[發明專利]一種智能視頻監控方法

有效

• 申請號: 201410372651.3
• 申請日: 2014-07-31
• 公開（公告）號: CN104144328A
• 公開（公告）日: 2014-11-12
• 發明（設計）人: 陳國順;楊毅;夏明飛;牛剛;呂貴州;張東;韓寧;牛滿科
• 申請（專利權）人: 中國人民解放軍63908部隊
• 主分類號: H04N7/18
• 分類號: H04N7/18;G10L15/06;G10L25/57;G06T7/20
• 代理公司: 北京律譜知識產權代理事務所(普通合伙) 11457
• 代理人: 王慶海

技術領域

本發明屬于視頻監控領域，具體涉及一種智能視頻監控方法。

背景技術

隨著計算機網絡與通信技術、多媒體技術的快速發展，很多犯罪活動的預謀和策劃都是靠網絡來聯系和實現的，對網絡通信的監控是安防監控的重要組成部分。視頻監控以直觀、方便、可記錄、可查詢等特點日益受到重視，越來越多的視頻監控系統應用于安全領域。

現有的視頻監控系統存在一個很重要的缺陷：對視頻監控內容只能靠人來判斷。視頻監控工作勞動強度很大，它對工作人員的注意力、警惕性、特別對異常的反應能力要求很高，一般監控過程中發生的失物都是由注意力不集中造成的。現有的視頻監控多用于事后處理，即調查取證，并沒有充分發揮視頻監控系統的主動性。

伴隨著網絡技術數字視頻技術的飛速發展，監控技術正向智能化方向不斷前進。人們希望監控以計算機為核心，融合多媒體技術、計算機技術和網絡技術，實現自動監控和異常報警，能夠替代人工值守，成為真正意義上的智能監控。

智能視頻監控技術是計算機視覺和模式識別技術在視頻監控領域的應用，是網絡化視頻監控領域的最前沿的應用模式之一。以數字視頻監控系統為基礎，借助于計算機的強大的數據處理功能，對海量視頻數據進行分析，過濾用戶不關心的信息，僅為監控者提供有用的關鍵信息。智能視頻監控系統以普通的網絡視頻監控為基礎，除了具備普通監控系統的功能外，最大的優勢是能自動地全天候進行實時分析報警，徹底改變了以往完全由安保人員對監控畫面進行監視和分析的模式。智能視頻監控主要用在高級住宅小區、銀行、超市、倉庫、博物館、監獄等需要進行長期監控的地點。

智能視頻監控技術的核心內容是對特定目標的自動檢測、跟蹤與行為識別，包括運動目標檢測、目標跟蹤、目標分類、行為識別等4個方面內容。例如對人體的跟蹤:首先從實時圖像序列(即視頻)中檢測出運動物體，再判定運動物體中的人體，然后跟蹤人體的運動軌跡，并分析和選定有異常行為的人，如在車站，機場等遺留包裹的人，最后對行為異常的人進行持續跟蹤。

其中運動目標檢測和目標跟蹤屬于視覺低級處理部分，而目標分類和行為識別則屬于中級和高級處理。對于視覺低級處理部分，運動目標檢測與目標跟蹤的視頻智能分析技術已經取得了一定的成果，目前市場上已經有相應的產品，已經在實際中得到較為廣泛的應用。而對于目標分類和行為識別的技術研究發展相對緩慢。

現有的行為識別方法包括模板匹配方法和狀態空間方法。

模板匹配方法采用模板匹配技術的行為識別方法，首先將圖像序列轉換為一組靜態形狀模式，然后在識別過程中，和預先存儲的行為標本相比較。模板匹配技術的優點是計算復雜度低、實現簡單，然而其缺點是：對于噪聲和運動時間間隔的變化是敏感的。

狀態空間方法基于狀態空間模型的方法定義每個靜態姿勢作為一個狀態，這些狀態之間通過某種概率聯系起來。任何運動序列可以看作為這些靜態姿勢的不同狀態之間的一次遍歷過程，在這些遍歷期間計算聯合概率，其最大值被選擇作為分類行為的標準。目前，狀態空間模型已經被廣泛地應用于時間序列的預測、估計和檢測，最有代表性的是HMM模型。每個狀態中可用于識別的特征包括點、線或二維小區域。狀態空間方法雖然能克服模板匹配的缺點，但通常會涉及到復雜的迭代運算，運算數據量大。

發明內容

為了解決現有技術的缺點，本發明提供了一種智能視頻監控方法，其包括：

a)同步采集共計T秒的視頻數據信號和音頻數據信號，并將視頻數據信號按照連續多幀圖像數據的形式保存，將音頻數據信號按照wav的形式保存；

b)將圖像數據劃分為訓練圖像數據和測試圖像數據以及將音頻數據劃分為訓練音頻數據和測試音頻數據；

c)判斷訓練音頻數據和測試音頻數據中是否包含異常音頻數據，如果有，提取出異常音頻數據并另行保存，否則進行下一步；

d)對全部訓練圖像數據和測試圖像數據以及包括異常音頻數據在內的全部訓練音頻數據和測試音頻數據分別進行預處理，并且對預處理后的全部訓練圖像數據和測試圖像數據進行檢測和提取所有運動目標幀像素，對預處理后的音頻數據提取音頻特征；

e)對經預處理后及運動目標幀像素提取后的全部訓練圖像數據建立全局背景模型；

f)對經預處理后及音頻特征提取后的全部訓練音頻數據中的異常音頻數據建立新的高斯混合模型；

g)將步驟e得到的全局背景模型參數和步驟f得到的高斯混合模型參數融合構建一個聯合決策模型，用該聯合決策模型對預處理后的全部測試數據進行異常狀態判別。