CN116797993A - 一种基于智慧社区场景的监控方法、系统、介质及设备 - Google Patents

Abstract

本发明提供一种基于智慧社区场景的监控方法，包括以下步骤：获取监控视频；根据动态识别规则从监控视频中提取出现动态物体的视频帧，将所有连续的出现动态物体的视频帧作为预浓缩视频帧集；根据跳帧规则间隔选取预浓缩视频帧集中的视频帧进行保存。本申请通过对含动态物体的视频进行筛取完整保留卡口行人、车辆进出小区事件为基础，保证一定浓缩视频质量前提下，提升视频浓缩的性能，达到减小浓缩视频文件大小；本申请通过对人脸特征区域数量判断预估处理计算量，灵活选择本地处理以及与其他网上平台的合作处理两种方式，从而保证了视频帧的处理效率。

Description

一种基于智慧社区场景的监控方法、系统、介质及设备

技术领域

本发明涉及智能监控技术领域，具体涉及一种基于智慧社区场景的监控方法、系统、介质及设备。

背景技术

随着智慧社区建设和智慧安防行业的快速发展，智能视频监控技术被广泛应用于智慧社区的安防建设工程中。大量的安防监控摄像头布设在社区的公共场所，尤其是社区的卡口，对社区进出的行人、车辆等重要事件目标进行全天候监控。视频监控网络技术的提升对于保护人民安全和维护社会治安具有重大意义。

针对上述现有技术，通过视频监控可以直观的获取信息，但是海量的视频数据在存储、检索时会存在一定问题，尤其在视频数据量过大时，人员在系统中对监控视频的查看和检索，需要较多的人力成本和时间。

发明内容

为了提高人员对监控视频的查看和检索的效率，本申请提供一种基于智慧社区场景的监控方法、系统、介质及设备。

在本申请的第一方面提供了一种基于智慧社区场景的监控方法。

一种基于智慧社区场景的监控方法，包括以下步骤：

获取监控视频；

根据动态识别规则从监控视频中提取出现动态物体的视频帧，将所有连续的出现动态物体的视频帧作为预浓缩视频帧集；

根据跳帧规则间隔选取预浓缩视频帧集中的视频帧进行保存。

通过采用上述技术方案，由于社区监控的对象是人和车，两者都是动态物体所以通过对含动态物体的视频进行筛取完整保留卡口行人、车辆进出小区事件为基础，保证一定浓缩视频质量前提下，提升视频浓缩的性能，达到减小浓缩视频文件大小、缩短视频时长等计算处理目的，从而提高人员对监控视频的查看和检索的效率。

可选的，所述动态识别规则为：

识别视频帧中的像素目标对象；

判断最早的一帧未处理的视频帧的像素目标对象与前一帧的视频帧的像素目标对象是否符合动态像素偏移标准；

若是，则提取视频帧。

通过采用上述技术方案，通过前后两个视频帧之间的像素目标对象是否满足动态像素偏移标准，若是则该视频帧出现动态物体，提取视频帧。

可选的，在识别视频帧中的像素目标对象中，包括以下步骤：

提取视频帧图像中的目标像素区；

按照预置的图像划分方法将目标像素区域分割为多个子区域；

将子区域的图像上传至多个识别平台；

接收多个识别平台反馈的标准识别数据；

根据标准识别数据以及目标像素区，得到像素目标对象。

通过采用上述技术方案，通过与其他识别平台的数据连通，减少图像处理需要运算量，减少图像处理时间，从而快速处理元素较为复杂的视频帧图像。

可选的，所述标准识别数据包括标准人脸数据，在根据标准识别数据以及目标像素区，得到像素目标对象后，还包括以下步骤：

判断异常人脸数据库是否有标准人脸数据对应的人员信息；

若是，则生成并发送警报信息至安保人员通信端。

通过采用上述技术方案，能够及时发现异常人员，并通知安保人员作出反应，减少安全隐患的产生。

可选的，在按照预置的图像划分方法将目标像素区域分割为多个子区域前，还包括以下步骤：

根据标准监控图像，识别视频帧中的人脸特征区域；

对人脸特征区域的数量进行统计；

判断人脸特征区域的数量是否超过第一预置值；

若是，则进行图像分割以按照预置的图像划分方法将目标像素区域分割为多个子区域。

通过采用上述技术方案，在人脸特征区域代表超过第一预置值说明视频帧图像中待处理的区域数量较多，服务器处理时间较长，则采用与其他识别平台合作处理的方式减少运算量，缩减处理时间。

可选的，在判断人脸特征区域的数量是否超过第一预置值后，还包括以下步骤：

是否，则将视频帧输入到预置的对象识别模型，得到像素目标对象。

通过采用上述技术方案，在需要处理的人脸特征区域数量较少时，则采用本地处理的方式，缩减处理流程，提高视频帧的处理效率。

可选的，在对人脸特征区域的数量进行统计后，还包括以下步骤：

判断人脸特征区域的数量是否超过第二预置值；

若是，则发送预置的通知信息至安保人员通信端以通知人员维持秩序。

通过采用上述技术方案，在人脸特征区域大于第二预置值，则说明社区卡口处人员聚集过多，需要进行疏导，于是通知安保人员进行维持秩序。

在本申请的第二方面提供了一种基于智慧社区场景的监控系统，其特征在于，包括：

视频获取模块，用于获取监控视频；

预浓缩视频帧集获取模块，用于根据动态识别规则从监控视频中提取出现动态物体的视频帧，将所有连续的出现动态物体的视频帧作为预浓缩视频帧集；

存储模块，用于根据跳帧规则间隔选取预浓缩视频帧集中的视频帧进行保存。

在本申请的第三方面提供了一种计算机可读存储介质。

一种计算机可读存储介质，其特征在于，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行一种基于智慧社区场景的监控方法。

在本申请的第四方面提供了一种电子设备。

一种电子设备，其特征在于，包括处理器、存储器和收发器，所述存储器用于存储指令，所述收发器用于和其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行一种基于智慧社区场景的监控方法。

综上所述，本申请包括以下至少一种有益技术效果：

1、本申请通过对含动态物体的视频进行筛取完整保留卡口行人、车辆进出小区事件为基础，保证一定浓缩视频质量前提下，提升视频浓缩的性能，达到减小浓缩视频文件大小；

2、本申请通过对人脸特征区域数量判断预估处理计算量，灵活选择本地处理以及与其他网上平台的合作处理两种方式，从而保证了视频帧的处理效率；

3、本申请通过将标准人脸数据与异常人脸数据库进行比对，识别异常人员并对安保人员作出警示，从而作出预防措施。

附图说明

图1是本申请实施例的一种基于智慧社区场景的监控方法的流程示意图；

图2是本申请实施例的动态识别规则的流程示意图；

图3是本申请实施例的识别视频帧中的像素目标对象步骤的具体流程示意图；

图4是本申请实施例的一种基于智慧社区场景的监控系统的模块示意图；

图5是一种电子设备的结构示意图。

附图标记说明：1、视频获取模块；2、预浓缩视频帧集获取模块；3、存储模块；1000、电子设备；1001、处理器；1002、通信总线；1003、用户接口；1004、网络接口；1005、存储器。

具体实施方式

为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。

在本申请实施例的描述中，“示性的”、“例如”或者“举例来说”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示性的”、“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示性的”、“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。

在本申请实施例的描述中，术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，单独存在B，同时存在A和B这三种情况。另外，除非另有说明，术语“多个”的含义是指两个或两个以上。例如，多个系统是指两个或两个以上的系统，多个屏幕终端是指两个或两个以上的屏幕终端。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。

参照图1，一种基于智慧社区场景的监控方法，包括以下步骤：

S1：获取监控视频；

具体的，通过摄像头采集社区的卡口处的视频，对社区进出的行人、车辆等重要事件目标进行全天候监控，摄像头采集视频后将视频传输到服务器；

S2：根据动态识别规则从监控视频中提取出现动态物体的视频帧，将所有连续的出现动态物体的视频帧作为预浓缩视频帧集；

具体的，参照图2，动态识别规则具体包括以下步骤：

S21：识别视频帧中的像素目标对象；

具体的：采集视频后，服务器会按时间先后顺序提取视频帧，一一对视频帧进行图像识别，识别像素目标对象，像素目标对象具体是指代表行人、车辆的像素。

参照图3，本实施例中，为了能够对像素目标对象进行快速识别，以第一预置值数量的像素目标对象为分界，分别采用两种不同的识别方式，具体步骤如下：

S210：提取视频帧图像中的目标像素区；

具体的，目标像素区为视频帧图像中预置的像素采集区域，目标像素区可以通过人员预先设定，同时为了防止一些自动化设备对于图像处理的干扰，减少算力损耗，本实施例，还会对该自动设备对应图像区域进行自动排除处理，其具体原理是根据卡口闸门的开启与关闭会造成图像中特定位置的像素周期性变化，由于自动化设备的运动轨迹确定所以多次自动化设备运行时，对应区域内的像素点RGB值变化规律是相同；在多次自动设备启动时，接收设备启动信号开始统计像素变化规律，若视频中同一像素区域均出现相同的像素变化规律，则将该区域作为自动设备工作区域，在视频帧中将自动设备工作区域排除，防止该区域中的图像对视频帧处理进行干扰；此外，自动设备工作区域位于视频帧图像的中间位置，在像素采集区域的人员运动至卡口闸门前与自动设备工作区域的图像重叠时，可以通过目标跟踪算法区分人员图像；在一实施例中，提取视频帧图像中的目标像素区前，还会对视频帧图像进行缩小，使其视频帧图像缩小的预置分辨率，以减少处理的数据量。

S211：根据标准监控图像，识别视频帧中的人脸特征区域；

具体的，标准监控图像为社区卡口无人或车时处的场景图像，标准监控图像可以由人员采集存储到服务器中；标准监控图像用于比对筛选出目标像素区中不同的像素区域；人脸特征区域代表人脸区域；可以通过对不同的像素区域中特定像素值的像素区域大小进行简单识别，特定像素值为一个代表人脸肤色的RGB值的范围值，特定像素值由人员根据实际需要设定，通过肤色将人员从视频帧图像中区分出，而实际中人脸的面积也有上下限，可以通过判断符合人脸肤色的像素区大小是否符合预置的人脸面积上下限的大小即可简单筛选出人脸区域；

S212：对人脸特征区域的数量进行统计，判断人脸特征区域的数量是否超过第一预置值；

具体的，由于人脸图像越多需要处理的时间越长对于服务器的负担也越大，所以在人脸图像超过第一预置值是代表服务器本身的软件无法及时对视频帧图像中的人脸进行识别，需要另行处理；

此外，在人脸特征区域的数量超过第一预置值后，进一步判断人脸特征区域的数量是否超过第二预置值；以此判断社区卡口是否过于拥挤，若是人脸特征区域的数量超过第二预置值则说明社区卡口过于拥挤，安全隐患较大容易发生踩踏事件，需要小区安保人员维持秩序，于此服务器在人脸特征区域数量超过第二预置值后发送通知信息到安保人员的服务端以通知安保人员到达卡口维持秩序，通知信息可以是特定的语句，比如“请到南门口集合疏导人群”等；

S213：若否，则将视频帧输入到预置的对象识别模型，得到像素目标对象；

具体的，若是人脸特征区域的数量小于第一预置值，说明视频帧图像中人员的数量较少，服务器能够快速处理，则将视频帧输入到预置的对象识别模型，得到像素目标对象；其中，对象识别模型为现有的车辆以及人脸识别模型，像素目标对象为车辆或人脸所对应的像素。

在人脸特征区域的数量超过第一预置值则说明需要服务器处理的时间较长视频存储过慢，需要进行改进；所以本实施例中采用网络上传图像到其他服务器进行分担处理从而减少处理时间的方式解决该问题，具体步骤如下：

S214：若是，则进行图像分割以按照预置的图像划分方法将目标像素区域分割为多个子区域；

具体的，预置的图像划分方法具体为：先目标像素区标记横纵划分线，将目标像素区分为多个相同的待划分区，之后对经过人脸特征区域的横纵划分线进行修正，将横纵划分线经过人脸特征区域的直线修正为绕过人脸特征区域的曲线，该曲线可以是直径为特定值的半圆弧线，特定值大于人脸特征区域的最大宽度值，之后按修正后的待划分区将视频帧图像分割为多个子区域。

S215：将子区域的图像上传至多个识别平台，并接收多个识别平台反馈的标准识别数据；

具体的，识别平台为其他服务器的人脸识别平台，本服务器将子区域上传到其他服务器，使得其他服务器替为进行人脸识别操作，需要说明的是每个识别平台对应一个子区域的图像；按上传顺序接收多个识别平台反馈的标准识别数据；其中，标准识别数据包括标准人脸数据、处理后图像数据、附加边框的人脸区域；

S216：根据标准识别数据以及目标像素区，得到像素目标对象；

具体的，像素目标对象包括人脸对应的像素目标对象与车辆对应的像素目标对象，通过对边框的识别后，将处理后图像数据以及附加边框的人脸区域匹配到视频帧，从而得到人脸对应的像素目标对象，同理车辆的识别可以服务器内的车辆识别模型对视频帧中的目标像素区进行识别，得到车辆对应的像素目标对象，其中，车辆识别模型为现有的车辆识别程序。

在其他实施例中，在获得标准识别数据后，服务器会进一步进行人员身份的校验，判断人员是否属于危险人物，具体步骤如下：

首先判断异常人脸数据库是否有标准人脸数据对应的人员信息；

具体的，其中，标准人脸数据是指人员的正脸照；其他服务器在得到子区域图像时，会将子区域图像中的人脸转换为正脸照，具体可以采用双路径 GAN（TP-GAN）进行正脸照的生成，本服务器只对正脸照进行处理，减少了需要的算力，通过现有的人脸识别算法能够更加快速地比对人脸数据库中是否存在与标准人脸数据相对应的人脸数据；异常人脸数据库可以理解为逃犯等危险人员的人脸信息；

若是，则生成并发送警报信息至安保人员通信端；

具体的，若是危险人员出现在小区卡口处，则及时通过网络通讯将警报信息发送给安保人员，提示安保人员报警以及实时对于危险人员的监控，以防止危险发生。若否，则不做提示，正常进行下一步操作。

S22：根据判断当前处理视频帧的像素目标对象与前一帧的视频帧的像素目标对象是否符合动态像素偏移标准；

具体的，继续参照图1和图2，动态像素偏移标准可以是当前处理视频帧的像素目标对象与前一帧的视频帧中的对应的像素目标对象之间存在位置上或者形状上的区别，即两个视频帧中的像素目标对象的像素坐标不重合且边界之间平均距离差大于预置像素点数，则符合动态像素偏移标准，预置像素点数由人员设定可以是3个像素点也可以是4个像素点，在此不做限定；

S23：若是，则提取视频帧。

具体的，若是，则判断当前处理的视频帧为出现动态物体的视频帧并提取视频帧，将所有视频帧按照提取的先后顺序进行存储，形成预浓缩视频帧集，生成对应的文件夹，并在文件夹名称上标注保存时间；若否，则说明当前视频帧不存在动态物体，即无人员或者车辆通过社区卡口，此时不对该视频帧进行保存,从而减少存储的数据量，筛除无关视频帧，缩减人力成本和时间。若否，则根据切换地址表，通过询表的方式，将当前保存地址切换为下一保存地址，对视频进行保存，切换地址表包括多个保存地址。

S3：根据跳帧规则间隔选取预浓缩视频帧集中的视频帧进行保存；

具体的，跳帧规则可以解释为对预浓缩视频帧集中的视频帧进行进一步筛选，筛选方式为从第一帧开始间隔预设视频帧数量选择下一视频帧，其中预设视频帧数量包括第一预设数以及第二预设数；预设视频帧数量可以根据白天时间以及黑夜时间进行调节；比如在白天时间采用数值较小的第一预设数，在黑夜时间采用数值较大的第二预设数，其中，白天时间具体可以是5:00-17:00、黑夜时间具体可以是17:00-5:00，第一预设数可以是3，第二预设数可以是5，白天时间、黑夜时间、第一预设数、第二预设数均可以按照实际场景由人员确定具体值，本实施不做限定；

之后对筛选出的视频帧按筛选顺序进行保存，删除未被筛选出的视频帧，完成浓缩视频的存储；进行本申请技术方案的操作后，能够大大减少无关视频量，减少人员查异常监控的负担，做到高效对社区卡口处进行监控。此外在其他实施例中，会将动态物体离开后的第1-N张不存在动态物体的原视频帧也进行保存，将其作为浓缩视频的结尾视频帧，本实施例中N的具体值为5，5张结尾视频帧的持续时间为1秒，在另外的实施例中，N也可以是其他值比如4、6；还需要说明的是，原视频帧指的是不经过任何算法处理的视频帧。

本申请还提供了一种基于智慧社区场景的监控系统。

继续参照图4，一种基于智慧社区场景的监控系统，包括：

视频获取模块1，用于获取监控视频；

预浓缩视频帧集获取模块2，用于根据动态识别规则从监控视频中提取出现动态物体的视频帧，将所有连续的出现动态物体的视频帧作为预浓缩视频帧集；

存储模块3，用于根据跳帧规则间隔选取预浓缩视频帧集中的视频帧进行保存。

请参见图5，为本申请实施例提供了一种电子设备的结构示意图。如图5所示，所述电子设备1000可以包括：至少一个处理器1001，至少一个网络接口1004，用户接口1003，存储器1005，至少一个通信总线1002。

其中，通信总线1002用于实现这些组件之间的连接通信。

其中，用户接口1003可以包括显示屏（Display）、摄像头（Camera），可选用户接口1003还可以包括标准的有线接口、无线接口。

其中，网络接口1004可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。

其中，处理器1001可以包括一个或者多个处理核心。处理器1001利用各种借口和线路连接整个服务器1000内的各个部分，通过运行或执行存储在存储器1005内的指令、程序、代码集或指令集，以及调用存储在存储器1005内的数据，执行服务器1000的各种功能和处理数据。可选的，处理器1001可以采用数字信号处理（Digital Signal Processing，DSP）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）、可编程逻辑阵列（Programmable Logic Array，PLA）中的至少一种硬件形式来实现。处理器1001可集成中央处理器（Central Processing Unit，CPU）、图像处理器（Graphics Processing Unit，GPU）和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器1001中，单独通过一块芯片进行实现。

其中，存储器1005可以包括随机存储器（Random Access Memory，RAM），也可以包括只读存储器（Read-Only Memory）。可选的，该存储器1005包括非瞬时性计算机可读介质（non-transitory computer-readable storage medium）。存储器1005可用于存储指令、程序、代码、代码集或指令集。存储器1005可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令（比如触控功能、声音播放功能、图像播放功能等）、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图5所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及一种基于智慧社区场景的监控方法的应用程序。

需要说明的是：上述实施例提供的装置在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置和方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

在电子设备1000中，用户接口1003主要用于为用户提供输入的接口，获取用户输入的数据；而处理器1001可以用于调用存储器1005中存储一种基于智慧社区场景的监控方法的应用程序，当由一个或多个处理器执行时，使得电子设备执行如上述实施例中一个或多个所述的一种基于智慧社区场景的监控方法。

一种电子设备可读存储介质，其特征在于，所述电子设备可读存储介质存储有指令。当由一个或多个处理器执行时，使得电子设备执行如上述实施例中一个或多个所述的一种基于智慧社区场景的监控方法。

本领域的技术人员可以清楚地了解到本申请的技术方案可借助软件和/或硬件来实现。本说明书中的“单元”和“模块”是指能够独立完成或与其他部件配合完成特定功能的软件和/或硬件，其中硬件例如可以是现场可编程门阵列（Field－ProgrammaBLE GateArray，FPGA）、集成电路（Integrated Circuit，IC）等。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器（Read-Only Memory， ROM）、随机存取存储器（Random Access Memory，RAM）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通进程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器（Read-Only Memory， ROM）、随机存取器（Random AccessMemory，RAM）、磁盘或光盘等。

以上所述者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践这里的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的范围和精神由权利要求限定。

Claims (10)

1.一种基于智慧社区场景的监控方法，其特征在于，包括以下步骤：

获取监控视频；

根据动态识别规则从监控视频中提取出现动态物体的视频帧，将所有连续的出现动态物体的视频帧作为预浓缩视频帧集；

根据跳帧规则间隔选取预浓缩视频帧集中的视频帧进行保存。

2.根据权利要求1所述的一种基于智慧社区场景的监控方法，其特征在于：所述动态识别规则为：

识别视频帧中的像素目标对象；

判断最早的一帧未处理的视频帧的像素目标对象与前一帧的视频帧的像素目标对象是否符合动态像素偏移标准；

若是，则提取视频帧。

3.根据权利要求2所述的一种基于智慧社区场景的监控方法，其特征在于，在识别视频帧中的像素目标对象中，包括以下步骤：

提取视频帧图像中的目标像素区；

按照预置的图像划分方法将目标像素区域分割为多个子区域；

将子区域的图像上传至多个识别平台；

接收多个识别平台反馈的标准识别数据；

根据标准识别数据以及目标像素区，得到像素目标对象。

4.根据权利要求3所述的一种基于智慧社区场景的监控方法，其特征在于，所述标准识别数据包括标准人脸数据，在根据标准识别数据以及目标像素区，得到像素目标对象后，还包括以下步骤：

判断异常人脸数据库是否有标准人脸数据对应的人员信息；

若是，则生成并发送警报信息至安保人员通信端。

5.根据权利要求4所述的一种基于智慧社区场景的监控方法，其特征在于，在按照预置的图像划分方法将目标像素区域分割为多个子区域前，还包括以下步骤：

根据标准监控图像，识别视频帧中的人脸特征区域；

对人脸特征区域的数量进行统计；

判断人脸特征区域的数量是否超过第一预置值；

若是，则进行图像分割以按照预置的图像划分方法将目标像素区域分割为多个子区域。

6.根据权利要求5所述的一种基于智慧社区场景的监控方法，其特征在于，在判断人脸特征区域的数量是否超过第一预置值后，还包括以下步骤：

是否，则将视频帧输入到预置的对象识别模型，得到像素目标对象。

7.根据权利要求5所述的一种基于智慧社区场景的监控方法，其特征在于，在对人脸特征区域的数量进行统计后，还包括以下步骤：

判断人脸特征区域的数量是否超过第二预置值；

若是，则发送预置的通知信息至安保人员通信端以通知人员维持秩序。

8.一种基于权利要求1-7任意一条所述的基于智慧社区场景的监控方法的系统，其特征在于，包括：

视频获取模块(1)，用于获取监控视频；

预浓缩视频帧集获取模块(2)，用于根据动态识别规则从监控视频中提取出现动态物体的视频帧，将所有连续的出现动态物体的视频帧作为预浓缩视频帧集；

存储模块(3)，用于根据跳帧规则间隔选取预浓缩视频帧集中的视频帧进行保存。

9.一种计算机可读存储介质，其特征在于，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行如权利要求1-7任意一项所述的方法步骤。

10.一种电子设备，其特征在于，包括处理器、存储器和收发器，所述存储器用于存储指令，所述收发器用于和其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行如权利要求1-7任意一项所述的方法。