CN112329691A - 一种监控视频的分析方法及装置、电子设备、存储介质 - Google Patents

一种监控视频的分析方法及装置、电子设备、存储介质 Download PDF

Info

Publication number
CN112329691A
CN112329691A CN202011284360.0A CN202011284360A CN112329691A CN 112329691 A CN112329691 A CN 112329691A CN 202011284360 A CN202011284360 A CN 202011284360A CN 112329691 A CN112329691 A CN 112329691A
Authority
CN
China
Prior art keywords
information
monitoring
alarm
preset
abnormal
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
Application number
CN202011284360.0A
Other languages
English (en)
Inventor
邓练兵
方文佳
卢振兴
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.)
Zhuhai Dahengqin Technology Development Co Ltd
Original Assignee
Zhuhai Dahengqin 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 Zhuhai Dahengqin Technology Development Co Ltd filed Critical Zhuhai Dahengqin Technology Development Co Ltd
Priority to CN202011284360.0A priority Critical patent/CN112329691A/zh
Publication of CN112329691A publication Critical patent/CN112329691A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • 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
    • 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
    • G08B21/18—Status alarms
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625—License plates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Alarm Systems (AREA)

Abstract

本发明实施例提供一种监控视频的分析方法及装置、电子设备、存储介质，应用于监控联网平台，所述监控联网平台与监控设备连接通信，所述方法包括：从所述监控设备发送的视频图像中识别监控对象；判断所述监控对象是否符合预设的告警规则；若是，则向用户发送告警信息；所述告警信息包含与所述监控对象对应的目标视频图像；采用所述告警信息中的信息参数生成预警信息；所述信息参数包括告警时间和告警位置；基于所述预警信息，在预设时间周期内的告警时间向所述用户发送包含所述告警位置的提醒信息。从而自动完成对异常情况的发现分析和判定，自动选择应对措施，且能够在异常情况高发时间提醒用户对异常情况高发地点进行预先应对。

Description

一种监控视频的分析方法及装置、电子设备、存储介质
技术领域
本发明涉及监控领域，特别是涉及一种监控视频的分析方法及装置、电子设备、存储介质。
背景技术
为了遏制和打击走私犯罪、减少过关管理的风险，海关需要对重要地点和对外办公场所进行有效和可控的监控。在监控过程中，可以通过对监控视频进行初步的分析，实现对特定目标的跟踪和定位等基本操作。
然而，现有的视频监控分析方案，仅能实现基本的监控目标预警和跟踪功能，无法对行为动作不断变化的监控目标实现监控，而且对于监控的区域也只是实行被动监控，当异常情况出现并被监控设备捕捉到之后才能开始采取措施应对，无法提前做好应对准备，时效性较差。
发明内容
鉴于上述问题，提出了本发明以便提供克服上述问题或者至少部分地解决上述问题的一种监控视频的分析方法及装置、电子设备、存储介质，包括：
为了解决上述问题，本发明实施例公开了一种监控视频的分析方法，应用于监控联网平台，所述监控联网平台与监控设备连接通信，所述方法包括：
从所述监控设备发送的视频图像中识别监控对象；
判断所述监控对象是否符合预设的告警规则；
若是，则向用户发送告警信息；所述告警信息包含与所述监控对象对应的目标视频图像；
采用所述告警信息中的信息参数生成预警信息；所述信息参数包括告警时间和告警位置；
基于所述预警信息，在预设时间周期内的告警时间向所述用户发送包含所述告警位置的提醒信息。
可选地，所述判断所述监控对象是否符合预设的告警规则的步骤，包括：
获取所述监控对象的特征参数；
判断所述特征参数是否与预设的异常特征参数一致；
若是，则确认所述监控对象符合预设的告警规则。
可选地，所述监控对象包括车辆，所述特征参数包括车辆速度和车辆运动方向，所述预设的异常特征参数包括异常速度阈值和第一异常运动方向，所述判断所述特征参数是否与预设的异常特征参数一致的步骤包括：
判断所述车辆运动方向是否与所述第一运动方向一致；
判断所述车辆速度是否超过所述异常速度阈值；
若所述车辆运动方向与所述第一运动方向一致，和/或所述车辆速度超过异常速度阈值，则确定所述车辆的特征参数与预设的异常特征参数一致。
可选地，所述特征参数还包括车牌号码，所述获取所述监控对象的特征参数的步骤，包括：
从所述监控图像中定位车牌号码所在的第一目标区域；
通过前景分割将所述车牌号码所在的第一目标区域从所述视频图像中提取出来；
对所述第一目标区域进行字符识别，获取所述车牌号码。
可选地，所述监控对象包括人类，所述特征参数包括人类运动轨迹和人类运动方向，所述预设的异常特征参数包括异常运动轨迹和第二异常运动方向，所述判断所述特征参数是否与预设的异常特征参数一致的步骤包括：
判断所述人类运动方向是否与所述第二异常运动方向一致；
若是，则判断所述人类运动轨迹是否经过所述异常运动轨迹；
若所述人类运动轨迹经过所述异常运动轨迹，则确定所述人类的特征参数与预设的异常特征参数一致。
可选地，所述特征参数还包括人类面部特征参数，所述获取与所述监控对象对应的特征参数的步骤包括：
根据预设的人类外形信息，在视频图像中定位人类面部所在的第二目标区域；
通过前景分割将所述第二目标区域从所述视频图像中提取出来；
对所述第二目标区域进行人脸识别，获取所述人类面部特征参数。
可选的，所述方法还包括：
采用所述告警信息对用于判断所述监控对象是否符合预设的告警规则的分析模型进行训练。
本发明实施例还公开了一种监控视频的分析装置，应用于监控联网平台，所述监控联网平台与监控设备连接通信，所述装置包括：
监控对象识别模块，用于从所述监控设备发送的视频图像中识别监控对象；
监控对象判断模块，用于判断所述监控对象是否符合预设的告警规则；
告警信息发送模块，用于若所述监控对象符合预设的告警规则，则向用户发送告警信息；所述告警信息包含与所述监控对象对应的目标视频图像；
预警信息生成模块，用于采用所述告警信息中的信息参数生成预警信息；所述信息参数包括告警时间和告警位置；
提醒信息发送模块，用于在预设时间周期内的告警时间向所述用户发送包含所述告警位置的提醒信息。
本发明实施例还提供了一种电子设备，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，计算机程序被处理器执行时实现如上监控视频的分析方法的步骤。
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现如上监控视频的分析方法的步骤。
本发明具有以下优点：
在本发明的实施例中，通过从监控设备发送的视频图像中识别监控对象，判断监控对象是否符合预设的告警规则，若是，则向用户发送告警信息，告警信息包含与监控对象对应的目标视频图像，采用告警信息中的信息参数生成预警信息，信息参数包括告警时间和告警位置，基于预警信息，在预设时间周期内的告警时间向用户发送包含告警位置的提醒信息。从而自动完成对异常情况的发现分析和判定，自动选择应对措施，且能够在异常情况高发时间提醒用户对异常情况高发地点进行预先应对，满足了用户对安保系统监控功能的需求。
附图说明
为了更清楚地说明本发明的技术方案，下面将对本发明的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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种监控视频的分析方法的步骤流程图；
图2是本发明实施例提供的另一种监控视频的分析方法的步骤流程图；
图3是本发明实施例提供的一种监控联网平台的功能配置示意图；
图4是本发明实施例提供的一种监控视频的分析装置的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
在本发明其中一种实施例中的监控方法可以应用于监控联网平台。监控联网平台是用于检测海面、道路范围内的目标(运动目标和静止目标)状态，以达到目标状态监控、统计、预警、回放的一个综合管理平台。
这一平台不仅包括全区域的监控和分析，监控方式包括了摄相机、雷达、光电感应仪器、无人机、巡逻车以及其它一系列的监控手段，平台可以自由调用所有的监控手段，结合电子地图，对区域内的设施和活动目标进行监控和预警。
参照图1，示出了本发明实施例提供的一种监控视频的分析方法的步骤流程图，应用于监控联网平台，所述监控联网平台与监控设备连接通信。所述方法具体可以包括如下步骤：
步骤101，从所述监控设备发送的视频图像中识别监控对象；
具体的，监控设备可以采集监控设备所在区域的视频图像，通过对不同监控对象的外形进行获取，与存储在监控联网平台中的样本外形进行对照，从而识别监控对象。例如对于人类而言，即使会有身高体重的差距，但都保持在人形范围内，而不同的车辆，外形也都具有相同的特征点，因此通过外形可对监控对象进行识别。对监控对象的识别可以通过引入人工智能进行，通过机器学习，使得监控联网平台能够利用计算机软件程序来分析视频图像，以便识别人类，车辆或物体。人工智能也能够通过对计算机软件进行编程，定义摄像机视图内的监控区域。
步骤102，判断所述监控对象是否符合预设的告警规则；
监控联网平台中存储有告警规则，告警规则包含了被认定为异常情况时监控对象的各项参数规定，告警规则可以是针对监控对象的种类、行为以及外形的规定，例如当监控对象为人类时，告警规则可以设置为“对象：人；行为：运动方向为从东至西”。而当监控对象为车辆时，告警规则可以是车辆具体的车牌号码，在识别了监控对象后，可以判断其是否符合告警规则。
步骤103，若是，则向用户发送告警信息；所述告警信息包含与所述监控对象对应的目标视频图像；
当判断监控对象的特征参数符合预设的告警规则，即表明该监控对象处于异常情况，因此可以向用户发送告警信息，而为了使用户能够快速理解告警信息，在确定该监控对象符合预设的告警规则后，监控联网平台可以调集附近的球机对该监控对象进行持续跟踪，收集其视频图像，从而在向用户发送告警信息的时候，在告警信息内附有实时拍摄的视频图像，供用户迅速理解异常情况并执行应对措施。
步骤104，采用所述告警信息中的信息参数生成预警信息；所述信息参数包括告警时间和告警位置；
告警信息中还包括了告警时间和告警位置，告警时间为监控联网平台根据该监控对象，确认出现异常情况的时间，而告警位置可以根据拍摄到该监控对象的监控设备的位置确定，为该监控对象所处的位置。在将告警信息发送给用户后，监控联网平台还会将该告警信息的告警时间和告警位置进行关联并存储，在发生了多次异常情况后，监控联网平台可以存储有多组告警时间和告警位置，因此监控联网平台可以对多组告警时间和告警位置进行统计分析，确定告警高发的时间和告警高发的位置，即异常情况出现较多的时间段以及在监控区域内异常情况出现较多的位置，例如告警高发的时间为21时-22时，告警高发的位置为监控区域内的A点，则认为异常情况多发于21时-22时的A点。需要注意的是，告警时间和告警位置也可以分开统计分析，即单独统计告警高发的时间，单独统计告警高发的位置。采用统计分析后得到的告警高发的时间和告警高发的位置生成用于设置提醒参数的预警信息。
步骤105，基于所述预警信息，在预设时间周期内的告警时间向所述用户发送包含所述告警位置的提醒信息；
预设时间周期由用户自行设置，例如一周、一个月、六个月等，在设置的时间周期内，监控联网中心根据预警信息设置向用户发送提醒信息的参数，发送的时间为预警高发的时间，而提醒信息中包含的位置则为告警高发的位置。例如当时间周期为一个月，告警时间为21-22时，告警位置为A点，则在一个月的时间里，每天21时的时候，监控联网平台会向用户发送提醒信息，提醒用户注意21时-22时的A点位置，该位置在该时间段内异常情况出现概率较高。
在本发明的实施例中，通过从监控设备发送的视频图像中识别监控对象，判断监控对象是否符合预设的告警规则，若是，则向用户发送告警信息，告警信息包含与监控对象对应的目标视频图像，采用告警信息中的信息参数生成预警信息，信息参数包括告警时间和告警位置，基于预警信息，在预设时间周期内的告警时间向用户发送包含告警位置的提醒信息。从而自动完成对异常情况的发现分析和判定，自动选择应对措施，且能够在异常情况高发时间提醒用户对异常情况高发地点进行预先应对，满足了用户对安保系统监控功能的需求。
参照图2，示出了本发明实施例提供的另一种监控视频的分析方法的步骤流程图，应用于监控联网平台，所述监控联网平台与监控设备连接通信，具体可以包括如下步骤：
步骤201，从所述监控设备发送的视频图像中识别监控对象；
在本实施例中，步骤201与上一实施例中的步骤101类似，具体描述可参照上一实施例中的步骤101，在此不再赘述。
步骤202，判断所述监控对象是否符合预设的告警规则；
在本发明一种可选实施例中，所述判断所述监控对象是否符合预设的告警规则的步骤包括如下子步骤：
获取所述监控对象的特征参数；
判断所述特征参数是否与预设的异常特征参数一致；
若是，则确认所述监控对象符合预设的告警规则。
对于运动的人、动物、车辆而言，特征参数可以是运动的速度、运动的方向，以及当前所处的位置。而对于除此以外的物体而言，特征参数可以是物体的外表形状，通过监控设备所拍摄的视频图像可以获取监控对象移动的速度、方向以及位置等，判断获取的这些特征参数与监控联网中心存储的，用户预设的异常特征参数是否一致，当一致时，则认为监控对象符合告警规则，即处于异常情况。
在本发明一种可选实施例中，所述特征参数还包括车牌号码，所述获取所述监控对象的特征参数的步骤，包括：
从所述监控图像中定位车牌号码所在的第一目标区域；
通过前景分割将所述车牌号码所在的第一目标区域从所述视频图像中提取出来；
对所述第一目标区域进行字符识别，获取所述车牌号码。
当识别的监控对象为车辆时，需要获取的特征参数中最重要的是车牌号码，车牌号码是用于区分车辆最高效且最准确的方式。
采用监控设备获取的视频图像中提取图像作参数输入，图像数据经过简单的增强预处理等操作后，计算边缘梯度图像，去除图像噪声数据，将车牌号牌区域的特征更加明显的展现出来。在计算得到图像的边缘梯度图像后，进行阈值化，分割号牌前景，并通过辅助形态学处理等相关操作，滤除部分噪声信息。在通过两个核心算子(边缘梯度图像计算和阈值化分割前景背景)计算得到的二值图像中，为了将整个车牌号牌区域从图像中提取出来，同时考虑效率，采用连线法，根据计算水平连线的分布关系以及垂直的连线分布密度等特性，计算得到前景目标的关联性连线区域。通过聚类拟合等处理，实现将车牌区域以及伪车牌区域等候选区域定位提取，再辅助以号牌的几何特性(比如宽高比例等)，滤除伪车牌区域，最终计算得到车牌号牌的区域，将该区域从视频图像中提取出来。完成区域的提取后，对该目标区域进行字符识别，从而获取车牌号码。
在本发明另一种可选实施例中，所述特征参数还包括人类面部特征参数，所述获取所述监控对象的特征参数的步骤还包括：
根据预设的人类外形信息，在视频图像中定位人类面部所在的第二目标区域；
通过前景分割将所述第二目标区域从所述视频图像中提取出来；
对所述第二目标区域进行人脸识别，获取所述人类面部特征参数。
而当监控对象为人类时，通过人类外形信息，可以识别出人的头部、躯干以及四肢，在视频图像中对人类面部所在的头部进行定位，然后通过前景分割的方式，将人的头部所在的区域提取出来，再对该区域进行人脸识别，获取人类面部特征参数。
在本发明另一种可选实施例中，所述监控对象包括车辆，所述特征参数包括车辆速度和车辆运动方向，所述预设的异常特征参数包括异常速度阈值和第一异常运动方向，所述判断所述特征参数是否与预设的异常特征参数一致的步骤包括：
判断所述车辆运动方向是否与所述第一运动方向一致；
判断所述车辆速度是否超过所述异常速度阈值；
若所述车辆运动方向与所述第一运动方向一致，和/或所述车辆速度超过异常速度阈值，则确定所述车辆的特征参数与预设的异常特征参数一致。
对于监控区域而言，通常设置有固定的出入口以及对车辆的限速规定，例如车辆只能从规定入口进去监控区域、车辆进入监控区域后速度不得超过每小时20公里，因此可以在获取了车辆的运动方向和速度后，分别判断车辆的运动方向是否与为除规定入口所在方向以外的方向一致，车辆的速度是否超过规定的速度阈值，当车辆符合其中一项或两项均符合，则认为该车辆进入监控区域为异常情况。
在本发明另一种可选实施例中，所述监控对象包括人类，所述特征参数包括人类运动轨迹和人类运动方向，所述预设的异常特征参数包括异常运动轨迹和第二异常运动方向，所述判断所述特征参数是否与预设的异常特征参数一致的步骤包括：
判断所述人类运动方向是否与所述第二异常运动方向一致；
若是，则判断所述人类运动轨迹是否经过所述异常运动轨迹；
若所述人类运动轨迹经过所述异常运动轨迹，则确定所述人类的特征参数与预设的异常特征参数一致。
而当监控对象为人类时，可以获取人类的运动方向和运动轨迹，监控区域内可能包含禁止人员进入的区域，因此当人类从非规定入口进去监控区域，例如通过翻越围栏进入监控区域，且进入禁止人员进入的区域时，可认为该名人类处于异常情况。作为一种示例，监控联网平台可预先在监控区域内禁止人员进入的区域边缘设置绊线作为异常运动轨迹，当监控对象的运动轨迹与该绊线产生交点，即可认为监控对象进入了禁止人员进入的区域，可确定该监控对象的特征参数与异常特征参数一致。
步骤203，若是，则向用户发送告警信息；所述告警信息包含与所述监控对象对应的目标视频图像；
步骤204，采用所述告警信息中的信息参数生成预警信息；所述信息参数包括告警时间和告警位置；
步骤205，基于所述预警信息，在预设时间周期内的告警时间向所述用户发送包含所述告警位置的提醒信息；
在本实施例中，步骤203-205与上一实施例中的步骤103-105类似，具体描述可参照上一实施例中的步骤103-105，在此不再赘述。
步骤206，采用所述告警信息对用于判断所述监控对象是否符合预设的告警规则的分析模型进行训练。
在完成对视频图像的分析，识别出处于异常情况的监控对象并向用户发送告警信息后，还可以采用告警信息对用于判断所述特征参数是否符合预设的告警规则的分析模型进行训练，告警信息中包含了监控对象的视屏图像，还包含了判断的结果，即监控对象符合了哪些告警规则，因此通过大量告警信息对判断模型反复训练，可有效提高分析模型的准确程度。
应用本发明实施例，通过从监控设备发送的视频图像中识别监控对象，判断监控对象是否符合预设的告警规则，若是，则向用户发送告警信息，采用告警信息中的信息参数生成预警信息，基于预警信息，在预设时间周期内的告警时间向用户发送包含告警位置的提醒信息，采用告警信息对用于判断特征参数是否符合预设的告警规则的分析模型进行训练。从而在对视频分析的过程中提高了分析模型的准确度，使得判断的效率更高，准确性更好，满足了用户对安保系统监控功能的需求。
为了使本领域技术人员能够更好地理解本发明方案，以下示出了一种监控联网平台的功能配置示意图，但应当理解的是，本申请并不限于此。
如图3所示，监控联网平台的功能包括相机视频预览，即对监控设备拍摄的视频图像进行预览观看；相机轮巡预览，即对多个监控设备所拍摄的视频图像进行循环预览观看；预置位预览，即对预先选择的监控位置的视频图像进行预览观看；预置位轮巡预览，即对预先选择的多个监控位置的视频图像进行预览观看；云台基本功能，即对承载监控设备的云台进行调节，例如上下左右移动、前后转动等；云台自由行，即可控制云台带动监控设备跟踪监控对象进行拍摄；分屏预览，即对大屏幕上同时提供多个监控设备实时拍摄的视频图像进行预览观看；实时目标统计，即对当前监控区域内的监控对象的数量进行实时统计；告警列表显示，即将多条告警信息以列表的方式显示，以供用户查看。本发明能够对采集的视频图像进行高效分析，达到通过计算机自动检测异常，及时准确的做出分析判定并发出告警信息，实现对异常事件的发生起到主动性的预报、预警作用，有效提高了视频监控系统的安全性。
参照图4，示出了本发明一实施例提供的一种监控视频的分析装置的结构框图，应用于监控联网平台，所述监控联网平台与监控设备连接通信，所述装置可以包括如下模块：
监控对象识别模块301，用于从所述监控设备发送的视频图像中识别监控对象；
监控对象判断模块302，用于判断所述监控对象是否符合预设的告警规则；
告警信息发送模块303，用于若所述监控对象符合预设的告警规则，则向用户发送告警信息；所述告警信息包含与所述监控对象对应的目标视频图像；
预警信息生成模块304，用于采用所述告警信息中的信息参数生成预警信息；所述信息参数包括告警时间和告警位置；
提醒信息发送模块305，用于在预设时间周期内的告警时间向所述用户发送包含所述告警位置的提醒信息。
在本发明一实施例中，所述监控对象判断模块302还包括：
特征参数获取子模块，用于获取所述监控对象的特征参数；
特征参数判断子模块，用于判断所述特征参数是否与预设的异常特征参数一致；
监控对象确认子模快，用于若所述特征参数与预设的异常特征参数一致，则确认所述监控对象符合预设的告警规则。
在本发明一实施例中，所述监控对象包括车辆，所述特征参数包括车辆速度和车辆运动方向，所述预设的异常特征参数包括异常速度阈值和第一异常运动方向，所述特征参数判断子模块还包括：
车辆运动方向判断单元，用于判断所述车辆运动方向是否与所述第一运动方向一致；
车辆速度判断单元，用于判断所述车辆速度是否超过所述异常速度阈值；
第一特征参数确定单元，用于若所述车辆运动方向与所述第一运动方向一致，和/或所述车辆速度超过异常速度阈值，则确定所述车辆的特征参数与预设的异常特征参数一致。
在本发明一实施例中，所述特征参数还包括车牌号码，所述特征参数获取子模块还包括：
第一目标区域定位单元，用于从所述监控图像中定位车牌号码所在的第一目标区域；
第一目标区域提取单元，用于通过前景分割将所述车牌号码所在的第一目标区域从所述视频图像中提取出来；
车牌号码获取单元，用于对所述第一目标区域进行字符识别，获取所述车牌号码。
在本发明一实施例中，所述监控对象包括人类，所述特征参数包括人类运动轨迹和人类运动方向，所述预设的异常特征参数包括异常运动轨迹和第二异常运动方向，所述特征参数判断子模块还包括：
人类运动方向判断单元，用于判断所述人类运动方向是否与所述第二异常运动方向一致；
人类运动轨迹判断单元，用于若所述人类运动方向与所述第二异常运动方向一致，则判断所述人类运动轨迹是否经过所述异常运动轨迹；
第二特征参数确定单元，用于若所述人类运动轨迹经过所述异常运动轨迹，则确定所述人类的特征参数与预设的异常特征参数一致。
在本发明一实施例中，所述特征参数还包括人类面部特征参数，所述特征参数获取子模块还包括：
第二目标区域定位单元，用于根据预设的人类外形信息，在视频图像中定位人类面部所在的第二目标区域；
第二目标区域提取单元，用于通过前景分割将所述第二目标区域从所述视频图像中提取出来；
人类面部特征参数获取单元，用于对所述第二目标区域进行人脸识别，获取所述人类面部特征参数。
在本发明一实施例中，所述装置还包括：
训练模块，用于采用所述告警信息对用于判断所述监控对象是否符合预设的告警规则的分析模型进行训练。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本发明一实施例还提供了电子设备，可以包括处理器、存储器及存储在存储器上并能够在处理器上运行的计算机程序，计算机程序被处理器执行时实现如上监控视频的显示方法的步骤。
本发明一实施例还提供了计算机可读存储介质，计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现如上监控视频的显示方法的步骤。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的可选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括可选实施例以及落入本发明实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种监控视频的分析方法及装置、电子设备、存储介质，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种监控视频的分析方法，应用于监控联网平台，所述监控联网平台与监控设备连接通信，其特征在于，所述方法包括：
从所述监控设备发送的视频图像中识别监控对象；
判断所述监控对象是否符合预设的告警规则；
若是，则向用户发送告警信息；所述告警信息包含与所述监控对象对应的目标视频图像；
采用所述告警信息中的信息参数生成预警信息；所述信息参数包括告警时间和告警位置；
基于所述预警信息，在预设时间周期内的告警时间向所述用户发送包含所述告警位置的提醒信息。
2.根据权利要求1所述的方法，其特征在于，所述判断所述监控对象是否符合预设的告警规则的步骤，包括：
获取所述监控对象的特征参数；
判断所述特征参数是否与预设的异常特征参数一致；
若是，则确认所述监控对象符合预设的告警规则。
3.根据权利要求2所述的方法，其特征在于，所述监控对象包括车辆，所述特征参数包括车辆速度和车辆运动方向，所述预设的异常特征参数包括异常速度阈值和第一异常运动方向，所述判断所述特征参数是否与预设的异常特征参数一致的步骤包括：
判断所述车辆运动方向是否与所述第一运动方向一致；
判断所述车辆速度是否超过所述异常速度阈值；
若所述车辆运动方向与所述第一运动方向一致，和/或所述车辆速度超过异常速度阈值，则确定所述车辆的特征参数与预设的异常特征参数一致。
4.根据权利要求3所述的方法，其特征在于，所述特征参数还包括车牌号码，所述获取所述监控对象的特征参数的步骤，包括：
从所述监控图像中定位车牌号码所在的第一目标区域；
通过前景分割将所述车牌号码所在的第一目标区域从所述视频图像中提取出来；
对所述第一目标区域进行字符识别，获取所述车牌号码。
5.根据权利要求2所述的方法，其特征在于，所述监控对象包括人类，所述特征参数包括人类运动轨迹和人类运动方向，所述预设的异常特征参数包括异常运动轨迹和第二异常运动方向，所述判断所述特征参数是否与预设的异常特征参数一致的步骤包括：
判断所述人类运动方向是否与所述第二异常运动方向一致；
若是，则判断所述人类运动轨迹是否经过所述异常运动轨迹；
若所述人类运动轨迹经过所述异常运动轨迹，则确定所述人类的特征参数与预设的异常特征参数一致。
6.根据权利要求5所述的方法，其特征在于，所述特征参数还包括人类面部特征参数，所述获取所述监控对象的特征参数的步骤包括：
根据预设的人类外形信息，在视频图像中定位人类面部所在的第二目标区域；
通过前景分割将所述第二目标区域从所述视频图像中提取出来；
对所述第二目标区域进行人脸识别，获取所述人类面部特征参数。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
采用所述告警信息对用于判断所述监控对象是否符合预设的告警规则的分析模型进行训练。
8.一种监控视频的分析装置，应用于监控联网平台，所述监控联网平台与监控设备连接通信，其特征在于，所述装置包括：
监控对象识别模块，用于从所述监控设备发送的视频图像中识别监控对象；
监控对象判断模块，用于判断所述监控对象是否符合预设的告警规则；
告警信息发送模块，用于若所述监控对象符合预设的告警规则，则向用户发送告警信息；所述告警信息包含与所述监控对象对应的目标视频图像；
预警信息生成模块，用于采用所述告警信息中的信息参数生成预警信息；所述信息参数包括告警时间和告警位置；
提醒信息发送模块，用于在预设时间周期内的告警时间向所述用户发送包含所述告警位置的提醒信息。
9.一种电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的监控视频的分析方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的监控视频的分析方法的步骤。
CN202011284360.0A 2020-11-17 2020-11-17 一种监控视频的分析方法及装置、电子设备、存储介质 Pending CN112329691A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011284360.0A CN112329691A (zh) 2020-11-17 2020-11-17 一种监控视频的分析方法及装置、电子设备、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011284360.0A CN112329691A (zh) 2020-11-17 2020-11-17 一种监控视频的分析方法及装置、电子设备、存储介质

Publications (1)

Publication Number Publication Date
CN112329691A true CN112329691A (zh) 2021-02-05

Family

ID=74320887

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011284360.0A Pending CN112329691A (zh) 2020-11-17 2020-11-17 一种监控视频的分析方法及装置、电子设备、存储介质

Country Status (1)

Country Link
CN (1) CN112329691A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113034826A (zh) * 2021-03-10 2021-06-25 深圳市兴海物联科技有限公司 基于视频的异常事件告警方法及其系统、设备、存储介质
CN113160509A (zh) * 2021-04-21 2021-07-23 广州珠江住房租赁发展投资有限公司 一种适用于社区及施工现场内的风险感知方法及系统
CN113301234A (zh) * 2021-05-24 2021-08-24 重庆第二师范学院 一种基于物联网电子智能的防盗监控系统
CN113989853A (zh) * 2021-11-16 2022-01-28 中国联合网络通信集团有限公司 文物保护区异常状态识别方法、装置、终端设备及介质
CN114124653A (zh) * 2021-10-20 2022-03-01 北京电子工程总体研究所 一种指控系统实时告警方法、装置和系统
CN114359836A (zh) * 2022-01-10 2022-04-15 长春师范大学 一种自动识别的基于计算机的监控系统及监控方法
CN114639216A (zh) * 2022-02-18 2022-06-17 国政通科技有限公司 一种特定人员的轨迹区域分析预警系统和方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101266710A (zh) * 2007-03-14 2008-09-17 中国科学院自动化研究所 一种基于规则的全天候智能视频分析监控方法
CN102938058A (zh) * 2012-11-14 2013-02-20 南京航空航天大学 面向平安城市的视频主动智能感知方法及系统
CN104575102A (zh) * 2014-12-16 2015-04-29 北京中交兴路车联网科技有限公司 一种车辆告警系统及方法
CN104882001A (zh) * 2015-06-30 2015-09-02 北京奇虎科技有限公司 基于行车记录仪的驾驶行为监控方法、装置及系统
CN109002744A (zh) * 2017-06-06 2018-12-14 中兴通讯股份有限公司 图像识别方法、装置和视频监控设备
CN109376577A (zh) * 2018-08-27 2019-02-22 中国电子科技集团公司电子科学研究院 视频综合分析方法及系统
CN110674816A (zh) * 2019-09-30 2020-01-10 北京金山云网络技术有限公司 一种监控方法、装置、电子设备及存储介质
CN111294728A (zh) * 2018-12-06 2020-06-16 西安光启未来技术研究院 同行分析方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101266710A (zh) * 2007-03-14 2008-09-17 中国科学院自动化研究所 一种基于规则的全天候智能视频分析监控方法
CN102938058A (zh) * 2012-11-14 2013-02-20 南京航空航天大学 面向平安城市的视频主动智能感知方法及系统
CN104575102A (zh) * 2014-12-16 2015-04-29 北京中交兴路车联网科技有限公司 一种车辆告警系统及方法
CN104882001A (zh) * 2015-06-30 2015-09-02 北京奇虎科技有限公司 基于行车记录仪的驾驶行为监控方法、装置及系统
CN109002744A (zh) * 2017-06-06 2018-12-14 中兴通讯股份有限公司 图像识别方法、装置和视频监控设备
CN109376577A (zh) * 2018-08-27 2019-02-22 中国电子科技集团公司电子科学研究院 视频综合分析方法及系统
CN111294728A (zh) * 2018-12-06 2020-06-16 西安光启未来技术研究院 同行分析方法及装置
CN110674816A (zh) * 2019-09-30 2020-01-10 北京金山云网络技术有限公司 一种监控方法、装置、电子设备及存储介质

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113034826A (zh) * 2021-03-10 2021-06-25 深圳市兴海物联科技有限公司 基于视频的异常事件告警方法及其系统、设备、存储介质
CN113160509A (zh) * 2021-04-21 2021-07-23 广州珠江住房租赁发展投资有限公司 一种适用于社区及施工现场内的风险感知方法及系统
CN113301234A (zh) * 2021-05-24 2021-08-24 重庆第二师范学院 一种基于物联网电子智能的防盗监控系统
CN114124653A (zh) * 2021-10-20 2022-03-01 北京电子工程总体研究所 一种指控系统实时告警方法、装置和系统
CN113989853A (zh) * 2021-11-16 2022-01-28 中国联合网络通信集团有限公司 文物保护区异常状态识别方法、装置、终端设备及介质
CN114359836A (zh) * 2022-01-10 2022-04-15 长春师范大学 一种自动识别的基于计算机的监控系统及监控方法
CN114639216A (zh) * 2022-02-18 2022-06-17 国政通科技有限公司 一种特定人员的轨迹区域分析预警系统和方法

Similar Documents

Publication Publication Date Title
CN112329691A (zh) 一种监控视频的分析方法及装置、电子设备、存储介质
CN111967393B (zh) 一种基于改进YOLOv4的安全帽佩戴检测方法
CN108062349B (zh) 基于视频结构化数据及深度学习的视频监控方法和系统
CN108319926A (zh) 一种工地现场的安全帽佩戴检测系统及检测方法
CN110738127A (zh) 基于无监督深度学习神经网络算法的安全帽识别方法
CN109615862A (zh) 道路车辆交通运动状态参数动态获取方法及装置
CN102164270A (zh) 具有异常事件发掘功能的智能视频监控方法及系统
KR101788225B1 (ko) 건설현장 맞춤형 이미지 분석기술을 활용한 중장비/근로자 인식 및 추적 방법 및 시스템
CN111931582A (zh) 基于图像处理的高速公路交通事件检测方法
CN112434566B (zh) 客流统计方法、装置、电子设备及存储介质
CN103152558B (zh) 基于场景识别的入侵检测方法
CN110728252A (zh) 一种应用于区域人员运动轨迹监控的人脸检测方法
CN112464755A (zh) 一种监控方法及装置、电子设备、存储介质
CN113011371A (zh) 目标检测方法、装置、设备及存储介质
CN114359976B (zh) 一种基于人物识别的智能安防方法与装置
CN117115728A (zh) 一种应用于变电站现场作业的风险识别方法及系统
CN109086717B (zh) 基于人体骨架和运动信号特征的暴力行为检测系统及方法
CN105095891A (zh) 一种人脸捕捉的方法，装置及系统
CN114241373A (zh) 一种端到端的车辆行为检测方法、系统、设备及存储介质
CN106803937B (zh) 一种具有文本日志的双摄像头视频监控方法、系统和监控装置
CN110533889B (zh) 一种敏感区域电子设备监测定位装置与方法
CN112464546A (zh) 基于动态数据分析的公共空间行人流运动风险判别方法
CN111723725A (zh) 一种基于视频ai多维分析系统
Xu et al. A novel method for people and vehicle classification based on Hough line feature
CN111277789A (zh) 基于视频的社区安防方法、装置、电子设备及存储介质

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: 20210205