本发明专利技术公开了一种视频监控异常行为智能检查方法及系统，属于视频监控技术领域。基于摄像机的旋转角度，构成动态全景监控异常画框，基于摄像机在区域路线网中的位置，梳理出区域流动路径；定期初始化时间计时器，同步收集摄像机循环记录的动态全景监控异常画框及其消耗的动态时长，读取动态时长在时间计时器中占用的时间片段；基于时间片段和区域流动路径，分别构建第一埋点分析模型和第二埋点分析模型，并计算摄像机的第一埋点集中度和第二埋点集中度，以及埋点监控行为的异常度；进而，能够将动态跟踪监测的行为，和静态监测点位的属性相结合，实现常态化的智能检查，试图通过摄像机的埋点监控行为的异常度，来定期量化摄像机的异常监测规律。
【技术实现步骤摘要】
本专利技术涉及视频监控，具体为一种视频监控异常行为智能检查方法及系统。
技术介绍
1、视频监控技术是一项集光学、电子、计算机和通信技术于一体的综合性技术，通过对特定区域或目标进行实时或录像监控，实现安全管理和信息获取；
2、现有技术中，通过埋点监测技术，实现监控区域的安全状况数据的采集，埋点可以设置在各个关键节点，包括摄像头、传感器、门禁系统等，并通过灵活调整埋点的位置和数量，以适应不同场景下的监控要求，然而埋点技术依然需要人工参与，并对视频监控的异常行为进行检查，同时，对于多来源的埋点监测视频，需要检查的视频文件数量极大，浪费人力，检查方式缺乏智能化。
技术实现思路
1、本专利技术的目的在于提供一种视频监控异常行为智能检查方法及系统，以解决上述
技术介绍
中提出的问题。
2、为了解决上述技术问题，本专利技术提供如下技术方案：
3、一种视频监控异常行为智能检查系统，本系统包括：视频数据产生模块、数据特征处理模块、埋点模型分析模块和异常检测模块；
4、所述视频数据产生模块，基于摄像机的旋转角度，构成动态全景监控异常画框；基于摄像机在区域路线网中的位置，梳理出区域流动路径，并生成静态路径集；
5、所述数据特征处理模块，用于定期初始化时间计时器，并同步收集各个摄像机循环记录的动态全景监控异常画框，生成动态视频流集；获取每一个动态全景监控异常画框对应消耗的动态时长，并按照时间由前到后的顺序，读取动态时长在时间计时器中占用的时间片段；</p>6、所述埋点模型分析模块，基于时间片段，构建第一埋点分析模型，并计算摄像机的第一埋点集中度；基于静态路径集，构建第二埋点分析模型，计算摄像机的第二埋点集中度；
7、所述异常检测模块，基于第一埋点分析模型和第二埋点分析模型，计算摄像机的埋点监控行为的异常度，并发送至工作人员。
8、进一步的，所述视频数据产生模块包括动态视频数据采集单元和静态路径数据采集单元；
9、所述动态视频数据采集单元，用于编制动态全景监控异常画框档案库，所述动态全景监控异常画框为单个摄像机在零角度位置和最大旋转角度位置之间往返旋转一次记录的完整角度的拍摄画面范围，所述动态全景监控异常画框档案库中存储g个摄像机对应记录的动态全景监控异常画框，所述摄像机分别安装在区域路线网中的各条路线上；
10、所述静态路径数据采集单元，用于对摄像机进行编码，并基于区域路线网，将一个摄像机作为区域路线网中的一个路线节点，并基于区域路线网的结构，梳理得到k条区域流动路径，生成静态路径集，记为，其中，表示第v条区域流动路径对应生成的静态路径集，表示第i个摄像机对应的路线节点，表示第v条区域流动路径中包含的路线节点的总数量，且。
11、进一步的，所述数据特征处理模块包括动态视频流特征单元和动态时长特征单元；
12、所述动态视频流特征单元，用于获取第n次定期初始化时间计时器生成的动态视频流集，记为，其中，表示第i个摄像机循环记录形成的动态视频流集，表示第i个摄像机在第a个步次时生成的动态全景监控异常画框，a表示步次号，a表示总步次；
13、所述动态时长特征单元，用于获取动态全景监控异常画框对应消耗的动态时长，记为，所述动态时长为单个摄像机在零角度位置和最大旋转角度位置之间往返旋转一次消耗的时长，读取动态时长在时间计时器中占用的时间片段，记为。
14、进一步的，所述埋点模型分析模块包括第一埋点模型单元和第二埋点模型单元；
15、所述第一埋点模型单元，用于计算第i个摄像机的第一埋点集中度，具体计算公式如下：
16、；
17、其中，表示第i个摄像机的第一埋点集中度，，，表示时间片段与时间片段之间重合的时长，表示动态全景监控异常画框对应消耗的动态时长，i≠j；当时间片段与时间片段之间不存在重合时，令；
18、所述第二埋点模型单元，用于计算第i个摄像机的第二埋点集中度，具体计算公式如下：
19、；
20、其中，表示第i个摄像机的第二埋点集中度，若，则令，否则令。
21、进一步的，所述异常检测模块包括异常分析单元和异常推送单元；
22、所述异常分析单元，用于计算第i个摄像机的埋点监控行为的异常度，具体计算公式如下：
23、；
24、；
25、其中，表示在当前第n个定期初始化时间计时器时，第i个摄像机的埋点监控行为的异常度，表示在第n次定期初始化时间计数器时，第i个摄像机的埋点检查度；
26、所述异常推送单元，用于在当前第n个定期初始化时间计时器时，输出每一个摄像机的埋点监控行为的异常度，并发送至工作人员。
27、一种视频监控异常行为智能检查方法，本方法包括以下步骤：
28、步骤s100：基于摄像机的旋转角度，构成动态全景监控异常画框；基于摄像机在区域路线网中的位置，梳理出区域流动路径，并生成静态路径集；
29、步骤s200：定期初始化时间计时器，并同步收集各个摄像机循环记录的动态全景监控异常画框，生成动态视频流集；获取每一个动态全景监控异常画框对应消耗的动态时长，并按照时间由前到后的顺序，读取动态时长在时间计时器中占用的时间片段；
30、步骤s300：基于时间片段，构建第一埋点分析模型，并计算摄像机的第一埋点集中度；基于静态路径集，构建第二埋点分析模型，计算摄像机的第二埋点集中度；
31、步骤s400：基于第一埋点分析模型和第二埋点分析模型，计算摄像机的埋点监控行为的异常度，并发送至工作人员。
32、进一步的，所述步骤s100的具体实施过程包括：
33、步骤s101：编制动态全景监控异常画框档案库，所述动态全景监控异常画框为单个摄像机在零角度位置和最大旋转角度位置之间往返旋转一次记录的完整角度的拍摄画面范围，所述动态全景监控异常画框档案库中存储g个摄像机对应记录的动态全景监控异常画框，所述摄像机分别安装在区域路线网中的各条路线上；
34、步骤s102：对摄像机进行编码，并基于区域路线网，将一个摄像机作为区域路线网中的一个路线节点，并基于区域路线网的结构，梳理得到k条区域流动路径，生成静态路径集，记为，其中，表示第v条区域流动路径对应生成的静态路径集，表示第i个摄像机对应的路线节点，表示第v条区域流动路径中包含的路线节点的总数量，且。
35、进一步的，所述步骤s200的具体实施过程包括：
36、步骤s201：将第n次定期初始化时间计时器生成的动态视频流集记为，其中，表示第i个摄像机循环记录形成的动态视频流集，表示第i个摄像机在第a个步次时生成的动态全景监控异常画框，a表示步次号，a表示总步次；
37、步骤s202：获取动态全景监控异常画框对应消耗的动态时长，记为，所述动态时长为单个摄像机在零角度位置和最大旋转角度位置之间往返旋转一次消耗的时本文档来自技高网
...
【技术保护点】
1.一种视频监控异常行为智能检查方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种视频监控异常行为智能检查方法，其特征在于，所述步骤S100的具体实施过程包括：
3.根据权利要求2所述的一种视频监控异常行为智能检查方法，其特征在于，所述步骤S200的具体实施过程包括：
4.根据权利要求3所述的一种视频监控异常行为智能检查方法，其特征在于，所述步骤S300的具体实施过程包括：
5.根据权利要求4所述的一种视频监控异常行为智能检查方法，其特征在于，所述步骤S400的具体实施过程包括：
6.一种视频监控异常行为智能检查系统，其特征在于，所述系统包括：视频数据产生模块、数据特征处理模块、埋点模型分析模块和异常检测模块；
7.根据权利要求6所述的一种视频监控异常行为智能检查系统，其特征在于：所述视频数据产生模块包括动态视频数据采集单元和静态路径数据采集单元；
8.根据权利要求7所述的一种视频监控异常行为智能检查系统，其特征在于：所述数据特征处理模块包括动态视频流特征单元和动态时长特征单元；
9.根据权利要求8所述的一种视频监控异常行为智能检查系统，其特征在于：所述埋点模型分析模块包括第一埋点模型单元和第二埋点模型单元；
10.根据权利要求9所述的一种视频监控异常行为智能检查系统，其特征在于：所述异常检测模块包括异常分析单元和异常推送单元；
...
【技术特征摘要】
1.一种视频监控异常行为智能检查方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种视频监控异常行为智能检查方法，其特征在于，所述步骤s100的具体实施过程包括：
3.根据权利要求2所述的一种视频监控异常行为智能检查方法，其特征在于，所述步骤s200的具体实施过程包括：
4.根据权利要求3所述的一种视频监控异常行为智能检查方法，其特征在于，所述步骤s300的具体实施过程包括：
5.根据权利要求4所述的一种视频监控异常行为智能检查方法，其特征在于，所述步骤s400的具体实施过程包括：
6.一种视频监控异常行为智能检查系统，其特征在于，所述系统包括：视频数据...
【专利技术属性】
技术研发人员：毕朝国，
申请(专利权)人：南京财经大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。