CN116416579B - 一种园区安防监控存储信息智能分析管理系统 - Google Patents
一种园区安防监控存储信息智能分析管理系统 Download PDFInfo
- Publication number
- CN116416579B CN116416579B CN202310689405.XA CN202310689405A CN116416579B CN 116416579 B CN116416579 B CN 116416579B CN 202310689405 A CN202310689405 A CN 202310689405A CN 116416579 B CN116416579 B CN 116416579B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- monitoring camera
- camera
- abnormal
- image quality
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 533
- 238000004458 analytical method Methods 0.000 title claims abstract description 44
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 230000002159 abnormal effect Effects 0.000 claims abstract description 109
- 238000009826 distribution Methods 0.000 claims description 34
- 238000000034 method Methods 0.000 claims description 16
- 230000005856 abnormality Effects 0.000 claims description 14
- 230000000007 visual effect Effects 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 10
- 238000009434 installation Methods 0.000 claims description 10
- 238000012512 characterization method Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 238000003384 imaging method Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
-
- 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
-
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及园区安防监控信息管理技术领域，公开一种园区安防监控存储信息智能分析管理系统，包括覆盖区域划定模块、监控级别确定模块、监控视频段提取模块、异常人员识别模块、异常人员标记模块、画质异常识别模块、分析数据库和异常预警及异常信息上传模块，通过对存储的工业园区安防监控视频分别进行出现人员异常分析和画质达标判断，从视频内容和视频呈现质量上实现了安防监控视频存储信息的全面查看管理，有效弥补了单一关注安防监控视频内容存在的不足，进而在一定程度上降低了异常人员的错误识别率，对安防监控视频内容的精准查看启动了良好的辅助作用，从而最大化地避免了物资被盗隐患的发生。
Description
技术领域
本发明涉及园区安防监控信息管理技术领域，具体而言，是一种园区安防监控存储信息智能分析管理系统。
背景技术
随着人民生活水平的不断提高，社会经济越趋活跃，对"安全"的需求越来越高，视频安防监控系统已广泛应用于居民住宅、园区厂区、金融服务等很多场所，特别是工业园区，由于工业园区内存在大量的生产物资且人员出入复杂，容易存在被盗隐患，进而给园区造成巨大的财产损失，由此可见在工业园区内安装视频安防监控系统是非常有必要的。
为了实现工业园区的防盗监控需求，现阶段都是利用工业园区内布设的监控摄像头拍摄监控视频进行存储上传，得到安防监控存储信息，进而由安防人员进行查看管理，识别是否存在异常，从而能够最大程度避免被盗隐患，然而目前对工业园区安防监控存储信息的查看管理过于单一且效率不高，具体体现在以下两个方面：第一方面、目前对工业园区安防监控存储信息的查看管理只单纯关注监控视频内容是否存在异常，特别是异常人员的关注，忽略了监控视频呈现质量的异常查看，例如画质异常，画质异常会直接影响安防人员的视觉体验感，进而无法辨认监控视频内容，从而容易出现异常人员的错误识别，导致识别准确度不高，不利于被盗隐患的避免。
第二方面、目前对工业园区安防监控存储信息的查看管理是由安防人员肉眼查看，这种查看方式受人工查看精力限制无法实现实时不间断查看，不仅降低了查看效率，还大大增加了人工查看成本，还容易出现遗漏查看，导致无法及时发现监控异常，从而使得工业园区防盗安防的保障力达不到需求。
综上所述，目前对工业园区安防监控视频存储信息的查看管理方式在管理范围上和管理手段上都存在缺陷，导致管理效果不佳，无法全面发挥安防监控视频的有效价值。
发明内容
为解决上述技术问题，本发明是通过以下技术方案实现的：一种园区安防监控存储信息智能分析管理系统，包括：覆盖区域划定模块，用于统计目标工业园区内布设的监控摄像头数量，并定位各监控摄像头对应的布设位置，同时获取各监控摄像头对应的配置参数，由此划定各监控摄像头对应的覆盖区域。
监控级别确定模块，用于确定各监控摄像头对应的覆盖区域所属监控级别。
监控视频段提取模块，用于从各监控摄像头对应的监控视频存储库中提取各监控摄像头在设定分析周期内拍摄的若干监控视频段。
异常人员识别模块，用于对各监控摄像头在设定分析周期内拍摄的若干监控视频段进行出现人员分析，由此识别出人员异常监控摄像头及其对应的异常监控视频段和异常人员。
异常人员标记模块，用于从人员异常监控摄像头对应的异常监控视频段中标记出异常人员。
画质异常识别模块，用于对各监控摄像头对应的若干监控视频段进行画质达标判断，并根据判断结果识别出画质异常监控摄像头及其对应的特定监控视频段。
分析数据库，用于存储各种监控级别对应的允许进入人员编号及重要表征值，并存储各种镜头规格对应的标准画质参数。
异常预警及异常信息上传模块，用于在识别出人员异常监控摄像头和画质异常监控摄像头时进行异常预警，与此同时将人员异常监控摄像头、异常监控视频段、画质异常监控摄像头和特定监控视频对应的编号进行上传。
优选地，所述各监控摄像头对应的布设位置具体定位方式为在目标工业园区内构建三维直角坐标系，由此定位各监控摄像头对应的布设位置。
优选地，所述配置参数包括摄像焦距、安装角度、视角范围和镜头规格。
优选地，所述划定各监控摄像头对应的覆盖区域参见以下步骤：从各监控摄像头对应的配置参数中提取摄像焦距，并将各监控摄像头对应的摄像焦距与设定的各种摄像焦距对应的可视距离进行匹配，从中匹配出各监控摄像头对应的可视距离。
以各监控摄像头对应的布设位置为球心，以各监控摄像头对应的可视距离为半径作半球，其中半球内区域为各监控摄像头对应的全景摄像区域。
分别从各监控摄像头对应的配置参数中提取安装角度和视角范围，进而以各监控摄像头对应的安装角度为界限，根据各监控摄像头对应的视角范围，得到各监控摄像头对应的监控角度区间
，
其中i表示为监控摄像头的编号，，n表示为目标工业园区内布设的监控摄像头数量，/>表示为第i监控摄像头对应的安装角度，/>表示为第i监控摄像头对应的视角范围。
基于各监控摄像头对应的监控角度区间从各监控摄像头对应的全景摄像区域中标记出摄像分割线，两条摄像分割线之间的区域即为各监控摄像头对应的覆盖区域。
优选地，所述确定各监控摄像头对应的覆盖区域所属监控级别参见以下步骤：在目标工业园区对应的空间区域布局图中划定各种监控级别对应的分布区域。
根据各监控摄像头的布设位置从目标工业园区对应的空间区域布局图中捕获各监控摄像头对应的布设位置点。
从各监控摄像头对应的覆盖区域中勾勒出边界轮廓线，进而将各监控摄像头对应的覆盖区域边界轮廓线放置到各监控摄像头对应的布设位置点，由此在目标工业园区对应的空间区域布局图中标记出各监控摄像头对应的覆盖区域。
将各监控摄像头对应的覆盖区域与各监控级别对应的分布区域进行对比，从而确定各监控摄像头对应的覆盖区域所属监控级别。
优选地，所述确定各监控摄像头对应的覆盖区域所属监控级别具体参见以下过程：（1）若某监控摄像头对应的覆盖区域单一落入某监控级别对应的分布区域中，则将该监控级别作为该监控摄像头对应的覆盖区域所属监控级别。
（2）若某监控摄像头对应的覆盖区域落入多个监控级别对应的分布区域中，则将落入的监控级别均记为备选监控级别，并按照以下步骤执行：（21）统计该监控摄像头对应的覆盖区域在各备选监控级别对应分布区域中的落入体积，进而利用优先度公式计算得到各备选监控级别对应的优先度/>，其中d表示为备选监控级别的编号，/>，x表示为备选监控级别的数量，/>表示为该监控摄像头对应的覆盖区域在第d备选监控级别对应分布区域中的落入体积，/>表示为第d备选监控级别对应的重要表征值。
（22）筛选出最大优先度对应的备选监控级别作为该监控摄像头对应的覆盖区域所属监控级别。
优选地，所述识别出人员异常监控摄像头及其对应的异常监控视频段和异常人员对应的具体识别过程如下：统计目标工业园区内存在的所有工作人员数量，并将各工作人员进行编号，同时获取各工作人员的人脸图像，构成人脸图像库。
将各监控摄像头对应的监控级别与分析数据库中存储的各种监控级别对应的允许进入人员编号进行匹配，从中匹配出各监控摄像头对应的允许进入人员编号，并从人脸图像库中提取各允许进入人员对应的人脸图像，得到各监控摄像头对应覆盖区域中允许进入人员的人脸图像。
分别从各监控摄像头对应的各监控视频段中提取出现的人员人脸图像，并将其与该监控摄像头对应覆盖区域中允许进入人员的人脸图像进行对比，若某监控摄像头对应的某监控视频段中出现的某人员人脸图像与该监控摄像头对应覆盖区域中所有允许进入人员的人脸图像均不一致，则将该监控摄像头记为人员异常监控摄像头，并将该监控视频段记为异常监控视频段，同时将该人员记为异常人员。
优选地，所述画质达标判断具体操作过程如下：将各监控摄像头对应的若干监控视频段按照设定的视频帧数进行分割，得到若干监控画面。
从各监控摄像头对应各监控视频段分割得到的若干监控画面中提取画质参数，其中画质参数包括噪点分布密度、对比度和分辨率。
从各监控摄像头对应的配置参数中提取镜头规格，并将其从分析数据库中筛选出各监控摄像头对应的标准画质参数。
将各监控摄像头对应各监控视频段中各监控画面对应的画质参数与各监控摄像头对应的标准画质参数进行对比，并结合各监控摄像头对应的使用年限，通过公式
计算得到各监控摄像头对应各监控视频段中各监控画面对应的画质达标度，其中j表示为监控视频段的编号，/>，m表示为各监控摄像头在设定分析周期内采集的监控视频段数量，k表示为监控画面编号，/>，z表示为监控视频段分割的监控画面数量，/>、/>、/>分别表示为第i监控摄像头对应第j监控视频段中第k监控画面对应的噪点分布密度、对比度、分辨率，/>、/>、/>分别表示为第i监控摄像头对应的标准噪点分布密度、标准对比度、标准分辨率，/>表示为第i监控摄像头对应的使用年限，p表示为，e表示为自然常数。
将各监控摄像头对应各监控视频段中各监控画面对应的画质达标度进行相互对比，从中提取最小画质达标度作为各监控摄像头对应各监控视频段的有效画质达标度，并将与预设阈值进行对比，若某监控摄像头对应某监控视频段的有效画质达标度小于预设阈值，则判断该监控摄像头对应该监控视频段的画质不达标，反之则判断该监控摄像头对应该监控视频段的画质达标。
优选地，所述根据判断结果识别出画质异常监控摄像头及其对应的特定监控视频段的具体操作方式为若判断某监控摄像头对应某监控视频段的画质不达标，则将该监控摄像头记为画质异常监控摄像头，将该监控视频段记为特定监控视频段。
与现有技术相比，本发明具有以下优点：1、本发明通过对存储的工业园区安防监控视频分别进行出现人员异常分析和画质达标判断，从视频内容和视频呈现质量上实现了安防监控视频存储信息的全面查看管理，有效弥补了单一关注安防监控视频内容存在的不足，进而在一定程度上降低了异常人员的错误识别率，对安防监控视频内容的精准查看启动了良好的辅助作用，从而最大化地避免了物资被盗隐患的发生。
2、本发明通过采取智能识别方式对存储的工业园区安防监控视频进行实时不间断查看管理，不需要人工参与，一方面提高了查看效率，另一方面减少了人工查看成本的浪费，同时还能够最大程度避免遗漏查看，实现了监控异常的实时识别，有利于提高防盗安防的保障力。
3、本发明在对工业园区安防监控视频进行出现人员异常分析时不仅考虑到外来人员，还考虑到工业园区部分区域内禁止出入的本园工作人员不，使得异常人员的识别范围更加全面，且贴合实际，从而有效避免了异常人员的遗漏识别。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明的系统连接示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中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他实施例，都属于本发明保护的范围。
参照图1所示，本发明提出一种园区安防监控存储信息智能分析管理系统，包括覆盖区域划定模块、监控级别确定模块、监控视频段提取模块、异常人员识别模块、异常人员标记模块、画质异常识别模块、分析数据库和异常预警及异常信息上传模块。
上述中覆盖区域划定模块与监控级别确定模块连接，监控视频段提取模块和监控级别确定模块均与异常人员识别模块连接，异常人员识别模块与异常人员标记模块连接，监控视频段提取模块与画质异常识别模块连接，异常人员识别模块和画质异常识别模块均与异常预警及异常信息上传模块连接，分析数据库分别与异常人员识别模块和画质异常识别模块连接。
所述覆盖区域划定模块用于统计目标工业园区内布设的监控摄像头数量，并定位各监控摄像头对应的布设位置，同时获取各监控摄像头对应的配置参数，其中配置参数包括摄像焦距、安装角度、视角范围和镜头规格，由此划定各监控摄像头对应的覆盖区域。
在本发明的具体实施例中，对监控摄像头对应布设位置的定位方式为在目标工业园区内构建三维直角坐标系，由此定位各监控摄像头对应的布设位置，示例性的，三维直角坐标系的构建可以目标工业园区对应占地区域的中心点为原点，分别以占地区域的长度方向、宽度方向和高度方向作为x轴、y轴和z轴，由此构建三维直角坐标系。
在本发明的又一具体实施例中，上述划定各监控摄像头对应的覆盖区域参见以下步骤：从各监控摄像头对应的配置参数中提取摄像焦距，并将各监控摄像头对应的摄像焦距与设定的各种摄像焦距对应的可视距离进行匹配，从中匹配出各监控摄像头对应的可视距离。
以各监控摄像头对应的布设位置为球心，以各监控摄像头对应的可视距离为半径作半球，其中半球内区域为各监控摄像头对应的全景摄像区域。
需要说明的是，上述提到的全景摄像区域为半球形区域是考虑到监控摄像头只需要对下方区域进行监控，不需要对上方区域进行监控，所以不需要将全景摄像区域设置为全球形区域。
分别从各监控摄像头对应的配置参数中提取安装角度和视角范围，进而以各监控摄像头对应的安装角度为界限，根据各监控摄像头对应的视角范围，得到各监控摄像头对应的监控角度区间
，
其中i表示为监控摄像头的编号，，n表示为目标工业园区内布设的监控摄像头数量，/>表示为第i监控摄像头对应的安装角度，/>表示为第i监控摄像头对应的视角范围。
需要提醒的是，本发明对监控摄像头对应监控角度区间分析的目的在于一般的工业园区占地区域都比较大，且不同区域的用途也不一样，这就使得不同区域允许出入的人员存在差异，特别是一些生产物资仓储区域、生产区域、研发区域，这些区域都相对存在一定的保密要求，监控级别较高，不适合所有人员出入，为了精准分析工业园区内出入人员是否存在异常，首先就需要确定监控摄像头的覆盖区域，而确定覆盖区域的关键在于分析监控摄像头对应的监控角度区间。
进一步地，本发明在分析监控角度区间过程中考虑到监控摄像头对应的全景摄像区域为半球形区域，这就使得监控摄像头的监控角度区间的上限值为，而影响监控角度区间的因素不仅仅是监控摄像头本身的视觉范围，还包括监控摄像头本身的安装角度，通过监控摄像头对应视角范围和安装角度及全景摄像区域的监控角度区间上限值的综合影响分析，能够最大程度提高监控摄像头对应监控角度区间的分析精准度，为后续确定监控摄像头的覆盖区域提供可靠的参照依据。
基于各监控摄像头对应的监控角度区间从各监控摄像头对应的全景摄像区域中标记出摄像分割线，两条摄像分割线之间的区域即为各监控摄像头对应的覆盖区域。
所述监控级别确定模块用于确定各监控摄像头对应的覆盖区域所属监控级别，具体参见以下步骤：在目标工业园区对应的空间区域布局图中划定各种监控级别对应的分布区域。
根据各监控摄像头的布设位置从目标工业园区对应的空间区域布局图中捕获各监控摄像头对应的布设位置点。
从各监控摄像头对应的覆盖区域中勾勒出边界轮廓线，进而将各监控摄像头对应的覆盖区域边界轮廓线放置到各监控摄像头对应的布设位置点，由此在目标工业园区对应的空间区域布局图中标记出各监控摄像头对应的覆盖区域。
将各监控摄像头对应的覆盖区域与各监控级别对应的分布区域进行对比，从而确定各监控摄像头对应的覆盖区域所属监控级别。
在本发明的优选实施方式中，确定各监控摄像头对应的覆盖区域所属监控级别具体参见以下过程：（1）若某监控摄像头对应的覆盖区域单一落入某监控级别对应的分布区域中，则将该监控级别作为该监控摄像头对应的覆盖区域所属监控级别。
（2）若某监控摄像头对应的覆盖区域落入多个监控级别对应的分布区域中，则将落入的监控级别均记为备选监控级别，并按照以下步骤执行：（21）统计该监控摄像头对应的覆盖区域在各备选监控级别对应分布区域中的落入体积，进而利用优先度公式计算得到各备选监控级别对应的优先度/>，其中d表示为备选监控级别的编号，/>，x表示为备选监控级别的数量，/>表示为该监控摄像头对应的覆盖区域在第d备选监控级别对应分布区域中的落入体积，/>表示为第d备选监控级别对应的重要表征值，其中监控摄像头对应的覆盖区域在某备选监控级别对应分布区域中的落入体积越大，该备选监控级别对应的重要表征值越大，该备选监控级别对应的优先度越大。
（22）筛选出最大优先度对应的备选监控级别作为该监控摄像头对应的覆盖区域所属监控级别。
所述监控视频段提取模块用于从各监控摄像头对应的监控视频存储库中提取各监控摄像头在设定分析周期内拍摄的若干监控视频段。
所述异常人员识别模块用于对各监控摄像头在设定分析周期内拍摄的若干监控视频段进行出现人员分析，由此识别出人员异常监控摄像头及其对应的异常监控视频段和异常人员。
在一个具体实施方式中，识别出人员异常监控摄像头及其对应的异常监控视频段和异常人员对应的具体识别过程如下：统计目标工业园区内存在的所有工作人员数量，并将各工作人员进行编号，同时获取各工作人员的人脸图像，构成人脸图像库。
将各监控摄像头对应的监控级别与分析数据库中存储的各种监控级别对应的允许进入人员编号进行匹配，从中匹配出各监控摄像头对应的允许进入人员编号，并从人脸图像库中提取各允许进入人员对应的人脸图像，得到各监控摄像头对应覆盖区域中允许进入人员的人脸图像。
分别从各监控摄像头对应的各监控视频段中提取出现的人员人脸图像，并将其与该监控摄像头对应覆盖区域中允许进入人员的人脸图像进行对比，若某监控摄像头对应的某监控视频段中出现的某人员人脸图像与该监控摄像头对应覆盖区域中所有允许进入人员的人脸图像均不一致，则将该监控摄像头记为人员异常监控摄像头，并将该监控视频段记为异常监控视频段，同时将该人员记为异常人员。
特别地，由于各监控摄像头对应的监控视频段反映的是各监控摄像头对应覆盖区域的监控视频段，因此监控摄像头对应监控视频段中出现的人员即为相应监控摄像头对应覆盖区域中出现的人员。
本发明在对工业园区安防监控视频进行出现人员异常分析时不是直接将工业园区内监控到的人员进行人脸图像对比，而是将工业园区进行划区域处理，不仅考虑到外来人员，还考虑到工业园区部分区域内禁止出入的本园工作人员，使得异常人员的识别范围更加全面，且贴合实际，从而有效避免了异常人员的遗漏识别。
所述异常人员标记模块用于从人员异常监控摄像头对应的异常监控视频段中标记出异常人员，便于安防人员直观及时地发现异常人员，有助于提高异常人员的安防处理效率。
所述画质异常识别模块用于对各监控摄像头对应的若干监控视频段进行画质达标判断，并根据判断结果识别出画质异常监控摄像头及其对应的特定监控视频段。
在本发明的优选技术方案中，画质达标判断具体操作过程如下：将各监控摄像头对应的若干监控视频段按照设定的视频帧数进行分割，得到若干监控画面。
从各监控摄像头对应各监控视频段分割得到的若干监控画面中提取画质参数，其中画质参数包括噪点分布密度、对比度和分辨率。
示例性地，上述提到的噪点分布密度的提取方式为首先统计监控画面中存在的噪点数量，然后获取监控画面的面积，由此确定监控画面的噪点分布密度。
从各监控摄像头对应的配置参数中提取镜头规格，并将其从分析数据库中筛选出各监控摄像头对应的标准画质参数，其中标准画质参数包括标准噪点分布密度、标准对比度和标准分辨率。
将各监控摄像头对应各监控视频段中各监控画面对应的画质参数与各监控摄像头对应的标准画质参数进行对比，并结合各监控摄像头对应的使用年限，通过公式
计算得到各监控摄像头对应各监控视频段中各监控画面对应的画质达标度，其中j表示为监控视频段的编号，/>，m表示为各监控摄像头在设定分析周期内采集的监控视频段数量，k表示为监控画面编号，/>，z表示为监控视频段分割的监控画面数量，/>、/>、/>分别表示为第i监控摄像头对应第j监控视频段中第k监控画面对应的噪点分布密度、对比度、分辨率，/>、/>、/>分别表示为第i监控摄像头对应的标准噪点分布密度、标准对比度、标准分辨率，/>表示为第i监控摄像头对应的使用年限，p表示为，e表示为自然常数。
需要说明的是，为了方便监控画面画质达标判断，本发明在计算监控画面画质达标度时将画质达标度的最大值设置为1，且在计算监控画面画质达标度过程中融合了监控摄像头使用年限的影响，由于监控摄像头属于电子产品，具有电子产品的通病——老化，且监控摄像头的使用年限越长，老化程度越高，导致监控画面的画质下降，本发明通过融入监控摄像头使用年限对监控画面画质达标度的影响，使得监控画面画质达标度的计算更加全面，贴近实际，进而有利于提高计算结果的准确度。
将各监控摄像头对应各监控视频段中各监控画面对应的画质达标度进行相互对比，从中提取最小画质达标度作为各监控摄像头对应各监控视频段的有效画质达标度，并将与预设阈值进行对比，若某监控摄像头对应某监控视频段的有效画质达标度小于预设阈值，则判断该监控摄像头对应该监控视频段的画质不达标，反之则判断该监控摄像头对应该监控视频段的画质达标。
在本发明的进一步技术方案中，识别出画质异常监控摄像头及其对应的特定监控视频段的具体操作方式为若判断某监控摄像头对应某监控视频段的画质不达标，则将该监控摄像头记为画质异常监控摄像头，将该监控视频段记为特定监控视频段。
本发明通过对存储的工业园区安防监控视频分别进行出现人员异常分析和画质达标判断，从视频内容和视频呈现质量上实现了安防监控视频存储信息的全面查看管理，有效弥补了单一关注安防监控视频内容存在的不足，进而在一定程度上降低了异常人员的错误识别率，对安防监控视频内容的精准查看启动了良好的辅助作用，从而最大化地避免了物资被盗隐患的发生。
所述分析数据库用于存储各种监控级别对应的允许进入人员编号及重要表征值，并存储各种镜头规格对应的标准画质参数。
所述异常预警及异常信息上传模块用于在识别出人员异常监控摄像头和画质异常监控摄像头时进行异常预警，与此同时将人员异常监控摄像头、异常监控视频段、画质异常监控摄像头和特定监控视频对应的编号进行上传，便于安防人员及时且针对性地进行处理。
本发明通过采取智能识别方式对存储的工业园区安防监控视频进行实时不间断查看管理，不需要人工参与，一方面提高了查看效率，另一方面减少了人工查看成本的浪费，同时还能够最大程度避免遗漏查看，实现了监控异常的实时识别，有利于提高防盗安防的保障力。
本发明通过对工业园区安防监控视频存储信息的查看管理方式进行管理范围和管理手段上的优化，在一定程度上提高了管理效果，有助于全面发挥安防监控视频的有效价值。
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 (8)
1.一种园区安防监控存储信息智能分析管理系统，其特征在于，包括：
覆盖区域划定模块，用于统计目标工业园区内布设的监控摄像头数量，并定位各监控摄像头对应的布设位置，同时获取各监控摄像头对应的配置参数，由此划定各监控摄像头对应的覆盖区域；
监控级别确定模块，用于确定各监控摄像头对应的覆盖区域所属监控级别；
监控视频段提取模块，用于从各监控摄像头对应的监控视频存储库中提取各监控摄像头在设定分析周期内拍摄的若干监控视频段；
异常人员识别模块，用于对各监控摄像头在设定分析周期内拍摄的若干监控视频段进行出现人员分析，由此识别出人员异常监控摄像头及其对应的异常监控视频段和异常人员；
异常人员标记模块，用于从人员异常监控摄像头对应的异常监控视频段中标记出异常人员；
画质异常识别模块，用于对各监控摄像头对应的若干监控视频段进行画质达标判断，并根据判断结果识别出画质异常监控摄像头及其对应的特定监控视频段；
分析数据库，用于存储各种监控级别对应的允许进入人员编号及重要表征值，并存储各种镜头规格对应的标准画质参数；
异常预警及异常信息上传模块，用于在识别出人员异常监控摄像头和画质异常监控摄像头时进行异常预警，与此同时将人员异常监控摄像头、异常监控视频段、画质异常监控摄像头和特定监控视频对应的编号进行上传；
所述画质达标判断具体操作过程如下：
将各监控摄像头对应的若干监控视频段按照设定的视频帧数进行分割，得到若干监控画面；
从各监控摄像头对应各监控视频段分割得到的若干监控画面中提取画质参数，其中画质参数包括噪点分布密度、对比度和分辨率；
从各监控摄像头对应的配置参数中提取镜头规格，并将其从分析数据库中筛选出各监控摄像头对应的标准画质参数；
将各监控摄像头对应各监控视频段中各监控画面对应的画质参数与各监控摄像头对应的标准画质参数进行对比，并结合各监控摄像头对应的使用年限，通过公式
计算得到各监控摄像头对应各监控视频段中各监控画面对应的画质达标度，其中j表示为监控视频段的编号，/>，m表示为各监控摄像头在设定分析周期内采集的监控视频段数量，k表示为监控画面编号，/>，z表示为监控视频段分割的监控画面数量，/>、/>、/>分别表示为第i监控摄像头对应第j监控视频段中第k监控画面对应的噪点分布密度、对比度、分辨率，/>、/>、/>分别表示为第i监控摄像头对应的标准噪点分布密度、标准对比度、标准分辨率，/>表示为第i监控摄像头对应的使用年限，p表示为，e表示为自然常数；
将各监控摄像头对应各监控视频段中各监控画面对应的画质达标度进行相互对比，从中提取最小画质达标度作为各监控摄像头对应各监控视频段的有效画质达标度，并将与预设阈值进行对比，若某监控摄像头对应某监控视频段的有效画质达标度小于预设阈值，则判断该监控摄像头对应该监控视频段的画质不达标，反之则判断该监控摄像头对应该监控视频段的画质达标。
2.根据权利要求1所述的一种园区安防监控存储信息智能分析管理系统，其特征在于：所述各监控摄像头对应的布设位置具体定位方式为在目标工业园区内构建三维直角坐标系，由此定位各监控摄像头对应的布设位置。
3.根据权利要求1所述的一种园区安防监控存储信息智能分析管理系统，其特征在于：所述配置参数包括摄像焦距、安装角度、视角范围和镜头规格。
4.根据权利要求3所述的一种园区安防监控存储信息智能分析管理系统，其特征在于：所述划定各监控摄像头对应的覆盖区域参见以下步骤：
从各监控摄像头对应的配置参数中提取摄像焦距，并将各监控摄像头对应的摄像焦距与设定的各种摄像焦距对应的可视距离进行匹配，从中匹配出各监控摄像头对应的可视距离；
以各监控摄像头对应的布设位置为球心，以各监控摄像头对应的可视距离为半径作半球，其中半球内区域为各监控摄像头对应的全景摄像区域；
分别从各监控摄像头对应的配置参数中提取安装角度和视角范围，进而以各监控摄像头对应的安装角度为界限，根据各监控摄像头对应的视角范围，得到各监控摄像头对应的监控角度区间
，
其中i表示为监控摄像头的编号，，n表示为目标工业园区内布设的监控摄像头数量，/>表示为第i监控摄像头对应的安装角度，/>表示为第i监控摄像头对应的视角范围；
基于各监控摄像头对应的监控角度区间从各监控摄像头对应的全景摄像区域中标记出摄像分割线，两条摄像分割线之间的区域即为各监控摄像头对应的覆盖区域。
5.根据权利要求1所述的一种园区安防监控存储信息智能分析管理系统，其特征在于：所述确定各监控摄像头对应的覆盖区域所属监控级别参见以下步骤：
在目标工业园区对应的空间区域布局图中划定各种监控级别对应的分布区域；
根据各监控摄像头的布设位置从目标工业园区对应的空间区域布局图中捕获各监控摄像头对应的布设位置点；
从各监控摄像头对应的覆盖区域中勾勒出边界轮廓线，进而将各监控摄像头对应的覆盖区域边界轮廓线放置到各监控摄像头对应的布设位置点，由此在目标工业园区对应的空间区域布局图中标记出各监控摄像头对应的覆盖区域；
将各监控摄像头对应的覆盖区域与各监控级别对应的分布区域进行对比，从而确定各监控摄像头对应的覆盖区域所属监控级别。
6.根据权利要求5所述的一种园区安防监控存储信息智能分析管理系统，其特征在于：所述确定各监控摄像头对应的覆盖区域所属监控级别具体参见以下过程：
（1）若某监控摄像头对应的覆盖区域单一落入某监控级别对应的分布区域中，则将该监控级别作为该监控摄像头对应的覆盖区域所属监控级别；
（2）若某监控摄像头对应的覆盖区域落入多个监控级别对应的分布区域中，则将落入的监控级别均记为备选监控级别，并按照以下步骤执行：
（21）统计该监控摄像头对应的覆盖区域在各备选监控级别对应分布区域中的落入体积，进而利用优先度公式计算得到各备选监控级别对应的优先度/>，其中d表示为备选监控级别的编号，/>，x表示为备选监控级别的数量，/>表示为该监控摄像头对应的覆盖区域在第d备选监控级别对应分布区域中的落入体积，/>表示为第d备选监控级别对应的重要表征值；
（22）筛选出最大优先度对应的备选监控级别作为该监控摄像头对应的覆盖区域所属监控级别。
7.根据权利要求1所述的一种园区安防监控存储信息智能分析管理系统，其特征在于：所述识别出人员异常监控摄像头及其对应的异常监控视频段和异常人员对应的具体识别过程如下：
统计目标工业园区内存在的所有工作人员数量，并将各工作人员进行编号，同时获取各工作人员的人脸图像，构成人脸图像库；
将各监控摄像头对应的监控级别与分析数据库中存储的各种监控级别对应的允许进入人员编号进行匹配，从中匹配出各监控摄像头对应的允许进入人员编号，并从人脸图像库中提取各允许进入人员对应的人脸图像，得到各监控摄像头对应覆盖区域中允许进入人员的人脸图像；
分别从各监控摄像头对应的各监控视频段中提取出现的人员人脸图像，并将其与该监控摄像头对应覆盖区域中允许进入人员的人脸图像进行对比，若某监控摄像头对应的某监控视频段中出现的某人员人脸图像与该监控摄像头对应覆盖区域中所有允许进入人员的人脸图像均不一致，则将该监控摄像头记为人员异常监控摄像头，并将该监控视频段记为异常监控视频段，同时将该人员记为异常人员。
8.根据权利要求1所述的一种园区安防监控存储信息智能分析管理系统，其特征在于：所述根据判断结果识别出画质异常监控摄像头及其对应的特定监控视频段的具体操作方式为若判断某监控摄像头对应某监控视频段的画质不达标，则将该监控摄像头记为画质异常监控摄像头，将该监控视频段记为特定监控视频段。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310689405.XA CN116416579B (zh) | 2023-06-12 | 2023-06-12 | 一种园区安防监控存储信息智能分析管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310689405.XA CN116416579B (zh) | 2023-06-12 | 2023-06-12 | 一种园区安防监控存储信息智能分析管理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116416579A CN116416579A (zh) | 2023-07-11 |
| CN116416579B true CN116416579B (zh) | 2023-08-18 |
Family
ID=87059732
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310689405.XA Active CN116416579B (zh) | 2023-06-12 | 2023-06-12 | 一种园区安防监控存储信息智能分析管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116416579B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116743970B (zh) * | 2023-08-14 | 2023-11-21 | 安徽塔联智能科技有限责任公司 | 一种具有视频ai预警分析的智能管理平台 |
| CN117172463A (zh) * | 2023-08-28 | 2023-12-05 | 湖北顺安伟业科技有限公司 | 一种园区监控数据管理系统 |
| CN117273571B (zh) * | 2023-10-12 | 2024-04-02 | 江苏泓鑫科技有限公司 | 一种基于区块链的智慧港口作业数据管理系统与方法 |
| CN117294819B (zh) * | 2023-11-24 | 2024-03-19 | 深圳市迪威泰实业有限公司 | 一种适用于银行的全方位监控摄像头 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001285902A (ja) * | 2000-04-03 | 2001-10-12 | Matsushita Electric Ind Co Ltd | 画質評価装置 |
| JP2002232919A (ja) * | 2001-02-02 | 2002-08-16 | Matsushita Electric Ind Co Ltd | 画質評価装置 |
| JP2006195504A (ja) * | 2005-01-11 | 2006-07-27 | Mitsubishi Electric Corp | エリア管理システム |
| JP2007050862A (ja) * | 2005-08-19 | 2007-03-01 | East Japan Railway Co | 踏切監視システム及び踏切監視システムの制御方法 |
| JP2016072939A (ja) * | 2014-10-02 | 2016-05-09 | レノボ・シンガポール・プライベート・リミテッド | ユーザの撮影を支援する方法、携帯式電子機器およびコンピュータ・プログラム |
| CN108762164A (zh) * | 2018-06-26 | 2018-11-06 | 山东睿益环境技术有限公司 | 一种工业园区管理方法及其应用 |
| CN112489272A (zh) * | 2019-09-12 | 2021-03-12 | 上海智迪网络科技有限公司 | 一种专用于园区的智能安防控制系统 |
| CN112583632A (zh) * | 2020-10-13 | 2021-03-30 | 特斯联科技集团有限公司 | 一种监控场景中摄像机网络拓扑关系估算方法及系统 |
| CN115002448A (zh) * | 2022-05-26 | 2022-09-02 | 中煤科工集团重庆智慧城市科技研究院有限公司 | 应用于安防监控的视频图像质量诊断方法及系统 |
| CN115695718A (zh) * | 2022-08-31 | 2023-02-03 | 四川天邑康和通信股份有限公司 | 一种ipc摄像头快速接入ip多媒体系统的方法及系统 |
| WO2023093978A1 (en) * | 2021-11-24 | 2023-06-01 | Robert Bosch Gmbh | Method for monitoring of a surveillance area, surveillance system, computer program and storage medium |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8334905B2 (en) * | 2010-05-05 | 2012-12-18 | Cisco Technology, Inc. | Zone, system and failure aware self adjusting IP surveillance cameras |
-
2023
- 2023-06-12 CN CN202310689405.XA patent/CN116416579B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001285902A (ja) * | 2000-04-03 | 2001-10-12 | Matsushita Electric Ind Co Ltd | 画質評価装置 |
| JP2002232919A (ja) * | 2001-02-02 | 2002-08-16 | Matsushita Electric Ind Co Ltd | 画質評価装置 |
| JP2006195504A (ja) * | 2005-01-11 | 2006-07-27 | Mitsubishi Electric Corp | エリア管理システム |
| JP2007050862A (ja) * | 2005-08-19 | 2007-03-01 | East Japan Railway Co | 踏切監視システム及び踏切監視システムの制御方法 |
| JP2016072939A (ja) * | 2014-10-02 | 2016-05-09 | レノボ・シンガポール・プライベート・リミテッド | ユーザの撮影を支援する方法、携帯式電子機器およびコンピュータ・プログラム |
| CN108762164A (zh) * | 2018-06-26 | 2018-11-06 | 山东睿益环境技术有限公司 | 一种工业园区管理方法及其应用 |
| CN112489272A (zh) * | 2019-09-12 | 2021-03-12 | 上海智迪网络科技有限公司 | 一种专用于园区的智能安防控制系统 |
| CN112583632A (zh) * | 2020-10-13 | 2021-03-30 | 特斯联科技集团有限公司 | 一种监控场景中摄像机网络拓扑关系估算方法及系统 |
| WO2023093978A1 (en) * | 2021-11-24 | 2023-06-01 | Robert Bosch Gmbh | Method for monitoring of a surveillance area, surveillance system, computer program and storage medium |
| CN115002448A (zh) * | 2022-05-26 | 2022-09-02 | 中煤科工集团重庆智慧城市科技研究院有限公司 | 应用于安防监控的视频图像质量诊断方法及系统 |
| CN115695718A (zh) * | 2022-08-31 | 2023-02-03 | 四川天邑康和通信股份有限公司 | 一种ipc摄像头快速接入ip多媒体系统的方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116416579A (zh) | 2023-07-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116416579B (zh) | 一种园区安防监控存储信息智能分析管理系统 | |
| US20210073573A1 (en) | Ship identity recognition method based on fusion of ais data and video data | |
| CN110738127B (zh) | 基于无监督深度学习神经网络算法的安全帽识别方法 | |
| 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 | |
| CN109484935A (zh) | 一种电梯轿厢监控方法、装置及系统 | |
| CN110390229B (zh) | 一种人脸图片筛选方法、装置、电子设备及存储介质 | |
| US20130216107A1 (en) | Method of surveillance by face recognition | |
| CN108376246A (zh) | 一种多人脸识别及跟踪系统及方法 | |
| CN111932709A (zh) | 一种基于ai识别实现加油站巡检作业违规安全监管的方法 | |
| CN116486585B (zh) | 一种基于ai机器视觉分析预警的生产安全管理系统 | |
| CN108583592A (zh) | 一种地铁乘务作业信息采集智能检测方法 | |
| CN112449093A (zh) | 一种三维全景视频融合监控平台 | |
| KR101092472B1 (ko) | 감시카메라를 활용한 비디오 색인 시스템 및 그 색인 방법 | |
| CN112084963A (zh) | 一种监控预警方法、系统及存储介质 | |
| CN111783700B (zh) | 一种路面异物自动识别预警方法和系统 | |
| CN112418091A (zh) | 一种基于大数据的智慧校园安防数据处理方法 | |
| CN112257549A (zh) | 一种基于计算机视觉的楼面危险检测预警方法及系统 | |
| CN115620192A (zh) | 一种高空作业安全绳穿戴检测的方法和装置 | |
| CN105095891A (zh) | 一种人脸捕捉的方法，装置及系统 | |
| CN110602453A (zh) | 一种物联网大数据智能视频安防监控系统 | |
| KR101113515B1 (ko) | 감시카메라를 이용한 비디오 색인 시스템 및 방법 | |
| CN113052125A (zh) | 一种施工现场违章图像识别告警方法 | |
| CN111582149A (zh) | 一种基于机器视觉的生产安全管控系统 | |
| KR101542134B1 (ko) | 스마트 카메라모듈을 통한 열차선로 상의 낙석·사람으로 이루어진 관심 객체 실시간 감시 장치 및 방법 | |
| CN116630853A (zh) | 一种重点交通枢纽的实时视频人员寻踪方法及系统 |
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 |