CN117082338A - 一种基于大数据的视频分析监控系统 - Google Patents

Abstract

本发明公开了一种基于大数据的视频分析监控系统，具体涉及视频监控技术领域，用于解决现有的无法灵活的切换监控模式的问题；是通过采集监控画面的光流参数和运动目标参数建立监控负载系数，在监控负载系数不等于0且监控负载系数大于监控负载系数阈值时，将一个监控画面分割成对应数量的子画面，将每个子画面存储在对应的存储介质内，机动车子画面、非机动车子画面以及行人通道子画面安排相应的监控系统，使得各种不同移动速度和体积的物体都能够被很好地识别；当监控负载系数等于0时则取消分割画面，减小分割监控画面以及单独安排对应监控系统的资源消耗，根据监控负载灵活的调整监控模式，提高监控识别效果，避免监控识别遗漏。

Description

一种基于大数据的视频分析监控系统

技术领域

本发明涉及视频监控技术领域，更具体地说，本发明涉及一种基于大数据的视频分析监控系统。

背景技术

随着技术的发展，在城市交通监控方面开始架设专用的监控设备，监控设备监控画面内覆盖有机动车道、非机动车道以及行人通道，随着集成化技术的发展以及减少资源消耗的倡导提出，开始采用独立的监控系统对架空画面内的车辆和行人进行统辖统一监控，但是在夜晚或者说客流量较少情况下接监控系统可以游刃有余地进行监控，但是在节假日或者或上下班高峰期，随着车流量以及行人的陡增，传统的监控模式或造成负载变大，跟踪识别时间变长，单位时间内识别和数量减少，无法满足大体量的客流量监控，造成识别丢失，识别遗漏率大大提高，此外汽车在监控画面内的移动速度较高，监控系统要想准确的监控就需要以移动速度最快的物体设定监控频率，但是一个监控画面内行人还有非机动车相对于汽车移动速度缓慢，在监控画面内的留存时间较长，如果以监控汽车的频率扫描则其他移动缓慢的物体就会被多次监控扫描，会占据浪费很大的监控资源。

为了解决上述问题，现提供一种技术方案。

发明内容

为了克服现有技术的上述缺陷，本发明的实施例提供一种基于大数据的视频分析监控系统以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于大数据的视频分析监控系统，包括采集模块、对比模块、识别模块、分割模块，各个模块之间通过信号连接；

采集模块采集各项参数建立监控负荷系数，采集模块生成采集信号发送至对比模块；

对比模块将监控负荷系数和监控负荷系数阈值进行比较，若监控负荷系数大于监控负荷系数阈值，发出预警提示，对比模块生成对比信号发送至识别模块；

识别模块在监控视频画面内建立平面直角坐标系，根据马路上的车道标线建立坐标，生成通道宽度和长度信息，识别模块生成识别信号发送至分割模块；

分割模块根据通道宽度和长度信息裁剪监控画面获得车道子画面，对各个子画面单独监控。

在一个优选的实施方式中，采集模块的具体运行过程包括：

采集监控画面的运动目标参数和环境参数；

运动目标参数包括监控画面的像素点平均变化速度、监控画面的像素点改变离散程度和运动目标占比，将监控画面的像素点的平均变化速度标记为PBS、监控画面的像素点改变离散程度标记为LSC、运动目标占比标记为YDM；

环境参数包括噪声强度指数，将噪声强度指数标记为NI；

将监控画面的像素点的平均变化速度和监控画面的像素点改变的离散程度通过归一化公式建立监控负载系数，表达式为：

X＝(PBS＞H1)？1:0

F＝ln[X(αYDM+βNI)+1]

式中，H1为监控画面的像素点的平均变化速度阈值，X为监控画面的像素点的平均变化速度与监控画面的像素点的平均变化速度阈值的比较结果，若监控画面的像素点的平均变化速度大于监控画面的像素点的平均变化速度输出1，否则输出0；α、β、δ分别为运动目标占比、监控画面的像素点改变离散程度、噪声强度指数的比例系数，且α＞β＞δ＞0，F为监控负载系数；

监控画面的像素点的平均变化速度通过在监控画面内等距矩阵铺设n个采集位置，监控这些采集位置的像素点的平均改变速度求和再平均获得，计算表达式为：式中，i＝{1、2、3……n}，n为正整数，S_i表示第i个采集位置的单位时间内像素点的平均改变速度；

运动目标占比的计算表达式为：YDM＝YDW′/YDW″，式中，YDW′为监控画面中的单位时间内活动像素点面积，YDW″为整个监控画面的像素点面积；

噪声强度指数通过监控设备收声组件监测，计算表达式为：式中，T为测量单位时间，L(t)为在单位时间内测得的声音强度，NI′为噪声强度参考值；

采集模块生成采集信息发送至对比模块。

在一个优选的实施方式中，对比模块的具体运行过程包括：

获取监控负载系数，将监控负载系数和监控负载系数阈值进行比较，若监控负载系数等于0，表示道路客流量少，监控负载程度小，生成低负载信息；若监控负载系数不等于0，且监控负载系数大于监控负载系数阈值，表示道路客流量大，监控负载程度大，生成高负载信息；

对比模块生成对比信号发送至识别模块。

在一个优选的实施方式中，识别模块的具体运行过程包括：

对于监控负载系数不等于0且监控负载系数大于监控负载系数阈值的监控视频，以视频监控画面建立平面直角坐标系，根据马路上的车道标线建立坐标，建立机动车道坐标的位置信息，表达式为：

bbox_mv＝[(x₁,y₁),(x₂,y₂)]

式中，bbox_mv表示非机动车通道的在画面中的矩形框，(x₁,y₁)为机动车道线在监控画面左上角的坐标，(x₂,y₂)为机动车道线在监控画面右下角的坐标，

机动车道在画面中的宽度为w_car＝|x₂-x₁|，高度为h_car＝|y₂-y₁|；

识别模块生成识别信号发送至分割模块。

在一个优选的实施方式中，分割模块的具体运行过程包括：

根据机动车道在画面中的宽度和高度裁剪监控画面获得机动车道子画面，表达式为：

image_mv＝image[y₁:y₂,x₁,x₂]

同理，式中image_mv为机动车道子画面，使用类似的公式对非机动通道、行人通道分别进行裁剪，获得非机动车通道子画面image_nmv、行人通道子画面image_ped。

当监控负载系数不等于0且监控负载系数大于监控负载系数阈值时，将监控画面分割成对应的子画面，将不同的子画面放置在对应的存储介质内，指派对应数量的监控系统对各个子画面进行监控识别，当监控负载系数等于0时则取消分割画面。

本发明一种基于大数据的视频分析监控系统的技术效果和优点：

1.通过采集监控画面的光流参数和运动目标参数建立监控负载系数，监控负载系数可以实时地反映监控画面中的负载情况，可以更快地进行负载监测和负载控制，方便实现监控负载的自动化监测和负载控制，减少人工干预的成本和风险，进而可以更加灵活地应对不同的监控场景，方便后期根据客流量进行切换，提高监控识别率，降低监控遗漏，实现更好的监控效果。

2.在监控负载系数不等于0且监控负载系数大于监控负载系数阈值时，将一个监控画面分割成对应数量的子画面，将每个子画面存储在对应的存储介质内，机动车子画面、非机动车子画面以及行人通道子画面安排相应的监控系统，使得各种不同移动速度和体积的物体都能够被很好地识别，从而可以减轻单一监控系统统辖覆盖监控画面内所有的物体的负载压力，当监控负载系数等于0时则取消分割画面，继续由一个监控系统独立监控，减小分割监控画面以及单独安排对应监控系统的资源消耗，进而可以根据监控负载灵活地调整监控模式，提高监控识别效果，避免监控识别遗漏。

附图说明

图1为本发明一种基于大数据的视频分析监控系统的结构示意图；

图2为本发明一种基于大数据的视频分析监控系统的监控画面示意图。

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、完整的描述，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。

实施例1

本发明一种基于大数据的视频分析监控系统。

图1给出了本发明一种基于大数据的视频分析监控系统，包括采集模块、对比模块、识别模块、分割模块，各个模块之间通过信号连接；

采集模块采集各项参数建立监控负荷系数，采集模块生成采集信号发送至对比模块；

对比模块将监控负荷系数和监控负荷系数阈值进行比较，若监控负荷系数大于监控负荷系数阈值，发出预警提示，对比模块生成对比信号发送至识别模块；

识别模块在监控视频画面内建立平面直角坐标系，根据马路上的车道标线建立坐标，生成通道宽度和长度信息，识别模块生成识别信号发送至分割模块；

分割模块根据通道宽度和长度信息裁剪监控画面获得车道子画面，对各个子画面单独监控。

架设在交通道路上的监控设备为了做到资源最大化地利用，对摄像监控一般只设置独立的监控系统，监控系统统辖监控画面内的行人、非机动车和机动车，在夜晚或者说客流量较少的通道监控系统的可以轻松应付，但是在某个时间段，例如节假日，或者说客上下班高峰期，随着车辆和行人的暴增，则监控系统很容易识别失败，造成丢失目标严重，甚至是直接造成宕机。

采集模块的具体运行过程包括：

采集监控画面的运动目标参数和环境参数；

运动目标参数包括监控画面的像素点平均变化速度、运动目标占比，将监控画面的像素点的平均变化速度标记为PBS、运动目标占比标记为YDM；

环境参数包括噪声强度指数，将噪声强度指数标记为NI；

将监控画面的像素点的平均变化速度、运动目标占比、噪声强度指数通过归一化公式建立监控负载系数，表达式为：

X＝(PBS＞H1)？1:0

F＝ln[X(αYDM+βNI)+1]

式中，H1为监控画面的像素点的平均变化速度阈值，X为监控画面的像素点的平均变化速度与监控画面的像素点的平均变化速度阈值的比较结果，若监控画面的像素点的平均变化速度大于监控画面的像素点的平均变化速度输出1，否则输出0；α、β分别为运动目标占比、噪声强度指数的比例系数，且α＞β＞δ＞0，F为监控负载系数；

监控画面的像素点的平均变化速度通过在监控画面内等距矩阵铺设n个采集位置，监控这些采集位置的像素点的平均改变速度求和再平均获得，计算表达式为：式中，i＝{1、2、3……n}，n为正整数，S_i表示第i个采集位置的单位时间内像素点的平均改变速度，S_i的值越大说明i采集位置的单位时间内像素点的平均改变速度越大，说明此位置的监控画面中的客流量越多，监控画面的像素点的平均变化速度越大说明监控画面中的整体客流量庞大，则监控负载压力变大，因此监控画面的像素点的平均变化速度与监控负载系数呈正比关系；其中，计算像素点的平均改变速度需要知道两个关键量：像素点在两个不同时间点的位置以及这两个时间点之间的时间差，例如，设一个像素点在时间t₁时的位置为(x_t1,y_t1)，在时间t₂时的位置为(x_t2,y_t2)，时间差为t₂-t₁，那么该像素点在这段时间内的平均改变速度可以用以下公式计算，则平均改变速度/>

运动目标占比的计算表达式为：YDM＝YDW′/YDW″，式中，YDW′为监控画面中的单位时间内活动像素点面积，YDW″为整个监控画面的像素点面积，运动目标越大说明单位时间内监控中的运动目标所占的比例越高，则监控画面内的所需监控的目标数量越多，监控负载压力跟随变大，因此运动目标占比与监控负载系数呈正比关系；其中计算监控画面中单位时间内活动像素点的面积，需要先将活动像素点与静止像素点进行区分，将两个时间点的监控画面进行相减，得到一个差异图像，然后对这个差异图像进行二值化处理，将差异图像中的非零像素点(即活动像素点)标记为白色，将零像素点(即静止像素点)标记为黑色。这样，我们就可以通过计算白色像素点的总数来得到活动像素点的个数，再将其乘以单个像素点的面积即可得到活动像素点的面积。

噪声强度指数通过监控设备收声组件监测，用于表示监控画面中所有活动目标所制造出的声音的强度，计算表达式为：式中，T为测量单位时间，L(t)为在单位时间内测得的声音强度，NI′为噪声强度参考值，噪声强度指数越大说明所监控的空间单位时间内的客流基数越大，则监控负载压力越大，因此噪声强度指数与监控负载系数呈正比关系；其中，当监控画面的像素点的平均变化速度等于监控画面的像素点的平均变化速度阈值时，通过监控设备收声组件监测实时噪声强度，将检测到的实时噪声强度赋值给噪声强度参考值。

采集模块生成采集信息发送至对比模块。

对比模块的具体运行过程包括：

获取监控负载系数，将监控负载系数和监控负载系数阈值进行比较，若监控负载系数等于0，表示道路客流量少，监控负载程度小，生成低负载信息；若监控负载系数不等于0，且监控负载系数大于监控负载系数阈值，表示道路客流量大，监控负载程度大，生成高负载信息；

对比模块生成对比信号发送至识别模块。

监控负载系数越大，说明监控画面中的所有监控的物体越多，例如监控画面中有机动车道，非机动车道以及行人通道，当机动车道上行驶了大量的机动车，非机动车中行驶了大量的非机动车，行人通道中行人络绎不绝，则在同一个监控画面中，监控系统需要识别机动车，识别非机动车，且还需要识别行人，又由于机动车、非机动车、行人的速度和单体面积都不同，这就会给监控系统造成较大的工作负载压力，始终以最高移动速度物体设定监控频率，造成监控资源浪费，若监控画面内的客流量少则监控系统可以稳定胜任工作，若监控画面内的客流量庞大，则监控系统很可能追踪识别失败，无法很好地识别物体，导致监控识别效果低，无法灵活的根据客流量改变监控模式；

本申请通过采集监控画面的光流参数和运动目标参数建立监控负载系数，监控负载系数可以实时地反映监控画面中的负载情况，可以更快地进行负载监测和负载控制，方便实现监控负载的自动化监测和负载控制，减少人工干预的成本和风险，进而可以更加灵活地应对不同的监控场景，方便后期根据客流量进行切换，提高监控识别率，降低监控遗漏，实现更好的监控效果。

识别模块的具体运行过程包括：

如图2所示，对于监控负载系数不等于0且监控负载系数大于监控负载系数阈值的监控视频，以视频监控画面建立平面直角坐标系，根据马路上的车道标线建立坐标，建立机动车道坐标的位置信息，表达式为：

bbox_mv＝[(x₁,y₁),(x₂,y₂)]

式中，bbox_mv表示非机动车通道的在画面中的矩形框，(x₁,y₁)为机动车道线在监控画面左上角的坐标，(x₂,y₂)为机动车道线在监控画面右下角的坐标，

机动车道在画面中的宽度为w_car＝|x₂-x₁|，高度为h_car＝|y₂-y₁|；

识别模块生成识别信号发送至分割模块。

分割模块的具体运行过程包括：

根据机动车道在画面中的宽度和高度裁剪监控画面获得机动车道子画面，表达式为：

image_mv＝image[y₁:y₂,x₁,x₂]

同理，式中image_mv为机动车道子画面，使用类似的公式对非机动通道、行人通道分别进行裁剪，获得非机动车通道子画面image_nmv、行人通道子画面image_ped。

当监控负载系数不等于0且监控负载系数大于监控负载系数阈值时，将监控画面分割成对应的子画面，将不同的子画面放置在对应的存储介质内，指派对应数量的监控系统对各个子画面进行监控识别，当监控负载系数等于0时则取消分割画面，灵活地切换监控模式从而避免监控遗漏，提高识别效果。

本申请在监控负载系数不等于0且监控负载系数大于监控负载系数阈值时，将一个监控画面分割成对应数量的子画面，将每个子画面存储在对应的存储介质内，机动车子画面、非机动车子画面以及行人通道子画面安排相应的监控系统，使得各种不同移动速度和体积的物体都能够被很好地识别，从而可以减轻单一监控系统统辖覆盖监控画面内所有的物体的负载压力，当监控负载系数等于0时则取消分割画面，继续由一个监控系统独立监控，减小分割监控画面以及单独安排对应监控系统的资源消耗，进而可以根据监控负载灵活地调整监控模式，提高监控识别效果，避免监控识别遗漏。

上述公式均是去量纲取其数值计算，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，公式中的预设参数以及阈值选取由本领域的技术人员根据实际情况进行设置。

上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络，或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)，或者半导体介质。半导体介质可以是固态硬盘。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件，或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其他的方式实现。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接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其他的形式。

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，既可以位于一个地方，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。

所述功能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介质中。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介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，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。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于大数据的视频分析监控系统，其特征在于，包括采集模块、对比模块、识别模块、分割模块，各个模块之间通过信号连接；

采集模块采集各项参数建立监控负荷系数，采集模块生成采集信号发送至对比模块；

对比模块将监控负荷系数和监控负荷系数阈值进行比较，若监控负荷系数大于监控负荷系数阈值，发出预警提示，对比模块生成对比信号发送至识别模块；

识别模块在监控视频画面内建立平面直角坐标系，根据马路上的车道标线建立坐标，生成通道宽度和长度信息，识别模块生成识别信号发送至分割模块；

分割模块根据通道宽度和长度信息裁剪监控画面获得车道子画面，对各个子画面单独监控。

2.根据权利要求1所述的一种基于大数据的视频分析监控系统，其特征在于：采集模块的具体运行过程包括：

采集监控画面的运动目标参数和环境参数；

运动目标参数包括监控画面的像素点平均变化速度、监控画面的像素点改变离散程度和运动目标占比，将监控画面的像素点的平均变化速度标记为PBS、监控画面的像素点改变离散程度标记为LSC、运动目标占比标记为YDM；

环境参数包括噪声强度指数，将噪声强度指数标记为NI；

将监控画面的像素点的平均变化速度和监控画面的像素点改变的离散程度通过归一化公式建立监控负载系数，表达式为：

X＝(PBS＞H1)？1:0

F＝ln[X(αYDM+βNI)+1]

式中，H1为监控画面的像素点的平均变化速度阈值，X为监控画面的像素点的平均变化速度与监控画面的像素点的平均变化速度阈值的比较结果，若监控画面的像素点的平均变化速度大于监控画面的像素点的平均变化速度输出1，否则输出0；α、β、δ分别为运动目标占比、监控画面的像素点改变离散程度、噪声强度指数的比例系数，且α＞β＞δ＞0，F为监控负载系数。

3.根据权利要求2所述的一种基于大数据的视频分析监控系统，其特征在于：

监控画面的像素点的平均变化速度通过在监控画面内等距矩阵铺设n个采集位置，监控这些采集位置的像素点的平均改变速度求和再平均获得，计算表达式为：式中，i＝{1、2、3……n}，n为正整数，S_i表示第i个采集位置的单位时间内像素点的平均改变速度；

运动目标占比的计算表达式为：YDM＝YDW′/YDW″，式中，YDW′为监控画面中的单位时间内活动像素点面积，YDW″为整个监控画面的像素点面积。

4.根据权利要求3所述的一种基于大数据的视频分析监控系统，其特征在于：

噪声强度指数通过监控设备收声组件监测，计算表达式为：式中，T为测量单位时间，L(t)为在单位时间内测得的声音强度，NI′为噪声强度参考值；

采集模块生成采集信息发送至对比模块。

5.根据权利要求4所述的一种基于大数据的视频分析监控系统，其特征在于：对比模块的具体运行过程包括：

获取监控负载系数，将监控负载系数和监控负载系数阈值进行比较，若监控负载系数等于0，表示道路客流量少，监控负载程度小，生成低负载信息；若监控负载系数不等于0，且监控负载系数大于监控负载系数阈值，表示道路客流量大，监控负载程度大，生成高负载信息；

对比模块生成对比信号发送至识别模块。

6.根据权利要求5所述的一种基于大数据的视频分析监控系统，其特征在于：识别模块的具体运行过程包括：

对于监控负载系数不等于0且监控负载系数大于监控负载系数阈值的监控视频，以视频监控画面建立平面直角坐标系，根据马路上的车道标线建立坐标，建立机动车道坐标的位置信息，表达式为：

bbox_mv＝[(x₁,y₁),(x₂,y₂)]

式中，bbox_mv表示非机动车通道的在画面中的矩形框，(x₁,y₁)为机动车道线在监控画面左上角的坐标，(x₂,y₂)为机动车道线在监控画面右下角的坐标，

机动车道在画面中的宽度为w_car＝|x₂-x₁|，高度为h_car＝|y₂-y₁|；

识别模块生成识别信号发送至分割模块。

7.根据权利要求6所述的一种基于大数据的视频分析监控系统，其特征在于：分割模块的具体运行过程包括：

根据机动车道在画面中的宽度和高度裁剪监控画面获得机动车道子画面，表达式为：

image_mv＝image[y₁:y₂,x₁,x₂]

式中image_mv为机动车道子画面，对非机动通道、行人通道分别进行裁剪，获得非机动车通道子画面image_nmv、行人通道子画面image_ped；

当监控负载系数不等于0且监控负载系数大于监控负载系数阈值时，将监控画面分割成对应的子画面，将不同的子画面放置在对应的存储介质内，指派对应数量的监控系统对各个子画面进行监控识别，当监控负载系数等于0时则取消分割画面。