[發(fā)明專利]具有組合視頻和音頻識別的視頻監(jiān)視系統(tǒng)和方法

有效

• 申請?zhí)枺?/td>: 200680055514.0
• 申請日: 2006-08-03
• 公開（公告）號: CN101501564A
• 公開（公告）日: 2009-08-05
• 發(fā)明（設計）人: M·G·基恩茲勒;V·舍伊寧
• 申請（專利權）人: 國際商業(yè)機器公司
• 主分類號: G03B17/00
• 分類號: G03B17/00;G08B23/00;H04N7/18
• 代理公司: 中國國際貿易促進委員會專利商標事務所
• 代理人: 黨建華

技術領域

發(fā)明總的涉及用于提供安全性的監(jiān)視系統(tǒng)和方法，更具體地說， 涉及用于監(jiān)視系統(tǒng)的一種新的在線(實時)視頻和音頻識別系統(tǒng)和用 于監(jiān)視系統(tǒng)的處理。

背景技術

常規(guī)的視頻監(jiān)視系統(tǒng)一般不包括監(jiān)視音頻的任何功能或者措施； 即，監(jiān)視系統(tǒng)根本不包括音頻輸入。最多，典型的視頻監(jiān)視系統(tǒng)，比 如在美國專利No.6724421和6175382中描述的視頻監(jiān)視系統(tǒng)提供視 覺信息和音頻信息的同時錄制。在這些參考文獻中描述的兩種視頻監(jiān) 視系統(tǒng)中，視頻數(shù)據(jù)由智能監(jiān)視引擎分析，并被壓縮以便進行數(shù)字存 儲。這些引擎實現(xiàn)各種識別算法，比如人臉識別，運動檢測，恐慌探 測，刺殺(stabbing)運動檢測等等。例如，當監(jiān)視高層建筑的入口 時，一種報警情況涉及一個人朝著另一人的突然快速運動，意味可能 的搶掠、毆打或類似行動。這種情況下，智能監(jiān)視引擎將識別(成功 率小于100％)快速的突然運動，并在監(jiān)控站產生警報。由于報警的 結果，警力可被調派到被監(jiān)控位置。顯然，快速的突然運動可能由兒 童跑向其父母/朋友產生，這種情況下，產生的警報變成虛假警報，這 會浪費警力的調派。智能監(jiān)視引擎誤檢測的另一后果是在真正的緊急 情況下，不產生警報。例如，當現(xiàn)場有一個以上的人時可能出現(xiàn)這種 情況。當發(fā)生真正的緊急情況時卻不派遣警力是目前的監(jiān)視系統(tǒng)的另 一缺陷。

圖1中描述了現(xiàn)有技術的只有視頻的監(jiān)視系統(tǒng)。攝像機陣列10 通過視頻鏈路11把視頻信息送入視頻壓縮引擎12。視頻信息被壓縮， 并通過鏈路16發(fā)給存儲裝置14以便長期保存。另外，視頻信息通過 相同的視頻鏈路11被送給視頻識別引擎13。視頻識別引擎13執(zhí)行視 頻識別任務，比如人臉識別、運動檢測等等，并產生通過鏈路17發(fā) 送給事件數(shù)據(jù)庫15和監(jiān)控站18的事件和警報。監(jiān)控站18可包含人 工操縱的監(jiān)控站，從而，操作員執(zhí)行特定數(shù)量的攝像機的實時視覺監(jiān) 控。當操作員認為的緊急情況發(fā)生時，是否向被監(jiān)控區(qū)調派警力或者 其它緊急響應隊伍取決于他/她的決定。根據(jù)上面的描述，顯然沒有利 用音頻信息，盡管在被監(jiān)控區(qū)通常能夠獲得這樣的音頻信息。

圖2中表示了錄制具有的現(xiàn)有視頻監(jiān)視系統(tǒng)。攝像機陣列20通 過視頻鏈路21把視頻信息送入視頻和音頻壓縮引擎22。同時，音頻 信息從麥克風陣列29經音頻鏈路30被送入視頻和音頻壓縮引擎22。 視頻和音頻信息被壓縮，并通過鏈路26被發(fā)給存儲裝置24以便長期 保存。類似地，視頻信息通過相同的視頻鏈路21被送入視頻識別引 擎23。視頻識別引擎23執(zhí)行視頻識別任務，比如人臉識別、運動檢 測等等，并產生通過鏈路27發(fā)給數(shù)據(jù)庫25和監(jiān)控站28的事件和警 報。監(jiān)控站28是人工操縱的監(jiān)控站，從而，操作員執(zhí)行特定數(shù)量的 攝像機的視覺監(jiān)控。當操作員認為的緊急情況發(fā)生時，是否向被監(jiān)控 區(qū)調派警力或者其它緊急響應隊伍取決于他/她的決定。根據(jù)上面的描 述，顯然沒有從音頻輸入提取有用的信息，盡管通常能夠在被監(jiān)控區(qū) 獲得的音頻信號中得到這樣的信息。

如上所述，第二種監(jiān)視系統(tǒng)同時錄制視頻和音頻信息，而且實現(xiàn) 用于各種視頻識別任務的智能監(jiān)視引擎。目前，在這些系統(tǒng)中，音頻 信息被壓縮和錄制，而不被分析。

當分析視頻輸入時，目前的監(jiān)視系統(tǒng)未利用相當寶貴的音頻信 息。顯然，這種音頻信息是有用的，并且在許多監(jiān)視情況下能夠被廣 泛使用。

從而，非常理想的是把音頻信息的使用引入視頻監(jiān)視系統(tǒng)中，預 期音頻信息的使用將會降低監(jiān)視系統(tǒng)產生的虛假警報的數(shù)目，而且提 高檢測到的真實警報的百分率，同時向評估報警的人提供更多的信 息。另外，和僅僅利用視頻信息不能發(fā)現(xiàn)一些事件相反，利用音頻和 視頻信息可以發(fā)現(xiàn)這些事件。

發(fā)明內容

從而，本發(fā)明的一個目的是提供一種視頻監(jiān)視系統(tǒng)和方法，包括 使用與從受監(jiān)視區(qū)獲得的音頻信息結合的視頻信息。