一种采用人工智能预测追踪的视频监视云台及其追踪方法技术

本发明专利技术公开了一种采用人工智能预测追踪的视频监视云台，包括运动样本采集单元、运动样本训练单元、运动目标预测单元和云台追踪单元。本发明专利技术采用机器学习的方法对由监控云台中摄像机拍摄到的画面中的运动目标量化组成的样本数据集中的运动数据进行训练，再根据评价指标检测获得最佳运动预测模型，在运动模型中输入任何运动目标都能够对其运动进行预测，适应性强，从而预先按照预测的运动位置对摄像头进行调整使其始终将运动目标锁定在视野中心，并且摄像头会反馈运动目标的实际运动位置，用于预测的运动路线进行实时校准，提高监控准确性，在预测模型训练过程中采用了运动目标的多种特征，覆盖范围广可信度高。覆盖范围广可信度高。覆盖范围广可信度高。

【技术实现步骤摘要】
一种采用人工智能预测追踪的视频监视云台及其追踪方法


[0001]本专利技术涉及视频监控
，具体涉及一种采用人工智能预测追踪的视频监视云台及其追踪方法。

技术介绍

[0002]在公共空间，视频信息的采集以视频监视摄像机为主要的前端设施，视频监视摄像机一般由摄像机和监视云台两部分共同组成，其中，监视云台用于在结构上承载摄像机，并且携带摄像机转动以调节拍摄的方向和俯仰角度，从而使一台摄像机利用其有限的拍摄视野能够覆盖更大的预定空间范围；
[0003]锁定特定的运动对象并带动摄像机对该对象进行追踪拍摄，是监视云台的核心功能，为了保证适当的曝光量以及清晰的聚焦，在视频信息采集过程中一般要求主要的拍摄对象处于拍摄视野的中央区域，因此，当主要的拍摄对象是一个运动对象时，监视云台要能够跟随该运动对象而带动摄像机调节拍摄方向和俯仰角度，从而将该运动对象始终保持在拍摄视野的中央区域附近；
[0004]为了更好的实现对运动对象的追踪，需要提前掌握运动对象所有可能的运动路线，从而提前调整好摄像机的拍摄朝向和拍摄角度，才能够避免被动跟随运动对象导致的追踪滞后，从而使运动对象消失在视野，目前常用的追踪运动对象的方法是采用机器学习对运动对象的运动进行预测，专利CN108921001B公开了一种采用人工智能预测追踪的视频监视云台及其追踪方法，利用人工智能方法实现视频信息采集过程中对场景特征的识别，并且学习各种场景模式之下对追踪锁定的运动目标的选择策略，从而实现对具有最大重要度和关联度的运动目标的自动提取和预测追踪；
[0005]但是，该预测运动对象的追踪方法侧重于重点目标的识别，即在多种运动目标的场景之下可以基于每个运动目标与场景模式与采集目的的关联性提取重要目标，仅使用重点目标运动方向和速度预测其运动路线，该路线预测仅依靠方向和速度两个特征进行预测，预测可信度低，并且只能预测重点目标一个对象的路线，并不能对所有对象进行预测，预测适应性差。

技术实现思路

[0006]本专利技术的目的在于提供一种采用人工智能预测追踪的视频监视云台，以解决现有技术中预测可信度低和适应性差的技术问题。
[0007]为解决上述技术问题，本专利技术具体提供下述技术方案：
[0008]一种采用人工智能预测追踪的视频监视云台，包括运动样本采集单元、运动样本训练单元、运动目标预测单元和云台追踪单元；
[0009]所述运动样本采集单元包括视频监控云台中的摄像机，所述视频监控云台中的摄像机用于拍摄监控场景中运动目标，并将运动目标进行量化、记录生成样本数据集传输到运动样本训练单元；
[0010]所述运动样本训练单元用于对来自于运动样本采集单元的样本数据集中的数据进行预处理，再对样本数据集中的由运动目标量化而来的样本数据分成训练数据集和测试数据集，在训练数据集上进行预测训练，训练完成后用测试数据集验证准确性，生成最佳预测模型；
[0011]所述运动目标预测单元用于将待预测的运动目标的特征信息输入到由运动样本训练单元产生的最佳预测模块中并输出运动预测结果传送到运动追踪单元；
[0012]所述云台追踪单元根据运动目标预测单元的运动预测结果控制视频监控云台中的摄像机改变朝向追踪运动目标，并将运动目标的实际运动位置信息作为目标特征信息反馈回运动目标预测单元。
[0013]作为本专利技术的一种优选方案，所述运动样本采集单元将监控场景中的运动目标进行量化、记录生成样本数据集的具体过程如下：
[0014]步骤一：截取视频监控云台中的摄像机在监控场景内拍摄的为期T时间段的视频画面；
[0015]步骤二：提取T时间段内视频画面中的运动目标的运动信息和个人信息；
[0016]步骤三：将运动目标的运动信息和个人信息量化成特征值，并汇总成样本数据集进行保存。
[0017]作为本专利技术的一种优选方案，所述运动目标的特征值包括运动特征值和个人特征值，所述运动特征值包括采集时刻、位置坐标、朝向方位和下一时刻的运动终点，个人特征值包括性别、年龄、身高和装扮。
[0018]作为本专利技术的一种优选方案，所述运动样本训练单元生成最佳预测模型的过程为：
[0019]步骤一：对样本数据集中的数据进行预处理，预处理包括数据清洗和特征规范化；
[0020]步骤二：将预处理后的数据集分成两个数据集分别为训练数据集和测试数据集；
[0021]步骤三：对训练数据集进行样本数据训练，训练后的模型运用到测试数据集上获得预测结果；
[0022]步骤四：通过测试数据集的预测结果和真实结果相比对，计算模型评价指标评测模型，获得最佳预测模型。
[0023]作为本专利技术的一种优选方案，云台追踪单元根据运动目标预测单元的运动预测结果控制视频监控云台中的摄像机改变朝向追踪运动目标的具体过程：
[0024]步骤一：云台追踪单元根据运动目标预测单元的运动预测结果中运动目标即将到达的位置坐标调整摄像头朝向该位置坐标，并将该位置坐标锁定在摄像头镜头视野中心处；
[0025]步骤二：
[0026]P1：在运动目标运动到达的真实位置位于该位置坐标时，摄像头继续朝向运动目标预测的位置坐标进行追踪拍摄，继续反馈运动目标的到达的位置坐标；
[0027]P2：在运动目标运动到达的真实位置偏离该位置坐标时，将真实位置坐标反馈给运动目标预测单元进行重新预测，调整获得新的运动目标即将到达位置坐标，调整摄像头朝向新的位置坐标，继续反馈运动目标的到达的位置坐标。
[0028]作为本专利技术的一种优选方案，所述云台追踪单元将运动目标的实际运动位置信息
作为目标特征信息反馈回运动目标预测单元用于实时纠正预测路线，使运动目标一直处于摄像头视野范围中心。
[0029]作为本专利技术的一种优选方案，所述云台追踪单元为驱动摄像头视野旋转的机械机构。
[0030]作为本专利技术的一种优选方案，本专利技术提出了一种采用人工智能预测追踪的视频监视云台的追踪方法，包括以下步骤：
[0031]S100、运动样本采集单元获取T时间段的视频画面并将画面中的运动目标进行量化、记录成样本数据集；
[0032]S200、运动样本训练单元对样本数据集中的数据进行预处理，再对样本数据集中的由运动目标量化而来的样本数据分成训练数据集和测试数据集，在训练数据集上进行预测训练，训练完成后用测试数据集验证准确性，生成最佳预测模型；
[0033]S300、运动目标预测单元将待预测的运动目标的特征信息输入到由运动样本训练单元产生的最佳预测模块中并输出运动预测结果；
[0034]S400、云台追踪单元根据运动目标预测单元的运动预测结果控制视频监控云台中的摄像机改变朝向追踪运动目标，并将运动目标的实际运动位置信息作为目标特征信息反馈回运动目标预测单元；
[0035]S500、重复步骤S300。
[0036]本专利技术与现有技术相比较具有如下有益效果：
[0037]本专利技术采用机器学习的方法对由监控云台中摄像机拍摄到本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种采用人工智能预测追踪的视频监视云台，其特征在于：包括运动样本采集单元(1)、运动样本训练单元(2)、运动目标预测单元(3)和云台追踪单元(4)；所述运动样本采集单元(1)包括视频监控云台中的摄像机，所述视频监控云台中的摄像机用于拍摄监控场景中运动目标，并将运动目标进行量化、记录生成样本数据集传输到运动样本训练单元(2)；所述运动样本训练单元(2)用于对来自于运动样本采集单元(1)的样本数据集中的数据进行预处理，再对样本数据集中的由运动目标量化而来的样本数据分成训练数据集和测试数据集，在训练数据集上进行预测训练，训练完成后用测试数据集验证准确性，生成最佳预测模型；所述运动目标预测单元(3)用于将待预测的运动目标的特征信息输入到由运动样本训练单元(2)产生的最佳预测模块中并输出运动预测结果传送到运动追踪单元；所述云台追踪单元(4)根据运动目标预测单元(3)的运动预测结果控制视频监控云台中的摄像机改变朝向追踪运动目标，并将运动目标的实际运动位置信息作为目标特征信息反馈回运动目标预测单元(3)。2.根据权利要求1所述的一种采用人工智能预测追踪的视频监视云台，其特征在于：所述运动样本采集单元(1)将监控场景中的运动目标进行量化、记录生成样本数据集的具体过程如下：步骤一：截取视频监控云台中的摄像机在监控场景内拍摄的为期T时间段的视频画面；步骤二：提取T时间段内视频画面中的运动目标的运动信息和个人信息；步骤三：将运动目标的运动信息和个人信息量化成特征值，并汇总成样本数据集进行保存。3.根据权利要求2所述的一种采用人工智能预测追踪的视频监视云台，其特征在于：所述运动目标的特征值包括运动特征值和个人特征值，所述运动特征值包括采集时刻、位置坐标、朝向方位和下一时刻的运动终点，个人特征值包括性别、年龄、身高和装扮。4.根据权利要求3所述的一种采用人工智能预测追踪的视频监视云台，其特征在于：所述运动样本训练单元(2)生成最佳预测模型的过程为：步骤一：对样本数据集中的数据进行预处理，预处理包括数据清洗和特征规范化：步骤二：将预处理后的数据集分成两个数据集分别为训练数据集和测试数据集；步骤三：对训练数据集进行样本数据训练，训练后的模型运用到测试数据集上获得预测结果；步骤四：通过测试数据集...

【专利技术属性】
技术研发人员：彭燕，
申请(专利权)人：韶关市华思迅飞信息科技有限公司，
类型：发明
国别省市：