架斗殴、群殴、尖叫声,哭泣声、烟雾,嘈杂的视频数据等多种需要检测的异常场景。训练视频数据集覆盖大部分的应用场景。
其次,监控服务器对多种异常场景的视频数据进行预处理,例如,将视频数据按一秒钟抽取10张图片,每张图片转换为长255像素和宽255像素的图片。
再次,监控服务器通过卷积算法处理预处理后的视频数据,建立视频检测异常模型,例如,训练模型的建立,使用人工智能的卷积算法,Python代码建立训练的模型。模型包括输入层,隐藏层,输出层,输入层是输入预处理的图片,隐藏层用来计算输入图片的特征,输出层是通过隐藏层的计算特征输出该视频是否包含异常场景。训练的过程是:将正常的视频标记为0异常的视频标记为1,然后将异常的视频和正常的视频同时输入训练系统,通过数据集预处理和训练模型的计算,分辨视频是异常视频还是正常的视频。重复上面的步骤,当系统分辨的正确率达到90%以上停止训练,保存模型。建立完模型后,将模型转移到服务器端,将数据集换成摄像机的视频,运行模型,检测摄像机的视频是否有异常的情况。
S22、若目标视频数据匹配预设视频检测异常模型,从目标视频数据中检测出目标人物,并判断目标视频数据是否包含目标人物的正面图像,正面图像包括目标人物的人脸图像,目标人物位于预设区域;
在本实施例中,当目标视频数据匹配预设视频检测异常模型,监控服务器根据图像分析算法,从目标视频数据中检测出目标人物,例如,甲尾随乙,伺机扒手乙的手提包,摄像机监控到甲的尾随动作行为,并将包含甲的尾随动作行为的视频数据发送至监控服务器,监控服务器检测到甲的尾随动作行为,将该视频数据作为目标视频数据,并根据图像分析算法从目标视频数据中确定甲为目标人物。
再次,当检测出目标人物后,监控服务器判断目标视频数据是否存在与目标人物关联的人脸特征点,若存在,则认为目标视频数据包含目标人物的正面图像;若未存在,则认为目标视频数据未包含目标人物的正面图像,并且该目标视频数据只包含目标人物的背面图像。例如,承接上述例子,若监控服务器在目标视频数据检测出甲的人脸图像,则认为目标摄像机拍摄到甲的正面图像。若监控服务器在目标视频数据未检测出甲的人脸图像,则认为目标摄像机拍摄到甲的背面图像。
S23、若目标视频数据未包含目标人物的正面图像,检测出与目标摄像机相对设置的额外摄像机,控制额外摄像机跟踪人物并拍摄人物的正面图像。
在本实施例中,当监控服务器检测出目标视频数据未包含目标人物的正面图像时,监控服务器确定目标人物的当前地理位置。
其次,监控服务器根据目标人物的当前地理位置,检测与覆盖目标人物的当前地理位置的所有额外摄像机并确定所有额外摄像机的安装地理位置,并从所有额外摄像机的安装地理位置中确定与目标摄像机的安装地理位置相对的额外摄像机。
再次,监控服务器控制与目标摄像机的安装地理位置相对的额外摄像机跟踪人物并拍摄人物的正面图像。
在本实施例中,若目标视频数据未匹配预设视频检测异常模型,丢弃目标视频数据,继续检测目标摄像机采集的下一个目标视频数据是否匹配预设视频检测异常模型。
若目标视频数据包含目标人物的正面图像,控制目标摄像机跟踪目标人物。
因此,本发明实施例提供的方法能够全方位地拍摄目标人物的正面与背面,从而为后续解析目标人物时带来方便,减少不必要的麻烦。
实际上,一些恶性事件发生时间大部分在光线弱等黑暗地方,为了严防非法分子,争取获得非法分子高清人脸图像,在一些实施例中,监控服务器检测出与目标摄像机相对设置的额外摄像机时,首先,监控服务器获取预设区域内的光照强度,例如,设置于预设区域内的光照传感器采集光照强度,并将光照强度传输至监控服务器。
其次,监控服务器判断光照强度是否大于预设强度阈值,若大于,获取与目标摄像机相对设置的所有额外摄像机的最低照度值,从所有额外摄像机的最低照度值中遍历出最低照度值最低的额外摄像机作为跟踪并拍摄人物的正面图像的摄像机,于是,监控服务器便尽可能地获取到高清的人物正面图像。若小于,检测出与目标摄像机相对设置的额外摄像机。
通过此种方式,其能够尽可能地获取到高清的人物正面图像,从而实现有效地视频监控。
需要说明的是,在上述各个实施例中,上述各步骤之间并不必然存在一定的先后顺序,本领域普通技术人员,根据本发明实施例的描述可以理解,不同实施例中,上述各步骤可以有不同的执行顺序,亦即,可以并行执行,亦可以交换执行等等。
作为本发明实施例的另一方面,本发明实施例提供一种视频联动监控装置应用于监控服务器,监控服务器与多个摄像机通讯,每个摄像机安装于预设区域内的不同位置,每个摄像机用于拍摄预设区域内不同角度的区域图像。本发明实施例的视频联动监控装置可以作为其中一个软件功能单元,视频联动监控装置包括若干指令,该若干指令存储于存储器内,处理器可以访问该存储器,调用指令进行执行,以完成上述视频联动监控方法。
请参阅图3,视频联动监控装置300包括:第一检测模块31、第二检测模块32及第三检测模块33。
第一检测模块31用于检测目标摄像机采集的目标视频数据是否匹配预设视频检测异常模型;
第二检测模块32用于若所述目标视频数据匹配预设视频检测异常模型,从所述目标视频数据中检测出目标人物,并判断所述目标视频数据是否包含所述目标人物的正面图像,所述正面图像包括所述目标人物的人脸图像,所述目标人物位于所述预设区域;
第三检测模块33用于若所述目标视频数据未包含所述目标人物的正面图像,检测出与所述目标摄像机相对设置的额外摄像机,控制所述额外摄像机跟踪所述人物并拍摄所述人物的正面图像。
因此,本发明实施例提供的方法能够全方位地拍摄目标人物的正面与背面,从而为后续解析目标人物时带来方便,减少不必要的麻烦。
在一些实施例中,请参阅图4,视频联动监控装置300还包括丢弃模块34。丢弃模块34用于若所述目标视频数据未匹配预设视频检测异常模型,丢弃所述目标视频数据,继续检测目标摄像机采集的下一个目标视频数据是否匹配预设视频检测异常模型。
需要说明的是,上述视频联动监控装置可执行本发明实施例所提供的视频联动监控方法,具备执行方法相应的功能模块和有益效果。未在视频联动监控装置实施例中详尽描述的技术细节,可参见本发明实施例所提供的视频联动监控方法。
作为本发明实施例的又另一方面,本发明实施例提供一种监控服务器。如图5所示,该监控服务器500包括:一个或多个处理器51以及存储器52。其中,图5中以一个处理器51为例。
处理器51和存储器52可以通过总线或者其他方式连接,图5中以通过总线连接为例。
存储器52作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本发明实施例中的视频联动监控方法对应的程序指令/模块。处理器51通过运行存储在存储器52中的非易失性软件程序、指令以及模块,从而执行视频联动监控装置的各种功能应用以及数据处理,即实现上述方法实施例视频联动监控方法以及上述装置实施例的各个模块的功能。
存储器52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,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器52可选包括相对于处理器51远程设置的存储器,这些远程存储器可以通过网络连接至处理器51。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述程序指令/模块存储在所述存储器52中,当被所述一个或者多个处理器51执行时,执行上述任意方法实施例中的视频联动监控方法,例如,执行以上描述的图2各个步骤;也可实现附图3与图4所述的各个模块的功能。
本发明实施例还提供了一种非易失性计算机存储介质,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行,例如图5中的一个处理器51,可使得上述一个或多个处理器可执行上述任意方法实施例中的视频联动监控方法,例如,执行上述任意方法实施例中的视频联动监控方法,例如,执行以上描述的执行以上描述的执行以上描述的图2所示的各个步骤;也可实现附图3与图4所述的各个模块的功能。
以上所描述的装置或设备实施例仅仅是示意性的,其中所述作为分离部件说明的单元模块可以是或者也可以不是物理上分开的,作为模块单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络模块单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用直至得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明,它们没有在细节中提供;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (10)
1.一种视频联动监控方法,应用于监控服务器,所述监控服务器与多个摄像机通讯,每个所述摄像机安装于预设区域内的不同位置,每个所述摄像机用于拍摄所述预设区域内不同角度的区域图像,其特征在于,所述方法包括:
检测目标摄像机采集的目标视频数据是否匹配预设视频检测异常模型;
若所述目标视频数据匹配预设视频检测异常模型,从所述目标视频数据中检测出目标人物,并判断所述目标视频数据是否包含所述目标人物的正面图像,所述正面图像包括所述目标人物的人脸图像,所述目标人物位于所述预设区域;
若所述目标视频数据未包含所述目标人物的正面图像,检测出与所述目标摄像机相对设置的额外摄像机,控制所述额外摄像机跟踪所述人物并拍摄所述人物的正面图像。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述目标视频数据未匹配预设视频检测异常模型,丢弃所述目标视频数据,继续检测目标摄像机采集的下一个目标视频数据是否匹配预设视频检测异常模型。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述目标视频数据包含所述目标人物的正面图像,控制所述目标摄像机跟踪所述目标人物。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述检测出与所述目标摄像机相对设置的额外摄像机,包括:
获取所述预设区域内的光照强度;
判断所述光照强度是否大于预设强度阈值;
若大于,获取与所述目标摄像机相对设置的所有额外摄像机的最低照度值;
从所有额外摄像机的最低照度值中遍历出最低照度值最低的额外摄像机作为跟踪并拍摄所述人物的正面图像的摄像机;
若小于,检测出与所述目标摄像机相对设置的额外摄像机。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取训练视频数据集,所述训练视频数据集包括多种异常场景的视频数据;
对所述多种异常场景的视频数据进行预处理;
通过卷积算法处理预处理后的视频数据,建立所述视频检测异常模型。
6.一种视频联动监控装置,应用于监控服务器,所述监控服务器与多个摄像机通讯,每个所述摄像机安装于预设区域内的不同位置,每个所述摄像机用于拍摄所述预设区域内不同角度的区域图像,其特征在于,所述装置包括:
第一检测模块,用于检测目标摄像机采集的目标视频数据是否匹配预设视频检测异常模型;
第二检测模块,用于若所述目标视频数据匹配预设视频检测异常模型,从所述目标视频数据中检测出目标人物,并判断所述目标视频数据是否包含所述目标人物的正面图像,所述正面图像包括所述目标人物的人脸图像,所述目标人物位于所述预设区域;
第三检测模块,用于若所述目标视频数据未包含所述目标人物的正面图像,检测出与所述目标摄像机相对设置的额外摄像机,控制所述额外摄像机跟踪所述人物并拍摄所述人物的正面图像。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
丢弃模块,用于若所述目标视频数据未匹配预设视频检测异常模型,丢弃所述目标视频数据,继续检测目标摄像机采集的下一个目标视频数据是否匹配预设视频检测异常模型。
8.一种监控服务器,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够用于执行如权利要求1至5任一项所述的视频联动监控方法。
9.一种视频联动监控系统,其特征在于,包括:
若干摄像机;以及
如权利要求8所述的监控服务器,所述监控服务器分别与各个所述摄像机通讯。
10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使监控服务器执行如权利要求1至5任一项所述的视频联动监控方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811109513.0A CN109241933A (zh) | 2018-09-21 | 2018-09-21 | 视频联动监控方法、监控服务器、视频联动监控系统 |
PCT/CN2019/103833 WO2020057355A1 (zh) | 2018-09-21 | 2019-08-30 | 一种三维建模的方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811109513.0A CN109241933A (zh) | 2018-09-21 | 2018-09-21 | 视频联动监控方法、监控服务器、视频联动监控系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109241933A true CN109241933A (zh) | 2019-01-18 |
Family
ID=65056678
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811109513.0A Pending CN109241933A (zh) | 2018-09-21 | 2018-09-21 | 视频联动监控方法、监控服务器、视频联动监控系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109241933A (zh) |
WO (1) | WO2020057355A1 (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109922311A (zh) * | 2019-02-12 | 2019-06-21 | 平安科技(深圳)有限公司 | 基于音视频联动的监控方法、装置、终端及存储介质 |
CN110210461A (zh) * | 2019-06-27 | 2019-09-06 | 北京澎思智能科技有限公司 | 基于摄像机网格的多视图协同异常行为检测方法 |
CN110866692A (zh) * | 2019-11-14 | 2020-03-06 | 北京明略软件系统有限公司 | 一种预警信息的生成方法、生成装置及可读存储介质 |
WO2020057355A1 (zh) * | 2018-09-21 | 2020-03-26 | 深圳市九洲电器有限公司 | 一种三维建模的方法及其装置 |
CN110929633A (zh) * | 2019-11-19 | 2020-03-27 | 公安部第三研究所 | 基于小数据集实现涉烟车辆异常检测的方法 |
CN111242008A (zh) * | 2020-01-10 | 2020-06-05 | 河南讯飞智元信息科技有限公司 | 打架事件检测方法、相关设备及可读存储介质 |
CN111914588A (zh) * | 2019-05-07 | 2020-11-10 | 杭州海康威视数字技术股份有限公司 | 进行监控的方法和系统 |
CN111931564A (zh) * | 2020-06-29 | 2020-11-13 | 北京大学 | 一种基于人脸识别的目标跟踪方法及装置 |
CN112034758A (zh) * | 2020-08-31 | 2020-12-04 | 成都市达岸信息技术有限公司 | 一种低功耗多功能物联网安控监测装置及系统 |
CN112437255A (zh) * | 2020-11-04 | 2021-03-02 | 中广核工程有限公司 | 核电厂智能视频监控系统及方法 |
CN112492261A (zh) * | 2019-09-12 | 2021-03-12 | 华为技术有限公司 | 跟踪拍摄方法及装置、监控系统 |
WO2021208875A1 (zh) * | 2020-04-17 | 2021-10-21 | 华为技术有限公司 | 视觉检测方法和视觉检测装置 |
CN116996665A (zh) * | 2023-09-28 | 2023-11-03 | 深圳天健电子科技有限公司 | 基于物联网的智能监控方法、装置、设备及存储介质 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111553264B (zh) * | 2020-04-27 | 2023-04-18 | 中科永安(安徽)科技有限公司 | 一种适用于中小学生的校园非安全行为检测及预警方法 |
CN112329849A (zh) * | 2020-11-04 | 2021-02-05 | 中冶赛迪重庆信息技术有限公司 | 基于机器视觉的废钢料场卸料状态识别方法、介质及终端 |
CN114640764A (zh) * | 2022-03-01 | 2022-06-17 | 深圳市安软慧视科技有限公司 | 基于布控平台的目标检测方法、系统及相关设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101572804A (zh) * | 2009-03-30 | 2009-11-04 | 浙江大学 | 多摄像机智能控制方法及装置 |
CN101999888A (zh) * | 2010-12-01 | 2011-04-06 | 北京航空航天大学 | 一种对体温异常者进行检测与搜寻的疫情防控系统 |
CN102480593A (zh) * | 2010-11-25 | 2012-05-30 | 杭州华三通信技术有限公司 | 双镜头摄像机切换方法及装置 |
CN104079885A (zh) * | 2014-07-07 | 2014-10-01 | 广州美电贝尔电业科技有限公司 | 无人监守联动跟踪的网络摄像方法及装置 |
CN105913037A (zh) * | 2016-04-26 | 2016-08-31 | 广东技术师范学院 | 基于人脸识别与射频识别的监控跟踪系统 |
WO2016153479A1 (en) * | 2015-03-23 | 2016-09-29 | Longsand Limited | Scan face of video feed |
CN107592507A (zh) * | 2017-09-29 | 2018-01-16 | 深圳市置辰海信科技有限公司 | 自动跟踪捕捉高清晰正面人脸照片的方法 |
CN108419014A (zh) * | 2018-03-20 | 2018-08-17 | 北京天睿空间科技股份有限公司 | 利用全景摄像机和多台抓拍摄像机联动抓拍人脸的方法 |
CN108446630A (zh) * | 2018-03-20 | 2018-08-24 | 平安科技(深圳)有限公司 | 机场跑道智能监控方法、应用服务器及计算机存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000092368A (ja) * | 1998-09-09 | 2000-03-31 | Canon Inc | カメラ制御装置及びコンピュータ読み取り可能な記憶媒体 |
CN102254169B (zh) * | 2011-08-23 | 2012-08-22 | 东北大学秦皇岛分校 | 基于多摄像机的人脸识别方法及系统 |
CN103237192B (zh) * | 2012-08-20 | 2016-03-30 | 苏州大学 | 一种基于多摄像头数据融合的智能视频监控系统 |
CN103268680B (zh) * | 2013-05-29 | 2016-02-24 | 北京航空航天大学 | 一种家庭智能监控防盗系统 |
CN109241933A (zh) * | 2018-09-21 | 2019-01-18 | 深圳市九洲电器有限公司 | 视频联动监控方法、监控服务器、视频联动监控系统 |
-
2018
- 2018-09-21 CN CN201811109513.0A patent/CN109241933A/zh active Pending
-
2019
- 2019-08-30 WO PCT/CN2019/103833 patent/WO2020057355A1/zh active Application Filing
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101572804A (zh) * | 2009-03-30 | 2009-11-04 | 浙江大学 | 多摄像机智能控制方法及装置 |
CN102480593A (zh) * | 2010-11-25 | 2012-05-30 | 杭州华三通信技术有限公司 | 双镜头摄像机切换方法及装置 |
CN101999888A (zh) * | 2010-12-01 | 2011-04-06 | 北京航空航天大学 | 一种对体温异常者进行检测与搜寻的疫情防控系统 |
CN104079885A (zh) * | 2014-07-07 | 2014-10-01 | 广州美电贝尔电业科技有限公司 | 无人监守联动跟踪的网络摄像方法及装置 |
WO2016153479A1 (en) * | 2015-03-23 | 2016-09-29 | Longsand Limited | Scan face of video feed |
CN105913037A (zh) * | 2016-04-26 | 2016-08-31 | 广东技术师范学院 | 基于人脸识别与射频识别的监控跟踪系统 |
CN107592507A (zh) * | 2017-09-29 | 2018-01-16 | 深圳市置辰海信科技有限公司 | 自动跟踪捕捉高清晰正面人脸照片的方法 |
CN108419014A (zh) * | 2018-03-20 | 2018-08-17 | 北京天睿空间科技股份有限公司 | 利用全景摄像机和多台抓拍摄像机联动抓拍人脸的方法 |
CN108446630A (zh) * | 2018-03-20 | 2018-08-24 | 平安科技(深圳)有限公司 | 机场跑道智能监控方法、应用服务器及计算机存储介质 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020057355A1 (zh) * | 2018-09-21 | 2020-03-26 | 深圳市九洲电器有限公司 | 一种三维建模的方法及其装置 |
CN109922311A (zh) * | 2019-02-12 | 2019-06-21 | 平安科技(深圳)有限公司 | 基于音视频联动的监控方法、装置、终端及存储介质 |
CN111914588A (zh) * | 2019-05-07 | 2020-11-10 | 杭州海康威视数字技术股份有限公司 | 进行监控的方法和系统 |
CN110210461B (zh) * | 2019-06-27 | 2021-03-05 | 北京澎思科技有限公司 | 基于摄像机网格的多视图协同异常行为检测方法 |
CN110210461A (zh) * | 2019-06-27 | 2019-09-06 | 北京澎思智能科技有限公司 | 基于摄像机网格的多视图协同异常行为检测方法 |
CN112492261A (zh) * | 2019-09-12 | 2021-03-12 | 华为技术有限公司 | 跟踪拍摄方法及装置、监控系统 |
CN110866692A (zh) * | 2019-11-14 | 2020-03-06 | 北京明略软件系统有限公司 | 一种预警信息的生成方法、生成装置及可读存储介质 |
CN110929633A (zh) * | 2019-11-19 | 2020-03-27 | 公安部第三研究所 | 基于小数据集实现涉烟车辆异常检测的方法 |
CN111242008A (zh) * | 2020-01-10 | 2020-06-05 | 河南讯飞智元信息科技有限公司 | 打架事件检测方法、相关设备及可读存储介质 |
CN111242008B (zh) * | 2020-01-10 | 2024-04-12 | 河南讯飞智元信息科技有限公司 | 打架事件检测方法、相关设备及可读存储介质 |
WO2021208875A1 (zh) * | 2020-04-17 | 2021-10-21 | 华为技术有限公司 | 视觉检测方法和视觉检测装置 |
CN111931564A (zh) * | 2020-06-29 | 2020-11-13 | 北京大学 | 一种基于人脸识别的目标跟踪方法及装置 |
CN112034758A (zh) * | 2020-08-31 | 2020-12-04 | 成都市达岸信息技术有限公司 | 一种低功耗多功能物联网安控监测装置及系统 |
CN112034758B (zh) * | 2020-08-31 | 2021-11-30 | 成都市达岸信息技术有限公司 | 一种低功耗多功能物联网安控监测装置及系统 |
CN112437255A (zh) * | 2020-11-04 | 2021-03-02 | 中广核工程有限公司 | 核电厂智能视频监控系统及方法 |
CN116996665A (zh) * | 2023-09-28 | 2023-11-03 | 深圳天健电子科技有限公司 | 基于物联网的智能监控方法、装置、设备及存储介质 |
CN116996665B (zh) * | 2023-09-28 | 2024-01-26 | 深圳天健电子科技有限公司 | 基于物联网的智能监控方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2020057355A1 (zh) | 2020-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109241933A (zh) | 视频联动监控方法、监控服务器、视频联动监控系统 | |
CN109040709A (zh) | 视频监控方法及装置、监控服务器及视频监控系统 | |
CN109922310B (zh) | 目标对象的监控方法、装置及系统 | |
CN109376601A (zh) | 基于高速球的物体跟踪方法、监控服务器、视频监控系统 | |
CN104040601B (zh) | 基于云的视频监视管理系统 | |
CN101918989B (zh) | 带有对象跟踪和检索的视频监控系统 | |
CN101119482B (zh) | 一种全景监控方法及设备 | |
CN109919009A (zh) | 目标对象的监控方法、装置及系统 | |
CN108073577A (zh) | 一种基于人脸识别的报警方法和系统 | |
CN108027874A (zh) | 使用深度摄像头的基于计算机视觉的安全系统 | |
CN101093603A (zh) | 智能视频监控设备模组和系统及其监控方法 | |
CN111291633A (zh) | 一种实时行人重识别方法及装置 | |
CN104200671A (zh) | 一种基于大数据平台的虚拟卡口管理方法及系统 | |
CN111242025B (zh) | 一种基于yolo的动作实时监测方法 | |
CN102306304A (zh) | 人脸遮挡物识别方法及其装置 | |
CN206272770U (zh) | 一种车辆和人脸卡口系统 | |
CN108540751A (zh) | 基于视频与电子设备标识的监控方法、装置及系统 | |
CN108540750A (zh) | 基于监控视频与电子设备标识关联的方法、装置及系统 | |
CN103929592A (zh) | 全方位智能监控设备及方法 | |
CN110049290A (zh) | 公共建筑物智能监控系统 | |
CN109684494A (zh) | 一种景区寻人方法、系统及云端服务器 | |
WO2021068553A1 (zh) | 一种监控方法、装置和设备 | |
CN109711318A (zh) | 一种基于视频流的多人脸检测与跟踪方法 | |
CN107330414A (zh) | 暴力行为监控方法 | |
KR20200052418A (ko) | 딥러닝 기반의 자동 폭력 감지 시스템 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190118 |