一种基于数据分析的智能视频监控管理系统技术方案

本发明专利技术公开了一种基于数据分析的智能视频监控管理系统，涉及智能视频监控技术领域，设置特征数据录入模块预先录入非目标对象的标识特征模板以及唯一标识信息；通过设置行为识别训练模块预先针对不同的监控场景设置不同的目标行为，并采集相应行为的训练视频数据训练出神经网络模型；通过设置目标行为监控模块首先识别出现在监控画面中的对象唯一标识；后使用训练好的神经网络模型实时监控对象行为，在对象实施目标行为时，进一步通过预警模块确认目标对象及行为；目标行为确定后，发起上报；实现自动视频监控及上报，降低了人力成本与人力疏漏隐患。本与人力疏漏隐患。本与人力疏漏隐患。

【技术实现步骤摘要】
一种基于数据分析的智能视频监控管理系统


[0001]本专利技术属于视频监控领域，涉及人工智能技术，具体是一种基于数据分析的智能视频监控管理系统。

技术介绍

[0002]视频监控系统作为现代化管理有力的辅助手段，它将现场内各现场的未请而入信号传送至主控制中心及分控室，值班管理对象在不亲临现场的情况下可客观地对各监察地区进行集中监视，发现情况统一调动，节省大量巡逻对象，还可避免许多人为因素；
[0003]但目前的视频监控系统依然存在需要对象时刻监视监控画面，耗费了大量的人力成本；且人工管理往往也存在疏漏，导致未能及时发现危险，从而带来巨大损失的情况；
[0004]为此，提出一种基于数据分析的智能视频监控管理系统。

技术实现思路

[0005]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种基于数据分析的智能视频监控管理系统，该一种基于数据分析的智能视频监控管理系统设置特征数据录入模块预先录入非目标对象的标识特征模板以及唯一标识信息；通过设置行为识别训练模块预先针对不同的监控场景设置不同的目标行为，并采集相应行为的训练视频数据训练出神经网络模型；通过设置目标行为监控模块首先识别出现在监控画面中的对象唯一标识；后使用训练好的神经网络模型实时监控对象行为，在对象实施目标行为时，进一步通过预警模块确认目标对象及行为；目标行为确定后，发起上报；实现自动视频监控及上报，降低了人力成本与人力疏漏隐患。
[0006]为实现上述目的，根据本专利技术的第一方面的实施例提出一种基于数据分析的智能视频监控管理系统，包括视频数据采集模块、特征数据录入模块、行为识别训练模块、目标行为监控模块、实时跟踪模块以及预警模块；
[0007]所述视频数据采集模块主要用于使用若干智能摄像头进行实时的视频监控管理；
[0008]在待监控区域应当安装若干智能摄像头进行全范围监控；预先将各个智能摄像头所监控的区域进行编号；并将各个智能摄像头所监控区域及监控区域编号发送至实时跟踪模块；各个智能摄像头实时将拍摄的画面通过无线方式发送至目标行为监控模块以及实时跟踪模块；
[0009]所述特征数据录入模块主要用于预先录入非目标对象的特征数据；所述特征数据可以为人脸特征数据；
[0010]非目标对象包括已知对象；预先录入非目标对象的特征数据；所述特征数据包含非目标对象在各个角度的形体图像；所述特征数据录入模块从各个角度的形体图像中，使用图像处理技术以及生物统计学获得每个非目标对象的标识特征模板；
[0011]在非目标对象录入特征数据时，需要提供非目标对象的唯一标识信息；将非目标对象的标识特征模板以及唯一标识信息的对应关系通过电气方式发送至目标行为监控模
块；
[0012]其中，所述行为识别训练模块主要用于训练出可识别目标行为的神经网络模型；
[0013]所述行为识别训练模块预先收集若干目标行为的视频集合作为训练集；将视频训练集输入至基于时间与空间的双流行为识别神经网络模型中，训练出可识别目标行为的神经网络模型；将训练完成的识别目标行为的神经网络模型标记为M1；或：
[0014]所述行为识别训练模块预先收集若干使用第二目标行为的视频集合，作为训练集；将视频训练集输入至基于时间与空间的双流行为识别神经网络模型中，训练出可识别第二目标行为的神经网络模型；将训练完成的识别第二目标行为的神经网络模型标记为M2；
[0015]所述行为识别训练模块将神经网络模型M1以及神经网络模型M2通过电气方式发送至目标行为监控模块；所述目标行为监控模块将目标对象形体特征模板发送至实时跟踪模块；
[0016]所述目标行为监控模块主要用于判断视频监控中是否发生异常情况；
[0017]所述目标行为监控模块判断视频监控中是否发生异常情况包括以下步骤：
[0018]步骤S1：所述目标行为监控模块实时获取各个智能摄像头的监控画面；所述目标行为监控模块从所有监控画面中监控首次入境的对象；并使用图像处理技术以及生物统计学技术获取首次入境对象的形体特征模板；并在所有监控画面中监控具有相同形体特征模板的对象；
[0019]步骤S2：在所有出现相同形体特征模板的监控画面中，所述目标行为监控模块尝试获取其特征数据，并使用标识特征模板识别该对象的唯一标识；若识别成功，则在后续监控画面中，将该对象标记上其唯一标识；否则，将该对象标记为未知对象；
[0020]步骤S3：所述目标行为监控模块接收到识别目标行为的神经网络模型M1或识别第二目标行为的神经网络模型M2，并使用神经网络模型M1或神经网络模型M2识别监控画面中每个对象的行为；并在判断出监控画面中对象行为为目标行为或第二目标行为时，将该对象标记为目标对象；并向预警模块发送上报信息；所述上报信息包括目标对象唯一标识标记、目标对象实施行为的画面以及目标对象的特征数据；所述唯一标识标记为唯一标识或未知对象；
[0021]其中，所述实时跟踪模块主要用于实时监控目标对象行踪；
[0022]所述实时跟踪模块接收到每个智能摄像头实时拍摄的画面，且每个智能摄像头拍摄的镜头区域具有唯一的编号；
[0023]在一个优选的实施例中，所述实时跟踪模块根据目标对象的形态特征模板，实时跟踪每个监控画面中出现的相同形态特征的对象；并实时将目标对象所出现在的镜头区域编号以及包含目标对象的实时监控画面发送至预警模块；
[0024]其中，所述预警模块主要用于对目标对象进行进一步确认并发起上报；
[0025]所述预警模块可预先收集监控区域内目标空间中的非目标对象的特征数据以及唯一标识信息；当所述预警模块接收到目标对象特征数据，通过对比与非目标对象的特征数据，判断是否为目标空间区域的非目标对象，若不是，则通过无线网络方式向管理人员的监控终端发送上报信息并实时播报目标对象所在的镜头区域；或：
[0026]所述预警模块预先收集展览物体的位置；所述预警模块从接收到目标对象实施行
为的画面中判断实施行为的位置；并判断该位置是否为展览物体的位置；若是展览物体位置，则通过无线网络方式向第二目标区域管理人员发送上报信息并实时播报目标对象所在的镜头区域。
[0027]与现有技术相比，本专利技术的有益效果是：
[0028]本专利技术设置特征数据录入模块预先录入非目标对象的标识特征模板以及唯一标识信息；通过设置行为识别训练模块预先针对不同的监控场景设置不同的目标行为，并采集相应行为的训练视频数据训练出神经网络模型；通过设置目标行为监控模块首先识别出现在监控画面中的对象唯一标识；后使用训练好的神经网络模型实时监控对象行为，在对象实施目标行为时，进一步通过预警模块确认目标对象及行为；目标行为确定后，发起上报；实现自动视频监控及上报，降低了人力成本与人力疏漏隐患。
附图说明
[0029]图1为本专利技术的原理图。
具体实施方式
[0030]下面将结合实施例对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例仅本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据分析的智能视频监控管理系统，其特征在于，包括视频数据采集模块、特征数据录入模块、行为识别训练模块、目标行为监控模块、实时跟踪模块以及预警模块；所述视频数据采集模块用于使用若干智能摄像头进行实时的视频监控管理；所述视频数据采集模块将监控区域及监控区域编号发送至实时跟踪模块；所述视频数据采集模块实时将拍摄的画面发送至目标行为监控模块以及实时跟踪模块；所述特征数据录入模块用于预先录入非目标对象的特征数据；所述特征数据录入模块将非目标对象的标识特征模板和唯一标识信息发送至目标行为监控模块；所述行为识别训练模块用于训练出可识别目标行为的神经网络模型；所述行为识别训练模块将训练出的神经网络模型发送至目标行为监控模块；所述目标行为监控模块用于根据训练出的神经网络模型判断视频监控中实施目标行为的对象唯一标识，并向预警模块发送上报信息；所述目标行为监控模块将目标对象形体特征模板发送至实时跟踪模块；所述实时跟踪模块用于实时监控目标对象行踪；所述实时跟踪模块实时将目标对象所出现在的镜头区域编号以及实时监控画面发送至预警模块；所述预警模块用于对目标对象进行进一步确认并发起上报。2.根据权利要求1所述的一种基于数据分析的智能视频监控管理系统，其特征在于，所述视频数据采集模块在待监控区域安装若干智能摄像头进行全范围监控；各个智能摄像头安装的位置根据待监控区域的实际布局设置；并预先将各个智能摄像头所监控的区域进行编号。3.根据权利要求1所述的一种基于数据分析的智能视频监控管理系统，其特征在于，所述非目标对象包括已知对象。4.根据权利要求1所述的一种基于数据分析的智能视频监控管理系统，其特征在于，所述特征数据录入模块预先录入非目标对象的特征数据；所述特征数据包含非目标对象在各个角度的形体图像；所述特征数据录入模块从各个角度的形体图像中，使用图像处理技术以及生物统计学获得每个非目标对象的标识特征模板；在非目标对象录入特征数据时，提供非目标对象的唯一标识信息。5.根据权利要求1所述的一种基于数据分析的智能视频监控管理系统，其特征在于，所述行为识别训练模块预先收集若干目标行为的视频集合作为训练集；将视频训练集输入至基于时间与空间的双流行为识别神经网络模型中，训练出可识别目标行为的神经网络模型；将训练完成的识别目标行为的神经网络模型标...

【专利技术属性】
技术研发人员：刘晓国，张彩玲，
申请(专利权)人：青岛宝森网络科技有限公司，
类型：发明
国别省市：