CN113365026A - 一种小区监控视频目标跟踪安防预警方法和装置 - Google Patents

Abstract

本公开提供了一种小区监控视频目标跟踪安防预警方法和装置，过对小区监控视频进行视频序列加工，并计算视频序列的读取时间和读取位置，得到监测目标与小区居民的概率偏差距与路线连贯值，求出视频序列中监控目标属于该小区的社区归类值作阈值判断，向小区管理人员移动设备发送安全预警信息，有如下优点：（1）在目标视频追踪中同时加入读取时间和读取位置的信息，有效衡量视频的全面时间空间信息；（2）通过视频序列中监控目标属于该小区的概率值，以小区外来人员进行实时监控；（3）通过判断概率阈值，实时向小区管理人员移动设备发送安全预警通知信息。

Description

一种小区监控视频目标跟踪安防预警方法和装置

技术领域

本公开涉及目标追踪技术领域，具体涉及一种小区监控视频目标跟踪安防预警方法和装置。

背景技术

当前的目标追踪技术主要是运用深度学习算法仅在监控视频中进行监测目标的筛选和定位，深度学习是当前视频和图像的计算机视觉处理中广泛使用的技术，把视频和图像分解成图像帧的帧矩阵，对帧矩阵进行运算获得识别结果。但是，在利用视频追踪技术于小区安全管理的情况下，单纯对视频进行运算不足以衡量监测人员与小区的关联性，监测目标的出现时间和出现地点也是重要的技术考虑因素。所以，当前的目标追踪技术不足以计算监测目标的视频、出现时间、出现地点对小区安全性的影响，难以满足小区安防预警的技术要求。

发明内容

本公开提供一种小区监控视频目标跟踪安防预警方法和装置，通过对小区监控视频进行视频序列加工，并计算视频序列的读取时间和读取位置，得到监测目标与小区居民的概率偏差距与路线连贯值，求出视频序列中监控目标属于该小区的社区归类值作阈值判断，向小区管理人员移动设备发送安全预警信息。

为了实现上述目的，根据本公开的一方面，提供一种小区监控视频目标跟踪安防预警方法和装置，所述方法包括以下步骤：

步骤1，对小区内读取的监控视频，进行加入视频读取时间和读取位置的处理，形成数据集，得到视频序列的数据集；

步骤2，通过对包含监测目标的视频序列与数据集中的视频序列进行是否能标注为同一目标的计算，得出各视频序列间的概率偏差距；

步骤3，通过对监测目标的视频序列和数据集中其他视频序列的读取时间、读取位置进行计算，得出不同序列间的路线连贯值；

步骤4，通过概率偏差距和路线连贯值，计算求出视频序列中监控目标属于该小区的社区归类值；

步骤5，由社区归类值判断该视频序列中的监控目标是否为不属于该小区的外部人员，若为不属于时则对管理员的移动设备发送预设的安防预警通知信息。

进一步地，在步骤1中，对小区内读取的监控视频，进行加入视频读取时间和读取位置的处理，形成数据集，得到视频序列的数据集，具体方法为：从监控摄像头或者用于存储监控摄像头拍摄的视频数据的数据库内读取到小区内居民的监控视频，对小区内读取的监控视频，进行加入视频读取时间和读取位置的处理，将监控视频分解为图像帧，并将每个图像帧标注上其读取时间和读取位置，由此形成小区居民的视频序列的数据集。

进一步地，在步骤2中，通过对包含监测目标的视频序列与数据集中的视频序列进行是否能标注为同一目标的计算，得出各视频序列间的概率偏差距的方法为：在步骤1所得的小区居民的视频序列数据集中，以新读取到的外来人员为监测目标，把监测目标的视频序列与数据集中的所有视频序列进行计算，设该所述监测目标的视频序列为监测序列，求出该监测序列与数据集中的序列之间的概率偏差距，计算该监测目标是否能与数据集中的目标标注为同一目标，以衡量该序列中所含目标与其他序列中的目标概率上的偏差。

进一步地，在步骤3中，通过对监测目标的视频序列和数据集中其他视频序列的读取时间、读取位置进行计算，得出不同序列间的路线连贯值的方法为：计算监测序列中的各读取位置形成定位路线，计算定位路线中当前定位与数据集中的所有序列的定位路线的路线连贯值，以衡量该监测序列与数据集中的序列在定位路线上的契合程度。

进一步地，在步骤4中，通过概率偏差距和路线连贯值，计算求出视频序列中监控目标属于该小区的社区归类值的方法为：通过概率偏差距和路线连贯值来对比监测序列在目标概率上的偏差和在定位路线上的契合程度，进行计算得出视频序列中监控目标属于该小区的概率值作为社区归类值，将以此社区归类值与预先设置的概率阈值进行条件判断是否超过阈值。

进一步地，在步骤4中，还包括，将新读取到的外来人员设为监测目标x,其视频序列为S_x,计算x与数据值中各序列的社区归类值取其算术平均数作为该目标x与数据集的社区归类值。

进一步地，在步骤5中，由社区归类值判断该视频序列中的监控目标是否为不属于该小区的外部人员，若为不属于时则对管理员的移动设备发送预设的安防预警通知信息，其方法为：在步骤4中社区归类值与概率阈值进行判断，如果超过阈值则由服务器向小区管理人员的移动设备发送安全预警信息。

本公开的有益效果为：本公开提供了一种小区监控视频目标跟踪安防预警方法和装置，过对小区监控视频进行视频序列加工，并计算视频序列的读取时间和读取位置，得到监测目标与小区居民的概率偏差距与路线连贯值，求出视频序列中监控目标属于该小区的社区归类值作阈值判断，向小区管理人员移动设备发送安全预警信息，有如下优点：(1)在目标视频追踪中同时加入读取时间和读取位置的信息，有效衡量视频的全面时间空间信息；(2)通过视频序列中监控目标属于该小区的概率值，以小区外来人员进行实时监控；(3)通过判断概率阈值，实时向小区管理人员移动设备发送安全预警通知信息。

附图说明

通过对结合附图所示出的实施方式进行详细说明，本公开的上述以及其他特征将更加明显，本公开附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术目标来讲，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，在附图中：

图1所示为一种小区监控视频目标跟踪安防预警方法和装置的流程图；

图2所示为概率偏差距的计算流程图；

图3所示为社区归类值的计算流程图。

具体实施方式

以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本公开的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

如图1所示为根据本公开的一种小区监控视频目标跟踪安防预警方法和装置的流程图，下面结合图1来阐述根据本公开的实施方式的一种小区监控视频目标跟踪安防预警方法和装置。

本公开提出一种小区监控视频目标跟踪安防预警方法和装置，具体包括以下步骤：

步骤1，对小区内读取的监控视频，进行加入视频读取时间和读取位置的处理，形成数据集，得到视频序列的数据集；

步骤2，通过对包含监测目标的视频序列与数据集中的视频序列进行是否能标注为同一目标的计算，得出各视频序列间的概率偏差距；

步骤3，通过对监测目标的视频序列和数据集中其他视频序列的读取时间、读取位置进行计算，得出不同序列间的路线连贯值；

步骤4，通过概率偏差距和路线连贯值，计算求出视频序列中监控目标属于该小区的社区归类值；

步骤5，由社区归类值判断该视频序列中的监控目标是否为不属于该小区的外部人员，若为不属于时则对管理员的移动设备发送预设的安防预警通知信息。

进一步地，在步骤1中，对小区内读取的监控视频，进行加入视频读取时间和读取位置的处理，形成数据集，得到视频序列的数据集，具体方法为：从监控摄像头或者用于存储监控摄像头拍摄的视频数据的数据库内读取到小区内居民的监控视频，对小区内读取的监测目标视频，利用MOT算法(参考文献为：Ciaparrone G,FL Sánchez,Tabik S,etal.Deep Learning in Video Multi-Object Tracking:A Survey[J].Neurocomputing,2019,381.)或利用SORT算法(参考文献为：Bewley A,Ge Z,Ott L,et al.Simple Onlineand Realtime Tracking[C]2016IEEE International Conference on Image Processing(ICIP).IEEE,2016.)对监测目标视频进行筛选预处理并输出预处理后含有监测目标的帧片，再进行加入视频读取时间和读取位置的处理，所述读取位置为摄像头的预先设定得定位位置或者GPS定位经纬度位置，将监控视频分解为图像帧，并将每个图像帧标注上其读取时间和读取位置，每一视频序列由分解后的所有帧及该每帧对应的读取时间和读取位置组成，设视频序列为S，每一帧及其读取时间、读取位置作为一数据项记作s，视频序列S由多个数据项s组成，每个视频序列S都带有目标(目标即该序列在预处理中被识别出的小区居民标识)，将所有小区居民的视频序列组合成小区居民的视频序列的数据集T。

进一步地，再步骤2中，通过对包含监测目标的视频序列与数据集中的视频序列进行是否能标注为同一目标的计算，得出各视频序列间的概率偏差距的方法为：在步骤1所得的小区居民的视频序列数据集中，把新读取到的外来人员的视频序列(即含有监测目标的视频序列)与数据集中的所有视频序列进行计算，设该含有监测目标的视频序列为监测序列，求出该监测序列与数据集中的序列之间的概率偏差距，以衡量该序列中所含目标与其他序列中的目标概率上的偏差，具体为：

取序列S中每个数据项s中的图像帧，将其图像帧转化为512×512的图像帧数组f,令f(m,n)为数组f的第m行第n列取值(m，n皆为小于等于512的正整数)；

令n为序列S的长度，设数据项s的序号i取值范围属于[1，n]，则S中第i个数据项s_i中的图像帧的图像帧矩阵为f_i，该第i个数据项中对应的读取时间取年、月、日、时、分、秒为一个6维数组表示为d_i,该第i个数据项中对应的读取位置定位取经度o_i、纬度a_i为一个2维数组表示为l_i＝[o_i,a_i]，则有S中第i个数据项s_i数学表示为s_i＝[f_i，d_i，l_i]；

设函数K(f,d,l)以提取数据项s中图像信息、时间信息与地点信息的特征值k_i，

其中R(d,l)为d_i,l_i的处理过程，令d(m,n,l(m,n)为数组d_i,l_i的第m行第n列取值，具体计算为R(d,l)＝[exp(d(1,1)*l(1,1))+exp(d(1,1)*l(1,2)]+[exp(d(1,2)*l(1,1))+exp(d(1,2)*l(1,2)]+[exp(d(1,3)*l(1,1))+exp(d(1,3)*l(1,2)]+[exp(d(1,4)*l(1,1))+exp(d(1,4)*l(1,2)]+[exp(d(1,5)*l(1,1))+exp(d(1,5)*l(1,2)]+[exp(d(1,6)*l(1,1))+exp(d(1,6)*l(1,2)]，即s_i＝[f_i，d_i，l_i]通过函数K(s_i)＝K(f_i，d_i，l_i)可以得到k_i＝K(s_i)，则有视频序列S的图像信息、时间信息与地点信息的特征值集合可表示为K(S＝{k₁,k₂,…,k_i-1,k_i}，其他特征值的计算方法同理；

设T中不同目标a和b,将对应含有a和b的任意两个视频处理为标记有读取时间地点的图像帧序列S_a和S_b，计算两段不同序列S_a和S_b的概率偏差距，判断两段视频中的目标的概率偏差距D_a-b，具体计算为：K(S_a)＝{k_a,1,k_a,2,…,k_a,i-1,k_a,i},K(S_b)＝{k_b,1,k_b,2,…,k_b,i-1,k_b,i},

k_a,i和k_b,i分别表示S_a和S_b中序号i数据项的特征值。

进一步地，在步骤3中，通过对监测目标的视频序列和数据集中其他视频序列的读取时间、读取位置进行计算，得出不同序列间的路线连贯值，方法为：计算监测序列中的各读取位置形成定位路线，计算定位路线中监测序列的当前定位与数据集中的所有序列的定位路线的路线连贯值，以衡量该监测序列与数据集中的序列在定位路线上的契合程度，具体方法为：根据检测目标在当前读取位置l_i到下一读取位置定位l_i+1的特征值，来获取其路线连贯值，用步骤2中所述的序列S中第i个数据项中对应的读取位置定位取经度、维度为一个2维数组l_i，根据目标的移动轨迹{l₁,l₂,…,l_i-1,l_i}相连形成路线L_i,取该目标的下一读取位置定位l_i+1，计算l_i和l_i+1两者读取位置的路线连贯值为

以衡量两定位的在路线上的连接契合程度。

进一步地，在步骤4中，通过概率偏差距和路线连贯值，计算求出视频序列中监控目标属于该小区的社区归类值的方法为：通过概率偏差距和路线连贯值来对比监测序列在目标概率上的偏差和在定位路线上的契合程度，进行计算得出视频序列中监控目标属于该小区的概率值作为社区归类值，将以此社区归类值与预先设置的概率阈值进行条件判断是否超过阈值，具体为：

步骤4.1，取集合T中任意两目标a和b的不同序列S_a和S_b通过两序列的概率偏差距D_a-b，在各条路线L_i中各读取位置定位l_i和定位l_i+1的路线连贯值C^i,i+1计算得到{C^1,2,C^{2 ,3},…,C^i-1,i,C^i,i+1}；

步骤4.2，设目标a和b之间的社区归类值为β，则

表示，在目标a和b于路线L_i中均有从定位l_i移动到定位l_i+1的位移行动时，两目标间的社区归类值算作

步骤4.3，在集合T中循环遍历抽取两个序列，重复进行步骤4.1到步骤4.2分别求出各社区归类值并记录，直至集合T全部遍历完成，取全部记录的社区归类值的算术平均值为μ，作为社区归类值的概率阈值；

步骤4.4，设新读取到的外来人员为监测目标x,其视频序列为S_x,计算x与集合T中各序列的社区归类值取其算术平均数作为该目标x与集合T的社区归类值λ。

进一步地，在步骤5中，由社区归类值判断该视频序列中的监控目标是否为不属于该小区的外部人员，若为不属于时则对管理员的移动设备发送预设的安防预警通知信息，具体方法为：将步骤4中社区归类值λ与概率阈值μ进行判断，如果低于阈值则表示该监测目标x与该小区的社区归类值低于正常情况，则为异常情况，由服务器向小区管理人员的移动设备发送安全预警信息。

本公开提供了一种小区监控视频目标跟踪安防预警方法和装置，过对小区监控视频进行视频序列加工，并计算视频序列的读取时间和读取位置，得到监测目标与小区居民的概率偏差距与路线连贯值，求出视频序列中监控目标属于该小区的社区归类值作阈值判断，向小区管理人员移动设备发送安全预警信息。在目标视频追踪中同时加入读取时间和读取位置的信息，有效衡量视频的全面时间空间信息；通过视频序列中监控目标属于该小区的概率值，以小区外来人员进行实时监控；通过判断概率阈值，实时向小区管理人员移动设备发送安全预警通知信息。

尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，从而有效地涵盖本公开的预定范围。此外，上文以发明人可预见的实施例对本公开进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。

Claims (7)

1.一种小区监控视频目标跟踪安防预警方法和装置，其特征在于，所述方法包括以下步骤：

步骤1，对小区内读取的监控视频，进行加入视频读取时间和读取位置的处理，形成数据集，得到视频序列的数据集；

步骤2，通过对包含监测目标的视频序列与数据集中的视频序列进行是否能标注为同一目标的计算，得出各视频序列间的概率偏差距；

步骤3，通过对监测目标的视频序列和数据集中其他视频序列的读取时间、读取位置进行计算，得出不同序列间的路线连贯值；

步骤4，通过概率偏差距和路线连贯值，计算求出视频序列中监控目标属于该小区的社区归类值；

步骤5，由社区归类值判断该视频序列中的监控目标是否为不属于该小区的外部人员，若为不属于时则对管理员的移动设备发送预设的安防预警通知信息。

2.根据权利要求1所述的一种小区监控视频目标跟踪安防预警方法和装置，其特征在于，在步骤1中，对小区内读取的监控视频，进行加入视频读取时间和读取位置的处理，形成数据集，得到视频序列的数据集的方法为：从监控摄像头或者用于存储监控摄像头拍摄的视频数据的数据库内读取到小区内居民的监控视频，将监控视频分解为图像帧，并将每个图像帧标注上其读取时间和读取位置，由此形成小区居民的视频序列的数据集。

3.根据权利要求1所述的一种小区监控视频目标跟踪安防预警方法和装置，其特征在于，在步骤2中，通过对包含监测目标的视频序列与数据集中的视频序列进行是否能标注为同一目标的计算，得出各视频序列间的概率偏差距的方法为：在步骤1所得的视频序列的数据集中，以新读取到的外来人员为监测目标，把监测目标的视频序列与数据集中的所有视频序列进行计算，设该所述监测目标的视频序列为监测序列，求出该监测序列与数据集中的序列之间的概率偏差距，计算该监测目标是否能与数据集中的目标标注为同一目标，以衡量该序列中所含目标与其他序列中的目标概率上的偏差。

4.根据权利要求1所述的一种小区监控视频目标跟踪安防预警方法和装置，其特征在于，在步骤3中，通过对监测目标的视频序列和数据集中其他视频序列的读取时间、读取位置进行计算，得出不同序列间的路线连贯值的方法为：计算监测序列中的各读取位置形成定位路线，计算定位路线中当前定位与数据集中的所有序列的定位路线的路线连贯值，以衡量该监测序列与数据集中的序列在定位路线上的契合程度。

5.根据权利要求1所述的一种小区监控视频目标跟踪安防预警方法和装置，其特征在于，在步骤4中，通过概率偏差距和路线连贯值，计算求出视频序列中监控目标属于该小区的社区归类值的方法为：通过概率偏差距和路线连贯值来对比监测序列在目标概率上的偏差和在定位路线上的契合程度，进行计算得出视频序列中监控目标属于该小区的概率值作为社区归类值，将以此社区归类值与预先设置的概率阈值进行条件判断是否超过阈值。

6.根据权利要求1所述的一种小区监控视频目标跟踪安防预警方法和装置，其特征在于，在步骤4中，还包括，将新读取到的外来人员设为监测目标x,其视频序列为S_x,计算x与数据值中各序列的社区归类值取其算术平均数作为该目标x与数据集的社区归类值。

7.根据权利要求1所述的一种小区监控视频目标跟踪安防预警方法和装置，其特征在于，在步骤5中，由社区归类值判断该视频序列中的监控目标是否为不属于该小区的外部人员，若为不属于时则对管理员的移动设备发送预设的安防预警通知信息，其方法为：在步骤4中社区归类值与概率阈值进行判断，如果超过阈值则由服务器向小区管理人员的移动设备发送安全预警信息。

Images