[發明專利]視頻監控方法和視頻監控設備

有效

• 申請號: 201610513552.1
• 申請日: 2016-06-30
• 公開（公告）號: CN107566781B
• 公開（公告）日: 2019-06-21
• 發明（設計）人: 俞剛;李超;何奇正;陳牧歌;彭雨翔;印奇
• 申請（專利權）人: 北京曠視科技有限公司;北京邁格威科技有限公司
• 主分類號: H04N7/18
• 分類號: H04N7/18;G06N3/02
• 代理公司: 北京市柳沈律師事務所 11105
• 代理人: 張曉明

本公開涉及視頻監控方法和視頻監控設備。視頻監控方法包括：獲取經由視頻數據采集模塊采集的視頻數據；將視頻數據的至少一幀輸入至預先訓練的第一神經網絡，以確定至少一幀中每個像素點的對象數量信息；以及利用預先訓練的第二神經網絡執行如下操作中的至少一個：基于至少一幀中的對象數量信息執行平滑操作以修正對象數量信息；基于視頻數據的采集場景的場景信息和至少一幀中的對象數量信息，確定至少一幀中每個像素點的對象密度信息；以及基于視頻數據的采集場景的場景信息、至少一幀中的對象數量信息以及至少一幀與至少一幀后的待預測幀之間的關聯信息，預測待預測幀中的每個像素點的對象密度信息。

技術領域

本公開涉及視頻監控領域，更具體地，本公開涉及視頻監控方法和使用該視頻監控方法的視頻監控設備。

背景技術

隨著監控攝像頭越來越普及，通過攝像頭對重點場景的安防監控的需求也越來越普及。安防監控需求中最急切的是對于人員的異常聚集的監控和警示。如果一個場景中人流密度過高，存在發生踩踏等危險事故的風險。因此，對監控場景中的人員密度、人群流量的監控和預測對城市安全有著非常重要的應用價值。

傳統的安防監控主要通過人力來監控每一個攝像頭，但是隨著攝像頭數量的指數級增長，這樣會耗費很多人力資源。另外，人工的判定標準可能依賴主觀經驗，不能準確的量化當前的擁擠程度，從而做出正確的決策。因此通過機器智能系統自動判定每一個場景的擁擠程度就有非常重要的價值。然而，傳統的人群擁擠判定算法往往針對于特定場景，依賴特定場景中的透視變換，以及場景中的背景建模和幾何信息。當需要更換場景時，就需要重新的適配，因此為特定場景訓練好的監控模型沒有可推廣性。

發明內容

鑒于上述問題而提出了本公開。本公開提供了一種視頻監控方法和使用該視頻監控方法的視頻監控設備。通過基于行人檢測的思想，對場景中的每個位置來做量化的密度估計，并且利用反饋神經網絡結合時序信息進行當前時刻的人群密度估計以及未來的人群密度判斷，實現了獨立于場景的人群密度估計。

根據本公開的一個實施例，提供了一種視頻監控方法，包括：獲取經由視頻數據采集模塊采集的視頻數據；將所述視頻數據的至少一幀輸入至預先訓練的第一神經網絡，以確定所述至少一幀中每個像素點的對象數量信息；以及利用預先訓練的第二神經網絡執行如下操作中的至少一個：基于所述至少一幀中的所述對象數量信息執行平滑操作以修正所述對象數量信息；基于所述視頻數據的采集場景的場景信息和所述至少一幀中的所述對象數量信息，確定所述至少一幀中每個像素點的對象密度信息；以及基于所述視頻數據的采集場景的場景信息、所述至少一幀中的所述對象數量信息以及所述至少一幀與所述至少一幀后的待預測幀之間的關聯信息，預測所述待預測幀中的每個像素點的對象密度信息。

此外，根據本公開的一個實施例的視頻監控方法，還包括：訓練所述第一神經網絡，其中，所述訓練所述第一神經網絡包括：對于多個采集場景中的每個場景的視頻數據的至少一幀，利用預定形狀的標注框標注所述至少一幀中存在的訓練對象，將標注后的視頻數據作為第一訓練數據，所述第一訓練數據的每個像素點的濃度指示所述每個像素點處存在的訓練對象的數量；以及將所述第一訓練數據的每一幀輸入至卷積神經網絡，輸出所述第一訓練數據的每一幀中每個像素點的所述訓練對象的數量；根據輸出的所述訓練對象的數量和標注的所述訓練對象的數量，計算第一損失函數，根據所述第一損失函數調整所述卷積神經網絡的參數，以得到訓練好的所述第一神經網絡。