CN112653870A - 一种基于大数据的异常行为预警系统 - Google Patents

一种基于大数据的异常行为预警系统 Download PDF

Info

Publication number
CN112653870A
CN112653870A CN202010791215.5A CN202010791215A CN112653870A CN 112653870 A CN112653870 A CN 112653870A CN 202010791215 A CN202010791215 A CN 202010791215A CN 112653870 A CN112653870 A CN 112653870A
Authority
CN
China
Prior art keywords
module
cloud computing
video
computing platform
early warning
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
CN202010791215.5A
Other languages
English (en)
Other versions
CN112653870B (zh
Inventor
宋伟奇
覃妮妮
王代远
韦燕红
王丽娟
练佳熠
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.)
Liuzhou Yunqi Weiye Information Technology Co ltd
Original Assignee
Liuzhou Yunqi Weiye Information Technology 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 Liuzhou Yunqi Weiye Information Technology Co ltd filed Critical Liuzhou Yunqi Weiye Information Technology Co ltd
Priority to CN202010791215.5A priority Critical patent/CN112653870B/zh
Publication of CN112653870A publication Critical patent/CN112653870A/zh
Application granted granted Critical
Publication of CN112653870B publication Critical patent/CN112653870B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/29—Graphical models, e.g. Bayesian networks
    • G06F18/295—Markov models or related models, e.g. semi-Markov models; Markov random fields; Networks embedding Markov models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开了一种基于大数据的异常行为预警系统，包括云计算平台、视频监控模块、警情联动模块、数据库模块、数据查询模块、警民联动模块和信息分析模块；本发明通过设置视频监控模块和警民联动模块的组合，通过视频监控模块对监测区域进行24小时监测，利用群众对异常行为进行初步筛选，通过多源数据完善模型，提高异常行为的预警精度；本发明设置了数据库模块，同时设置数据备份模块，将其与数据库模块和云计算平台互联，避免因突发故障导致的数据丢失；本发明设置了预警显示模块，可通过云计算平台的发送的指令对异常行为进行分类显示，能够将异常行为的监控视频直观显示出来，有益于对异常行为的监控和处理。

Description

一种基于大数据的异常行为预警系统
技术领域
本发明属于大数据分析技术领域，具体是一种基于大数据的异常行为预警系统。
背景技术
人的行为分析在安全监控、高级人机交互、视频会议、基于行为的视频检索以及医疗诊断等方面有着广泛的应用前景。公共场所因其建筑面积广、空间大等概况，巡查人员相对不足，因此难以实时保证公共场所人员和财产的安全。
专利公开号为CN106934970A的一种公共场所异常行为预警系统，包括视频数据采集模块、视频数据分析模块、视频数据对比模块、云服务器、预警联动分配模块和警情互联终端，能够及时收集分析异常行为并与服务器中不法行为实施前的异常行为进行比对，并及时做出预警处理，从而减小不法行为的发生。但是因其数据采集全部依靠视频数据采集模块，未设置专门的数据存储模块和显示模块，导致上述系统的数据源单一，数据存储存在安全隐患，且无法直观地将异常行为显示出来。
上述方案在一定程度上解决了现有异常行为预警系统的不足，但是仍有值得改进的地方。
发明内容
为了解决上述异常行为预警系统存在的问题，本发明提供一种基于大数据的异常行为预警系统，结合多源数据提高隐马尔科夫模型的精度，增加数据存储模块避免数据的丢失，增加预警显示模块使得异常行为的分析结果能够更加直观地表示出来。
本发明的目的可以通过以下技术方案实现：一种基于大数据的异常行为预警系统，包括云计算平台、视频监控模块、警情联动模块、数据库模块、数据查询模块、警民联动模块和信息分析模块；
所述视频监控模块通过若干智能摄像头对监控区域进行全天候实时监控，具体监控步骤为：
步骤一：视频监控模块将实时监控视频通过以太网发送至云计算平台；
步骤二：云计算平台接收到实时监控视频之后，将其标记为Ai，t，i＝1、2、……、n，i为智能摄像头的编号，t为视频拍摄的时间；
步骤三：云计算平台通过徘徊行人重检技术对实时监控视频Ai，t中徘徊行为进行检测，当检测到徘徊行为时，以视频中的人物为目标，将多个监控制品联合起来进行徘徊行为分析，将徘徊行为中的目标标记为Oj、目标的徘徊频率标记为Pj、目标的逗留时长标记为Qj和徘徊范围标记为Rj，j＝1、2、3……、m，j表示目标的人物数量；
步骤四：通过公式
Figure BDA0002623813740000021
获取目标的异常系数Yj，将目标Oj、徘徊频率Pj、逗留时长Qj、徘徊范围Rj发送至云计算平台，将异常系数、目标、徘徊频率、逗留时长、徘徊范围和监控视频通过云计算平台发送至数据库模块，将异常系数通过云计算平台发送至信息分析模块；
所述云计算平台中内置隐马尔科夫模型，所述隐马尔科夫模型用于对监控视频中的目标行为进行行为分析，所述隐马尔科夫模型包括数据预处理单元和模型训练单元，具体分析步骤为：
S1：隐马尔科夫模型从数据库模块获取其存储的监控视频之后，预处理单元先对监控视频进行特征提取，提取出监控视频中所有目标的正常行为组成正常行为库，将正常行为库标记为Xi；
S2：将正常行为库Xi输入模型训练单元估计模型的参数，将训练好的模型标记为T；
S3：云计算平台获取监控视频Ai，t后，隐马尔科夫模型的预处理单元首先对其进行特征提取，提取实时监控视频中目标的行为组成检测序列，并将其标记为Cj，
S4：将正常行为库Xi和检测序列Cj同时输入到训练好的隐马尔科夫模型T中，计算判定值并将其标记为D；将判定值发送至信息分析模块；
S5：正常行为库Xi、检测序列Cj、隐马尔科夫模型T以及判定值D发送至数据库模块；
所述信息分析模块用于对云计算平台的计算结果进行分析，并将计算结果通过云计算平台发送至对应模块进行预警显示，具体分析步骤为：
V1：通过公式
Figure BDA0002623813740000031
获取目标的危险系数，其中ε、∈、μ为特定比例系数，θ为预设安全阈值；
V2：当Yj或D大于预设阈值时，通过云计算平台发送黄色显示指令至预警显示模块，同时发送低风险指令至警情联动模块；当Yj和D均大于预设阈值时，通过云计算平台发送橙色显示指令至预警显示模块，同时发送中风险指令至警情联动模块；当Yj、D和Wj均大于预设阈值时，通过云计算平台发送红色显示指令至预警显示模块，同时发送高风险指令至警情联动模块；若Yj、D和Wj均为小于等于预设阈值时，通过云计算平台发送绿色显示指令至预警显示模块；
V3：云计算平台将低风险、中风险和高风险的监控视频和智能摄像头编号发送至警情联动模块。
优选的，该系统还包括警民联动模块，所述警民联动模块用于获取群众提供的异常行为报警信息，具体获取步骤为：
B1：民众发现疑似异常行为时，使用智能终端对疑似异常行为进行拍摄，并将拍摄的报警视频标记为
Figure BDA0002623813740000041
并通过无线网络发送至云计算平台；
B2：云计算平台接收到报警视频之后通过徘徊行人重检技术对报警视频
Figure BDA0002623813740000042
中徘徊行为进行检测，将徘徊行为中的目标标记为
Figure BDA0002623813740000043
目标的徘徊频率标记为
Figure BDA0002623813740000044
目标的逗留时长标记为
Figure BDA0002623813740000045
和徘徊范围标记为
Figure BDA0002623813740000046
并通过步骤四公式计算
Figure BDA0002623813740000047
B3：云计算平台将报警视频
Figure BDA0002623813740000048
发送至隐马尔科夫模型中，经过隐马尔科夫模型的预处理单元进行处理并进行特征提取，将提取的特征行为组成疑似行为库并将其标记为Kj；
B4：将疑似行为库Kj和正常行为库Xi输入至隐马尔科夫模型T中进行匹配，计算出判定值D*，通过步骤V1中的公式计算目标的危险系数
Figure BDA0002623813740000051
根据计算结果以及步骤V2中的叙述通过云计算平台发送对应指令至预警显示模块和警情联动模块。
优选的，该系统还包括警情联动模块，所述警情联动模块用于接收云计算平台发送的信息并通过智能终端调动警员现场处理，所述智能终端包括智能手机、平板电脑、无线耳机和智能对讲机，具体步骤为：
N1：当接收到低风险指令时，警情联动模块查询离对应智能摄像头编号最近的警员，并将指令级别、摄像头编号和监控视频发送至该警员的智能终端；当接收到中风险指令时，警情联动模块查询离对应智能摄像头编号最近的3-5名警员，并将指令级别、摄像头编号和监控视频发送至警员的智能终端；当接收到高风险指令时，警情联动模块查询离对应智能摄像头编号附近的警员，并将指令级别、摄像头编号和监控视频发送至警员的智能终端，警员数量至少为5人；
N2：低风险指令时，警员接收到指令级别、摄像头编号和监控视频立马到达现场并对异常行为进行处理；中风险指令时，警员接收到指令级别、摄像头编号和监控视频之后需要与其他警员沟通各自的位置，并迅速到达现场进行对异常行为进行处理；高风险指令时，警员接收到指令级别、摄像头编号和监控视频之后需要与其他警员沟通各自的位置，并将接收到的指令反馈给所在小队队长，同时迅速到达现场对异常行为进行处理；
N3：警员到达现场处理异常行为时，对应的智能摄像头将警员执行任务的视频发送至预警显示模块。
优选的，该系统还包括预警显示模块，所述预警显示模块用于接收到云计算平台发送的指令并对监控视频进行分级显示，所述预警显示模块包括低风险显示单元、中风险显示单元、高风险显示单元和任务实时显示单元，具体步骤为：
M1：当预警显示模块接收到黄色显示指令时，将对应的监控视频显示在低风险显示单元，同时监控视频的边框用黄色标记；当预警显示模块接收到橙色显示指令时，将对应的监控视频显示在中风险显示单元，同时将监控视频的边框用橙色标记；当预警显示模块接收到红色显示命令时，将对应的监控视频显示在高风险显示单元，同时将监控视频的边框用红色标记；当预警显示模块接收到来自警情联动模块发送的视频之后，将其显示在任务实时显示单元；
M2：当预警显示模块仅接收到绿色显示指令时，则将监控视频实时显示在低风险显示单元、中风险显示单元、高风险显示单元和任务实时显示单元。
优选的，该系统还包括数据备份模块，所述数据备份模块用于对数据库模块存储的数据进行备份，防止数据丢失，同时云计算平台可以直接从数据备份模块调用其存储的数据。
优选的，所述视频监控模块、警民联动模块、警情联动模块通过以太网与云计算平台连接，所述视频监控模块和数据库模块、警情联动模块和预警显示模块之间通过以太网连接，所述数据库模块、数据备份模块、信息分析模块、预警显示模块和云计算平台之间电性连接。
本发明的有益效果：
1、本发明的数据采集端采用视频监控模块和警民联动模块的组合，通过视频监控模块对监测区域进行24小时监测，通过群众对异常行为进行初步筛选，以视频监控模块的数据为主，警民联动模块的数据为辅建立隐马尔科夫模型，多源数据会使模型不断完善，提高异常行为的预警精度；
2、本发明设置了数据库模块，用于存储视频源数据以及云计算平台计算的参数，同时设置数据备份模块，将其与数据库模块和云计算平台互联，能够保证数据的实时存储以及及时备份，避免因突发故障导致的数据丢失；
3、本发明设置了预警显示模块，可通过云计算平台的发送的指令对异常行为进行分类显示，还可对警员处理异常行为的过程进行监控，可以将异常行为的监控视频直观显示出来，有益于对异常行为的监控和处理。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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的前提下，还可以根据这些附图获得其他的附图。
图1为本发明原理框图
具体实施方式
下面将结合实施例对本发明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它实施例，都属于本发明保护的范围。
如图1所示，一种基于大数据的异常行为预警系统，包括云计算平台、视频监控模块、警情联动模块、数据库模块、数据查询模块、警民联动模块、数据备份模块、预警显示模块和信息分析模块；
视频监控模块通过若干智能摄像头对监控区域进行全天候实时监控，具体监控步骤为：
步骤一：视频监控模块将实时监控视频通过以太网发送至云计算平台；
步骤二：云计算平台接收到实时监控视频之后，将其标记为Ai，t，i＝1、2、……、n，i为智能摄像头的编号，t为视频拍摄的时间；
步骤三：云计算平台通过徘徊行人重检技术对实时监控视频Ai，t中徘徊行为进行检测，当检测到徘徊行为时，以视频中的人物为目标，将多个监控制品联合起来进行徘徊行为分析，将徘徊行为中的目标标记为Oj、目标的徘徊频率标记为Pj、目标的逗留时长标记为Qj和徘徊范围标记为Rj，j＝1、2、3……、m，j表示目标的人物数量；
步骤四：通过公式
Figure BDA0002623813740000081
获取目标的异常系数Yj，将目标Oj、徘徊频率Pj、逗留时长Qj、徘徊范围Rj发送至云计算平台，将异常系数、目标、徘徊频率、逗留时长、徘徊范围和监控视频通过云计算平台发送至数据库模块，将异常系数通过云计算平台发送至信息分析模块；
云计算平台中内置隐马尔科夫模型，隐马尔科夫模型用于对监控视频中的目标行为进行行为分析，隐马尔科夫模型包括数据预处理单元和模型训练单元，具体分析步骤为：
S1：隐马尔科夫模型从数据库模块获取其存储的监控视频之后，预处理单元先对监控视频进行特征提取，提取出监控视频中所有目标的正常行为组成正常行为库，将正常行为库标记为Xi；
S2：将正常行为库Xi输入模型训练单元估计模型的参数，将训练好的模型标记为T；
S3：云计算平台获取监控视频Ai，t后，隐马尔科夫模型的预处理单元首先对其进行特征提取，提取实时监控视频中目标的行为组成检测序列，并将其标记为Cj，
S4：将正常行为库Xi和检测序列Cj同时输入到训练好的隐马尔科夫模型T中，计算判定值并将其标记为D；将判定值发送至信息分析模块；
S5：正常行为库Xi、检测序列Cj、隐马尔科夫模型T以及判定值D发送至数据库模块；
信息分析模块用于对云计算平台的计算结果进行分析，并将计算结果通过云计算平台发送至对应模块进行预警显示，具体分析步骤为：
V1：通过公式
Figure BDA0002623813740000091
获取目标的危险系数，其中ε、∈、μ为特定比例系数，θ为预设安全阈值；
V2：当Yj或D大于预设阈值时，通过云计算平台发送黄色显示指令至预警显示模块，同时发送低风险指令至警情联动模块；当Yj和D均大于预设阈值时，通过云计算平台发送橙色显示指令至预警显示模块，同时发送中风险指令至警情联动模块；当Yj、D和Wj均大于预设阈值时，通过云计算平台发送红色显示指令至预警显示模块，同时发送高风险指令至警情联动模块；若Yj、D和Wj均为小于等于预设阈值时，通过云计算平台发送绿色显示指令至预警显示模块；
V3：云计算平台将低风险、中风险和高风险的监控视频和智能摄像头编号发送至警情联动模块。
进一步地，该系统还包括警民联动模块，警民联动模块用于获取群众提供的异常行为报警信息，具体获取步骤为：
B1：民众发现疑似异常行为时，使用智能终端对疑似异常行为进行拍摄，并将拍摄的报警视频标记为
Figure BDA0002623813740000101
并通过无线网络发送至云计算平台；
B2：云计算平台接收到报警视频之后通过徘徊行人重检技术对报警视频
Figure BDA0002623813740000102
中徘徊行为进行检测，将徘徊行为中的目标标记为
Figure BDA0002623813740000103
目标的徘徊频率标记为
Figure BDA0002623813740000104
目标的逗留时长标记为
Figure BDA0002623813740000105
和徘徊范围标记为
Figure BDA0002623813740000106
并通过步骤四公式计算
Figure BDA0002623813740000107
B3：云计算平台将报警视频
Figure BDA0002623813740000108
发送至隐马尔科夫模型中，经过隐马尔科夫模型的预处理单元进行处理并进行特征提取，将提取的特征行为组成疑似行为库并将其标记为Kj；
B4：将疑似行为库Kj和正常行为库Xi输入至隐马尔科夫模型T中进行匹配，计算出判定值D*，通过步骤V1中的公式计算目标的危险系数
Figure BDA0002623813740000111
根据计算结果以及步骤V2中的叙述通过云计算平台发送对应指令至预警显示模块和警情联动模块。
警情联动模块用于接收云计算平台发送的信息并通过智能终端调动警员现场处理，智能终端包括智能手机、平板电脑、无线耳机和智能对讲机，具体步骤为：
N1：当接收到低风险指令时，警情联动模块查询离对应智能摄像头编号最近的警员，并将指令级别、摄像头编号和监控视频发送至该警员的智能终端；当接收到中风险指令时，警情联动模块查询离对应智能摄像头编号最近的3-5名警员，并将指令级别、摄像头编号和监控视频发送至警员的智能终端；当接收到高风险指令时，警情联动模块查询离对应智能摄像头编号附近的警员，并将指令级别、摄像头编号和监控视频发送至警员的智能终端，警员数量至少为5人；
N2：低风险指令时，警员接收到指令级别、摄像头编号和监控视频立马到达现场并对异常行为进行处理；中风险指令时，警员接收到指令级别、摄像头编号和监控视频之后需要与其他警员沟通各自的位置，并迅速到达现场进行对异常行为进行处理；高风险指令时，警员接收到指令级别、摄像头编号和监控视频之后需要与其他警员沟通各自的位置，并将接收到的指令反馈给所在小队队长，同时迅速到达现场对异常行为进行处理；
N3：警员到达现场处理异常行为时，对应的智能摄像头将警员执行任务的视频发送至预警显示模块。
预警显示模块用于接收到云计算平台发送的指令并对监控视频进行分级显示，预警显示模块包括低风险显示单元、中风险显示单元、高风险显示单元和任务实时显示单元，具体步骤为：
M1：当预警显示模块接收到黄色显示指令时，将对应的监控视频显示在低风险显示单元，同时监控视频的边框用黄色标记；当预警显示模块接收到橙色显示指令时，将对应的监控视频显示在中风险显示单元，同时将监控视频的边框用橙色标记；当预警显示模块接收到红色显示命令时，将对应的监控视频显示在高风险显示单元，同时将监控视频的边框用红色标记；当预警显示模块接收到来自警情联动模块发送的视频之后，将其显示在任务实时显示单元；
M2：当预警显示模块仅接收到绿色显示指令时，则将监控视频实时显示在低风险显示单元、中风险显示单元、高风险显示单元和任务实时显示单元。
数据备份模块用于对数据库模块存储的数据进行备份，防止数据丢失，同时云计算平台可以直接从数据备份模块调用其存储的数据。
视频监控模块、警民联动模块、警情联动模块通过以太网与云计算平台连接，视频监控模块和数据库模块、警情联动模块和预警显示模块之间通过以太网连接，数据库模块、数据备份模块、信息分析模块、预警显示模块和云计算平台之间电性连接。
数据查询模块通过智能终端输入关键字对数据库模块或数据备份模块中的数据进行查询，关键字包括时间、摄像头编号，具体查询步骤为：
U1：用户通过智能终端输入关键字至数据查询模块；
U2：数据查询模块接收到查询关键字之后，通过关键字在数据库模块中查询并获取对应的数据，当数据库模块损坏时，则通过关键字在数据备份模块中查询并获取对应的数据；
U3：数据库模块将依据关键字搜索到的所有数据通过数据查询模块发送至用户的智能终端，用户使用智能终端查看数据；数据查询模块接收到查询的数据之后发送显示指令至云计算平台；
U4：云计算平台接收到显示指令之后，将对应的数据发送至预警显示平台，当数据中的监控视频都是高风险时，则将其显示到高风险显示单元，同时将监控视频的边框用红色标记；当数据中的监控视频都是中风险时，则将其显示到中风险显示单元，同时将监控视频的边框用橙色标记；当数据中的监控视频为低风险时，则将其显示到低风险显示单元，同时将监控视频的边框用黄色标记；当数据中的监控视频包含多种风险类型时，将其显示到对应的风险显示单元，同时将监控视频的边框标记为对应风险的颜色。
上述公式均是去量化取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况设定。
本发明的工作原理：
本发明的视频监控模块通过智能摄像头对监控区域进行全天候实时监控，将拍摄的视频发送至云计算模块，云计算模块对监控视频进行标记，通过徘徊行人重检技术对监控视频进行分析，然后通过公式计算出目标的异常系数；
隐马尔科夫模型监控视频之后，预处理单元先对监控视频进行特征提取，将所有目标的正常行为组成正常行为库，并通过正常行为库对模型进行训练，得到训练好的模型，将获取的视频通过训练好的模型进行匹配来获取判定值，并计算危险系数来判断目标的异常行为；
云计算平台根据危险系数的结果发送对应指令至预警显示模块和警情互联模块，预警显示模块根据指令分类显示监控视频，警情显示模块根据接收到的指令调动警员对异常行为进行处理，同时将警员的处理过程通过预警显示模块实时监控。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (6)

1.一种基于大数据的异常行为预警系统，其特征在于，包括云计算平台、视频监控模块、警情联动模块、数据库模块、数据查询模块、警民联动模块和信息分析模块；
所述视频监控模块通过若干智能摄像头对监控区域进行全天候实时监控，具体监控步骤为：
步骤一：视频监控模块将实时监控视频通过以太网发送至云计算平台；
步骤二：云计算平台接收到实时监控视频之后，将其标记为Ai，t，i＝1、2、……、n，i为智能摄像头的编号，t为视频拍摄的时间；
步骤三：云计算平台通过徘徊行人重检技术对实时监控视频Ai，t中徘徊行为进行检测，当检测到徘徊行为时，以视频中的人物为目标，将多个监控制品联合起来进行徘徊行为分析，将徘徊行为中的目标标记为Oj、目标的徘徊频率标记为Pj、目标的逗留时长标记为Qj和徘徊范围标记为Rj，j＝1、2、3……、m，j表示目标的人物数量；
步骤四：通过公式
Figure FDA0002623813730000011
获取目标的异常系数Yj，将目标Oj、徘徊频率Pj、逗留时长Qj、徘徊范围Rj发送至云计算平台，将异常系数、目标、徘徊频率、逗留时长、徘徊范围和监控视频通过云计算平台发送至数据库模块，将异常系数通过云计算平台发送至信息分析模块；
所述云计算平台中内置隐马尔科夫模型，所述隐马尔科夫模型用于对监控视频中的目标行为进行行为分析，所述隐马尔科夫模型包括数据预处理单元和模型训练单元，具体分析步骤为：
S1：隐马尔科夫模型从数据库模块获取其存储的监控视频之后，预处理单元先对监控视频进行特征提取，提取出监控视频中所有目标的正常行为组成正常行为库，将正常行为库标记为Xi；
S2：将正常行为库Xi输入模型训练单元估计模型的参数，将训练好的模型标记为T；
S3：云计算平台获取监控视频Ai，t后，隐马尔科夫模型的预处理单元首先对其进行特征提取，提取实时监控视频中目标的行为组成检测序列，并将其标记为Cj，
S4：将正常行为库Xi和检测序列Cj同时输入到训练好的隐马尔科夫模型T中，计算判定值并将其标记为D；将判定值发送至信息分析模块；
S5：正常行为库Xi、检测序列Cj、隐马尔科夫模型T以及判定值D发送至数据库模块；
所述信息分析模块用于对云计算平台的计算结果进行分析，并将计算结果通过云计算平台发送至对应模块进行预警显示，具体分析步骤为：
V1：通过公式
Figure FDA0002623813730000021
获取目标的危险系数，其中ε、∈、μ为特定比例系数，θ为预设安全阈值；
V2：当Yj或D大于预设阈值时，通过云计算平台发送黄色显示指令至预警显示模块，同时发送低风险指令至警情联动模块；当Yj和D均大于预设阈值时，通过云计算平台发送橙色显示指令至预警显示模块，同时发送中风险指令至警情联动模块；当Yj、D和Wj均大于预设阈值时，通过云计算平台发送红色显示指令至预警显示模块，同时发送高风险指令至警情联动模块；若Yj、D和Wj均为小于等于预设阈值时，通过云计算平台发送绿色显示指令至预警显示模块；
V3：云计算平台将低风险、中风险和高风险的监控视频和智能摄像头编号发送至警情联动模块。
2.根据权利要求1所述的一种基于大数据的异常行为预警系统，其特征在于，该系统还包括警民联动模块，所述警民联动模块用于获取群众提供的异常行为报警信息，具体获取步骤为：
B1：民众发现疑似异常行为时，使用智能终端对疑似异常行为进行拍摄，并将拍摄的报警视频标记为
Figure FDA0002623813730000031
并通过无线网络发送至云计算平台；
B2：云计算平台接收到报警视频之后通过徘徊行人重检技术对报警视频
Figure FDA0002623813730000039
中徘徊行为进行检测，将徘徊行为中的目标标记为
Figure FDA0002623813730000033
目标的徘徊频率标记为
Figure FDA0002623813730000034
目标的逗留时长标记为
Figure FDA0002623813730000035
和徘徊范围标记为
Figure FDA0002623813730000036
并通过步骤四公式计算
Figure FDA00026238137300000310
B3：云计算平台将报警视频
Figure FDA0002623813730000038
发送至隐马尔科夫模型中，经过隐马尔科夫模型的预处理单元进行处理并进行特征提取，将提取的特征行为组成疑似行为库并将其标记为Kj；
B4：将疑似行为库Kj和正常行为库Xi输入至隐马尔科夫模型T中进行匹配，计算出判定值D*，通过步骤V1中的公式计算目标的危险系数
Figure FDA0002623813730000041
根据计算结果以及步骤V2中的叙述通过云计算平台发送对应指令至预警显示模块和警情联动模块。
3.根据权利要求1所述的一种基于大数据的异常行为预警系统，其特征在于，该系统还包括警情联动模块，所述警情联动模块用于接收云计算平台发送的信息并通过智能终端调动警员现场处理，所述智能终端包括智能手机、平板电脑、无线耳机和智能对讲机，具体步骤为：
N1：当接收到低风险指令时，警情联动模块查询离对应智能摄像头编号最近的警员，并将指令级别、摄像头编号和监控视频发送至该警员的智能终端；当接收到中风险指令时，警情联动模块查询离对应智能摄像头编号最近的3-5名警员，并将指令级别、摄像头编号和监控视频发送至警员的智能终端；当接收到高风险指令时，警情联动模块查询离对应智能摄像头编号附近的警员，并将指令级别、摄像头编号和监控视频发送至警员的智能终端，警员数量至少为5人；
N2：低风险指令时，警员接收到指令级别、摄像头编号和监控视频立马到达现场并对异常行为进行处理；中风险指令时，警员接收到指令级别、摄像头编号和监控视频之后需要与其他警员沟通各自的位置，并迅速到达现场进行对异常行为进行处理；高风险指令时，警员接收到指令级别、摄像头编号和监控视频之后需要与其他警员沟通各自的位置，并将接收到的指令反馈给所在小队队长，同时迅速到达现场对异常行为进行处理；
N3：警员到达现场处理异常行为时，对应的智能摄像头将警员执行任务的视频发送至预警显示模块。
4.根据权利要求1所述的一种基于大数据的异常行为预警系统，其特征在于，该系统还包括预警显示模块，所述预警显示模块用于接收到云计算平台发送的指令并对监控视频进行分级显示，所述预警显示模块包括低风险显示单元、中风险显示单元、高风险显示单元和任务实时显示单元，具体步骤为：
M1：当预警显示模块接收到黄色显示指令时，将对应的监控视频显示在低风险显示单元，同时监控视频的边框用黄色标记；当预警显示模块接收到橙色显示指令时，将对应的监控视频显示在中风险显示单元，同时将监控视频的边框用橙色标记；当预警显示模块接收到红色显示命令时，将对应的监控视频显示在高风险显示单元，同时将监控视频的边框用红色标记；当预警显示模块接收到来自警情联动模块发送的视频之后，将其显示在任务实时显示单元；
M2：当预警显示模块仅接收到绿色显示指令时，则将监控视频实时显示在低风险显示单元、中风险显示单元、高风险显示单元和任务实时显示单元。
5.根据权利要求1所述的一种基于大数据的异常行为预警系统，其特征在于，该系统还包括数据备份模块，所述数据备份模块用于对数据库模块存储的数据进行备份，防止数据丢失，同时云计算平台可以直接从数据备份模块调用其存储的数据。
6.根据权利要求1所述的一种基于大数据的异常行为预警系统，其特征在于，所述视频监控模块、警民联动模块、警情联动模块通过以太网与云计算平台连接，所述视频监控模块和数据库模块、警情联动模块和预警显示模块之间通过以太网连接，所述数据库模块、数据备份模块、信息分析模块、预警显示模块和云计算平台之间电性连接。
CN202010791215.5A 2020-08-07 2020-08-07 一种基于大数据的异常行为预警系统 Active CN112653870B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010791215.5A CN112653870B (zh) 2020-08-07 2020-08-07 一种基于大数据的异常行为预警系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010791215.5A CN112653870B (zh) 2020-08-07 2020-08-07 一种基于大数据的异常行为预警系统

Publications (2)

Publication Number Publication Date
CN112653870A true CN112653870A (zh) 2021-04-13
CN112653870B CN112653870B (zh) 2022-08-19

Family

ID=75346091

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010791215.5A Active CN112653870B (zh) 2020-08-07 2020-08-07 一种基于大数据的异常行为预警系统

Country Status (1)

Country Link
CN (1) CN112653870B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114004559A (zh) * 2021-09-23 2022-02-01 中交信通网络科技有限公司 货物跟踪方法、装置、设备以及存储介质
CN116071893A (zh) * 2023-04-06 2023-05-05 湖南智慧平安科技有限公司 基于大数据与计算机视觉的预警中控指挥平台

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06168342A (ja) * 1992-11-30 1994-06-14 Fujitsu Ltd アナログセンサー監視方式
JP2009043141A (ja) * 2007-08-10 2009-02-26 Univ Nagoya 在宅者の行動・安否確認システム
CN102360422A (zh) * 2011-10-19 2012-02-22 湖南德顺电子科技有限公司 基于视频分析的暴力行为检测方法
JP2013029945A (ja) * 2011-07-28 2013-02-07 Hochiki Corp 防災警報連携システム、防災警報連携方法、警報器及び緊急警報装置
CN105590401A (zh) * 2015-12-15 2016-05-18 天维尔信息科技股份有限公司 基于视频图像的预警联动方法及系统
CN106295565A (zh) * 2016-08-10 2017-01-04 中用环保科技有限公司 基于大数据的监控事件识别及实时犯罪预测方法
CN106375721A (zh) * 2016-09-14 2017-02-01 重庆邮电大学 一种基于云平台的智能视频监控系统
CN106934970A (zh) * 2017-03-30 2017-07-07 安徽森度科技有限公司 一种公共场所异常行为预警系统
CN108052882A (zh) * 2017-11-30 2018-05-18 广东云储物联视界科技有限公司 一种智能安防监控系统的操作方法
CN207543253U (zh) * 2017-12-08 2018-06-26 国网江苏省电力公司 一种变电站视频监控运维系统
CN108320477A (zh) * 2018-04-09 2018-07-24 深圳市集贤科技有限公司 一种电气火灾预警系统和预警方法
CN108391086A (zh) * 2018-02-27 2018-08-10 山东大学 融合事件感知与位置传感的工业视频联动分析方法与系统
CN109447048A (zh) * 2018-12-25 2019-03-08 苏州闪驰数控系统集成有限公司 一种人工智能预警系统
CN110807917A (zh) * 2019-10-16 2020-02-18 丽水学院 一种基于云计算的高速公路智能安防系统
CN111260314A (zh) * 2020-01-10 2020-06-09 重庆跃途科技有限公司 智慧校园安全态势感知系统

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06168342A (ja) * 1992-11-30 1994-06-14 Fujitsu Ltd アナログセンサー監視方式
JP2009043141A (ja) * 2007-08-10 2009-02-26 Univ Nagoya 在宅者の行動・安否確認システム
JP2013029945A (ja) * 2011-07-28 2013-02-07 Hochiki Corp 防災警報連携システム、防災警報連携方法、警報器及び緊急警報装置
CN102360422A (zh) * 2011-10-19 2012-02-22 湖南德顺电子科技有限公司 基于视频分析的暴力行为检测方法
CN105590401A (zh) * 2015-12-15 2016-05-18 天维尔信息科技股份有限公司 基于视频图像的预警联动方法及系统
CN106295565A (zh) * 2016-08-10 2017-01-04 中用环保科技有限公司 基于大数据的监控事件识别及实时犯罪预测方法
CN106375721A (zh) * 2016-09-14 2017-02-01 重庆邮电大学 一种基于云平台的智能视频监控系统
CN106934970A (zh) * 2017-03-30 2017-07-07 安徽森度科技有限公司 一种公共场所异常行为预警系统
CN108052882A (zh) * 2017-11-30 2018-05-18 广东云储物联视界科技有限公司 一种智能安防监控系统的操作方法
CN207543253U (zh) * 2017-12-08 2018-06-26 国网江苏省电力公司 一种变电站视频监控运维系统
CN108391086A (zh) * 2018-02-27 2018-08-10 山东大学 融合事件感知与位置传感的工业视频联动分析方法与系统
CN108320477A (zh) * 2018-04-09 2018-07-24 深圳市集贤科技有限公司 一种电气火灾预警系统和预警方法
CN109447048A (zh) * 2018-12-25 2019-03-08 苏州闪驰数控系统集成有限公司 一种人工智能预警系统
CN110807917A (zh) * 2019-10-16 2020-02-18 丽水学院 一种基于云计算的高速公路智能安防系统
CN111260314A (zh) * 2020-01-10 2020-06-09 重庆跃途科技有限公司 智慧校园安全态势感知系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杨之杰: ""视频监控中异常场景检测与分析研究"", 《信息科技》 *
胡杰: "基于云模式的人防综合信息网络安全防御体系几点思考", 《信息通信》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114004559A (zh) * 2021-09-23 2022-02-01 中交信通网络科技有限公司 货物跟踪方法、装置、设备以及存储介质
CN116071893A (zh) * 2023-04-06 2023-05-05 湖南智慧平安科技有限公司 基于大数据与计算机视觉的预警中控指挥平台
CN116071893B (zh) * 2023-04-06 2023-07-14 湖南智慧平安科技有限公司 基于大数据与计算机视觉的预警中控指挥平台

Also Published As

Publication number Publication date
CN112653870B (zh) 2022-08-19

Similar Documents

Publication Publication Date Title
CN107169426B (zh) 一种基于深度神经网络的人群情绪异常检测和定位方法
CN110428522A (zh) 一种智慧新城的智能安防系统
CN101795395B (zh) 一种人群态势监控系统及方法
CN113516076B (zh) 一种基于注意力机制改进的轻量化YOLO v4安全防护检测方法
CN111047818A (zh) 一种基于视频图像的森林火灾预警系统
TW201838687A (zh) 風險預警管控系統及方法
CN112653870B (zh) 一种基于大数据的异常行为预警系统
CN110321809A (zh) 一种基于深度学习的变电站作业现场监测方法及装置
CN108234927A (zh) 视频追踪方法和系统
CN110674790B (zh) 一种视频监控中异常场景处理方法及系统
CN112580995A (zh) 施工安全大数据监督系统与安全风险动态评估方法
CN115150589A (zh) 一种用于煤矿企业的视频监控运维管理系统
CN209543514U (zh) 基于人脸识别的监控与报警系统
CN109543986A (zh) 基于用户画像的监狱罪犯三预风险评估方法及系统
CN113903081A (zh) 一种水电厂图像视觉识别人工智能报警方法及装置
CN111815831A (zh) 一种基于物联网的社区智能安防系统
CN111062373A (zh) 一种基于深度学习的吊装过程危险识别方法及系统
CN108256447A (zh) 一种基于深度神经网络的无人机航拍视频分析方法
CN115330129A (zh) 一种企业安全风险预警分析方法及系统
CN115567690A (zh) 一种自动识别现场作业危险点的智慧监控系统
CN117093822B (zh) 基于产业知识图谱的产业大脑数据分析平台
CN111553264B (zh) 一种适用于中小学生的校园非安全行为检测及预警方法
CN111510685A (zh) 一种基于三维模型的信息输出方法及装置
CN115346170B (zh) 一种燃气设施区域的智能监控方法及装置
CN116054416B (zh) 一种基于物联网的智能监控运维管理系统

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