CN109743547A - 一种人工智能安全监控管理系统 - Google Patents
一种人工智能安全监控管理系统 Download PDFInfo
- Publication number
- CN109743547A CN109743547A CN201811609241.0A CN201811609241A CN109743547A CN 109743547 A CN109743547 A CN 109743547A CN 201811609241 A CN201811609241 A CN 201811609241A CN 109743547 A CN109743547 A CN 109743547A
- Authority
- CN
- China
- Prior art keywords
- video
- target
- unit
- module
- security monitoring
- 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
Landscapes
- Alarm Systems (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种人工智能安全监控管理系统,包括视频采集模块、视频结构化模块、安全监控管理模块、显示终端以及信息输出模块;该系统通过读取视频,将视频切分成单帧图片,并对视频进行结构化处理得到视频结构化数据,其中采用了基于深度学习的多种算法,不仅解决了网络传输压力大、数据流量成本高的问题,而且有效的实现了视频数据传输的高实时性和高准确率的处理;此外,该系统在获取视频时应用了广角相机和长焦相机的组合,并建立图像与时空位置的索引,可以对大范围内的目标进行远距离高清晰度的拍摄,以及快速识别、定位远距离大范围内的目标。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种人工智能安全监控管理系统。
背景技术
进入21世纪以来,出于各个方面对于安防的需要,智能监控技术越来越受到研究人员以及应用人员的关注。但是,在现有技术中,智能监控系统大多会将全部的视频数据传送到云端服务器或者用户终端,从而造成网络传输压力大、数据流量成本高、过度依赖网络及检测精度较差等问题。另外,监控场景越大,时间越长,产生的视频数据也会越来越多,目前,庞大的视频数据只能靠人工解读,不仅费时费力,而且效率不高,不能保证不会错过每一个重要的细节,无法高效率、高质量的运用这些视频资源。而另有少数的智能摄像头却因功能单一、智能化程度较低,误报率高及成本昂贵等问题,无法较好满足复杂场景的监控需求。
另一方面,智能监控技术在不断的发展,现有技术中,对于视频的处理一般使用图像特征检测的方法,但是因为视频的维数会很高,且这些图像信息中难免会有大量的冗余信息和无关特征,这就给视频处理造成了很大的压力,无法实现监控视频数据的快速处理,且会降低获取目标特征的准确率。
第三,想要从监控视频中获取有用的目标的信息,监控视频中物体的清晰程度十分重要,在视频结构化处理事务,一般来说,物体越清晰,对目标(如人、车辆等)的检测、识别、跟踪等就越容易做的准确,例如:对视频中人脸进行识别,模糊的人脸就会降低正确率,而清晰的人脸可以帮助提高识别的正确率。从捕获视频的相机角度来看,视频来源可分为两种:一种是广角相机,可以拍摄视野范围较广的视频,如监控领域的枪机,由于视野范围广,在分辨率不变的情况下,单个物体的分辨率就会较小;另一种是长焦相机,可以拍摄较远距离而范围较窄的视频,如监控中常用的球机,由于焦距较长,长焦相机可同时拍摄的物体较少,但单个物体的分辨率可以很高,这两种相机都降低了视频数据的信息化。
发明内容
本发明的目的在于提供一种人工智能安全监控管理系统,该系统可弥补现有的智能监控技术的不足。
为实现上述目的,本发明的目的在于提供一种人工智能安全监控管理系统,包括视频采集模块、视频结构化模块、安全监控管理模块、显示终端以及信息输出模块;其中,所述视频采集模块信号输出端连接所述视频结构化模块信号输入端,所述视频结构化模块信号输入端连接所述安全监控管理模块信号输入端,所述显示终端的信号输入端连接所述视频结构化模块和所述安全监控管理模块信号输出端,所述显示终端信号输出端连接所述信息输出模块显示信号输入端。
进一步的,所述视频采集模块用于获取实时视频或预先录制的视频,所述视频采集模块包括第一视频单元、第二视频单元、调度单元以及第一存储单元,其中,
所述第一视频单元设置有广角相机,所述广角相机用于获取监控场景的视频数据;
所述调度单元用于根据所述视频数据检测所述监控场景中的前景目标,实现背景与所述前景目标的分离,并向所述长焦相机发送调度指令,所述调度指令包括所述前景目标的信息;
所述第二视频单元设置有长焦相机,所述长焦相机用于根据所述前景目标的信息获取所述前景目标的视频数据;
所述第一存储单元用于存储所述前景目标的视频数据,且所述第一存储单元信号输出端与所述数据结构化模块信号输入端连接。
具体的,广角镜头视角范围大,可以涵盖大范围景物,此外广角相机能强调前景和突出远近对比;长焦相机是具有较大光学变焦倍数的机型,而光学变焦倍数越大,能拍摄的景物就越远。
另外,对于一段视频,通常把每一帧图像中的运动部分称为前景,而把当中静止的部分称为背景,例如人、车、狗等。
进一步的,所述视频结构化模块用于将从所述第一存储单元中获取的视频数据转化为结构化数据,对视频内容按照语义关系组织成可供计算机和人理解的文本信息或可视化图形信息,从而实现所述视频数据向有效情报的一次转化,所述结构化数据包括目标的位置、目标类别、目标属性、目标运动状态、目标运动轨迹、目标驻留时间等最基本的信息中的一个或多个信息;所述视频结构化模块包括获取单元、视频切分单元、目标跟踪单元、目标属性提取单元、第二存储单元以及索引单元,其中,
所述获取单元用于从所述第一存储单元中获取所述前景目标的视频数据;
所述视频切分单元用于将多维的视频切分成单帧图片,将所述前景目标的视频数据转化为图片数据,方便对数据进行分析和处理;
所述目标跟踪单元用于在所述单帧图片中对所述前景目标进行跟踪,记录所述前景目标进入或者离开该监控节点的时间,以及所述前景目标经过的各个位置,以形成所述前景目标的运动轨迹;
所述目标属性提取单元用于在所述单帧图片中检测并提取所述前景目标的可视化特征属性信息;
所述第二存储单元用于存储所述前景目标的可视化特征属性信息;
所述索引单元用于在所述第二存储单元中为所述前景目标建立索引,所述索引指向所述前景目标的可视化特征属性信息以及所述前景目标在所述广角相机获取的视频数据中的时空位置。
进一步的,所述安全监控管理模块包括异常行为分析单元和警示单元,所述异常行为分析单元和所述警示单元电性连接,其中,
所述异常行为分析单元用于提取所述前景目标的多个特征点的光流运动信息,并根据所述光流运动信息进行聚类以及异常行为检测,在所述异常行为分析单元检测到有异常行为时,将异常行为信息输出给所述警示单元;所述异常行为包括:奔跑、打架、骚乱或者交通异常中的一种或者多种;
所述警示单元用于在所述异常行为分析单元输出所述异常行为信息时产生警示信号,所述警示单元将所述警示信号传输给所述显示终端,所述警示信号携带所述异常行为信息。
原始的视频图像实际上是一种非结构化的数据,它不能直接被计算机读取和识别,为了让视频图像能被更好的应用,就必须使用智能视频分析技术对视频图像进行结构化处理,也就是视频结构化。
视频结构化,即视频数据的结构化处理,就是通过原始视频进行智能分析,提取出关键信息,并进行文本的语义描述,采用时空分割、特征提取、对象识别、深度学习等处理手段,组织成可供计算机和人理解的文本信息或可视化图形信息,从而实现视频数据向有效情报的一次转化。
进一步的,所述人工智能安全监控管理系统的电源端连接有UPS电源(Uninterruptible Power Supply,不间断电源),在市电中断时,所述UPS电源使得所述人工智能安全监控管理系统能继续工作一段时间并保护负载软、硬件不受损伤,同时,所述UPS电源在达到设定的时间阈值前提示管理人员,并给予管理人员时间备份保存所述视频数据和单帧图片数据。
具体的,UPS(Uninterruptible Power Supply),即不间断电源,是将蓄电池(多为铅酸免维护蓄电池)与主机相连接,通过主机逆变器等模块电路将直流电转换成市电的系统设备。主要用于给单台计算机、计算机网络系统或其它电力电子设备如电磁阀、压力变送器等提供稳定、不间断的电力供应。当市电输入正常时,UPS 将市电稳压后供应给负载使用,此时的UPS就是一台交流式电稳压器,同时它还向机内电池充电;当市电中断(事故停电)时,UPS 立即将电池的直流电能,通过逆变器切换转换的方法向负载继续供应220V交流电,使负载维持正常工作并保护负载软、硬件不受损坏。UPS 设备通常对电压过高或电压过低都能提供保护。
进一步的,所述调度单元应用运动目标检测、人脸检测和车辆检测等技术来获取所述前景目标,实现背景与所述前景目标的分离;所述目标属性提取单元设置有基于深度学习网络的YOLOV2目标检测算法,以此来获取所述前景目标的基本可视化特征属性;所述目标跟踪单元设置有多目标跟踪算法,以此来获取所述前景目标的轨迹信息;所述异常行为分析单元设置有基于运动光流特征的异常行为分析算法,并根据所述光流运动信息进行聚类以及异常行为检测,以此来提取所述异常行为信息。
进一步的,所述显示终端包括显示屏和声光报警器,所述显示屏和所述声光报警器电性连接,其中,
所述显示屏显示实时运行状态、实时运行数据及历史运行数据,所述历史运行数据以报表的形式记录;
所述声光报警器的输入端连接所述警示单元信号输出端,所述声光报警器在接收到所述警示信号时发出声光报警,所述声光报警器根据所述异常行为信息在所述显示屏上提示可视化所述异常行为给管理人员。
进一步的,所述信息输出模块包括:显示屏自带的USB接口或以太网接口,其中,
所述显示屏自带的USB接口连接外围存储设备,所述以太网接口连接互联网,所述显示屏自带的USB接口或以太网接口将历史视频数据或单帧图片数据直接导出或通过网络导出,对所述历史视频数据或单帧图片数据进行备份,方便以后查阅及分析所述历史视频数据或单帧图片数据。
进一步的,所述信息输出模块还包括:GPRS系统或3G系统或4G系统,所述GPRS系统或所述3G系统或所述4G系统与远程用户终端通过无线形式连接,所述GPRS系统或所述3G系统或所述4G系统将实时视频数据或单帧图片数据以及所述历史视频数据或单帧图片数据通过无线的形式传输给所述远程用户终端,方便远程监控实时运行状态以及查阅历史数据。
进一步的,所述系统还包括更新模块,所述更新模块与所述视频结构化模块和所述安全监控管理模块连接,所述更新模块根据所述视频结构化模块产生的结构化数据更新所述安全监控管理模块的信息,以进一步优化所述人工智能安全监控管理系统的智能化程度。
与现有技术相比,本发明的有益效果是:
第一,本发明通过读取视频,并对视频进行结构化处理得到视频结构化数据,然后对得到的结构化数据进行深入分析,而不是将整个视频传输至用户端,解决了网络传输压力大、数据流量成本高的问题。
第二,本发明通过将视频切分成单帧图片,并采用基于深度学习的YOLOV2目标检测算法、多目标跟踪算法以及基于运动光流特征的异常行为分析算法等对单帧图片进行目标检测识别,对识别到的目标进行跟踪,以得到目标的运动轨迹,并对识别到的目标进行异常行为检测,在此过程中,实现从非结构化的视频中提取结构化的数据,可以有效的实现视频数据传输的高实时性和高准确率的处理。
第三,本发明在获取视频时应用了广角相机和长焦相机的组合,广角相机可以拍摄大范围的视频画面,长焦相机可以对所述大范围的视频画面中的具体前景目标进行高清晰度的拍摄,且所述视频结构化模块可以将拍摄的视频进行结构化处理后存储起来并建立图像与时空位置的索引,从而可以实现对待搜索的目标进行快速识别、定位的目的,因此,可以对大范围内的目标进行远距离高清晰度的拍摄,以及快速识别、定位远距离大范围内的目标。
附图说明
下面结合附图对本发明进一步说明。
图1为本发明一种人工智能安全监控管理系统的结构示意图一;
图2为本发明一种人工智能安全监控管理系统的结构示意图二;
图3为本发明一种人工智能安全监控管理系统中视频采集模块的结构示意图;
图4为本发明一种人工智能安全监控管理系统中视频结构化模块的结构示意图;
图5为本发明一种人工智能安全监控管理系统中安全监控管理模块的结构示意图;
图6为本发明一种人工智能安全监控管理系统中显示终端的结构示意图;
图7为本发明一种人工智能安全监控管理系统中信息输出模块的结构示意图。
图中:1-视频采集模块、11-第一视频单元、12-第二视频单元、13-调度单元、14-第一存储单元、2-视频结构化模块、21-获取单元、22-视频切分单元、23-目标跟踪单元、24-目标属性提取单元、25-第二存储单元、26-索引单元、3-安全监控管理模块、31-异常行为分析单元、32-警示单元、4-显示终端、41-显示屏、42-声光报警器、5-信息输出模块、511-显示屏自带的USB接口、512-以太网接口、521-GPRS系统、522-3G系统、523-4G系统、6-更新模块。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术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,都属于本发明保护的范围。
请参阅图1~2,本发明的第一个目的在于提供一种人工智能安全监控管理系统,包括视频采集模块1、视频结构化模块2、安全监控管理模块3、显示终端4以及信息输出模块5;其中,所述视频采集模块1信号输出端连接所述视频结构化模块2信号输入端,所述视频结构化模块2信号输入端连接所述安全监控管理模块3信号输入端,所述显示终端4的信号输入端连接所述视频结构化模块2和所述安全监控管理模块3信号输出端,所述显示终端4信号输出端连接所述信息输出模块5信号输入端。
请参阅图3,所述视频采集模块1用于获取实时视频或预先录制的视频,所述视频采集模块1包括第一视频单元11、第二视频单元12、调度单元13以及第一存储单元14,其中,
所述第一视频单元11设置有广角相机,所述广角相机用于获取监控场景的视频数据;
所述调度单元13用于根据所述视频数据检测所述监控场景中的前景目标,实现背景与所述前景目标的分离,所述调度单元13向所述长焦相机发送调度指令,所述调度指令包括所述前景目标的信息;
所述第二视频单元12设置有长焦相机,所述长焦相机用于根据所述前景目标的信息获取所述前景目标的视频数据;
所述第一存储单元14用于存储所述前景目标的视频数据,且所述第一存储单元14信号输出端与所述数据结构化模块2信号输入端连接。
具体的,广角镜头视角范围大,可以涵盖大范围景物,此外广角相机能强调前景和突出远近对比;长焦相机是具有较大光学变焦倍数的机型,而光学变焦倍数越大,能拍摄的景物就越远。
另外,对于一段视频,通常把每一帧图像中的运动部分称为前景,而把当中静止的部分称为背景,例如人、车、狗等。
请参阅图4,所述视频结构化模块2用于将从所述第一存储单元14中获取的视频数据转化为结构化数据,对视频内容按照语义关系组织成可供计算机和人理解的文本信息或可视化图形信息,从而实现所述视频数据向有效情报的一次转化,所述结构化数据包括目标的位置、目标类别、目标属性、目标运动状态、目标运动轨迹、目标驻留时间等最基本的信息中的一个或多个信息;所述视频结构化模块2包括获取单元21、视频切分单元22、目标跟踪单元23、目标属性提取单元24、第二存储单元25以及索引单元26,其中,
所述获取单元21用于从所述第一存储单元中获取所述前景目标的视频数据;
所述视频切分单元22用于将多维的视频切分成单帧图片,将所述前景目标的视频数据转化为图片数据,方便对数据进行分析和处理;
所述目标跟踪单元23用于在所述单帧图片中对所述前景目标进行跟踪,记录所述前景目标进入或者离开该监控节点的时间,以及记录所述前景目标经过的各个位置,以形成所述前景目标的运动轨迹;
所述目标属性提取单元24用于在所述单帧图片中检测并提取所述前景目标的可视化特征属性信息;
所述第二存储单元25用于存储所述前景目标的可视化特征属性信息;
所述索引单元26用于在所述第二存储单元25中为所述前景目标建立索引,所述索引指向所述前景目标的可视化特征属性信息以及所述前景目标在所述广角相机获取的视频数据中的时空位置。
原始的视频图像实际上是一种非结构化的数据,它不能直接被计算机读取和识别,为了让视频图像能被更好的应用,就必须使用智能视频分析技术对视频图像进行结构化处理,也就是视频结构化。
视频结构化,即视频数据的结构化处理,就是通过原始视频进行智能分析,提取出关键信息,并进行文本的语义描述,采用时空分割、特征提取、对象识别、深度学习等处理手段,组织成可供计算机和人理解的文本信息或可视化图形信息,从而实现视频数据向有效情报的一次转化。
请参阅图5,所述安全监控管理模块3包括异常行为分析单元31和警示单元32,所述异常行为分析单元31和所述警示单元32电性连接,其中,
所述异常行为分析单元31用于提取所述前景目标的多个特征点的光流运动信息,并根据所述光流运动信息进行聚类以及异常行为检测,在所述异常行为分析单元检测到有异常行为时,将异常行为信息输出给所述警示单元32;所述异常行为包括:奔跑、打架、骚乱或者交通异常中的一种或者多种;
所述警示单元32用于在所述异常行为分析单元输出所述异常行为信息时产生警示信号,所述警示单元32将所述警示信号传输给所述显示终端4,所述警示信号携带所述异常行为信息。
所述人工智能安全监控管理系统的电源端连接有UPS电源UninterruptiblePower Supply,不间断电源,在市电中断时,所述UPS电源使得所述人工智能安全监控管理系统能继续工作一段时间并保护负载软、硬件不受损伤,同时,所述UPS电源在达到设定的时间阈值前提示管理人员,并给予管理人员时间备份保存所述视频数据和单帧图片数据。
具体的,UPS(Uninterruptible Power Supply),即不间断电源,是将蓄电池(多为铅酸免维护蓄电池)与主机相连接,通过主机逆变器等模块电路将直流电转换成市电的系统设备。主要用于给单台计算机、计算机网络系统或其它电力电子设备如电磁阀、压力变送器等提供稳定、不间断的电力供应。当市电输入正常时,UPS 将市电稳压后供应给负载使用,此时的UPS就是一台交流式电稳压器,同时它还向机内电池充电;当市电中断(事故停电)时, UPS 立即将电池的直流电能,通过逆变器切换转换的方法向负载继续供应220V交流电,使负载维持正常工作并保护负载软、硬件不受损坏。UPS 设备通常对电压过高或电压过低都能提供保护。
所述调度单元13应用运动目标检测、人脸检测和车辆检测等技术来获取所述前景目标,实现背景与所述前景目标的分离;所述目标属性提取单元24设置有基于深度学习网络的YOLOV2目标检测算法,以此来获取所述前景目标的基本可视化特征属性;所述目标跟踪单元23设置有多目标跟踪算法,以此来获取所述前景目标的轨迹信息;所述异常行为分析单元31设置有基于运动光流特征的异常行为分析算法,并根据所述光流运动信息进行聚类以及异常行为检测,以此来提取所述异常行为信息。
在一实施例中,采用YOLOV2深度学习目标检测框架进行目标检测识别,该算法的核心是利用整张图像作为网络输入,直接在输出层回归bounding box的位置和boundingbox所属的类别。
目标检测的是由模型训练和模型测试两部分构成,在一实施例中,在模型训练的方面,采用的取50%的来自VOC数据集和COCO数据集的行人图像或者车辆图像,剩下的50%的数据取自真实的街道、室内通道、广场等监控数据。其中,模型训练的中的所采用的公共数据集上(VOC数据集和COCO数据集)数据与真实的监控数据集中的数据的比例可以根据需要进行调整的,其中当公共数据集中的数据所取的比例越高,相对来说,所得数据模型在真是监控场景下的精度就会相对略差,反之,当真实的监控数据集中所取的比例越高,精度相对来说也会有所提高。
在一实施例中,当对单帧图片进行目标检测时,在所检测到的目标是行人时,则从前景目标的视频数据中截取出检测的行人的图像,然后利用基于YOLOV2的框架训练好头肩、上半身、下 半身检测模型将行人进行部位切分,判断其上下半身部位的衣着颜色信息,并且截取出行人的头肩图片。
在另一实施例中,当对单帧图片进行目标检测时,在检测到的目标是车辆时,则从前景目标的视频数据中截取出检测的车辆的图像,然后利用基于YOLOV2的框架训练好车辆的检测模型对车辆进行检测识别,判断其车身外观颜色、识别车牌信息,并且截取出车辆的图片。因为识别的目标种类可以由用户设定选择,所以对车辆的检测识别由管理者决定是否进行。
请参阅图6,所述显示终端4包括显示屏41和声光报警器42,所述显示屏41和所述声光报警器42电性连接,其中,
所述显示屏41显示实时运行状态、实时运行数据及历史运行数据,所述历史运行数据以报表的形式记录;
所述声光报警器42的输入端连接所述警示单元32信号输出端,所述声光报警器42在接收到所述警示信号时发出声光报警,所述声光报警器42根据所述异常行为信息在所述显示屏41上提示可视化所述异常行为给管理人员。
请参阅图7,所述信息输出模块5包括:显示屏自带的USB接口511或以太网接口512,其中,
所述显示屏自带的USB接口511连接外围存储设备,所述以太网接口512连接互联网,所述显示屏自带的USB接口511或所述以太网接口512将历史视频数据或单帧图片数据直接导出或通过网络导出,并对所述历史视频数据或单帧图片数据进行备份,方便以后查阅及分析所述历史视频数据或单帧图片数据。
所述信息输出模块5还包括:GPRS系统521或3G系统522或4G系统523,所述GPRS系统521或所述3G系统522或所述4G系统523与远程用户终端通过无线形式连接,所述GPRS系统521或所述3G系统522或所述4G系统523将实时视频数据或单帧图片数据以及所述历史视频数据或单帧图片数据通过无线的形式传输给所述远程用户终端,方便所述远程用户终端远程监控实时运行状态以及查阅历史数据。
所述系统还包括更新模块6,所述更新模块6与所述视频结构化模块2和所述安全监控管理模块3连接,所述更新模块6根据所述视频结构化模块2产生的结构化数据更新所述安全监控管理模块3的信息,以进一步优化所述人工智能安全监控管理系统的智能化程度。
本发明的工作原理是:
第一,本发明通过读取视频,并对视频进行结构化处理得到视频结构化数据,然后对得到的结构化数据进行深入分析,而不是将整个视频传输至用户端,解决了网络传输压力大、数据流量成本高的问题。
第二,本发明通过将视频切分成单帧图片,并采用基于深度学习的YOLOV2目标检测算法、多目标跟踪算法以及基于运动光流特征的异常行为分析算法等对单帧图片进行目标检测识别,对识别到的目标进行跟踪,以得到目标的运动轨迹,并对识别到的目标进行异常行为检测,在此过程中,实现从非结构化的视频中提取结构化的数据,可以有效的实现视频数据传输的高实时性和高准确率的处理。
第三,本发明在获取视频时应用了广角相机和长焦相机的组合,广角相机可以拍摄大范围的视频画面,长焦相机可以对所述大范围的视频画面中的具体前景目标进行高清晰度的拍摄,且所述视频结构化模块可以将拍摄的视频进行结构化处理后存储起来并建立图像与时空位置的索引,从而可以实现对待搜索的目标进行快速识别、定位的目的,因此,可以对大范围内的目标进行远距离高清晰度的拍摄,以及快速识别、定位远距离大范围内的目标。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
1.一种人工智能安全监控管理系统,其特征在于,包括视频采集模块(1)、视频结构化模块(2)、安全监控管理模块(3)、显示终端(4)以及信息输出模块(5);其中,所述视频采集模块(1)信号输出端连接所述视频结构化模块(2)信号输入端,所述视频结构化模块(2)信号输入端连接所述安全监控管理模块(3)信号输入端,所述显示终端(4)的信号输入端连接所述视频结构化模块(2)和所述安全监控管理模块(3)信号输出端,所述显示终端(4)信号输出端连接所述信息输出模块(5)信号输入端。
2.根据权利要求1所述的一种人工智能安全监控管理系统,其特征在于,所述视频采集模块(1)用于获取实时视频或预先录制的视频,所述视频采集模块(1)包括第一视频单元(11)、第二视频单元(12)、调度单元(13)以及第一存储单元(14),其中,
所述第一视频单元(11)设置有广角相机,所述广角相机用于获取监控场景的视频数据;
所述调度单元(13)用于根据所述视频数据检测所述监控场景中的前景目标,实现背景与所述前景目标的分离,所述调度单元(13)向所述长焦相机发送调度指令,所述调度指令包括所述前景目标的信息;
所述第二视频单元(12)设置有长焦相机,所述长焦相机用于根据所述前景目标的信息获取所述前景目标的视频数据;
所述第一存储单元(14)用于存储所述前景目标的视频数据,且所述第一存储单元(14)信号输出端与所述数据结构化模块(2)信号输入端连接。
3.根据权利要求2所述的一种人工智能安全监控管理系统,其特征在于,所述视频结构化模块(2)用于将从所述第一存储单元(14)中获取的视频数据转化为结构化数据,对视频内容按照语义关系组织成可供计算机和人理解的文本信息或可视化图形信息,从而实现所述视频数据向有效情报的一次转化,所述结构化数据包括目标的位置、目标类别、目标属性、目标运动状态、目标运动轨迹、目标驻留时间等最基本的信息中的一个或多个信息;所述视频结构化模块(2)包括获取单元(21)、视频切分单元(22)、目标跟踪单元(23)、目标属性提取单元(24)、第二存储单元(25)以及索引单元(26),其中,
所述获取单元(21)用于从所述第一存储单元中获取所述前景目标的视频数据;
所述视频切分单元(22)用于将多维的视频切分成单帧图片,将所述前景目标的视频数据转化为图片数据,方便对数据进行分析和处理;
所述目标跟踪单元(23)用于在所述单帧图片中对所述前景目标进行跟踪,记录所述前景目标进入或者离开该监控节点的时间,以及记录所述前景目标经过的各个位置,以形成所述前景目标的运动轨迹;
所述目标属性提取单元(24)用于在所述单帧图片中检测并提取所述前景目标的可视化特征属性信息;
所述第二存储单元(25)用于存储所述前景目标的可视化特征属性信息;
所述索引单元(26)用于在所述第二存储单元(25)中为所述前景目标建立索引,所述索引指向所述前景目标的可视化特征属性信息以及所述前景目标在所述广角相机获取的视频数据中的时空位置。
4.根据权利要求3所述的一种人工智能安全监控管理系统,其特征在于,所述安全监控管理模块(3)包括异常行为分析单元(31)和警示单元(32),所述异常行为分析单元(31)和所述警示单元(32)电性连接,其中,
所述异常行为分析单元(31)用于提取所述前景目标的多个特征点的光流运动信息,并根据所述光流运动信息进行聚类以及异常行为检测,在所述异常行为分析单元检测到有异常行为时,将异常行为信息输出给所述警示单元(32);所述异常行为包括:奔跑、打架、骚乱或者交通异常中的一种或者多种;
所述警示单元(32)用于在所述异常行为分析单元输出所述异常行为信息时产生警示信号,所述警示单元(32)将所述警示信号传输给所述显示终端(4),所述警示信号携带所述异常行为信息。
5.根据权利要求4所述的一种人工智能安全监控管理系统,其特征在于,所述人工智能安全监控管理系统的电源端连接有UPS电源(Uninterruptible Power Supply,不间断电源),在市电中断时,所述UPS电源使得所述人工智能安全监控管理系统能继续工作一段时间并保护负载软、硬件不受损伤,同时,所述UPS电源在达到设定的时间阈值前提示管理人员,并给予管理人员时间备份保存所述视频数据和单帧图片数据。
6.根据权利要求3所述的一种人工智能安全监控管理系统,其特征在于,所述调度单元(13)应用运动目标检测、人脸检测和车辆检测等技术来获取所述前景目标,实现背景与所述前景目标的分离;所述目标属性提取单元(24)设置有基于深度学习网络的YOLOV2目标检测算法,以此来获取所述前景目标的基本可视化特征属性;所述目标跟踪单元(23)设置有多目标跟踪算法,以此来获取所述前景目标的轨迹信息;所述异常行为分析单元(31)设置有基于运动光流特征的异常行为分析算法,并根据所述光流运动信息进行聚类以及异常行为检测,以此来提取所述异常行为信息。
7.根据权利要求1所述的一种人工智能安全监控管理系统方法,其特征在于,所述显示终端(4)包括显示屏(41)和声光报警器(42),所述显示屏(41)和所述声光报警器(42)电性连接,其中,
所述显示屏(41)显示实时运行状态、实时运行数据及历史运行数据,所述历史运行数据以报表的形式记录;
所述声光报警器(42)的输入端连接所述警示单元(32)信号输出端,所述声光报警器(42)在接收到所述警示信号时发出声光报警,所述声光报警器(42)根据所述异常行为信息在所述显示屏(41)上提示可视化所述异常行为给管理人员。
8.根据权利要求1所述的一种人工智能安全监控管理系统,其特征在于,所述信息输出模块(5)包括:显示屏自带的USB接口(511)或以太网接口(512),其中,
所述显示屏自带的USB接口(511)连接外围存储设备,所述以太网接口(512)连接互联网,所述显示屏自带的USB接口(511)或所述以太网接口(512)将历史视频数据或单帧图片数据直接导出或通过网络导出,并对所述历史视频数据或单帧图片数据进行备份,方便以后查阅及分析所述历史视频数据或单帧图片数据。
9.根据权利要求8所述的一种人工智能安全监控管理系统,其特征在于,所述信息输出模块(5)还包括:GPRS系统(521)或3G系统(522)或4G系统(523),所述GPRS系统(521)或所述3G系统(522)或所述4G系统(523)与远程用户终端通过无线形式连接,所述GPRS系统(521)或所述3G系统(522)或所述4G系统(523)将实时视频数据或单帧图片数据以及所述历史视频数据或单帧图片数据通过无线的形式传输给所述远程用户终端,方便所述远程用户终端远程监控实时运行状态以及查阅历史数据。
10.根据权利要求9所述的一种人工智能安全监控管理系统方法,其特征在于,所述系统还包括更新模块(6),所述更新模块(6)与所述视频结构化模块(2)和所述安全监控管理模块(3)连接,所述更新模块(6)根据所述视频结构化模块(2)产生的结构化数据更新所述安全监控管理模块(3)的信息,以进一步优化所述人工智能安全监控管理系统的智能化程度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811609241.0A CN109743547A (zh) | 2018-12-27 | 2018-12-27 | 一种人工智能安全监控管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811609241.0A CN109743547A (zh) | 2018-12-27 | 2018-12-27 | 一种人工智能安全监控管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109743547A true CN109743547A (zh) | 2019-05-10 |
Family
ID=66360103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811609241.0A Pending CN109743547A (zh) | 2018-12-27 | 2018-12-27 | 一种人工智能安全监控管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109743547A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110598042A (zh) * | 2019-08-29 | 2019-12-20 | 北京睿企信息科技有限公司 | 一种基于增量更新的视频结构化实时更新方法及系统 |
CN110852306A (zh) * | 2019-11-26 | 2020-02-28 | 南京智能仿真技术研究院有限公司 | 一种基于人工智能的安全监控系统 |
CN111062306A (zh) * | 2019-12-12 | 2020-04-24 | 广东美的白色家电技术创新中心有限公司 | 家用电器的控制方法、控制装置、家用电器及存储装置 |
CN111092926A (zh) * | 2019-08-28 | 2020-05-01 | 北京大学 | 一种数字视网膜多元数据快速关联方法 |
CN111312148A (zh) * | 2020-03-10 | 2020-06-19 | 南京中正致远智能科技有限公司 | 一种人工智能控制大屏显示系统 |
CN111800603A (zh) * | 2020-06-02 | 2020-10-20 | 深圳英飞拓科技股份有限公司 | 一种基于5g传输车辆视频图片数据的方法、系统及储存介质 |
CN111800602A (zh) * | 2020-06-02 | 2020-10-20 | 深圳英飞拓科技股份有限公司 | 基于5g传输视频、行人图片和结构化数据的方法及装置 |
CN112153334A (zh) * | 2020-09-15 | 2020-12-29 | 公安部第三研究所 | 用于安全管理的智能视频盒子设备及相应的智能视频分析方法 |
CN113255477A (zh) * | 2021-05-08 | 2021-08-13 | 深圳市安软科技股份有限公司 | 一种行人视频图像的综合管理系统及方法 |
CN115314609A (zh) * | 2022-06-21 | 2022-11-08 | 中南大学 | 一种铝电解槽火眼视频的自动化采集方法和装置 |
CN118051154A (zh) * | 2024-04-16 | 2024-05-17 | 深圳市朗胜光科技有限公司 | 一种充电桩的显示管理方法及系统 |
CN118413637A (zh) * | 2024-07-02 | 2024-07-30 | 安徽协创物联网技术有限公司 | 基于视频监控摄像头的远程实时监控控制系统及控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8314707B2 (en) * | 2009-03-30 | 2012-11-20 | Tobii Technology Ab | Eye closure detection using structured illumination |
CN204549871U (zh) * | 2015-03-24 | 2015-08-12 | 重庆科硕起重设备有限公司 | 起重设备安全监控管理系统 |
CN105893510A (zh) * | 2016-03-30 | 2016-08-24 | 北京格灵深瞳信息技术有限公司 | 一种视频结构化系统及其目标搜索方法 |
CN108062349A (zh) * | 2017-10-31 | 2018-05-22 | 深圳大学 | 基于视频结构化数据及深度学习的视频监控方法和系统 |
-
2018
- 2018-12-27 CN CN201811609241.0A patent/CN109743547A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8314707B2 (en) * | 2009-03-30 | 2012-11-20 | Tobii Technology Ab | Eye closure detection using structured illumination |
CN204549871U (zh) * | 2015-03-24 | 2015-08-12 | 重庆科硕起重设备有限公司 | 起重设备安全监控管理系统 |
CN105893510A (zh) * | 2016-03-30 | 2016-08-24 | 北京格灵深瞳信息技术有限公司 | 一种视频结构化系统及其目标搜索方法 |
CN108062349A (zh) * | 2017-10-31 | 2018-05-22 | 深圳大学 | 基于视频结构化数据及深度学习的视频监控方法和系统 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111092926B (zh) * | 2019-08-28 | 2021-10-22 | 北京大学 | 一种数字视网膜多元数据快速关联方法 |
CN111092926A (zh) * | 2019-08-28 | 2020-05-01 | 北京大学 | 一种数字视网膜多元数据快速关联方法 |
CN110598042A (zh) * | 2019-08-29 | 2019-12-20 | 北京睿企信息科技有限公司 | 一种基于增量更新的视频结构化实时更新方法及系统 |
CN110852306A (zh) * | 2019-11-26 | 2020-02-28 | 南京智能仿真技术研究院有限公司 | 一种基于人工智能的安全监控系统 |
CN111062306A (zh) * | 2019-12-12 | 2020-04-24 | 广东美的白色家电技术创新中心有限公司 | 家用电器的控制方法、控制装置、家用电器及存储装置 |
CN111312148A (zh) * | 2020-03-10 | 2020-06-19 | 南京中正致远智能科技有限公司 | 一种人工智能控制大屏显示系统 |
CN111800603A (zh) * | 2020-06-02 | 2020-10-20 | 深圳英飞拓科技股份有限公司 | 一种基于5g传输车辆视频图片数据的方法、系统及储存介质 |
CN111800602A (zh) * | 2020-06-02 | 2020-10-20 | 深圳英飞拓科技股份有限公司 | 基于5g传输视频、行人图片和结构化数据的方法及装置 |
CN112153334A (zh) * | 2020-09-15 | 2020-12-29 | 公安部第三研究所 | 用于安全管理的智能视频盒子设备及相应的智能视频分析方法 |
CN113255477A (zh) * | 2021-05-08 | 2021-08-13 | 深圳市安软科技股份有限公司 | 一种行人视频图像的综合管理系统及方法 |
CN115314609A (zh) * | 2022-06-21 | 2022-11-08 | 中南大学 | 一种铝电解槽火眼视频的自动化采集方法和装置 |
CN115314609B (zh) * | 2022-06-21 | 2023-11-28 | 中南大学 | 一种铝电解槽火眼视频的自动化采集方法和装置 |
CN118051154A (zh) * | 2024-04-16 | 2024-05-17 | 深圳市朗胜光科技有限公司 | 一种充电桩的显示管理方法及系统 |
CN118051154B (zh) * | 2024-04-16 | 2024-06-25 | 深圳市朗胜光科技有限公司 | 一种充电桩的显示管理方法及系统 |
CN118413637A (zh) * | 2024-07-02 | 2024-07-30 | 安徽协创物联网技术有限公司 | 基于视频监控摄像头的远程实时监控控制系统及控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109743547A (zh) | 一种人工智能安全监控管理系统 | |
CN108216252B (zh) | 一种地铁司机车载驾驶行为分析方法、车载终端及系统 | |
CN110502965B (zh) | 一种基于计算机视觉人体姿态估计的施工安全帽佩戴监测方法 | |
CN108564052A (zh) | 基于mtcnn的多摄像头动态人脸识别系统与方法 | |
CN111726586A (zh) | 一种生产体系操作规范监测提醒系统 | |
CN206672041U (zh) | 一种基于增强现实的矿用设备智能巡检和维护辅助系统 | |
CN108256439A (zh) | 一种基于循环生成式对抗网络的行人图像生成方法及系统 | |
CN106845502A (zh) | 一种用于设备检修的穿戴式辅助装置及设备检修可视化指导方法 | |
CN113597614B (zh) | 图像处理方法和装置、电子设备及存储介质 | |
CN108932509A (zh) | 一种基于视频跟踪的跨场景目标检索方法及装置 | |
CN110175528B (zh) | 人体跟踪方法及装置、计算机设备及可读介质 | |
CN107241572A (zh) | 学员实训视频追踪评价系统 | |
Zhang et al. | Crowd density estimation based on statistical analysis of local intra-crowd motions for public area surveillance | |
Wang et al. | Hardvs: Revisiting human activity recognition with dynamic vision sensors | |
CN111145222A (zh) | 一种结合烟雾运动趋势和纹理特征的火灾检测方法 | |
CN116993681A (zh) | 一种变电站巡检缺陷检测方法及系统 | |
CN116258980A (zh) | 一种基于视觉的无人机分布式光伏电站巡检方法 | |
CN115294519A (zh) | 一种基于轻量化网络的异常事件检测及预警方法 | |
CN109166293A (zh) | 基于变电站立体检测的远程辅助预警方法 | |
CN202121706U (zh) | 智能人员卡口系统 | |
CN111931748B (zh) | 一种适用于蓄电池生产车间的工人疲劳度检测方法 | |
CN111783613B (zh) | 异常检测方法、模型的训练方法、装置、设备及存储介质 | |
CN113159984A (zh) | 一种变电站工作人员工作路径追踪方法 | |
CN115083229B (zh) | 基于ai视觉识别的飞行训练设备智能识别与警示系统 | |
Peng et al. | [Retracted] Helmet Wearing Recognition of Construction Workers Using Convolutional Neural Network |
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 |
Application publication date: 20190510 |
|
RJ01 | Rejection of invention patent application after publication |