CN110807389A - 基于5g传输的大场景视频监控方法、装置以及服务器 - Google Patents

Abstract

本申请实施例提供了一种基于5G传输的大场景视频监控方法，通过5G网络接收来自监控摄像头的4K视频流数据；再将所述4K视频流数据解码以获取4K视频图像；并根据异常行为规则以及所述4K视频图像确定当前视频图像中的至少一个异常行为目标；且在当前视频窗口生成至少一个视频子窗口，每个所述视频子窗口对应于一个所述异常行为目标；最后在至少一个所述视频子窗口，显示对应的所述异常行为目标的实时移动状态。本申请实施例提供的监控方法能够自动地捕捉监控画面中发生的异常状况并进行突出显示，提高了监控的便利性。

Description

基于5G传输的大场景视频监控方法、装置以及服务器

技术领域

本申请涉及安防监控领域，具体涉及一种基于5G传输的大场景视频监控方法、装置、服务器以及存储介质。

背景技术

在人流、车流密集地及广阔的场景的宽视角无缝隙监控一直成为业内的难题，传统的监控方式是通过不断地增加摄像机来满足大范围监控的需求，而大量的摄像头会造成监控画面重叠、杂乱无序，并且设备的故障率会增大，成本也过高。因此，目前出现了只通过一个全景摄像头对大范围进行监控的方式。而在更大范围的大场景中，例如，机场、广场等大场景公共场所，若将大场景的全部内容囊括在一个监控画面内，会使得监控画面里的人物过小，导致监控画面不清楚，工作人员难以发现监控画面中的异常。

发明内容

鉴于以上问题，本申请实施方式提供一种基于5G传输的大场景视频监控方法、装置、服务器以及存储介质，以解决上述技术问题。

第一方面，本申请提供一种基于5G传输的大场景视频监控方法，该方法包括：通过5G网络，接收来自监控摄像头的4K视频流数据；将所述4K视频流数据解码以获取4K视频图像；根据异常行为规则以及所述4K视频图像确定当前视频图像中的至少一个异常行为目标，其中，所述异常行为规则用于表征监控区域内人物的人物行为与特定行为的关联性；在当前视频窗口生成至少一个视频子窗口，每个所述视频子窗口对应于一个所述异常行为目标；以及在至少一个所述视频子窗口，显示对应所述异常行为目标的实时监控画面。

第二方面，本申请提供一种基于5G传输的大场景视频监控装置，该装置包括5G通信模块，用于通过5G网络，接收来自监控摄像头的4K视频流数据；解码模块，用于将视频流数据解码以获取4K视频图像；目标确定模块，用于根据异常行为规则以及4K视频图像确定当前视频图像中的至少一个异常行为目标，其中，所述异常行为规则用于表征监控区域内人物的人物行为与特定行为的关联性；窗口生成模块，用于在当前视频窗口生成至少一个视频子窗口，每个视频子窗口对应于一个异常行为目标；以及显示模块，用于在至少一个视频子窗口，显示对应异常行为目标的实时监控画面。

第三方面，本申请提供一种服务器，服务器包括处理器以及一个或多个存储器，一个或多个存储器用于存储被处理器执行的程序指令，处理器执行程序指令时实施上述的方法。

第四方面，本申请提供一种计算机可读存储介质，存储有程序指令，该程序指令被处理器执行时实施上述的方法。

本申请提供的基于5G传输的大场景视频监控方法，通过5G网络，接收来自监控摄像头的4K视频流数据，再将该4K视频流数据得到4K视频图像，基于4K视频图像，即使将大场景的全部内容囊括在一个监控画面内，该视频图像内的人物也非常清晰，能够很好的辨别监控画面内的人物。基于此，再根据异常行为规则以及4K视频图像确定当前视频图像中的至少一个异常行为目标，并在当前视频窗口生成至少一个视频子窗口，最后在至少一个视频子窗口，显示对应的异常行为目标的实时监控画面，从而能够自动地捕捉监控画面中发生的异常状况并进行突出显示，提高了监控的便利性。

本申请的这些方面或其他方面在以下实施例的描述中会更加简明易懂。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了本申请实施例提供的一种基于5G传输的大场景视频监控方法的流程图。

图2示出了本申请实施例提供的另一种基于5G传输的大场景视频监控方法的流程图。

图3示出了本申请实施例提供的视频子窗口的示意图。

图4示出了本申请实施例提供的一种基于5G传输的大场景视频监控装置的功能框图。

图5示出了本申请实施例提供的一种服务器的框图。

具体实施方式

下面详细描述本申请的实施方式，实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。

在人流、车流密集地及广阔的场景下具有宽视角无缝隙监控一直成为业内的难题，传统的监控方式是通过不断地增加摄像机来满足大范围监控的需求，而大量的摄像头会造成监控画面重叠、杂乱无序，并且设备的故障率会增大，成本也过高。因此，目前出现了只通过一个全景摄像头对大范围进行监控的方式。而在更大范围的大场景中，例如，机场、广场等大场景公共场所，若将大场景的全部内容囊括在一个监控画面内，会使得监控画面里的人物过小，导致监控画面不清楚，工作人员难以发现监控画面中的异常。

为了解决上述问题，发明人经过长期研究，提出了本申请实施例中的基于5G传输的大场景视频监控方法、装置、服务器以及存储介质，通过5G网络，接收来自监控摄像头的4K视频流数据，再将该4K视频流数据得到4K视频图像，基于4K视频图像，即使将大场景的全部内容囊括在一个监控画面内，该视频图像内的人物也非常清晰，能够很好的辨别监控画面内的人物。基于此，再根据异常行为规则以及4K视频图像确定当前视频图像中的至少一个异常行为目标，并在当前视频窗口生成至少一个视频子窗口，最后在至少一个视频子窗口，显示对应的异常行为目标的实时监控画面，从而能够自动地捕捉监控画面中发生的异常状况并及时进行突出显示，提高了监控的便利性。

为了使本技术领域的人员更好地理解本申请的方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域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，都属于本申请保护的范围。

请参阅图1，图1示例性地示出了本申请实施例提供的一种基于5G传输的大场景视频监控方法100。该方法100可以包括以下步骤S110～S150。

步骤S110：通过5G网络，接收来自监控摄像头的4K视频流数据。

该监控摄像头为4K超高清网络摄像头，并且支持5G通讯。4K是4K分辨率的简称，4K分辨率是指水平方向每行像素值达到或者接近4096个，其属于超高清分辨率。4K视频是以4K分辨率录制的视频，4K视频图像图像具有超高清分辨率，在超高清分辨率下，能够清晰地辨别视频图像中的每一个细节。在大场景中，可以仅部署一个该监控摄像头，并且通过远距离拍摄或是通过广角镜头，监控大场景的全部范围，通过4K超高清网络摄像头，即使监控画面中人物过小，也可以清晰地辨别每个人物的动作和状态。通过5G网络，从基站接收来自该监控摄像头的4K视频流数据。5G网络具有传输速率快、时延低的特点，能够快速、即时地传输4K视频流数据，满足4K视频流数据的传输需求，从而能够快速、即时地对该4K视频流数据做出响应。

步骤S120：将4K视频流数据解码以获取4K视频图像。

通过解码器，将4K视频流数据解码，并获取当前4K视频图像。

步骤S130：根据异常行为规则以及4K视频图像确定当前视频图像中的至少一个异常行为目标。

基于4K视频图像的超高清分辨率，能够辨别当前视频图像中的人物在低分辨率下难以辨别的异常行为。例如，在人流密集区域中小偷的偷盗行为，小偷的偷盗行为一般是极为隐蔽的，尤其是在人流密集区域。在单摄像头的大场景监控中，视频图像中的人物较小，此时若是视频图像的分辨率低，那么很难发现上述的小偷偷盗行为；而基于4K超高清分辨率，可以清晰地分辨出上述的小偷偷盗行为。

基于4K视频图像，确定当前视频图像中的至少一个异常行为目标。通过预先设置的异常行为规则，判定视频图像中的人物行为是否是属于异常行为。其中，异常行为规则用于表征监控区域内人物的人物行为与特定行为的关联性。具体地，识别当前视频图像中的动态对象，并确定该动态对象是否为人物对象，对人物的人物行为进行行为特征识别，若人物行为与特定行为相关联，则可以认定该人物的人物行为为异常行为。特定行为包括但不限于偷盗行为以及抢劫行为。进一步地，通过将人物行为中的动作特征与特定行为的动作特征匹配，来对人物的人物行为进行行为特征识别，并根据行为特征识别结果，确定人物行为与特定行为是否关联。例如，某特定行为中包含将手伸进其他人物口袋的动作特征，若某个人物的人物行为中含有上述动作特征，则认为该人物行为与特定行为相关联，并认定该人物的行为为异常行为。

进一步地，当判定视频图像中有人物出现异常行为时，确定实施该异常行为的至少一个异常行为目标。在对人物行为进行行为特征识别时，可能识别到多个人物的人物行为同时为一种异常行为或分别为多种不同的异常行为。根据异常行为的种类，分别确定实施对应异常行为种类的异常行为目标。并根据每种异常行为的次数，确定实施每种异常行为的至少一个异常行为目标。

步骤S140：在当前视频窗口生成至少一个视频子窗口。

其中，每个视频子窗口对应于一个异常行为目标。根据确定的至少一个异常行为目标，在显示监控画面的当前视频窗口，生成与异常行为目标对应的至少一个视频子窗口。每个被确定的异常行为目标均对应生成一个视频子窗口，该视频子窗口始终显示在当前视频窗口，而不会随着当前视频图像中异常行为目标消失而消失，以便于工作人员可以随时得知监控历史画面中出现的历史异常行为目标。

本实施例中，若异常行为目标始终出现在当前视频图像中，标记该异常行为目标，并将该异常行为目标与其对应的子视频窗口编号，以便直观地找到与该异常行为目标对应的子视频窗口。在一些实施方式中，若异常行为目标始终出现在当前视频图像中，标记该异常行为目标，并通过指示线指示与该异常行为目标对应的子视频窗口。

步骤S150：在至少一个视频子窗口，显示对应的异常行为目标的实时监控画面。

本实施例中，通过当前视频图像获取异常行为目标的实时图像，并在与异常行为目标对应的视频子窗口中，显示该异常行为目标的实时移动状态。该异常行为目标的实时移动状态实际上为该异常行为目标的实时监控画面。通过在视频子窗口中单独显示每个异常行为目标的实时移动状态，使工作人员能够轻松地发现每个异常行为目标，并更加清楚的了解每个异常行为目标的当前移动和当前位置。

本实施例中，若异常行为目标消失在监控范围，则保存该异常行为目标的历史移动图像，并始终显示在当前视频窗口。

需要说明的是，每个视频子窗口均可以被工作人员手动关闭，或在异常行为目标消失时显示预设时长后自动关闭，以避免视频子窗口长时间占用窗口空间。

本申请实施例提供的基于5G传输的大场景视频监控方100，通过5G网络，接收来自监控摄像头的4K视频流数据，将该4K视频流数据得到4K视频图像，再根据异常行为规则以及4K视频图像确定当前视频图像中的至少一个异常行为目标，并在当前视频窗口生成至少一个视频子窗口，最后在至少一个视频子窗口，显示对应的异常行为目标的实时监控画面。本申请实施例基于5G网络传输4K视频流数据，不仅满足4K视频流数据的传输需求，而且使得服务器对该4K视频流数据的响应速度更快。而基于4K视频图像的超高清分辨率，即使将大场景的全部内容囊括在一个监控画面内，该视频图像内的人物也非常清晰。因此，服务器能够对当前视频图像中的人物出现异常行为时做出快速响应主动去发现异常行为目标，并突出地将异常行为目标的监控画面显示在当前的视频窗口，使得工作人员可以第一时间发现监控画面中的异常状况，提高了监控的便利性以及实用性。

请参阅图2，图2示例性地示出了本申请实施例提供的另一种基于5G传输的大场景视频监控方法200。该方法200可以包括以下步骤S210～S320。

步骤S210：通过5G网络，接收来自监控摄像头的4K视频流数据。

步骤S220：将4K视频流数据解码以获取4K视频图像。

步骤S230：将4K视频图像中人物的人物行为与预设异常行为匹配，确定人物行为与预设异常行为的当前异常匹配度。

根据异常行为规则，对4K视频图像中的目标进行异常行为识别。异常行为规则用于表征监控区域内人物的人物行为与特定行为的关联性。本实施例中，特定行为是预设异常行为。异常行为规则至少包括人物行为与预设异常行为的匹配规则。具体地，识别当前视频图像中的动态对象，并确定该动态对象是否为人物对象，分析当前视频图像中每个人物的人物行为，并确定人物行为与预设异常行为的当前异常匹配度。预设异常行为由多个异常动作特征构成，分析人物行为中的每个动作特征，并将每个动作特征分别与每个异常动作特征比对，根据人物行为中与异常动作特性比对成功的动作特征所占全部动作特征的比例，确定人物行为与预设异常行为的当前异常匹配度。

进一步地，当当前异常匹配度大于预设异常阈值时，则认为该人物行为与预设异常行为相关联，且判定人物行为与预设异常行为匹配成功，并确定该人物行为为异常行为；当当前异常匹配度小于预设异常阈值时，则判定人物行为与预设异常行为匹配失败，并确定该人物行为为非异常行为。例如，当当前异常匹配度大于70％时，判定人物行为与预设异常行为匹配成功，并确定该人物行为为异常行为；当当前异常匹配度小于70％时，判定人物行为与预设异常行为匹配失败，并确定该人物行为为非异常行为。

进一步地，当人物行为与预设异常行为匹配成功时，执行步骤S240。

步骤S240：确定当前视频图像中与预设异常行为对应的至少一个异常行为目标。

当人物行为与预设异常行为匹配成功时，确定当前视频图像中与预设异常行为对应的至少一个异常行为目标。异常行为包括完全异常行为以及疑似异常行为。从异常行为中，确定该异常行为中的完全异常行为以及疑似异常行为。并根据完全异常行为，确定与完全异常行为对应的至少一个完全异常行为目标；以及根据疑似异常行为，确定与疑似异常行为对应的至少一个疑似异常行为目标。具体地，根据完全异常阈值，确定异常行为中的完全异常行为以及疑似异常行为。完全异常阈值大于预设异常阈值。当人物行为与预设异常行为的当前异常匹配度大于预设异常阈值时，确定该人物行为为异常行为；当异常行为的当前异常匹配度在预设异常阈值与完全异常阈值之间时，确定该异常行为为疑似异常行为；当异常行为的当前异常匹配度大于完全异常阈值时，确定该异常行为为完全异常行为。例如，当预设异常阈值为70％、完全异常阈值为95％时，若人物行为与预设异常行为的当前异常匹配度大于70％，则判定该人物行为与预设异常行为匹配成功，并确定该人物行为为异常行为。在被确定为异常行为的人物行为中，若该人物行为与预设异常行为的当前异常匹配度在70％～95％之间，则确定该人物行为为疑似异常行为；若该人物行为与预设异常行为的当前异常匹配度大于95％，则确定该人物行为为完全异常行为。需要说明的是，完全异常行为中不一定要所有的动作特征均与异常行为特征符合，只要完全异常行为中与异常行为特征符合的动作特征足以表明该人物行为一定为异常行为即可。

进一步地，将与完全异常行为对应的人物确定为完全异常行为目标；将与疑似异常行为对应的人物确定为疑似异常行为目标。

在人流密集的大场景中，人物行为往往会容易被遮挡，当人物行为与预设异常行为的当前异常匹配度超过预设异常阈值而低于完全异常阈值时，可能是仅捕捉到该人物的部分异常行为(例如监控摄像头仅捕捉到人物将手伸进其他人物口袋，而未捕捉到该人物从其他人物口袋拿出物品，该异常行为的部分可能被人流遮挡)，或者是该人物有实施异常行为的倾向(例如人物反复将手伸向其他人物口袋)，也即该人物的人物动作中仅有部分动作特征与异常动作特征符合。因此将该人物确定为疑似异常行为目标予以关注，以确定潜在异常且增加监控异常识别的准确性，避免遗漏隐蔽的异常行为。需要说明的是，在人流密集的大场景中，由于人物异常行为较为隐蔽性且易被遮挡，而且在大场景的视频图像中人物过小，因此上述异常行为识别依赖于4K超高清分辨率的视频图像。基于4K超高清分辨率的视频图像，可以准确地对上述异常行为进行识别。若是视频图像的分辨率较低则难以对上述异常行为进行识别。同时，通过5G网络传输4K视频流数据，服务器能够针对每一帧图像快速进行异常行为识别，减小响应时间。

进一步地，根据当前视频图像中的人物密度调整预设异常阈值。例如，在当前视频图像中人物密度较低时，将预设异常阈值调整为80％、85％等较高值；在当前视频图像中人物密度较高时，将预设匹配度调整为65％、60％等较低值。由于在人物密度低时，人物行为不容易被遮挡，可以较为清楚的识别人物行为并作出判断，因此此时通过较高的预设异常阈值，精确地对人物的异常行为进行识别。而在人物密度高时，人物行为容易被遮挡，因此通过较低的预设异常阈值，识别更多疑似异常行为的人物行为，从而避免遗漏部分隐蔽的异常行为。

步骤S250：在当前视频窗口生成至少一个视频子窗口。

其中，视频子窗口包括第一视频子窗口以及第二视频子窗口。第一视频子窗口对应于完全异常行为目标，第二视频子窗口对应于疑似异常行为目标。

本实施例中，如图3a所示，视频子窗口被生成于当前视频窗口的当前视频图像显示页面。在一些实施方式中，如图3b所示，视频子窗口可以与当前视频窗口并列显示在显示屏的不同区域。

进一步地，在当前视频窗口生成至少一个视频子窗口之后，可以同时执行步骤S260～S300以及步骤S310～步骤S320。其中，步骤S260～S300包括如下步骤：

步骤S260：确定至少一个异常行为目标在当前视频图像中的实时位置。

实时计算每个异常行为目标在当前视频图像中的实时坐标，并根据实时坐标确定每个异常行为目标在当前视频图像中的实时位置。

进一步地，在确定至少一个异常行为目标在当前视频图像中的实时位置之后，可以同时执行步骤S270～S280以及步骤S290～S300。其中，步骤S270～S280包括如下步骤：

步骤S270：在当前视频图像中，截取以异常行为目标为中心的至少一个局部视频图像。

本实施例中，根据每个异常行为目标在当前视频图像中的实时坐标，截取以该异常行为目标为中心的局部视频图像。局部视频图像显示该异常行为目标的实时移动状态的监控画面。

当有多个异常行为目标所对应的局部视频图像交叉时，确定多个异常行为目标的中心坐标，并以该中心坐标为中心，在当前视频图像中截取包含该多个异常行为目标的局部组合视频图像。通常情况下，当多个异常行为目标靠近时，该多个异常行为目标极有可能是一个团伙，或者极有可能正在同时实施或将要同时实施一个异常行为。因此，当异常行为目标与其相邻的其他异常行为目标之间的距离小于距离阈值时，截取该多个异常行为目标的局部组合视频图像，能够更加清楚地同时看到该多个异常行为目标的实时监控画面。

步骤S280：放大异常行为目标对实时监控画面的局部视频图像，并在视频子窗口显示放大后的局部视频图像。

由于在当前视频图像中的人物较小，因此将异常行为目标实时移动的局部视频图像放大，能够更加清楚地看到异常行为目标的实时移动状态的监控画面。

进一步地，当人物的人物行为与预设异常行为的当前异常匹配度在预设异常阈值与完全异常阈值之间时，将放大后的该人物的局部视频图像显示在第一视频子窗口；当人物的人物行为与预设异常行为的当前异常匹配度大于完全异常阈值时，将放大后的该人物的局部视频图像显示在第二视频子窗口。

进一步地，局部视频图像的大小取决于视频子窗口大小。

步骤S290～S300包括如下步骤：

步骤S290：根据实时位置，获取异常行为目标的实时运动轨迹。

根据异常行为目标在当前视频图像中的实时位置，确定该异常行为目标的实时地理位置，并获取该异常行为目标的在地理位置的实时运动轨迹。

步骤S300：在视频子窗口的其中一个显示区域，显示与异常行为目标对应的实时运动轨迹。

如图3a所示，视频子窗口包括多个显示区域。将局部视频图像与实时运动轨迹分别显示在视频子窗口的不同显示区域。将异常行为目标的局部视频图像与实时运动轨迹同时显示在一个视频子窗口，能够直观地了解到该异常行为目标的当前移动位置和历史移动位置。

在一些实施方式，每个异常行为目标可以对应生成多个不同的视频子窗口。将该异常行为目标的局部视频图像与实时运动轨迹分别显示在不同的视频子窗口。

步骤S310～S320包括如下步骤：

步骤S310：在当前视频图像中获取对应异常行为目标的异常行为图像。

异常行为图像是异常行为目标正在实施异常行为的图像。例如，小偷正在实施偷窃的图像。该异常行为图像可以是动态图像，也可以是静态图像，本实施例不作限定。

进一步地，在确定异常行为目标时，将该异常行为目标对应的异常行为图像保存。

步骤S320：在视频子窗口的其中一个显示区域，显示与异常行为目标对应的异常行为图像。

如图3a所示，在视频子窗口的多个显示区域中，将异常行为图像显示在其中一个显示区域。在视频子窗口中显示该异常行为目标历史所有的异常行为图像，能够直观地了解到该异常行为目标所实施的所有历史异常行为。

在一些实施方式中，生成与每个异常行为目标对应的多个不同的视频子窗口。将该异常行为目标的局部视频图像、实时运动轨迹以及异常行为图像别显示在不同的视频子窗口。

本申请实施例提供的基于5G传输的大场景视频监控方法200，通过5G网络，接收来自监控摄像头的4K视频流数据，将该4K视频流数据得到4K视频图像，再根据预设规则以及4K视频图像确定当前视频图像中的至少一个异常行为目标，并在当前视频窗口生成至少一个视频子窗口，最后在至少一个视频子窗口，显示对应的异常行为目标的实时移动状态。本申请实施例基于5G网络传输4K视频流数据，不仅满足4K视频流数据的传输需求，而且使得服务器对该4K视频流数据的响应速度更快。而基于4K视频图像的超高清分辨率，即使将大场景的全部内容囊括在一个监控画面内，该视频图像内的人物也非常清晰。因此，服务器能够对当前视频图像中的人物出现异常行为时做出快速响应—主动去发现异常行为目标，并突出地将异常行为目标的监控画面显示在当前的视频窗口，使得工作人员可以第一时间发现监控画面中的异常状况，提高了监控的便利性以及实用性。

请参阅图4，图4示出了本申请实施例提供的一种基于5G传输的大场景视频监控装置300，该装置300包括：5G通信模块310、解码模块320、目标确定模块330、窗口生成模块340以及显示模块350。

5G通信模块310用于通过5G网络，接收来自监控摄像头的4K视频流数据；解码模块320用于将视频流数据解码以获取4K视频图像；目标确定模块330用于根据异常行为规则以及4K视频图像确定当前视频图像中的至少一个异常行为目标；窗口生成模块340用于在当前视频窗口生成至少一个视频子窗口；显示模块350用于在至少一个视频子窗口，显示对应异常行为目标的实时监控画面。

在一些实施方式中，该装置300还包括轨迹获取模块360、轨迹显示模块370、行为获取模块380以及行为确定模块390。

轨迹获取模块360用于根据实时位置，获取异常行为目标的实时运动轨迹；轨迹显示模块370用于在视频子窗口的其中一个显示区域，显示与异常行为目标对应的实时运动轨迹；行为获取模块380用于在当前视频图像中获取对应异常行为目标的异常行为图像；行为确定模块390用于在视频子窗口的其中一个显示区域，显示与异常行为目标对应的异常行为图像。

在一些实施方式中，目标确定模块330包括匹配单元331以及匹配确定单元332。匹配单元331用于将4K视频图像中人物的人物行为与预设异常行为匹配，确定人物行为与预设异常行为的当前异常匹配度；匹配确定单元332用于确定当前视频图像中与预设异常行为对应的至少一个异常行为目标。

显示模块350包括位置获取单元351、局部获取单元352以及放大显示单元353。位置获取单元351用于确定至少一个异常行为目标在当前视频图像中的实时位置；局部获取单元352用于在当前视频图像中，截取以异常行为目标为中心的至少一个局部视频图像；放大显示单元353用于放大异常行为目标实时监控画面的局部视频图像，并在视频子窗口显示放大后的局部视频图像。

本申请实施例提供的基于5G传输的大场景视频监控装置300，通过5G网络，接收来自监控摄像头的4K视频流数据，将该4K视频流数据得到4K视频图像，再根据预设规则以及4K视频图像确定当前视频图像中的至少一个异常行为目标，并在当前视频窗口生成至少一个视频子窗口，最后在至少一个视频子窗口，显示对应的异常行为目标的实时移动状态。本申请实施例基于5G网络传输4K视频流数据，不仅满足4K视频流数据的传输需求，而且使得服务器对该4K视频流数据的响应速度更快。而基于4K视频图像的超高清分辨率，即使将大场景的全部内容囊括在一个监控画面内，该视频图像内的人物也非常清晰。因此，服务器能够对当前视频图像中的人物出现异常行为时做出快速响应—主动去发现异常行为目标，并突出地将异常行为目标的监控画面显示在当前的视频窗口，使得工作人员可以第一时间发现监控画面中的异常状况，提高了监控的便利性以及实用性。

请参阅图5，本申请实施例还提供一种服务器400，其应用于上述的方法100或方法200。该电子设备400包括处理器410以及一个或多个存储器420，一个或多个存储器420用于存储被处理器410执行的程序指令，处理器410执行所述程序指令时实施上述的方法100或方法200。

进一步地，处理器410可以包括一个或者多个处理核。处理器410运行或执行存储在存储器420内的指令、程序、代码集或指令集，以及调用存储在存储器420内的数据。可选地，处理器410可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable LogicArray，PLA)中的至少一种硬件形式来实现。处理器410可集成中央处理器(CentralProcessing Unit，CPU)、图像处理器(Graphics Processing Unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器中，单独通过一块通信芯片进行实现。

本申请实施例还提供一种存储介质，该存储介质内存储有程序指令，程序指令被处理器执行时实施上述的方法100或方法200。

存储介质可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。可选地，存储介质包括非瞬时性计算机可读存储介REC质(non-transitory computer-readable storage medium)。存储介质具有执行上述方法中的任何方法步骤的程序代码的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码可以例如以适当形式进行压缩。

以上所述，仅是本申请的较佳实施例而已，并非对本申请作任何形式上的限制，虽然本申请已以较佳实施例揭示如上，然而并非用以限定本申请，任何本领域技术人员，在不脱离本申请技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本申请技术方案内容，依据本申请的技术实质对以上实施例所作的任何简介修改、等同变化与修饰，均仍属于本申请技术方案的范围内。

Claims (10)

1.一种基于5G传输的大场景视频监控方法，其特征在于，包括：

通过5G网络，接收来自监控摄像头的4K视频流数据；

将所述4K视频流数据解码以获取4K视频图像；

根据异常行为规则以及所述4K视频图像确定当前视频图像中的至少一个异常行为目标，其中，所述异常行为规则用于表征监控区域内人物的人物行为与特定行为的关联性；

在当前视频窗口生成至少一个视频子窗口，每个所述视频子窗口对应于一个所述异常行为目标；以及

在至少一个所述视频子窗口，显示对应所述异常行为目标的实时监控画面。

2.如权利要求1所述的方法，其特征在于，所述根据异常行为规则以及4K视频图像确定当前视频图像中的至少一个异常行为目标，包括：

根据异常行为规则，对所述4K视频图像中的人物进行异常行为识别并获取识别结果；以及

根据识别结果，确定所述视频图像中与所述异常行为对应的至少一个所述异常行为目标。

3.如权利要求2所述的方法，其特征在于，所述根据异常行为规则，对所述4K视频图像中的人物进行异常行为识别并获取识别结果，包括：

将所述4K视频图像中人物的人物行为与预设异常行为匹配，确定所述人物行为与所述预设异常行为的当前异常匹配度；

当所述当前异常匹配度大于预设异常阈值时，则匹配成功，并确定所述人物行为为异常行为；以及

当所述当前异常匹配度小于所述预设异常阈值时，则匹配失败，并确定所述人物行为非异常行为；

所述根据识别结果，确定所述视频图像中与所述异常行为对应的至少一个所述异常行为目标，包括：

若匹配成功，则确定所述当前视频图像中与所述预设异常行为对应的至少一个所述异常行为目标。

4.如权利要求1所述的方法，其特征在于，所述在至少一个所述视频子窗口，显示对应所述异常行为目标的实时监控画面，包括：

确定至少一个所述异常行为目标在所述当前视频图像中的实时位置；

在所述当前视频图像中，截取以所述异常行为目标为中心的至少一个局部视频图像；以及

在所述视频子窗口，显示所述异常行为目标实时监控画面的局部视频图像。

5.如权利要求4所述的方法，其特征在于，所述在所述视频子窗口，显示所述异常行为目标实时监控画面的局部视频图像，包括：

放大所述异常行为目标实时监控画面的局部视频图像，并在所述视频子窗口显示放大后的所述局部视频图像。

6.如权利要求4所述的基于5G传输的大场景视频监控方法，其特征在于，所述视频子窗口包括多个显示区域，所述确定至少一个所述异常行为目标在所述当前视频图像中的实时位置之后，所述方法还包括：

根据所述实时位置，确定所述异常行为目标的实时运动轨迹；以及

在所述视频子窗口的其中一个所述显示区域，显示与所述异常行为目标对应的所述实时运动轨迹。

7.如权利要求1所述的基于5G传输的大场景视频监控方法，其特征在于，所述视频子窗口包括多个显示区域，所述在当前视频窗口生成至少一个视频子窗口之后，所述方法还包括：

在所述当前视频图像中获取对应所述异常行为目标的异常行为图像；以及

在所述视频子窗口的其中一个所述显示区域，显示与所述异常行为目标对应的所述异常行为图像。

8.一种基于5G传输的大场景视频监控装置，其特征在于，包括：

5G通信模块，用于通过5G网络，接收来自监控摄像头的4K视频流数据；

解码模块，用于将所述视频流数据解码以获取4K视频图像；

目标确定模块，用于根据异常行为规则以及所述4K视频图像确定当前视频图像中的至少一个异常行为目标，其中，所述异常行为规则用于表征监控区域内人物的人物行为与特定行为的关联性；

窗口生成模块，用于在当前视频窗口生成至少一个视频子窗口，每个所述视频子窗口对应于一个所述异常行为目标；以及

显示模块，用于在至少一个所述视频子窗口，显示对应所述异常行为目标的实时监控画面。

9.一种服务器，其特征在于，所述服务器包括处理器以及一个或多个存储器，所述一个或多个存储器用于存储被所述处理器执行的程序指令，所述处理器执行所述程序指令时实施上述权要求1～7中任一项所述的方法。

10.一种计算机可读存储介质，存储有程序指令，其特征在于，所述程序指令被处理器执行时实施上述权利要求1～7中任一项所述的方法。

Images