CN115457449A - 一种基于ai视频分析和监控安防的预警系统 - Google Patents

Abstract

本发明提供一种基于AI视频分析和监控安防的预警系统，包括：预警对象获取模块，用于获取预警对象的描述信息和识别基准信息并构建描述信息库和识别基准信息库；实时图像获取模块，用于获取监控安防系统的各个监控设备的实时监控图像；AI视频分析模块，用于基于描述信息库和识别基准信息库，对实时监控图像进行AI视频分析，确定预警对象是否出现在实时监控图像中；预警模块，用于当预警对象出现在实时监控图像时，发出预警；追踪模块，用于当预警模块发出预警之后，基于实时监控图像，构建追踪视频。本发明的基于AI视频分析和监控安防的预警系统，采用AI视频分析方法对监控安防的图像进行分析，实现异常的预警，辅助人工提高监控安防的有效性。

Description

一种基于AI视频分析和监控安防的预警系统

技术领域

本发明涉及预警系统技术领域，特别涉及一种基于AI视频分析和监控安防的预警系统。

背景技术

监控安防是应用摄像头对监控位置进行布控，获取监控图像，实现安防目的应用。监控安防从摄像头的摄像到图像显示，使用户可以在远距离观察监控位置，提高了安防的效率。现有的监控安防都是通过人工观看视频的方式，人工长时间监控的查看或者当监控数量较多时，容易发生懈怠，无法及时有效地发现异常。

发明内容

本发明目的之一在于提供了一种基于AI视频分析和监控安防的预警系统，采用AI视频分析方法对监控安防的图像进行分析，实现异常的预警，辅助人工提高监控安防的有效性。

本发明实施例提供的一种基于AI视频分析和监控安防的预警系统，包括：

预警对象获取模块，用于获取预警对象的描述信息和识别基准信息并构建描述信息库和识别基准信息库；

实时图像获取模块，用于获取监控安防系统的各个监控设备的实时监控图像；

AI视频分析模块，用于基于描述信息库和识别基准信息库，对实时监控图像进行AI视频分析，确定预警对象是否出现在实时监控图像中；

预警模块，用于当预警对象出现在实时监控图像时，发出预警；

追踪模块，用于当预警模块发出预警之后，基于实时监控图像，构建追踪视频。

优选的，预警对象获取模块获取预警对象的描述信息和识别基准信息并构建描述信息库和识别基准信息库，执行如下操作：

当接收用户的预警对象的输入请求时，输出预设的预警对象输入界面；

接收用户对于预警对象输入界面中描述信息输入项的第一类描述信息、第二类描述信息的输入和图片输入项的第一图片的输入；

基于第一类描述信息，确定第一识别模型；

基于第一识别模型，识别第一图片，获取第一识别信息并将第一识别信息作为识别基准信息；

将第一类描述信息存储至描述信息库，并构建与第一类描述信息关联的识别基准信息库；

将识别标准信息和第二类描述信息关联存储至识别基准信息库。

优选的，预警对象获取模块获取预警对象的描述信息和识别基准信息并构建描述信息库和识别基准信息库，还执行如下操作：

获取第三方平台公示的预警信息；

基于预设的第一信息提取模板，对预警信息进行提取，提取预警对象的第一类描述信息；

基于预设的第二信息提取模板，对预警信息进行提取，提取预警对象的第二类描述信息；

提取预警信息中的第二图片；

基于预设的第二识别模型，对第二图片进行识别，获取第二识别信息并将第二识别信息作为基准识别信息；

将第一类描述信息存储至描述信息库，并构建与第一类描述信息关联的识别基准信息库；

将识别标准信息和第二类描述信息关联存储至识别基准信息库。

优选的，AI视频分析模块基于描述信息库和识别基准信息库，对实时监控图像进行AI视频分析，确定预警对象是否出现在实时监控图像中，执行如下操作：

将实时监控图像，输入预设的第三识别模型中，获取第一类识别信息；

将第一类识别信息与描述信息库中的各个第一类描述信息匹配，当存在匹配符合项时，调取与第一类识别信息匹配符合的第一类描述信息对应关联的识别基准信息库和第一识别模型；

基于第一识别模型，对实时监控图像进行识别，获取第三识别信息；

将第三识别信息与识别信息基准库中的各个识别基准信息进行匹配；

当存在匹配符合项时，确定预警对象出现在实时监控图像中；否则，确定预警对象未出现在实时监控图像中。

优选的，当预警对象出现在实时监控图像时，预警模块发出预警，执行如下操作：

在实时监控图像对应的监控界面显示预设的第一提示信息；

和/或，

基于实时监控图像，确定对应的监控设备；

向设置在监控设备旁的报警设备发送报警指令；

和/或，

获取监控设备的设置位置和设备编号；

基于设置位置和设备编号，生成第二提示信息；

将第二提示信息发送至预设的预警联系人的移动终端上。

优选的，当预警模块发出预警之后，追踪模块基于实时监控图像，构建追踪视频，执行如下操作：

提取包含预警对应的预警对象的实时监控图像并存入预设的待处理列表中；

基于预警对象，确定是否存储有历史追踪视频；

当否时，新建视频文件并构建视频文件的时间轴，当是时，提取历史追踪视频和历史追踪视频对应的时间轴；

确定待处理列表中各个图像的拍摄时间；

基于拍摄时间，将实时监控图像映射至时间轴的对应位置，

确定时间轴上是否存在空白区域；

当存在空白区域时，提取空白区域前后的两个图像；

基于提取的两个图像，生成过度图像；

将空白区域对应的时间轴上的长度调整为预设的播放长度并将过度图像映射至调整播放长度后的空白区域内各个映射点位；

基于时间轴，生成追踪视频。

优选的，追踪模块基于提取的两个图像，生成过度图像，执行如下操作：

确定提取的两个图像的时间差值；

基于时间差值和预设的信息生成模板，生成第二提示信息；

获取监控设备布局图；

确定提取的两个图像对应的监控设备是否为同一个；

当是时，在监控设备布局图中采用预设的第一标注方式将两个图像对应监控设备标注出；

当否时，在监控设备布局图中采用预设的第二标注方式将两个图像对应监控设备标注出；

基于标注后的监控设备布局图和第二提示信息，生成过度图像；

其中，第一标注方式包括：在监控设备布局图的对应监控设备的图标位置外周采用闪烁光圈的方式进行标注；

第二标注方式包括：采用从前一个图像对应的监控设备布局图的监控设备的图标位置指向后一个图像对应的监控设备布局图的监控设备的图标位置的箭头的标注方式进行标注。

优选的，基于AI视频分析和监控安防的预警系统，还包括：

预警行为获取模块，用于获取至少一个预警行为检测模型；

AI视频分析模块，还用于基于至少一个预警信息检测模型，对实时监控图像进行预警行为检测；

预警模块，还用于当检测出预警行为时，发出预警。

优选的，基于AI视频分析和监控安防的预警系统，还包括：

确定模块，用于当检测出预警行为时，确定预警行为发生的位置位于监控设备布局图的第一位置以及发出预警行为的人员的第四识别信息、移动参数信息；

存储模块，用于将第四识别信息和检测出预警行为的预警行为检测模型存储至临时调用库；

概率预测模块，用于基于第一位置和移动参数信息，确定人员出现在其他的监控设备的监控区域的概率；

AI视频分析模块在对概率大于预设阈值的监控设备的实时监控图像进行识别时，优先调用临时调用库中的预警行为检测模型和第四识别信息。

优选的，概率预测模块用于基于第一位置和移动参数信息，确定人员出现在其他的监控设备的监控区域的概率，执行如下操作：

基于第一位置和监控设备布局图，确定移动到各个其他的监控设备的监控区域的至少一条移动路径；

基于移动路径，确定参考方向向量；

基于移动参数信息，确定移动方向向量；

计算移动方向向量与参考方向向量的相似度；

基于相似度，确定概率；

其中，基于移动路径，确定参考方向向量，包括：

提取移动路径靠近第一位置的一段预设长度的路程作为分析路程；

对分析路程进行采样，获取多个采样点；

基于多个采样点和第一位置对应的位置点，确定多个分析向量；

计算分析向量与其他的分析向量的相似度总值；

提取相似度总值最大的分析向量作为参考方向向量。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种基于AI视频分析和监控安防的预警系统的示意图；

图2为本发明实施例中一种预警对象获取模块的获取步骤图；

图3为本发明实施例中又一种预警对象获取模块的获取步骤图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

实施例1：

本发明实施例提供了一种基于AI视频分析和监控安防的预警系统，如图1所示，包括：

预警对象获取模块1，用于获取预警对象的描述信息和识别基准信息并构建描述信息库和识别基准信息库；

实时图像获取模块2，用于获取监控安防系统的各个监控设备的实时监控图像；

AI视频分析模块3，用于基于描述信息库和识别基准信息库，对实时监控图像进行AI视频分析，确定预警对象是否出现在实时监控图像中；

预警模块4，用于当预警对象出现在实时监控图像时，发出预警；

追踪模块5，用于当预警模块4发出预警之后，基于实时监控图像，构建追踪视频。

上述技术方案的工作原理及有益效果为：

在具体应用的时候，预警系统首先通过预警对象获取模块1获取预警对象的描述信息和识别基准信息进而构建出描述信息库和识别基准信息库；描述信息主要是描述预警对象具体是何物何人，识别基准信息为用于从图像中识别出是否为预警对象的基准；通过实时图像获取模块2实时获取监控安防系统中各个监控设备的实时监控图像，然后AI视频分析模块3对实时监控图像进行AI视频分析，确定预警对象是否出现在实时监控图像中，当出现时，预警模块4发出预警；追踪模块5构建追踪视频，通过预警，实现侵害前期的发现，通过追踪，实现对预警对象在监控区域的行为的全程记录，避免采用人工进行多个视频的摘录操作，提高了后续确认的效率。

例如：当监控安防系统为应用在小区的监控安防系统，即小区内在各个电梯以及其他位置设置监控设备，实现对小区安全的监控安防，这种情形下，预警对象可以是由小区物业根据活动在小区所在区域内的非法份子、具有攻击性的猫狗等，还可以是业主提交给物业的威胁性人员等；此外，还可以用于业主的寻物或者寻人，即通过预警对象获取模块1输入寻物寻人的描述信息和识别基准信息，AI视频分析模块3对历史监控图像进行分析识别提取历史监控图像，追踪模块5基于提取的历史图像构建历史轨迹视频；实现AI智能分析视频，提高寻物寻人的效率。

实施例2：

如图2所示，预警对象获取模块1获取预警对象的描述信息和识别基准信息并构建描述信息库和识别基准信息库，执行如下操作：

步骤S1A：当接收用户的预警对象的输入请求时，输出预设的预警对象输入界面；

步骤S2A：接收用户对于预警对象输入界面中描述信息输入项的第一类描述信息、第二类描述信息的输入和图片输入项的第一图片的输入；

步骤S3A：基于第一类描述信息，确定第一识别模型；

步骤S4A：基于第一识别模型，识别第一图片，获取第一识别信息并将第一识别信息作为识别基准信息；

步骤S5A：将第一类描述信息存储至描述信息库，并构建与第一类描述信息关联的识别基准信息库；

步骤S6A：将识别标准信息和第二类描述信息关联存储至识别基准信息库。

上述技术方案的工作原理及有益效果为：

用户可以通过预警对象输入界面输入预警对象，预警对象的描述信息主要包括：第一类描述信息和第二类描述信息；第一类描述信息为预警对象的分类；例如：人、动物、物品等；第二类描述信息为预警对象具体名称；例如：张三、李四、狗、电动车等；通过第一类描述信息调取不同的第一识别模型，进而对用户上传的预警对象的图片进行识别信息提取，以此获得识别基准信息；每个第一类描述信息代表一个识别类别，一个识别类别对应一个识别基准信息库。采用不同的第一类描述信息调取不同的第一识别模型，即人的识别可以提取人脸信息的识别模型；动物对应的可以采用对应的识别模型，物品采用物品专用的识别模型，以此实现模型专用，通过多种识别模型分类识别，降低识别模型的体量，提高识别效率。在寻人寻物时的信息输入界面与预警对象输入界面相同都具有描述信息输入项以及图片输入项。

实施例3：

如图3所示，预警对象获取模块1获取预警对象的描述信息和识别基准信息并构建描述信息库和识别基准信息库，还执行如下操作：

步骤S1B：获取第三方平台公示的预警信息；

步骤S2B：基于预设的第一信息提取模板，对预警信息进行提取，提取预警对象的第一类描述信息；

步骤S3B：基于预设的第二信息提取模板，对预警信息进行提取，提取预警对象的第二类描述信息；

步骤S4B：提取预警信息中的第二图片；

步骤S5B：基于预设的第二识别模型，对第二图片进行识别，获取第二识别信息并将第二识别信息作为基准识别信息；

步骤S6B：将第一类描述信息存储至描述信息库，并构建与第一类描述信息关联的识别基准信息库；

步骤S7B：将识别标准信息和第二类描述信息关联存储至识别基准信息库。

上述技术方案的工作原理及有益效果为：

本实施例提供的预警对象的获取是从第三方平台公示的预警信息中获取，第三方平台包括：警情信息公示平台（公示在逃嫌犯以及其他威胁人民群众安全的信息的平台），通过对公示的预警信息（各个在逃嫌犯的公示页中的信息）进行分析提取，分别通过第一信息提取模板和第二信息提取模板提取第一类描述信息和第二类描述信息，公示的第一类描述信息一般都为人，第二类描述信息为人的姓名；通过预警信息中的第二识别模型对第二照片进行识别，获取第二识别信息，根据第一类描述信息、第二类描述信息和第二识别信息，构建用于识别的描述信息库和识别基准信息库；具体应用时，小区内的预警系统采用智能获取小区对应的所属管辖的部门的预警信息，实现自动对预警对象的更新，提高了预警的可行性，保证小区内业主的安全。此外，当应用于地铁站等交通站点的监控系统时，可以实现有效配合有关部门的工作。

实施例3：

AI视频分析模块3基于描述信息库和识别基准信息库，对实时监控图像进行AI视频分析，确定预警对象是否出现在实时监控图像中，执行如下操作：

将实时监控图像，输入预设的第三识别模型中，获取第一类识别信息；

将第一类识别信息与描述信息库中的各个第一类描述信息匹配，当存在匹配符合项时，调取与第一类识别信息匹配符合的第一类描述信息对应关联的识别基准信息库和第一识别模型；

基于第一识别模型，对实时监控图像进行识别，获取第三识别信息；

将第三识别信息与识别信息基准库中的各个识别基准信息进行匹配；

当存在匹配符合项时，确定预警对象出现在实时监控图像中；否则，确定预警对象未出现在实时监控图像中。

上述技术方案的工作原理及有益效果为：

第三识别模型为预先设置的，主要用于识别人、动物或者物品等分类的分类模型，通过识别出何种类别（第一类描述信息），调取对应的识别信息基准库，进行精准识别，提高了识别效率。

实施例4：

当预警对象出现在实时监控图像时，预警模块4发出预警，执行如下操作：

在实时监控图像对应的监控界面显示预设的第一提示信息；

和/或，

基于实时监控图像，确定对应的监控设备；

向设置在监控设备旁的报警设备发送报警指令；

和/或，

获取监控设备的设置位置和设备编号；

基于设置位置和设备编号，生成第二提示信息；

将第二提示信息发送至预设的预警联系人的移动终端上。

上述技术方案的工作原理及有益效果为：

预警模块4发出预警主要通过三种方式：第一种，在监控显示终端的监控界面上显示第一提示信息，第一提示信息可以是“注意：预警对象XXX出现了”；第二种，通过设置在监控设备旁的报警设备发出报警指令；报警设备接收到报警指令发出报警；报警设备包括：扬声器、蜂鸣器和指示灯其中一种或多种结合；在选用该中报警方式时，要考虑预警对象是否为在线追逃嫌犯，当是时，不能采用此种方式进行预警；第三种，为将第二提示信息发送至预设的预警联系人的移动终端上，预警联系人可以是物业工作人员也可以是预警对象提供人员。

实施例5：

当预警模块4发出预警之后，追踪模块5基于实时监控图像，构建追踪视频，执行如下操作：

提取包含预警对应的预警对象的实时监控图像并存入预设的待处理列表中；

基于预警对象，确定是否存储有历史追踪视频；

当否时，新建视频文件并构建视频文件的时间轴，当是时，提取历史追踪视频和历史追踪视频对应的时间轴；

确定待处理列表中各个图像的拍摄时间；

基于拍摄时间，将实时监控图像映射至时间轴的对应位置，

确定时间轴上是否存在空白区域；

当存在空白区域时，提取空白区域前后的两个图像；

基于提取的两个图像，生成过度图像；

将空白区域对应的时间轴上的长度调整为预设的播放长度并将过度图像映射至调整播放长度后的空白区域内各个映射点位；

基于时间轴，生成追踪视频。

其中，追踪模块5基于提取的两个图像，生成过度图像，执行如下操作：

确定提取的两个图像的时间差值；

基于时间差值和预设的信息生成模板，生成第二提示信息；

获取监控设备布局图；

确定提取的两个图像对应的监控设备是否为同一个；

当是时，在监控设备布局图中采用预设的第一标注方式将两个图像对应监控设备标注出；

当否时，在监控设备布局图中采用预设的第二标注方式将两个图像对应监控设备标注出；

基于标注后的监控设备布局图和第二提示信息，生成过度图像；

其中，第一标注方式包括：在监控设备布局图的对应监控设备的图标位置外周采用闪烁光圈的方式进行标注；

第二标注方式包括：采用从前一个图像对应的监控设备布局图的监控设备的图标位置指向后一个图像对应的监控设备布局图的监控设备的图标位置的箭头的标注方式进行标注。

上述技术方案的工作原理及有益效果为：

视频文件为多个实时监控图像基于时间轴上的时间顺序进行播放形成，在构建视频文件时，考虑监控系统上多个监控设备在不同时间监测到在视频上必然会存在过度阶段，即时间轴上存在空白区域，通过空白区域前后的两个图像的生成过度图像，在过度图像上采用监控设备布局图进行标注的方式，以直观地显现预警对象的移动，通过第一标注方式和第二标注方式实现更直观的预警对象是否发生移动到其他监控设备的监控区域的指示，基于时间差生成第二提示信息提示用户预警对象发生移动所花费的时间；此外，将空白区域调整，减少追踪视频的无画面的时间，便于用户的回溯观看。其中，可以将空白区域调整为2秒的画面播放时间。

实施例6：

基于AI视频分析和监控安防的预警系统，还包括：

预警行为获取模块，用于获取至少一个预警行为检测模型；

AI视频分析模块3，还用于基于至少一个预警信息检测模型，对实时监控图像进行预警行为检测；

预警模块4，还用于当检测出预警行为时，发出预警。

上述技术方案的工作原理及有益效果为：

本实施例提供行为监测方法，通过预警行为检测模型对实时监控图像中人员的行为进行检测，当存在预警行为时，进行预警；其中预警行为检测模型是事先进行训练收敛的神经网络模型，在小区应用时，预警行为可以包括在长时间在门口徘徊别人的汽车旁徘徊等；在地铁站等应用时，预警行为可以包括将物品进行定点放置、物品遗落等；实现对监控图像中人员的行为进行分析预警。

实施例7：

基于AI视频分析和监控安防的预警系统，还包括：

确定模块，用于当检测出预警行为时，确定预警行为发生的位置位于监控设备布局图的第一位置以及发出预警行为的人员的第四识别信息、移动参数信息；

存储模块，用于将第四识别信息和检测出预警行为的预警行为检测模型存储至临时调用库；

概率预测模块，用于基于第一位置和移动参数信息，确定人员出现在其他的监控设备的监控区域的概率；

AI视频分析模块3在对概率大于预设阈值的监控设备的实时监控图像进行识别时，优先调用临时调用库中的预警行为检测模型和第四识别信息。

其中，概率预测模块用于基于第一位置和移动参数信息，确定人员出现在其他的监控设备的监控区域的概率，执行如下操作：

基于第一位置和监控设备布局图，确定移动到各个其他的监控设备的监控区域的至少一条移动路径；

基于移动路径，确定参考方向向量；

基于移动参数信息，确定移动方向向量；通过移动参数信息，确定移动方向，进而实现确定移动方向向量；移动方向向量为人员移动的前一采样时间的位置指向当前采样时间的位置；

计算移动方向向量与参考方向向量的相似度；

基于相似度，确定概率；相似度与概率一一对应，通过对应表，查询相似度对应的概率即可；

其中，基于移动路径，确定参考方向向量，包括：

提取移动路径靠近第一位置的一段预设长度的路程作为分析路程；

对分析路程进行采样，获取多个采样点；

基于多个采样点和第一位置对应的位置点，确定多个分析向量；

计算分析向量与其他的分析向量的相似度总值；向量之间的相似度计算可以采用余弦向量相似度计算法，相似度总值为分析向量与其他的分析向量之间的相似度的和值；

提取相似度总值最大的分析向量作为参考方向向量。

上述技术方案的工作原理及有益效果为：

通过概率预测模块对人员出现在其他的监控设备的监控区域内的概率进行预测，进而实现模型及识别信息的优先调用，提高了后续再检测的效率；在进行预测的综合分析人员的移动参数信息以及移动至其他监控设备的监控区域的移动路径，实现准确地预测分析。其中，监控设备布局图为事先根据监控系统的监控设备设置构建的，到其他的监控设备的移动路径不一定唯一，也有可能为多个，每条都要进行分析；当为多条时，根据每条路径确定的概率中最大值作为人员出现在其他的监控设备的监控区域的概率。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种基于AI视频分析和监控安防的预警系统，其特征在于，包括：

预警对象获取模块，用于获取预警对象的描述信息和识别基准信息并构建描述信息库和识别基准信息库；

实时图像获取模块，用于获取监控安防系统的各个监控设备的实时监控图像；

AI视频分析模块，用于基于所述描述信息库和识别基准信息库，对所述实时监控图像进行AI视频分析，确定所述预警对象是否出现在所述实时监控图像中；

预警模块，用于当所述预警对象出现在所述实时监控图像时，发出预警；

追踪模块，用于当所述预警模块发出预警之后，基于所述实时监控图像，构建追踪视频。

2.如权利要求1所述的基于AI视频分析和监控安防的预警系统，其特征在于，所述预警对象获取模块获取预警对象的描述信息和识别基准信息并构建描述信息库和识别基准信息库，执行如下操作：

当接收用户的预警对象的输入请求时，输出预设的预警对象输入界面；

接收所述用户对于所述预警对象输入界面中描述信息输入项的第一类描述信息、第二类描述信息的输入和图片输入项的第一图片的输入；

基于所述第一类描述信息，确定第一识别模型；

基于所述第一识别模型，识别所述第一图片，获取第一识别信息并将所述第一识别信息作为所述识别基准信息；

将所述第一类描述信息存储至所述描述信息库，并构建与所述第一类描述信息关联的识别基准信息库；

将所述识别标准信息和所述第二类描述信息关联存储至所述识别基准信息库。

3.如权利要求1所述的基于AI视频分析和监控安防的预警系统，其特征在于，所述预警对象获取模块获取预警对象的描述信息和识别基准信息并构建描述信息库和识别基准信息库，还执行如下操作：

获取第三方平台公示的预警信息；

基于预设的第一信息提取模板，对所述预警信息进行提取，提取所述预警对象的第一类描述信息；

基于预设的第二信息提取模板，对所述预警信息进行提取，提取所述预警对象的第二类描述信息；

提取所述预警信息中的第二图片；

基于预设的第二识别模型，对所述第二图片进行识别，获取第二识别信息并将所述第二识别信息作为所述基准识别信息；

将所述第一类描述信息存储至所述描述信息库，并构建与所述第一类描述信息关联的识别基准信息库；

将所述识别标准信息和所述第二类描述信息关联存储至所述识别基准信息库。

4.如权利要求1所述的基于AI视频分析和监控安防的预警系统，其特征在于，所述AI视频分析模块基于所述描述信息库和识别基准信息库，对所述实时监控图像进行AI视频分析，确定所述预警对象是否出现在所述实时监控图像中，执行如下操作：

将所述实时监控图像，输入预设的第三识别模型中，获取第一类识别信息；

将所述第一类识别信息与所述描述信息库中的各个第一类描述信息匹配，当存在匹配符合项时，调取与所述第一类识别信息匹配符合的所述第一类描述信息对应关联的所述识别基准信息库和第一识别模型；

基于所述第一识别模型，对所述实时监控图像进行识别，获取第三识别信息；

将所述第三识别信息与所述识别信息基准库中的各个所述识别基准信息进行匹配；

当存在匹配符合项时，确定所述预警对象出现在所述实时监控图像中；否则，确定所述预警对象未出现在所述实时监控图像中。

5.如权利要求1所述的基于AI视频分析和监控安防的预警系统，其特征在于，当所述预警对象出现在所述实时监控图像时，所述预警模块发出预警，执行如下操作：

在所述实时监控图像对应的监控界面显示预设的第一提示信息；

和/或，

基于所述实时监控图像，确定对应的监控设备；

向设置在所述监控设备旁的报警设备发送报警指令；

和/或，

获取所述监控设备的设置位置和设备编号；

基于所述设置位置和设备编号，生成第二提示信息；

将所述第二提示信息发送至预设的预警联系人的移动终端上。

6.如权利要求1所述的基于AI视频分析和监控安防的预警系统，其特征在于，当所述预警模块发出预警之后，所述追踪模块基于所述实时监控图像，构建追踪视频，执行如下操作：

提取包含预警对应的预警对象的实时监控图像并存入预设的待处理列表中；

基于所述预警对象，确定是否存储有历史追踪视频；

当否时，新建视频文件并构建视频文件的时间轴，当是时，提取历史追踪视频和所述历史追踪视频对应的时间轴；

确定所述待处理列表中各个图像的拍摄时间；

基于所述拍摄时间，将所述实时监控图像映射至所述时间轴的对应位置，

确定所述时间轴上是否存在空白区域；

当存在空白区域时，提取所述空白区域前后的两个所述图像；

基于提取的两个所述图像，生成过度图像；

将所述空白区域对应的时间轴上的长度调整为预设的播放长度并将所述过度图像映射至调整播放长度后的所述空白区域内各个映射点位；

基于所述时间轴，生成所述追踪视频。

7.如权利要求6所述的基于AI视频分析和监控安防的预警系统，其特征在于，所述追踪模块基于提取的两个所述图像，生成过度图像，执行如下操作：

确定提取的两个所述图像的时间差值；

基于所述时间差值和预设的信息生成模板，生成第二提示信息；

获取监控设备布局图；

确定提取的两个所述图像对应的监控设备是否为同一个；

当是时，在所述监控设备布局图中采用预设的第一标注方式将两个所述图像对应所述监控设备标注出；

当否时，在所述监控设备布局图中采用预设的第二标注方式将两个所述图像对应所述监控设备标注出；

基于标注后的所述监控设备布局图和所述第二提示信息，生成所述过度图像；

其中，所述第一标注方式包括：在所述监控设备布局图的对应监控设备的图标位置外周采用闪烁光圈的方式进行标注；

所述第二标注方式包括：采用从前一个图像对应的所述监控设备布局图的监控设备的图标位置指向后一个图像对应的所述监控设备布局图的监控设备的图标位置的箭头的标注方式进行标注。

8.如权利要求1所述的基于AI视频分析和监控安防的预警系统，其特征在于，还包括：

预警行为获取模块，用于获取至少一个预警行为检测模型；

AI视频分析模块，还用于基于至少一个所述预警信息检测模型，对所述实时监控图像进行预警行为检测；

预警模块，还用于当检测出预警行为时，发出预警。

9.如权利要求8所述的基于AI视频分析和监控安防的预警系统，其特征在于，还包括：

确定模块，用于当检测出预警行为时，确定预警行为发生的位置位于监控设备布局图的第一位置以及发出预警行为的人员的第四识别信息、移动参数信息；

存储模块，用于将所述第四识别信息和检测出所述预警行为的预警行为检测模型存储至临时调用库；

概率预测模块，用于基于所述第一位置和所述移动参数信息，确定所述人员出现在其他的监控设备的监控区域的概率；

所述AI视频分析模块在对概率大于预设阈值的监控设备的实时监控图像进行识别时，优先调用所述临时调用库中的预警行为检测模型和第四识别信息。

10.如权利要求9所述的基于AI视频分析和监控安防的预警系统，其特征在于，所述概率预测模块用于基于所述第一位置和所述移动参数信息，确定所述人员出现在其他的监控设备的监控区域的概率，执行如下操作：

基于所述第一位置和所述监控设备布局图，确定移动到各个其他的监控设备的监控区域的至少一条移动路径；

基于所述移动路径，确定参考方向向量；

基于所述移动参数信息，确定移动方向向量；

计算所述移动方向向量与所述参考方向向量的相似度；

基于所述相似度，确定所述概率；

其中，基于所述移动路径，确定参考方向向量，包括：

提取所述移动路径靠近所述第一位置的一段预设长度的路程作为分析路程；

对所述分析路程进行采样，获取多个采样点；

基于多个采样点和所述第一位置对应的位置点，确定多个分析向量；

计算分析向量与其他的分析向量的相似度总值；

提取所述相似度总值最大的所述分析向量作为所述参考方向向量。

Images