【技术实现步骤摘要】
本专利技术涉及视频监控。
技术介绍
1、现阶段我国对于商场、火车站、地铁站等人流量密集的公共场所已经基本实现了视频监控。但是目前的视频监控系统往往只能起到拍摄和存储的功能，不能及时捕捉和发现异常行为。目前，已有研究报道将ai应用于异常行为识别的场景中。但是由于人体行为较为复杂，场景多变，单纯依靠ai识别技术存在准确度不高、不能针对具体场景和行为综合评估、预警的问题。
技术实现思路
1、本专利技术要解决的技术问题是提供一种视频监控系统，可以针对不同类型的异常行为的特性进行综合评估，生成强预警信号还是弱预警信号；并可以弥补深度学习算法在初期准确性不高的问题，并逐渐提升深度学习算法对于异常行为识别的准确性。
2、为了解决上述技术问题，本专利技术的技术方案为一种视频监控系统，包括视频监控模块、图像处理模块、区域关联模块、异常行为识别模块、参数存储模块、目标确定模块、控制器、预警模块；
3、所述视频监控模块用于通过摄像头获取各自监控区域的实时视频流；
4、所述图像处理模块用于将实时视频流拆分成连续的帧，得到每帧图像，并进行图像预处理；
5、所述区域关联模块用于将不同摄像头按照预设的规则进行关联，相互关联的摄像头组成一个关联区域；
6、所述异常行为识别模块用于利用训练好的卷积神经网络模型对图像处理模块处理过的每帧图像进行特征提取和匹配，判断图像中是否存在异常行为，若存在异常行为，则将输出异常行为的类型、发生概率p，并将该异常图像发送给
7、所述参数存储模块用于存储针对每种类型的异常行为对应的危险系数k、监控周期t、临界异常时间tcv、临界异常值ucv和临界概率pcv；
8、所述目标确定模块用于根据异常图像中提取的特征判断是否可以确认目标人员；若不可以，则根据异常图像的时间和位置信息调取监控周期t内关联区域内所有摄像头拍摄的图像，并与异常图像进行匹配，确认目标人员，并将结果发送给控制器；
9、所述控制器用于根据接收的针对目标人员的所有异常图像，计算出异常行为持续时间t，计算异常值u，u=p*k*t；根据p、t、u与pcv、tcv和ucv的关系，判断给预警模块发送强预警信号还是弱预警信号。
10、进一步的，若t≧tcv或p≧pcv或u≧ucv则给预警模块发送强预警信号；否则给预警模块发送弱预警信号。
11、进一步的，所述异常图像中提取的特征包括面部特征、形体特征、衣着特征、性别特征。
12、进一步的，当生成弱预警信号时，所述控制器还用于将关联区域所有摄像头在监控周期t内的所有包含目标人员的视频发送至云管理平台，由管理人员判断是否需要修正异常行为的识别结果，并将识别结果反馈至控制器。
13、进一步的，还包括修正次数统计模块；所述修正次数统计模块用于统计每种异常行为类型对应的修正次数n，修正次数n的统计方法为：若控制器接收到的识别结果为将a类型的异常行为修正为b时，则针对a类型的异常行为的修正次数-1，针对b类型的异常行为的修正次数+1；若控制器接收到的识别结果为将a类型的异常行为修正为无时，则针对a类型的异常行为的修正次数-1；所述控制器针对各类型的异常行为的修正次数n判断是否需要调整该类型的异常行为对应的临界异常时间tcv、临界异常值ucv和临界概率pcv；若需要调整，则在每次调整后将该类型异常行为的修正次数n清零。
14、进一步的，所述临界异常时间tcv、临界异常值ucv和临界概率pcv的调整方法为：当某种类型的异常行为的修正次数n为正，且达到或超出预设值n1时，则降低该类型的异常行为对应的临界异常时间tcv、临界异常值ucv和临界概率pcv；当某种类型的异常行为的修正次数n为负，且达到或超出预设值n2时，则提高该类型的异常行为对应的临界异常时间tcv、临界异常值ucv和临界概率pcv。
15、进一步的，调整所述临界异常时间tcv、临界异常值ucv和临界概率pcv的数值时，初始调整幅度的绝对值由人工进行设定，后续调整时，若该次调整的方向和上次调整的方向相同，则该次调整幅度的绝对值保持不变，若该次调整的方向和上次调整的方向不同，则该次调整幅度的绝对值变为上次调整幅度绝对值的一半。
16、当修正次数统计模块针对每种异常行为类型对应的修正次数n在一定时间内一直未达到或超过预设的n1和n2时，则可停止对弱预警信号状态下的人工修正行为。
17、进一步的，还包括存储模块；当需要修正异常行为的识别结果时，所述控制器将对应的异常图像和修正结果发送给存储模块中进行存储，并作为新的数据喂给卷积神经网络模型进行学习。
18、本专利技术还提供一种视频监控方法，包括如下步骤：
19、s1、获取图像：图像处理模块将视频监控模块将获取的实时视频流拆分成连续的帧，得到每帧图像，并对图像进行预处理；
20、s2、识别异常行为：异常行为识别模块利用训练好的卷积神经网络模型对预处理过的每帧图像进行特征提取和匹配，判断图像中是否存在异常行为，若存在异常行为，则将输出异常行为的类型、发生概率p，并将该异常图像发送给目标确定模块；所述异常图像中提取的特征包括面部特征、形体特征、衣着特征、性别特征；
21、s3、确认目标人员：目标确定模块根据异常图像中提取的特征判断是否可以确认目标人员；若不可以，则根据异常图像的时间和位置信息调取监控周期t内关联区域内所有摄像头拍摄的图像，并与异常图像进行匹配，确认目标人员，并将结果发送给控制器；
22、s4、生成预警信号：控制器根据接收的针对目标人员的所有异常图像，计算出异常行为持续时间t，计算异常值u，u=p*k*t；根据p、t、u与pcv、tcv和ucv的关系，判断给预警模块发送强预警信号还是弱预警信号；k、pcv、tcv和ucv分别为每种类型的异常行为对应的危险系数、临界概率、临界异常时间和临界异常值；若t≧tcv或p≧pcv或u≧ucv则给预警模块发送强预警信号；否则给预警模块发送弱预警信号；
23、s5、预警：预警模块根据接收到的预警信号进行预警
24、进一步的，s5步骤后还包括如下步骤：
25、s6、结果修正：当生成弱预警信号时，所述控制器将关联区域所有摄像头在监控周期t内的所有包含目标人员的视频发送至云管理平台，由管理人员判断是否需要修正异常行为的识别结果，并将识别结果反馈至控制器；
26、s7、更新数据库：当需要修正异常行为的识别结果时，控制器将对应的异常图像和修正结果发送给存储模块中进行存储，并作为新的数据喂给卷积神经网络模型进行学习；
27、s8、修正次数统计：修正次数统计模块统计每种异常行为类型对应的修正次数n，修正次数n的统计方法为：若控制器接收到的识别结果为将a类型的异常行为修正为b时，则针对a类型的异常行为的修正次数-1，针对b类型的异常行为的修正次数+1；若控制器接收到的识别结果为将a类型的异常行为本文档来自技高网...
【技术保护点】
1.一种视频监控系统，其特征在于：包括视频监控模块、图像处理模块、区域关联模块、异常行为识别模块、参数存储模块、目标确定模块、控制器、预警模块；
2.根据权利要求1所述的视频监控系统，其特征在于：若t≧tcv或p≧Pcv或U≧Ucv则给预警模块发送强预警信号；否则给预警模块发送弱预警信号。
3.根据权利要求1所述的视频监控系统，其特征在于：所述异常图像中提取的特征包括面部特征、形体特征、衣着特征、性别特征。
4.根据权利要求1所述的视频监控系统，其特征在于：当生成弱预警信号时，所述控制器还用于将关联区域所有摄像头在监控周期T内的所有包含目标人员的视频发送至云管理平台，由管理人员判断是否需要修正异常行为的识别结果，并将识别结果反馈至控制器。
5.根据权利要求4所述的视频监控系统，其特征在于：还包括修正次数统计模块；所述修正次数统计模块用于统计每种异常行为类型对应的修正次数n，修正次数n的统计方法为：若控制器接收到的识别结果为将A类型的异常行为修正为B时，则针对A类型的异常行为的修正次数-1，针对B类型的异常行为的修正次数+1；若控制器
6.根据权利要求5所述的视频监控系统，其特征在于：所述临界异常时间tcv、临界异常值Ucv和临界概率Pcv的调整方法为：当某种类型的异常行为的修正次数n为正，且达到或超出预设值N1时，则降低该类型的异常行为对应的临界异常时间tcv、临界异常值Ucv和临界概率Pcv；当某种类型的异常行为的修正次数n为负，且达到或超出预设值N2时，则提高该类型的异常行为对应的临界异常时间tcv、临界异常值Ucv和临界概率Pcv。
7.根据权利要求6所述的视频监控系统，其特征在于：调整所述临界异常时间tcv、临界异常值Ucv和临界概率Pcv的数值时，初始调整幅度的绝对值由人工进行设定，后续调整时，若该次调整的方向和上次调整的方向相同，则该次调整幅度的绝对值保持不变，若该次调整的方向和上次调整的方向不同，则该次调整幅度的绝对值变为上次调整幅度绝对值的一半。
8.根据权利要求4所述的视频监控系统，其特征在于：还包括存储模块；当需要修正异常行为的识别结果时，所述控制器将对应的异常图像和修正结果发送给存储模块中进行存储，并作为新的数据喂给卷积神经网络模型进行学习。
9.一种适用于权利要求1-8所述的视频监控系统的监控方法，其特征在于：包括如下步骤：
10.根据权利要求9所述的视频监控系统的监控方法，其特征在于：S5步骤后还包括如下步骤：
...【技术特征摘要】
1.一种视频监控系统，其特征在于：包括视频监控模块、图像处理模块、区域关联模块、异常行为识别模块、参数存储模块、目标确定模块、控制器、预警模块；
2.根据权利要求1所述的视频监控系统，其特征在于：若t≧tcv或p≧pcv或u≧ucv则给预警模块发送强预警信号；否则给预警模块发送弱预警信号。
3.根据权利要求1所述的视频监控系统，其特征在于：所述异常图像中提取的特征包括面部特征、形体特征、衣着特征、性别特征。
4.根据权利要求1所述的视频监控系统，其特征在于：当生成弱预警信号时，所述控制器还用于将关联区域所有摄像头在监控周期t内的所有包含目标人员的视频发送至云管理平台，由管理人员判断是否需要修正异常行为的识别结果，并将识别结果反馈至控制器。
5.根据权利要求4所述的视频监控系统，其特征在于：还包括修正次数统计模块；所述修正次数统计模块用于统计每种异常行为类型对应的修正次数n，修正次数n的统计方法为：若控制器接收到的识别结果为将a类型的异常行为修正为b时，则针对a类型的异常行为的修正次数-1，针对b类型的异常行为的修正次数+1；若控制器接收到的识别结果为将a类型的异常行为修正为无时，则针对a类型的异常行为的修正次数-1；所述控制器针对各类型的异常行为的修正次数n判断是否需要调整该类型的异常行为对应的临界异常时间tcv、临界异常值ucv和临界概率pcv；若需要调整，则在...
【专利技术属性】
技术研发人员：杨丹，邓天毅，胥靖，银小莉，蒋志兵，
申请(专利权)人：云南捷拓科技有限公司，
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。