CN111582179A - 监控视频分析方法、装置、计算机设备以及存储介质 - Google Patents

监控视频分析方法、装置、计算机设备以及存储介质 Download PDF

Info

Publication number
CN111582179A
CN111582179A CN202010387521.2A CN202010387521A CN111582179A CN 111582179 A CN111582179 A CN 111582179A CN 202010387521 A CN202010387521 A CN 202010387521A CN 111582179 A CN111582179 A CN 111582179A
Authority
CN
China
Prior art keywords
behavior
analysis
portrait
information
suspicious
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.)
Granted
Application number
CN202010387521.2A
Other languages
English (en)
Other versions
CN111582179B (zh
Inventor
白锦文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Judun Technology Development Co ltd
Original Assignee
Guangzhou Judun Technology Development Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Judun Technology Development Co ltd filed Critical Guangzhou Judun Technology Development Co ltd
Priority to CN202010387521.2A priority Critical patent/CN111582179B/zh
Publication of CN111582179A publication Critical patent/CN111582179A/zh
Application granted granted Critical
Publication of CN111582179B publication Critical patent/CN111582179B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • 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
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
    • G08B13/19613—Recognition of a predetermined image pattern or behaviour pattern indicating theft or intrusion
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Signal Processing (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Alarm Systems (AREA)

Abstract

本发明涉及的技术领域，尤其是涉及一种监控视频分析方法、装置、计算机设备以及存储介质，其监控视频分析方法包括以下步骤：S10：实时获取监控录像；S20：若在所述监控录像中获取到人像影像，则对所述监控录像进行分帧处理，得到待判定人像图像；S30：逐帧对所述人像图像进行行为分析，得到对应的行为分析结果；S40：将所述行为分析结果输入至预设的行为预测模型，得出对应的人员行为判定数据。本发明具有及时从监控录像中发现被监控的人员的可疑行为的效果。

Description

监控视频分析方法、装置、计算机设备以及存储介质
技术领域
本发明涉及的技术领域，尤其是涉及一种监控视频分析方法、装置、计算机设备以及存储介质。
背景技术
目前，监控系统是安防系统中应用最多的系统之一，现在市面上较为适合的工地监控系统是手持式视频通信设备，视频监控现在是主流。
现有的监控系统中，是在需要进行监控的场地中安装监控摄像头，通过监控摄像头拍摄监控场地的画像，再通过网络、无线通信或者是有线通信将拍摄的画像传输至后台监控端，通过监控人员对监控画面进行监控，在发现有可疑行为时，前往现场进行管理。或者，对于限制人员进入的场地的监控系统，当监控摄像头监控到人员进入时，会触发响应的警报，通知相关安保人员进行管理。
上述中的现有技术方案存在以下缺陷：
现有的监控系统中，若人工在后台监控端进行监控，由于人的眼力以及精力有限，难以及时发现可疑行为，在限制人员的场景中，也只能监控是否有人员进入，也难以判断人员的行为是否可疑，通常是在出现事故后翻看监控录像，从而定位可疑人员，为事故的侦查造成了滞后性，不利于对事故的侦查，因此还有改善空间。
发明内容
本发明的目的是提供一种及时从监控录像中发现被监控的人员的可疑行为的监控视频分析方法、装置、计算机设备以及存储介质。
本发明的上述发明目的一是通过以下技术方案得以实现的：一种监控视频分析方法，所述监控视频分析方法包括以下步骤：
S10：实时获取监控录像；
S20：若在所述监控录像中获取到人像影像，则对所述监控录像进行分帧处理，得到待判定人像图像；
S30：逐帧对所述人像图像进行行为分析，得到对应的行为分析结果；
S40：将所述行为分析结果输入至预设的行为预测模型，得出对应的人员行为判定数据。
通过采用上述技术方案，通过在实时获取得到的监控录像中获取到人像影像的视频进行分帧处理，得到每一帧的人像图像，从而能够对每一帧的人像图像进行分析；在对每一帧的的人像图像中得到画面进行行为分析，能够从得到的行为分析结果中得到监控录像中人员的具体的行为；且通过预设该行为预测模型，将行为分析结果中的人员的行为输入至该行为预测模型中，能够快速得到对应的人员行为判定数据，便于对被监控的场地的管理效率，提升了该场地的安全性。
本发明在一较佳示例中可以进一步配置为：步骤S30包括：
S31：从第一帧的所述人像图像开始，逐帧比较所述人像图像之间的动作差异信息；
S32：若所述动作差异信息小于预设的阈值，则将对应的所述人像图像合并，并记录合并的帧数，作为候选分析集；
S33：对所述动作差异信息和所述候选分析集采取行为分析，得到所述行为分析结果。
通过采用上述技术方案，通过逐帧分析动作差异信息，能够将该动作差异信息组成连贯的动作，也能够根据相邻两帧的动作差异信息，分析预判出人员的行为，有利于及时对人员的可疑行为进行预判和处理；同时，将动作差异信息小于预设的阈值的人像图像合并，能够减轻行为分析的计算量，同时，记录合并的帧数，能够对得到的候选分析集进行进一步的分析。
本发明在一较佳示例中可以进一步配置为：步骤S33包括：
S331：从每个所述候选分析集中记录的合并的帧数计算出人物驻足时间；
S332：获取人体部位信息，并根据人体部位信息从所述人像图像中获取每一所述人体部位信息对应的所述动作差异信息；
S333：根据每个所述人体部位信息所述动作差异信息组成人像动作信息，将所述人像动作信息和所述人物驻足时间作为所述行为分析结果。
通过采用上述技术方案，通过对合并的帧数计算出人物驻足时间，有助于在特殊场景中分析人员是否在进行踩点、跟踪等可疑行为；通过对人体部位信息的动作差异信息进行分析，能够将人员不同的部位的动作进行结合分析，使得得到的行为分析结果更精确。
本发明在一较佳示例中可以进一步配置为：所述监控视频分析方法还包括：
S401：获取历史可疑行为数据，从所述历史可疑行为数据中获取可疑动作信息和可疑驻足时间；
S402：将所述可疑动作信息和所述可疑驻足时间组成所述行为预测模型。
通过采用上述技术方案，通过针对分析行为分析结果所需的人像动作信息和人物驻足时间对应的历史可疑数据，能够使得得到的行为预测模型更符合实际应用场景，从而得到的人员行为判定数据更精确。
本发明在一较佳示例中可以进一步配置为：步骤S40包括：
S41：将所述行为分析结果输入至所述行为预测模型后，将所述行为分析结果与所述历史可疑行为数据和所述可疑驻足时间进行匹配；
S42：若匹配成功，则触发可疑行为报警信号。
通过采用上述技术方案，通过该行为预测模型，将符合行为预测模型中的可疑行为判定的规则的行为分析结果，触发该可疑行为报警信号，能够及时通过监控系统获取到人员的可疑行为。
本发明的上述发明目的二是通过以下技术方案得以实现的：
一种监控视频分析装置，所述监控视频分析装置包括：
录像获取模块，用于实时获取监控录像；
分帧处理模块，用于若在所述监控录像中获取到人像影像，则对所述监控录像进行分帧处理，得到待判定人像图像；
行为分析模块，用于逐帧对所述人像图像进行行为分析，得到对应的行为分析结果；
行为判断模块，用于将所述行为分析结果输入至预设的行为预测模型，得出对应的人员行为判定数据。
通过采用上述技术方案，通过在实时获取得到的监控录像中获取到人像影像的视频进行分帧处理，得到每一帧的人像图像，从而能够对每一帧的人像图像进行分析；在对每一帧的的人像图像中得到画面进行行为分析，能够从得到的行为分析结果中得到监控录像中人员的具体的行为；且通过预设该行为预测模型，将行为分析结果中的人员的行为输入至该行为预测模型中，能够快速得到对应的人员行为判定数据，便于对被监控的场地的管理效率，提升了该场地的安全性。
本发明的上述发明目的三是通过以下技术方案得以实现的：
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述监控视频分析方法的步骤。
本发明的上述发明目的四是通过以下技术方案得以实现的：
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述监控视频分析方法的步骤。
综上所述，本发明包括以下至少一种有益技术效果：
1、通过在实时获取得到的监控录像中获取到人像影像的视频进行分帧处理，得到每一帧的人像图像，从而能够对每一帧的人像图像进行分析；在对每一帧的的人像图像中得到画面进行行为分析，能够从得到的行为分析结果中得到监控录像中人员的具体的行为；
2、通过预设该行为预测模型，将行为分析结果中的人员的行为输入至该行为预测模型中，能够快速得到对应的人员行为判定数据，便于对被监控的场地的管理效率，提升了该场地的安全性；
3、通过对合并的帧数计算出人物驻足时间，有助于在特殊场景中分析人员是否在进行踩点、跟踪等可疑行为；通过对人体部位信息的动作差异信息进行分析，能够将人员不同的部位的动作进行结合分析，使得得到的行为分析结果更精确；
4、通过对合并的帧数计算出人物驻足时间，有助于在特殊场景中分析人员是否在进行踩点、跟踪等可疑行为；通过对人体部位信息的动作差异信息进行分析，能够将人员不同的部位的动作进行结合分析，使得得到的行为分析结果更精确。
附图说明
图1是本发明一实施例中监控视频分析方法的一流程图；
图2是本发明一实施例中监控视频分析方法中步骤S30的实现流程图；
图3是本发明一实施例中监控视频分析方法中步骤S33的实现流程图；
图4是本发明一实施例中监控视频分析方法中的另一实现流程图；
图5是本发明一实施例中监控视频分析方法中步骤S40的实现流程图；
图6是本发明一实施例中监控视频分析装置的一原理框图；
图7是本发明一实施例中计算机设备的一示意图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
实施例一：
在一实施例中，如图1所示，本发明公开了一种监控视频分析方法，具体包括如下步骤：
S10：实时获取监控录像。
在本实施例中，监控录像是指通过监控摄像头实时拍摄的录像。
具体地，在实际需要进行监控的场地中安装有监控摄像头，用于实时监控该场地的人员流动情况，并通过安装的每个监控摄像头，实时获取该监控录像。
S20：若在监控录像中获取到人像影像，则对监控录像进行分帧处理，得到待判定人像图像。
在本实施例中，人像影像是指在监控录像中，出现有人员的影响。待判定人像图像是指用于进行人物的动作行为的图像。
具体地，通过人像识别的技术，在监控录像中获取人像，得到该人像影像。
进一步地，对该人像影像进行分帧处理，将每一帧的图像作为待判定人像图像。
S30：逐帧对人像图像进行行为分析，得到对应的行为分析结果。
在本实施例中，行为分析结果是指人像图像对应的个人的动作。
具体地，根据每一帧的人像图像姿势的差异，连成连贯的动作，将得到的动作作为该行为分析结果。优选地，可以分别针对个人不同部位的动作进行分析，将每个部位的动作组成该行为分析结果。
S40：将行为分析结果输入至预设的行为预测模型，得出对应的人员行为判定数据。
在本实施例中，行为预测模型是指预先设置好，用于从每个人的动作分析出个人的行为是否可疑的模型。人员行为判定数据是指判定得到该人员的行为的类型的数据。
具体地，根据历史的监控数据，预先设置用于判定人员的行为是否可疑的行为预测模型。进一步地，将行为分析结果输入至预设的行为预测模型，通过该行为预测模型输出对应的人员行为判定数据。
在本实施例中，通过在实时获取得到的监控录像中获取到人像影像的视频进行分帧处理，得到每一帧的人像图像，从而能够对每一帧的人像图像进行分析；在对每一帧的的人像图像中得到画面进行行为分析，能够从得到的行为分析结果中得到监控录像中人员的具体的行为；且通过预设该行为预测模型，将行为分析结果中的人员的行为输入至该行为预测模型中，能够快速得到对应的人员行为判定数据，便于对被监控的场地的管理效率，提升了该场地的安全性。
在一实施例中，如图2所示，在步骤S30中，即逐帧对人像图像进行行为分析，得到对应的行为分析结果，具体包括如下步骤：
S31：从第一帧的人像图像开始，逐帧比较人像图像之间的动作差异信息。
在本实施例中，动作差异信息是指相邻帧的人像图像中，人员的动作姿势之间的差异的信息。
具体地，在对人像影像进行分帧处理后，对每个人的每帧的人像图像进行处理，从分帧处理后的第一帧的人像图像开始，逐帧比较相邻帧的人像图像之间，相同人员的动作差异信息。
在比较动作差异信息时，通过在人员不同部位，例如四肢、躯干以及头部等，获取不同部位的姿势。进一步地，通过比对相邻帧的人像图像的人员的姿势中，不同身体部位之间的差异，例如四肢以及躯干在人像图像中的位置，头部转动的角度等数据，作为该人员的动作差异信息。
S32：若动作差异信息小于预设的阈值，则将对应的人像图像合并，并记录合并的帧数，作为候选分析集。
在本实施例中，候选分析集是指用于分析人员的停留的时长的行为数据集。
具体地，预先设置动作差异信息大小的阈值，当该人员的动作差异信息小于该阈值，即该人员的动作幅度较小，因此可以判定该人员处于驻足状态，因此将动作差异信息小于该阈值的连续帧的人像图像进行合并，并记录总共合并的帧数，作为该候选分析集。
S33：对动作差异信息和候选分析集采取行为分析，得到行为分析结果。
具体地，通过对动作差异信息进行人员动作的行为的分析，对待候选分析集进行人员驻足的时间的计算，将分析的结果作为该行为分析结果。
在一实施例中，如图3所示，在步骤S33中，即对动作差异信息和候选分析集采取行为分析，得到行为分析结果，具体包括如下步骤：
S331：从每个候选分析集中记录的合并的帧数计算出人物驻足时间。
在本实施例中，人物驻足时间是指人员停留或者静止不动的时间。
具体地，从每个人员内的候选分析集中获取合并的人像图像的帧数，其中，每一帧所占用的时长为1/12秒，因此，将合并的帧数与每一帧所占用的时长的乘积，作为该任务驻足时间。
S332：获取人体部位信息，并根据人体部位信息从人像图像中获取每一人体部位信息对应的动作差异信息。
在本实施例中，人体部位信息是指人体身体的部位的信息，包括人体的四肢、躯干以及头部等，优选地，在对于安全级别较高的场地，还可以包括人员头部的五官的信息。
具体地，预先根据监控场地的安全级别，设置需要进行数据获取以及分析的人体的部位，作为该人体部位信息。进一步地，根据设定的人体部位信息，从每一帧的人像图像中获取需要分析的人体的部位的动作，并分析相邻帧的人像图像中，每个人体部位的动作差异信息。
S333：根据每个人体部位信息的动作差异信息组成人像动作信息，将人像动作信息和人物驻足时间作为行为分析结果。
在本实施例中，人像动作信息是指人员的动作行为的类型的信息，例如伸手、转头以及跑步等。
具体地，将统计得到的每个人的人体部位信息对应的动作差异信息，判定出该人员的的人像动作信息。例如，根据人员腿部的动作差异信息，判定出该人员为缓慢步行，以及根据该人员的手部的动作差异信息，判定出该人员为往前伸手，将该缓慢步行以及往前伸手作为该人像动作信息。
进一步地，将该人员的人像动作信息和人物驻足时间作为行为分析结果。
在一实施例中，如图4所示，在步骤S40之前，监控视频分析方法还包括：
S401：获取历史可疑行为数据，从历史可疑行为数据中获取可疑动作信息和可疑驻足时间。
在本实施例中，历史可疑行为数据是指作出可疑或者违法行为的人员在历史的监控录像中被拍摄到的数据。可疑动作信息是指人员具体作出可疑或违法的行为动作的信息。可疑驻足是指作出可疑或违法动作前，该人员停留驻足在原地的时间。
具体地，从历史的安保记录中，获取作出抢劫、盗窃或者其他的可疑犯罪行为的人员的名单，并从历史的监控录像中获取该名单中的人员在作出可疑犯罪行为前后的监控录像。从该监控录像中获取每个人的可疑动作信息和/或可疑驻足时间。
S402：将可疑动作信息和可疑驻足时间组成行为预测模型。
具体地，将可以动作信息和可疑驻足时间根据作出可疑或者违法行为的历史人员名单中具体的行为种类进行分类。
进一步地，逐类对历史可疑动作信息和可疑驻足时间进行训练，在该历史可疑动作信息中寻找该历史人员名单中，各人体部位的动作的共性，以及可疑驻足时间中的规律，从而得到该行为预测模型。
在一实施例中，如图5所示，在步骤S40中，即将行为分析结果输入至预设的行为预测模型，得出对应的人员行为判定数据，具体包括如下步骤：
S41：将行为分析结果输入至行为预测模型后，将行为分析结果与历史可疑行为数据和可疑驻足时间进行匹配。
具体地，将行为分析结果输入至该行为预测模型中，将该行为分析结果中的人像动作信息与行为预测模型中每一类型的可疑或违法的历史可疑行为数据进行匹配，以及将行为分析结果中的人物驻足时间与该行为预测模型中的可疑驻足时间进行匹配。
S42：若匹配成功，则触发可疑行为报警信号。
具体地，若该行为预测模型输出的结果为匹配成功，则说明监控到的人物动作信息或人物驻足时间存在违法的嫌疑，则根据拍摄到该存在嫌疑的人员的监控摄像头负责监控的区域，定位该存在嫌疑的人员的位置和外貌特征，并将该嫌疑人员的位置和外貌特征组成该可疑行为报警信号，及时通知安保工作人员进行管理，能够在事故发生前，对潜在的问题进行排查。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
实施例二：
在一实施例中，提供一种监控视频分析装置，该监控视频分析装置与上述实施例中监控视频分析方法一一对应。如图6所示，该监控视频分析装置包括录像获取模块10、分帧处理模块20、行为分析模块30和行为判断模块40。各功能模块详细说明如下：
录像获取模块10，用于实时获取监控录像；
分帧处理模块20，用于若在监控录像中获取到人像影像，则对监控录像进行分帧处理，得到待判定人像图像；
行为分析模块30，用于逐帧对人像图像进行行为分析，得到对应的行为分析结果；
行为判断模块40，用于将行为分析结果输入至预设的行为预测模型，得出对应的人员行为判定数据。
优选地，行为分析模块30包括：
差异分析子模块31，用于从第一帧的人像图像开始，逐帧比较人像图像之间的动作差异信息；
图像合并子模块32，用于若动作差异信息小于预设的阈值，则将对应的人像图像合并，并记录合并的帧数，作为候选分析集；
分析子模块33，用于对动作差异信息和候选分析集采取行为分析，得到行为分析结果。
优选地，分析子模块33包括：
驻足时间计算单元331，用于从每个候选分析集中记录的合并的帧数计算出人物驻足时间；
差异分析单元332，用于获取人体部位信息，并根据人体部位信息从人像图像中获取每一人体部位信息对应的动作差异信息；
分析单元333，用于根据每个人体部位信息的动作差异信息组成人像动作信息，将人像动作信息和人物驻足时间作为行为分析结果。
优选地，监控视频分析装置还包括：
历史数据获取模块401，用于获取历史可疑行为数据，从历史可疑行为数据中获取可疑动作信息和可疑驻足时间；
模型设置模块402，用于将可疑动作信息和可疑驻足时间组成行为预测模型。
优选地，行为判断模块40包括：
行为匹配子模块41，用于将行为分析结果输入至行为预测模型后，将行为分析结果与历史可疑行为数据和可疑驻足时间进行匹配；
报警子模块42，用于若匹配成功，则触发可疑行为报警信号。
关于监控视频分析装置的具体限定可以参见上文中对于监控视频分析方法的限定，在此不再赘述。上述监控视频分析装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
实施例三：
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储历史可疑行为数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种监控视频分析方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
S10：实时获取监控录像；
S20：若在监控录像中获取到人像影像，则对监控录像进行分帧处理，得到待判定人像图像；
S30：逐帧对人像图像进行行为分析，得到对应的行为分析结果；
S40：将行为分析结果输入至预设的行为预测模型，得出对应的人员行为判定数据。
实施例四：
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
S10：实时获取监控录像；
S20：若在监控录像中获取到人像影像，则对监控录像进行分帧处理，得到待判定人像图像；
S30：逐帧对人像图像进行行为分析，得到对应的行为分析结果；
S40：将行为分析结果输入至预设的行为预测模型，得出对应的人员行为判定数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；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发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种监控视频分析方法，其特征在于，所述监控视频分析方法包括以下步骤：
S10：实时获取监控录像；
S20：若在所述监控录像中获取到人像影像，则对所述监控录像进行分帧处理，得到待判定人像图像；
S30：逐帧对所述人像图像进行行为分析，得到对应的行为分析结果；
S40：将所述行为分析结果输入至预设的行为预测模型，得出对应的人员行为判定数据。
2.根据权利要求1所述的监控视频分析方法，其特征在于，步骤S30包括：
S31：从第一帧的所述人像图像开始，逐帧比较所述人像图像之间的动作差异信息；
S32：若所述动作差异信息小于预设的阈值，则将对应的所述人像图像合并，并记录合并的帧数，作为候选分析集；
S33：对所述动作差异信息和所述候选分析集采取行为分析，得到所述行为分析结果。
3.根据权利要求2所述的监控视频分析方法，其特征在于，步骤S33包括：
S331：从每个所述候选分析集中记录的合并的帧数计算出人物驻足时间；
S332：获取人体部位信息，并根据人体部位信息从所述人像图像中获取每一所述人体部位信息对应的所述动作差异信息；
S333：根据每个所述人体部位信息的所述动作差异信息组成人像动作信息，将所述人像动作信息和所述人物驻足时间作为所述行为分析结果。
4.根据权利要求1所述的监控视频分析方法，其特征在于，在步骤S40之前，所述监控视频分析方法还包括：
S401：获取历史可疑行为数据，从所述历史可疑行为数据中获取可疑动作信息和可疑驻足时间；
S402：将所述可疑动作信息和所述可疑驻足时间组成所述行为预测模型。
5.根据权利要求4所述的监控视频分析方法，其特征在于，步骤S40包括：
S41：将所述行为分析结果输入至所述行为预测模型后，将所述行为分析结果与所述历史可疑行为数据和所述可疑驻足时间进行匹配；
S42：若匹配成功，则触发可疑行为报警信号。
6.一种监控视频分析装置，其特征在于，所述监控视频分析装置包括：
录像获取模块，用于实时获取监控录像；
分帧处理模块，用于若在所述监控录像中获取到人像影像，则对所述监控录像进行分帧处理，得到待判定人像图像；
行为分析模块，用于逐帧对所述人像图像进行行为分析，得到对应的行为分析结果；
行为判断模块，用于将所述行为分析结果输入至预设的行为预测模型，得出对应的人员行为判定数据。
7.根据权利要求6所述的监控视频分析装置，其特征在于，所述行为分析模块包括：
差异分析子模块，用于从第一帧的所述人像图像开始，逐帧比较所述人像图像之间的动作差异信息；
图像合并子模块，用于若所述动作差异信息小于预设的阈值，则将对应的所述人像图像合并，并记录合并的帧数，作为候选分析集；
分析子模块，用于对所述动作差异信息和所述候选分析集采取行为分析，得到所述行为分析结果。
8.根据权利要求6所述的监控视频分析装置，其特征在于，所述分析子模块包括：
驻足时间计算单元，用于从每个所述候选分析集中记录的合并的帧数计算出人物驻足时间；
差异分析单元，用于获取人体部位信息，并根据人体部位信息从所述人像图像中获取每一所述人体部位信息对应的所述动作差异信息；
分析单元，用于根据每个所述人体部位信息的所述动作差异信息组成人像动作信息，将所述人像动作信息和所述人物驻足时间作为所述行为分析结果。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述监控视频分析方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述监控视频分析方法的步骤。
CN202010387521.2A 2020-05-09 2020-05-09 监控视频分析方法、装置、计算机设备以及存储介质 Active CN111582179B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010387521.2A CN111582179B (zh) 2020-05-09 2020-05-09 监控视频分析方法、装置、计算机设备以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010387521.2A CN111582179B (zh) 2020-05-09 2020-05-09 监控视频分析方法、装置、计算机设备以及存储介质

Publications (2)

Publication Number Publication Date
CN111582179A true CN111582179A (zh) 2020-08-25
CN111582179B CN111582179B (zh) 2023-04-07

Family

ID=72122981

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010387521.2A Active CN111582179B (zh) 2020-05-09 2020-05-09 监控视频分析方法、装置、计算机设备以及存储介质

Country Status (1)

Country Link
CN (1) CN111582179B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111935461A (zh) * 2020-09-11 2020-11-13 合肥创兆电子科技有限公司 一种基于智能安防控制系统
CN113326772A (zh) * 2021-05-28 2021-08-31 青岛海尔工业智能研究院有限公司 作业分析方法、装置、电子设备、及存储介质
CN117423017A (zh) * 2023-11-07 2024-01-19 广州天海翔航空科技有限公司 一种基于无人机的巡检处理方法、系统、设备及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018092599A (ja) * 2017-09-06 2018-06-14 日本電気株式会社 情報処理装置、制御方法、及びプログラム
CN109697815A (zh) * 2019-01-24 2019-04-30 广州市天河区保安服务公司 防盗通讯网络报警方法、装置设备及存储介质
CN109886111A (zh) * 2019-01-17 2019-06-14 深圳壹账通智能科技有限公司 基于微表情的比赛监控方法、装置、计算机设备及存储介质
CN111027518A (zh) * 2019-12-26 2020-04-17 广州市炬盾科技发展有限公司 可疑人群智能报警方法、装置、计算机设备及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018092599A (ja) * 2017-09-06 2018-06-14 日本電気株式会社 情報処理装置、制御方法、及びプログラム
CN109886111A (zh) * 2019-01-17 2019-06-14 深圳壹账通智能科技有限公司 基于微表情的比赛监控方法、装置、计算机设备及存储介质
CN109697815A (zh) * 2019-01-24 2019-04-30 广州市天河区保安服务公司 防盗通讯网络报警方法、装置设备及存储介质
CN111027518A (zh) * 2019-12-26 2020-04-17 广州市炬盾科技发展有限公司 可疑人群智能报警方法、装置、计算机设备及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111935461A (zh) * 2020-09-11 2020-11-13 合肥创兆电子科技有限公司 一种基于智能安防控制系统
CN113326772A (zh) * 2021-05-28 2021-08-31 青岛海尔工业智能研究院有限公司 作业分析方法、装置、电子设备、及存储介质
CN117423017A (zh) * 2023-11-07 2024-01-19 广州天海翔航空科技有限公司 一种基于无人机的巡检处理方法、系统、设备及介质

Also Published As

Publication number Publication date
CN111582179B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN111582179B (zh) 监控视频分析方法、装置、计算机设备以及存储介质
CN110334569B (zh) 客流量进出识别方法、装置、设备及存储介质
KR102553883B1 (ko) 비디오 감시 시스템에서 경보들을 발생시키는 방법
CN110490078B (zh) 监控视频处理方法、装置、计算机设备和存储介质
KR102155182B1 (ko) 비디오 리코딩 방법, 서버, 시스템 및 저장 매체
CN109726663A (zh) 在线考试监控方法、装置、计算机设备及存储介质
CN112954315B (zh) 一种安防摄像机图像对焦测量方法及系统
US20190304272A1 (en) Video detection and alarm method and apparatus
JP6789601B2 (ja) 所定画像領域をマスクした撮影映像を学習映像として選択する学習映像選択装置、プログラム及び方法
CN110197107B (zh) 微表情识别方法、装置、计算机设备及存储介质
CN108875507B (zh) 行人跟踪方法、设备、系统和计算机可读存储介质
CN111160275B (zh) 行人重识别模型训练方法、装置、计算机设备和存储介质
CN115171197B (zh) 一种高精度图像信息识别方法、系统、设备及存储介质
CN111008621B (zh) 对象追踪方法、装置、计算机设备和存储介质
CN110288801A (zh) 电力现场视频监控方法、装置、计算机设备和存储介质
CN113435362A (zh) 异常行为检测方法、装置、计算机设备及存储介质
KR20200059643A (ko) 영상 분석 기반의 금융자동화기기 보안 시스템 및 그 방법
US20240046701A1 (en) Image-based pose estimation and action detection method and apparatus
CN112749655A (zh) 视线追踪方法、装置、计算机设备和存储介质
CN116665111A (zh) 基于视频会议系统的注意力分析方法、系统及存储介质
CN113642507A (zh) 基于多摄像头同人检测的考试监控方法、系统、设备及介质
CN110334568B (zh) 轨迹生成与监控方法、装置、设备及存储介质
CN113569676B (zh) 图像处理方法、装置、电子设备及存储介质
CN114092515A (zh) 用于障碍遮挡的目标跟踪检测方法、装置、设备及介质
CN114119531A (zh) 应用于校园智慧平台的火灾检测方法、装置及计算机设备

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
GR01 Patent grant
GR01 Patent grant